77093 - ENVIRONMENTAL STATISTICS

Scheda insegnamento

Anno Accademico 2018/2019

Conoscenze e abilità da conseguire

By the end of the course, the student should have gained basic knowledge about the role of statistical methods for analysing environmental phenomena. In particular, the student will be introduced to the analysis of geostatistical data and should be able to describe and model the spatial structure of an environmental data set, performing spatial prediction by means of kriging methods. Moreover, the student should be provided with introductory theory concerning extreme value distributions for analysing extreme environmental phenomena. The student should be able to apply all the statistical methods by using specific R packages

Programma/Contenuti

Analisi di dati areali

Misure descrittive della correlazione spaziale globale per dati areali. Misure descrittive della correlazione locale per dati areali (LISA). Test di correlazione spaziale globale e locale. Regressione lineare in un contesto spaziale. Smoothing di mappe di mortalità.

Analisi di dati geostatistici

Il ruolo della statistica nell'analisi dei fenomeni ambientali. Geostatistica: metodi di statistica descrittiva per serie spaziali e spazio-temporali; processi stocastici spaziali; momenti di un processo stocastico spaziale, variogramma e covariogramma; il modello lineare spaziale; modelli teorici per il variogramma; stima del variogramma; kriging.

Analisi di dati da processi di punto

Introduzione ai processi di punto. Misure descrittive per processi di punto. Test per casualità spaziale e studio dell’interazione tra dati di punto. Modelli di Poisson omogenei e non omogenei. Valutazione di modelli per processi di punto.

Testi/Bibliografia

Bivand R.S., Pebesma E., Gómez-Rubio V. (2013) Applied Spatial Data Analysis with R. Springer.

Diggle P.J. (2014) Statistical Analysis of Spatial and Spatio-Temporal Point Patterns. Third Edition

A. Baddeley, Analysing spatial point patterns in R. Downloadable at https://research.csiro.au/software/r-workshop-notes/

Metodi didattici

Lezioni in aula sulla parte teorica.
Esercitazioni in laboratorio informatico per l'apprendimento di alcuni packages e per l'analisi di casi di studio.

Modalità di verifica dell'apprendimento

La prova d'esame ha lo scopo di verificare il raggiungimento dei seguenti obiettivi didattici:

  • Conoscenza approfondita degli strumenti illustrati durante le lezioni
  • Capacità di analizzare criticamente insiemi di dati rilevati nello spazio
  • Capacità di utilizzare il software R per lo studio di fenomeni rilevati nello spazio

L’esame consiste in una prova in laboratorio della durata di due ore. Durante la prova, lo studente deve rispondere ad alcune domande teoriche, più alcune domande pratiche che vengono svolte con l’aiuto del software R. Al termine della prova, lo studente deve consegnare un foglio per le domande teoriche e uno script di R per le domande pratiche. Dopo la prova scritta, c’è la possibilità di sostenere una prova orale opzionale, dove il voto della prova scritta può essere migliorato o peggiorato.

Orario di ricevimento

Consulta il sito web di Fedele Pasquale Greco

Consulta il sito web di Linda Altieri