Estatística espacial e modelización

O obxectivo desta materia é familiarizar ao alumnado coas técnicas básicas de modelización estatística mediante modelos de regresión e técnicas de estatística espacial, e a súa potencial aplicación á Bioloxía Marina. Ademais, tamén se pretende que o alumnado aprenda a manexar un loxical estatístico que permita a análise de datos obtidos dunha investigación.

Os contidos da materia distribúense en dúas partes. A primeira parte dedicarase á modelización estatística con especial atención aos modelos de regresión. Na segunda parte, impartiranse contidos de estatística espacial. Ao longo das sesións, farase uso do loxical estatístico R para a análise de datos e a ilustración das técnicas explicadas, polo que a primeira sesión do curso dedicarase á introdución deste programa.

Parte 1. Introdución ao software R
1.1 Presentación e instalación.
1.2 Estruturas de datos: Vectores, matrices, listas e marcos de datos
1.3 Importación/exportación de datos.
1.4 Procedementos gráficos.


Parte 2. Modelos de regresión
2.1 Introdución aos modelos de regresión.
2.2 Regresión linear simple: estimación, predición e inferencia.
2.3 Diagnóstico do modelo: observacións atípicas e/ou influentes , homocedasticidade e normalidade.
2.4 Outros modelos de regresión simple: regresión polinómica, modelos linearizables, modelos non lineares e regresión no paramétrica.
2.5 Regresión linear múltiple: métodos de selección de variables, o problema da multicolinearidade, diagnose da aleatoriedade e independencia.
2.6 Aplicacións en Bioloxía Mariña.


Parte 3. Estatística espacial
3.1 Conceptos básicos de estatística espacial. Tipos de procesos.
3.2 Introdución á xeoestatística: estacionariedade e isotropía.
3.3 Modelado da dependencia espacial: variografía.
3.4 Predición kriging.
3.5 Aplicacións en Bioloxía Marina.

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

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

Dentro desta materia, tratarase de contribuír a que o alumnado acade as competencias xerais recollidas na memoria do título de Máster en Bioloxía Marina:CG1, CG2, CG4, CG5, CG6, CG8, CG9, CG10, CG11, CG12, CG13, CG14, CG15, así como as competencias específicas CEC7, CEC17, CEC18 (de coñecemento) e CEH4, CEH5, CEH6, CEH7, CEH8, CEH30, CEH31, CEH32 e CEH46.

A metodoloxía da ensinanza aplicable a este curso inclúe actividades presenciais e non presenciais. Considéranse actividades presenciais as sesións expositivas, interactivas e as titorías, que se describen a continuación, ademais do exame e a presentación de traballos. Como actividades non presenciales, inclúense o tempo de estudo (xa contemplado no reconto en ECTS de cada tipo de sesión) e a preparación de traballos.

Docencia expositiva (1.25 ECTS): nas sesións de docencia expositiva, o profesorado explicará os conceptos teórico-prácticos dos contidos, apoiándose en presentacións multimedia. Tamén se resolverán algúns problemas tipo, de maneira que o alumnado poida traballar sobre os boletíns de exercicios que se lle facilitarán. Respecto ao material para o seguimiento da materia, a maiores da bibliografía recomendada, o alumnado disporá de material docente complementario.

Docencia interactiva (1.25 ECTS): nestas sesións, introducirase ao alumnado no manexo do loxical R para a análise estadística de datos, traballando sobre os casos prácticos no contexto da Bioloxía Marina. Para o seguimento das sesións na aula de informática, facilitarase ao alumnado os guións das prácticas.

Titorías (0.05 ECTS): as titorías están destinadas ao seguimento da aprendizaxe do alumnado e dos traballos encomendados.

A avaliación do alumnado realizarase a través de entregas e/ou presentacións de traballos, que poderán ser individuais ou en grupo.

Para os casos de realización fraudulenta de exercicios ou probas (plaxios ou uso indebido das tecnoloxías) será de aplicación o recollido na Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións.

Estímase que o alumnado precisará unha hora e media para preparar o material correspondente a cada hora de sesión presencial, contabilizándose 2.5 ECTS. O alumnado dedicará o equivalente a 0.4 ECTS a preparar os diversos traballos individuais e en grupo propostos ao longo do curso.

É recomendable que o alumnado teña coñecementos de estatística básica (estatística descritiva e inferencia estatística) e que sexa capaz de ler bibliografía en inglés.

Farase uso de plataformas virtuais que permitan poñer a disposición do alumnado o material elaborado para o curso.