Descripción General
Esta asignatura estudia métodos estadísticos para analizar datos que presentan dependencia tanto en el espacio como en el tiempo. Se abordan los fundamentos de la geoestadística, el análisis de datos de áreas (lattice data) y procesos puntuales, con aplicaciones en epidemiología, medio ambiente, meteorología y economía, permitiendo modelar la evolución dinámica de fenómenos georreferenciados.
Contenidos Específicos
Geoestadística y Variogramas
- Estadística Espacial: Estacionaridad isotrópica y anisotrópica. El Variograma y la función de covarianza.
- Kriging: Predicción espacial óptima (Kriging Simple, Ordinario y Universal).
- Modelos de Covarianza: Familia Matérn y funciones de covarianza espacio-temporales separables y no separables.
Modelos Dinámicos
- Datos de Áreas (Lattice): Modelos autorregresivos espaciales (CAR, SAR) y su extensión temporal.
- Modelos Jerárquicos Bayesianos: Uso de INLA y MCMC para inferencia en grandes conjuntos de datos espacio-temporales.
- Aplicaciones: Mapeo de enfermedades y predicción climática.
Consejos de Ex-participantes
R Spatial
El manejo de paquetes como `sp`, `sf` o `gstat` en R es esencial. La visualización de mapas es una parte grande de la evaluación.
Costo Computacional
Trabajar con matrices de covarianza gigantes requiere entender bien los algoritmos. A veces el código tarda horas si no está optimizado.
Historial de Impartición
¿Comentarios sobre el ramo?
Este buzón, gestionado por el CEEMAT, busca canalizar tus comentarios, consejos e inquietudes.