Die Modellierung und Analyse
von Daten mit räumlich-geographischer
Information ist in vielen Anwendungsbereichen
von stark zunehmender Bedeutung. Klassische
Anwendungsbeispiele sind die Untersuchung
meteorologischer Daten, geologischer
Phänomene oder die Kartierung von
Krankheitsrisiken. Weitere Anwendungen finden
sich im Bereich der Auswertung bildgebender
Verfahren. In vielen Anwendungen liegen
darüber hinaus räumliche Daten
über die Zeit vor, welche die
Modellierung von Raum-Zeit- Interaktionen
benötigen.
Die Vorlesung behandelt die zur Modellierung
räumlicher Phänomene wesentlichen
Klassen räumlicher stochastischer
Prozesse: Stationäre Gauß-Prozesse
(Kriging), Markov-Zufallsfelder und
räumliche Punkt-Prozesse.
Die Vorlesung soll die zur Analyse
räumlicher Daten notwendigen Kenntnisse
vermitteln und ein grundlegendes
Verständnis für die damit
verbundenen Schwierigkeiten schaffen.
Die Übung wird durch das Bearbeiten von
Übungsaufgaben die Vorlesungsinhalte
vertiefen und anwenden. Die Übung soll
das Verständnis der in der Vorlesung
besprochenen Konzepte vertiefen und die
Studierenden in die Lage versetzen, die in der
Vorlesung kennen gelernten Methoden und
Techniken anwenden zu können.
Gliederung
1. Einführung in die räumliche
Statistik
2. Geostatistik
3. Markov-Zufallsfelder und Geoadditive
Regression
4. Räumliche Punktprozesse