Modélisation statistique pour les données géographiques
Modélisation statistique pour les données géographiques
Sudipto Banerjee, School of Public Health, University of Minnesota
SSC 2011 Annual Meeting
Le 12 Juin 2011
Wolfville, NS
De nouvelles méthodes de localisation des données sur la santé, apparues à la suite des récents progrès des systèmes d’information géographique (SIG) et systèmes de positionnement global (GPS), ont permis la création de nouveaux types de mappage des maladies et de modélisation spatiale des données de santé, ainsi que de nouvelles approches en matière de prévention des maladies et des activités de santé publiques. Cela a suscité un intérêt considérable pour la modélisation statistique des données localisées (ponctuelles ou géostatistiques) et aréales (cumulatives sur une région). Ce cours propose une introduction aux méthodes de modélisation et de calcul de l’inférence avec des données spatiales ponctuelles et aréales. Les éléments de base (approches classiques en géostatistique, mappage des maladies spatial et inférence bayésienne pour les données à référence spatiale) seront approfondis. Chaque sujet inclura la théorie, des exemples et une analyse de données, ainsi que des démonstrations informatiques interactives en temps réel. Ce cours détaillera aussi les récents progrès en matière de modèles hiérarchiques bayésiens pour les données à référence spatiale à l’aide des méthodes Monte Carlo-chaîne de Markov (MCMC).
Nous couvrirons notamment les sujets suivants : modélisation géostatistique, évaluation des risques spatiaux, mappage des maladies, modèles conditionnellement autorégressifs (CAR) pour les données aréales, régression linéaire spatiale, modèles linéaires généralisés, analyse d’incertitude, diagnostic et validation des modèles spatiaux et inférence bayésienne spatiale.
Nous offrirons aux participants l’occasion de s’initier à la pratique de WinBUGS, le principal progiciel bayésien, ainsi qu’à d’autres progiciels spatiaux en R pour les données spatiales géocodées et aréales. Les démonstrations informatiques couvriront l’analyse des données spatiales exploratoire et l’estimation des modèles statistiques à l’aide d’ensembles de données pratiques tirées de la santé publique et des sciences de l’environnement.