TILS600 Spatial Data Analysis (4 cr)
Description
1. Johdanto - Spatiaalinen data, spatiaaliset mallit, kysymyksenasetteluja, spatiaalisen riippuvuuden hyödyt ja "haitat". 2. Jatkuvaparametrinen satunnaiskenttä - Satunnaiskenttä, Semivariogrammin estimointi, empiirinen semivariogrammi vs. kovariogrammi, variogrammimallin sovitus, aggregointi. 3. Spatiaalinen otanta - Spatiaaliset otanta-asetelmat, odotusarvon estimointi, otantavirhe, otantavirheen estimointi, sekamallilähestymistapa, koealaotanta. 4. Spatiaalinen interpolointi - Ongelmanasettelu, kriging. 5. Gaussisen satunnaiskentän simulointi - Choleskyn hajotelma, ehdollinen simulointi. 6. Alueellinen data ja diskreetit satunnaiskentät - Alueellinen data, riippuvuusluvut, simultaaninen autoregressio, ehdollinen autoregressio, Markovin kentät. 7. Hierarkkiset alueelliset mallit.
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 virhearviointi mukaanlukien
- osaa käyttää aluetilastotieteen malleja
Description of prerequisites
Esitiedoiksi oletetaan Todennäköisyyslaskenta 1 ja 2 -kurssien asioiden hyvä hallinta sekä valmius R-ohjelmiston käyttöön. Hyödyllisiksi edeltäviksi opinnoiksi katsotaan Aikasarja-analyysi tai Stokastiset mallit tai vastaavan kurssin asioiden hallinta.