SpatialDataScience:Herramientasparala ...coello.ujaen.es › ... › descargas › 1_IPGH_Quito_DataScience_R.pdfAntecedentes Herramientas Conclusiones Referencias ReferenciasI Bivand,RogerS,EdzerJPebesma,andVirgilioGomez-Rubio(2008)

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)


Resumen

1 Antecedentes

2 Herramientas

3 Conclusiones



Resumen

1 Antecedentes

2 Herramientas

3 Conclusiones



Resumen

1 Antecedentes

2 Herramientas

3 Conclusiones



Cuestiones Generales - Informe Gartner



Ciencia de los Datos (Data Science)



Componentes de la Ciencia de los Datos

Figura: Adaptado de Drew ConwayChicaiza, E Spatial Data Science - Herramientas (6/22)


Componentes de la Ciencia de los Datos



Sectores de aplicación

Ingeniería (civil, ambiental, geología, minería)AcadémicoNegocios en general



Resumen

1 Antecedentes

2 Herramientas

3 Conclusiones



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.



Objetos en R

Los objetos en R pueden presentarse como: funciones o datos.

FuncionesSistema

sin()plot()paste()

Personalizadas

Datos1:5casa23



Tipos de objetos (datos)

SimpleVectorMatrizMarcos de datos (dataframe)Lista (objeto genérico)RECUERDA: En R se maneja todo como un objeto...



Librerías para manejo de datos espaciales

Figura: Principales librerías para manejo de datos espacialesChicaiza, E Spatial Data Science - Herramientas (13/22)


Librerías para evaluación de la calidad de la IG y reporte

Figura: Principales librerías para evaluación de la calidad de la IG y reporte



Clases para manejo de datos espaciales

Figura: Clases para manejo de datos espaciales



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



Comunidades de R en la región

Figura: Comunidades de R en españolChicaiza, E Spatial Data Science - Herramientas (17/22)


Resumen

1 Antecedentes

2 Herramientas

3 Conclusiones



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"



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.


http://dx.doi.org/10.1007/978-90-481-2322-3_3

http://dx.doi.org/10.1007/978-90-481-2322-3_3

http://dx.doi.org/10.1007/978-90-481-2322-3_3

http://dx.doi.org/10.1007/978-90-481-2322-3_3


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.


http://cran.R-project.org/doc/Rnews


Ambiente R

Figura: Entorno RChicaiza, E Spatial Data Science - Herramientas (22/22)