TILS600 Spatial Data Analysis (4 cr)
Description
Sisältö
1. Johdanto - Spatiaalinen data, spatiaaliset mallit, kysymyksenasetteluja, spatiaalisen riippuvuuden hyödyt ja "haitat" 2. Jatkuvaparametrinen satunnaiskenttä - Satunnaiskenttä, Semivariogrammin estimointi, empiirinen semivariogrammi vs. kvariogrammi, variogrammimallin sovitus, aggregointi 3. Spatiaalinen otanta - Spatiaaliset otanta-asetelmat, keskiarvon estimointi, otantavirhe, otantavirheen estimointi, sekamallisähestymistapa, koealaotanta 4. Spatiaalinen interpolointi - Ongelmanasettelu, kriging, esimerkkejä krigingistä 5. Gaussisen satunnaiskentän simulointi - Choleskyn hajoitelman käyttö, spektraalimenetelmä, kääntyvän nauhan menetelmä, ehdollinen simulointi 6. Alueellinen data ja diskreetit satunnaiskentät - Alueellinen data, riippuvuusluvut, mallinnuksen esihistoria-gravitaatiomalli, simultaaninen autoregressio, ehdollinen autoregressio-Markovin kentät 3. Gaussisen satunnaiskentän simulointi. 4. Spatiaalinen otanta. 5. Alueellinen data ja satunnaiskentät 6. Hierarkkiset alueelliset mallit.
Suoritustavat
Harjoitukset, harjoitustyö ja kurssitentti tai kurssin lopputentti.
Suoritustavat ovat tarkemmin opetusohjelmasssa.
Arviointiperusteet
Arviointiin vaikuttavat menestys kurssitentissä ja mahdollisesti aktiivisuus harjoitustehtävien tms. tekemisessä sekä harjoitustyöstä suoriutuminen.
Kurssin lopputentissä hyväksyttyyn suoritukseen vaaditaan yleensä vähintään puolet tentin maksimipisteistä.
Opetusohjelmassa on tarkemmat arviointiperusteet.
Learning outcomes
- ymmärtää spatiaalisen datan erityispiirteet, erityisesti spatiaalisen riippuvuuden,
- tuntee Gaussisen satunnaiskentän perusteoriaa ja simulointimenetelmiä,
- osaa käyttää geostatistiikan työkaluja kuten variogrammia ja interpolointia,
- osaa käyttää spatiaalisen otannan perusmenetelmiä virhearvionti mukaanlukien
- osaa käyttää aluetilastotieteen malleja (Markovin kentät)