Skip to main content
If you continue browsing this website, you agree to our policies:
  • Condizioni di utilizzo e trattamento dei dati
Continue
x
If you continue browsing this website, you agree to our policies:
  • Condizioni di utilizzo e trattamento dei dati
Continue
x
e-Learning - UNIMIB
  • Home
  • More
Listen to this page using ReadSpeaker
English ‎(en)‎
English ‎(en)‎ Italiano ‎(it)‎
 Log in
e-Learning - UNIMIB
Home
Percorso della pagina
  1. Economics
  2. Master Degree
  3. Scienze Statistiche ed Economiche [F8206B - F8204B]
  4. Courses
  5. A.A. 2023-2024
  6. 2nd year
  1. Spatial Statistics
  2. Summary
Unità didattica Course full name
Spatial Statistics
Course ID number
2324-2-F8204B019-F8204B023M
Course summary SYLLABUS

Blocks

Back to Statistical Models M

Course Syllabus

  • Italiano ‎(it)‎
  • English ‎(en)‎
Export

Obiettivi formativi

Il corso intende fornire un’introduzione ai metodi statistici per l’analisi di fenomeni che presentano varibilità nello spazio. Alla fine del corso lo studente ha acquisito: 1) la capacità di definire un modello stocastico idoneo alla descrizione e previsione di dati spaziali; 2) le principali tecniche di stima e previsione nel contesto di alcune tipologie di dati spaziali; 3) la capacità di gestire, rappresentare e analizzare dati geocodificati in un opportuno sistema di riferimento tramite l'uso di un software per l'analisi statistica dei dati.

Contenuti sintetici

Introduzione all’analisi esplorativa dei dati spaziali; modelli e metodi per dati da processo di punto spaziale; modelli e metodi per dati geostatistici; cenni ai metodi per l’analisi dei dati di area.

Programma esteso

Variabilità di piccola e larga scala. Tipologie di dati spaziali.

Processi di punto spaziali. Processi di Poisson omogenei e non omogenei. Test per l’ipotesi CSR. Introduzione ai test Monte Carlo. Stima dell’intensità di un processo di Poisson.

Geostatistica. Richiami sui processi stocastici spaziali. Stazionarietà. Covariogramma, correlogramma e variogramma. Isotropia e modelli parametrici isotropici. Analisi esplorativa dei dati geostatistici. Analisi della componente di piccola scala. Stima del variogramma: metodo dei momenti, stime di massima verosimiglianza e dei minimi quadrati (ols, wls, gls). Analisi della componente di larga scala: metodi parametrici, cenni sulla regressione non parametrica. La previsione spaziale. Il metodo kriging: semplice, ordinario, universale.

Laboratorio in ambiente R.

Prerequisiti

Il corso non ha propedeuticità. E' consigliato avere nozioni preliminari di processi stocastici, inferenza statistica e programmazione in R.

Metodi didattici

Lezioni frontali e sessioni in laboratorio informatico.

Modalità di verifica dell'apprendimento

L'esame finale consiste di due parti: una prova in laboratorio informatico e una prova orale.

La prova di laboratorio informatico e svolta in ambiente R. Allo studente sarà richiesto di eseguire un'elaborazione di dati spaziali utilizzando codici e funzioni presentati e discussi durante le sessioni di laboratorio informatico del corso. La prova mira a verificare la capacità acquisita dallo studente nel rispondere a concrete esigenze che, nell'ambito della tematica dei dati spaziali, possono emergere in contesto lavorativo o di ricerca. Saranno quindi valutate le capacità di analisi dei dati, di sintesi e interpretazione dei risultati, nonché la competenza acquisita nell'uso del software R.

Durante la prova non è ammesso l'uso di testi o altro materiale con l'esclusione dei codici che verranno messi a disposizione dal docente all'inizio della prova.

Durante la prova non è ammesso l'uso del cellulare.

La prova orale è mirata ad accertare la conoscenza teorica dello studente sugli argomenti del corso. Si tratta quindi di un colloquio sugli argomenti svolti a lezione. Saranno valutate la capacità di formalizzare in termini statistico-probabilistici le tematiche proposte in sede di esame e il rigore metodologico del loro sviluppo.

Il punteggio finale è costituito da una media dei voti ottenuti nelle due parti.

Testi di riferimento

O. Schabenberger, C.A. Gotway, 2005, Statistical methods for spatial data analysis Chapman & Hall/CRC.

Ulteriore materiale: lucidi presentati nelle lezioni, dispense, codici R, dataset ed esercitazioni addizionali sono messe a disposizione degli studenti tramite la piattaforma eLearning del corso.

Periodo di erogazione dell'insegnamento

Primo periodo del secondo semestre.

Lingua di insegnamento

Italiano.

Sustainable Development Goals

ISTRUZIONE DI QUALITÁ
Export

Learning objectives

The course aims at providing students with a set of methodologies to deal with the estimation and prediction of spatial data.

Contents

Exploratory spatial data analysis; analysis of Spatial point pattern; geostatistics; introduction of spatial lattice data.

Detailed program

Spatial point processes: homegeneous and non homogeneous Poisson process. CSR tests. Parametric estimation of the intensity function of an inhomogeneous Poisson process.

Geostatistics: exploratory spatial data analysis; variogram, covariogam and correlogram; isotropy and some isotropic variogram models; variogram estimation: empirical variogram, parametric modeling of the variogram function: OLS, WLS, GLS and maximum likelihood estimation; simple, ordinary and universal kriging;

Laboratory sessions in R.

Prerequisites

Inferential statistics, stochastic processes and R programming. The course is not suitable for undergraduate students enrolled in the Erasmus Program. Erasmus postgraduate students are invited to contact the teacher at the beginning of the course.

Teaching methods

Class lessons and lab sessions.

Assessment methods

****Lab assesment and oral examination .

The overall mark is obtained by averaging the marks obtained in each part.

Textbooks and Reading Materials

O. Schabenberger, C.A. Gotway, 2005, Statistical methods for spatial data analysis Chapman & Hall/CRC.

Additional readings, R-codes, datasets and case studies will be made available through the eLearning web page of the course.

Semester

First term of the second semester.

Teaching language

Italian.

Sustainable Development Goals

QUALITY EDUCATION
Enter

Key information

Field of research
SECS-S/01
ECTS
6
Term
Annual
Activity type
Mandatory to be chosen
Course Length (Hours)
42
Degree Course Type
2-year Master Degreee
Language
Italian

Enrolment methods

Manual enrolments
Guest access

Sustainable Development Goals

QUALITY EDUCATION - Ensure inclusive and equitable quality education and promote lifelong learning opportunities for all
QUALITY EDUCATION

You are not logged in. (Log in)
Policies
Get the mobile app
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy policy
  • Accessibility
  • Statistics