Upload
others
View
9
Download
0
Embed Size (px)
Citation preview
Spatial Data Science: Herramientas para laEvaluación de la Calidad de la Información
Geográfica con R
Elena [email protected]
Noviembre 2016
AntecedentesHerramientasConclusionesReferencias
Resumen
1 Antecedentes
2 Herramientas
3 Conclusiones
Chicaiza, E Spatial Data Science - Herramientas (2/22)
AntecedentesHerramientasConclusionesReferencias
Resumen
1 Antecedentes
2 Herramientas
3 Conclusiones
Chicaiza, E Spatial Data Science - Herramientas (2/22)
AntecedentesHerramientasConclusionesReferencias
Resumen
1 Antecedentes
2 Herramientas
3 Conclusiones
Chicaiza, E Spatial Data Science - Herramientas (2/22)
AntecedentesHerramientasConclusionesReferencias
Resumen
1 Antecedentes
2 Herramientas
3 Conclusiones
Chicaiza, E Spatial Data Science - Herramientas (3/22)
AntecedentesHerramientasConclusionesReferencias
Cuestiones Generales - Informe Gartner
Chicaiza, E Spatial Data Science - Herramientas (4/22)
AntecedentesHerramientasConclusionesReferencias
Ciencia de los Datos (Data Science)
Chicaiza, E Spatial Data Science - Herramientas (5/22)
AntecedentesHerramientasConclusionesReferencias
Componentes de la Ciencia de los Datos
Figura: Adaptado de Drew ConwayChicaiza, E Spatial Data Science - Herramientas (6/22)
AntecedentesHerramientasConclusionesReferencias
Componentes de la Ciencia de los Datos
Chicaiza, E Spatial Data Science - Herramientas (7/22)
AntecedentesHerramientasConclusionesReferencias
Sectores de aplicación
Ingeniería (civil, ambiental, geología, minería)AcadémicoNegocios en general
Chicaiza, E Spatial Data Science - Herramientas (8/22)
AntecedentesHerramientasConclusionesReferencias
Resumen
1 Antecedentes
2 Herramientas
3 Conclusiones
Chicaiza, E Spatial Data Science - Herramientas (9/22)
AntecedentesHerramientasConclusionesReferencias
Entorno R
R es un conjunto integrado de programas para manipulación dedatos, cálculo y gráficos.En este entorno se han implementado muchas técnicas estadís-ticas, tanto clásicas como modernas:
Instalación baseLibrerías (packages)
Un análisis estadístico se realiza en una serie de pasos, con re-sultados intermedios que se almacenan en objetos, para ser ob-servados o analizados posteriormente, produciendo unas salidasmínimas.
Chicaiza, E Spatial Data Science - Herramientas (10/22)
AntecedentesHerramientasConclusionesReferencias
Objetos en R
Los objetos en R pueden presentarse como: funciones o datos.
FuncionesSistema
sin()plot()paste()
Personalizadas
Datos1:5casa23
Chicaiza, E Spatial Data Science - Herramientas (11/22)
AntecedentesHerramientasConclusionesReferencias
Tipos de objetos (datos)
SimpleVectorMatrizMarcos de datos (dataframe)Lista (objeto genérico)RECUERDA: En R se maneja todo como un objeto...
Chicaiza, E Spatial Data Science - Herramientas (12/22)
AntecedentesHerramientasConclusionesReferencias
Librerías para manejo de datos espaciales
Figura: Principales librerías para manejo de datos espacialesChicaiza, E Spatial Data Science - Herramientas (13/22)
AntecedentesHerramientasConclusionesReferencias
Librerías para evaluación de la calidad de la IG y reporte
Figura: Principales librerías para evaluación de la calidad de la IG y reporte
Chicaiza, E Spatial Data Science - Herramientas (14/22)
AntecedentesHerramientasConclusionesReferencias
Clases para manejo de datos espaciales
Figura: Clases para manejo de datos espaciales
Chicaiza, E Spatial Data Science - Herramientas (15/22)
AntecedentesHerramientasConclusionesReferencias
Opciones de ayuda en R
Si sabemos el nombre de la función, podemos buscar con ?meanSi queremos un ejemplo example(mean)Si tenemos una idea general de lo que buscamos, usamos ??fit-ting linear model
Chicaiza, E Spatial Data Science - Herramientas (16/22)
AntecedentesHerramientasConclusionesReferencias
Comunidades de R en la región
Figura: Comunidades de R en españolChicaiza, E Spatial Data Science - Herramientas (17/22)
AntecedentesHerramientasConclusionesReferencias
Resumen
1 Antecedentes
2 Herramientas
3 Conclusiones
Chicaiza, E Spatial Data Science - Herramientas (18/22)
AntecedentesHerramientasConclusionesReferencias
Conclusiones
R se utiliza principalmente cuando la tarea de análisis de datosrequiere la computación independiente o análisis en losservidores individuales.Muy bueno para el trabajo exploratorio, y es útil para casicualquier tipo de análisis de datos debido a la enorme cantidadde paquetes y pruebas de fácil utilización.Existe material disponible en web y en los comunidades de Rque se han formado.No hay que olvidar que finalmente R es una herramienta quenos permite sacar provecho de sus ventajas, pero no hay quedejar de lado lo esencial "los fundamentos y conceptos"
Chicaiza, E Spatial Data Science - Herramientas (19/22)
AntecedentesHerramientasConclusionesReferencias
Referencias I
Bivand, Roger S, Edzer J Pebesma, and Virgilio Gomez-Rubio (2008).Applied spatial data analysis with R. Springer. Springer.
Goovaerts, Pierre (2001). “Geostatistical modelling of uncertainty insoil science”. In: Geoderma 103.1, pp. 3–26.
Lloyd, Christopher D. (2010). “geoENV VII – Geostatistics for En-vironmental Applications”. In: ed. by M. P. Atkinson and D.C. Lloyd. Dordrecht: Springer Netherlands. Chap. Multivaria-te Interpolation of Monthly Precipitation Amount in the Uni-ted Kingdom, pp. 27–39. ISBN: 978-90-481-2322-3. DOI: 10.1007/978-90-481-2322-3_3. URL: http://dx.doi.org/10.1007/978-90-481-2322-3_3.
Chicaiza, E Spatial Data Science - Herramientas (20/22)
AntecedentesHerramientasConclusionesReferencias
Referencias II
Oliver, MA and R Webster (2014). “A tutorial guide to geostatistics:Computing and modelling variograms and kriging”. In: Catena113, pp. 56–69.
Pebesma, Edzer J. (2004). “Multivariable geostatistics in S: the gstatpackage”. In: Computers & Geosciences 30, pp. 683–691.
Ribeiro Jr., P.J. and P.J. Diggle (2001). “geoR: a package for geosta-tistical analysis”. In: R-NEWS 1.2, pp. 15–18. ISSN: 1609-3631.URL: http://cran.R-project.org/doc/Rnews.
Xie, Yihui (2015). Dynamic Documents with R and knitr. Vol. 29.CRC Press.
Chicaiza, E Spatial Data Science - Herramientas (21/22)
AntecedentesHerramientasConclusionesReferencias
Ambiente R
Figura: Entorno RChicaiza, E Spatial Data Science - Herramientas (22/22)