Estadística espacial y modelización

El objetivo de esta materia es familiarizar al alumnado con las técnicas básicas de modelización estadística mediante modelos de regresión y técnicas de estadística espacial, y su potencial aplicación a la Biología Marina. Además, también se pretende que el alumnado aprenda a manejar un paquete estadístico que permita el análisis de datos obtenidos en una investigación.

Los contenidos de la materia se distribuyen en dos partes. La primera parte se dedicará a modelización estadística con especial atención a los modelos de regresión. En la segunda parte se impartirán contenidos de estadística espacial. A lo largo de las distintas sesiones, se hará uso del software estadístico R para el análisis de datos y la ilustración de las técnicas explicadas, por lo que la primera sesión del curso se dedicará a la introducción del programa.


Parte 1. Introducción al software R
1.1 Presentación e instalación.
1.2 Estructuras de datos: Vectores, matrices, listas y marcos de datos
1.3 Importación/exportación de datos.
1.4 Procedimientos gráficos.


Parte 2. Modelos de regresión
2.1 Introducción a los modelos de regresión lineal: estimación, predicción e inferencia.
2.2 Diagnosis del modelo: observaciones atípicas y/o influyentes, homodedasticidad y normalidad.
2.3 Otros modelos de regresión: regresión polinómica, modelos linealizables, modelos no lineales y regresión no paramétrica.
2.4 Regresión lineal múltiple: métodos de selección de variables, el problema de la multicolinealidad, diagnosis de la aleatoriedad y la independencia.
2.5 Aplicaciones en Biología Marina.

Parte 3. Estadística espacial
3.1 Conceptos básicos de estadística espacial. Tipos de procesos.
3.2 Introducción a la geoestatística: estacionariedad e isotropía.
3.3 Modelado de la dependencia espacial: variografía.
3.4 Predición kriging.
3.5 Aplicaciones en Biología Marina.

Bibliografía básica
[1] Bivand, R.S., Pebesma, E.J. y Gómez-Rubio, V. (2008). Applied Spatial Data Analysis with R. Springer.
[2] Diggle, P. y Ribeiro, P.J. (2007) Model-based Geostatistics. Springer.
[3] Schabenberger, O. y Gotway, C.A. (2005) Statistical Methods for Spatial Data Analysis. Chapman and Hall.

Bibliografía complementaria
[1] Chilès, J.P. y P. Delfiner (1999) Geostatistics: modeling spatial uncertainty. Wiley
[2] Cressie, N.A. (1993) Statistics for Spatial Data. John Wiley.

Dentro de esta materia, se tratará de contribuir a que el alumnado alcance las competencias generales recogidas en la memoria del título de Máster en Biología Marina:CG1, CG2, CG4, CG5, CG6, CG8, CG9, CG10, CG11, CG12, CG13, CG14, CG15, así como las competencias específicas CEC7, CEC17, CEC18 (de conocimiento) y CEH4, CEH5,. CEH6, CEH7, CEH8, CEH30, CEH31, CEH32 y CEH46.

La metodología de enseñanza aplicable a este curso incluye actividades presenciales y no presenciales. Se consideran actividades presenciales las sesiones expositivas, interactivas y las tutorías, que se describen a continuación, además del examen y la presentación de trabajos. Como actividades no presenciales, se incluyen el tiempo de estudio (ya contemplado en el recuento en ECTS de cada tipo de sesión) y la preparación de trabajos.

Docencia expositiva (1.25 ECTS): en las sesiones de docencia expositiva, el profesorado explicará los conceptos teórico-prácticos de los contenidos, apoyándose en presentaciones multimedia. También se resolverán algunos problemas tipo, de manera que el alumnado pueda trabajar sobre los boletines de ejercicios que se le facilitarán. Respecto al material para el seguimiento de la materia, a mayores de la bibliografía recomendada, el alumnado dispondrá de material docente complementario.

Docencia interactiva (1.25 ECTS): en estas sesiones, se introducirá al alumnado en el manejo del paquete R para el análisis estadístico de datos, trabajando sobre los casos prácticos en el contexto de la Biología Marina. Para el seguimiento de las sesiones en el aula de informática, se facilitará al alumnado los guiones de las prácticas.

Tutorías (0.05 ECTS): las tutorías están destinadas al seguimiento del aprendizaje del alumnado y de los trabajos encomendados.

La evaluación del alumnado se realizará a través de entregas y/o presentaciones de trabajos, que podrán ser individuales o en grupo.

Para los casos de realización fraudulenta de ejercicios o pruebas (plagios o uso indebido de las tecnologías) será de aplicación lo recogido en la Normativa de evaluación del rendimiento académico de los estudiantes y de revisión de cualificaciones.

Se estima que el alumnado necesitará una hora y media para preparar el material correspondiente a cada hora de sesión presencial, contabilizándose 2.5 ECTS. El alumnado dedicará el equivalente a 0.4 ECTS a preparar los diversos trabajos individuales y en grupo propuestos a lo largo del curso.

Es recomendable que el alumnado tenga conocimientos de estadística básica (estadística descriptiva e inferencia estadística) y que sea capaz de leer bibliografía en inglés.

Se hará uso de plataformas virtuales que permitan poner a disposición del alumnado el material elaborado para la materia.