Análisis espacial con R: Usa R como un Sistema de Información Geográfica.

El libro “Análisis espacial con R: Usa R como un Sistema de Información Geográfica” ha sido escrito por JEAN-FRANCOIS MAS, data de julio de 2018 y está bajo licencia libre CC.

Análisis espacial con R

R es una plataforma de análisis estadístico con herramientas gráficas muy avanzadas, es un referente en el análisis estadístico desde hace muchos años.

A primera vista, R puede parecer poco amigable a usuarios acostumbrados a manejar programas computacionales con menús y opciones seleccionadas con el ratón debido a que se basa en líneas de comando. Sin embargo, después de haber (fácilmente) superado este obstáculo, estos usuarios verán que el uso de pequeños guiones ”scripts” que permiten ejecutar una secuencia de operaciones, es mucho más eficiente que una larga secuencia de ”clics”, sin olvidar la reducción del riesgo de tendinitis. Permite repetir fácilmente el mismo procedimiento con datos diferentes o realizar modificaciones a una cadena de procesamiento ya implementada. Adicionalmente, reduce enormemente la posibilidad de cometer errores en una cadena de operaciones rutinarias y permite documentar el procesamiento realizado.

El presente libro se dirige a usuarios con conocimiento básico de Sistemas de Información Geográfica (SIG) que desean iniciarse en el manejo y análisis de datos espaciales en R. No requiere por lo tanto de ningún conocimiento previo de este programa pero si un conocimiento básico de los SIG. El libro pretende permitir al lector dar los primeros pasos en el manejo de R para el análisis espacial sin demasiados tropiezos. Para seguir con aplicaciones más avanzadas, existe un gran número de fuentes de información (ver anexos).

El libro “Análisis espacial con R” se organizó de la siguiente manera: en el primer capítulo se explica como instalar R y RStudio y se presentan los principales elementos de la interface RStudio. Se recomienda realizar la instalación de ambos programas para poder experimentar los códigos de los capítulos siguientes. En el segundo capítulo, se hace una iniciación al manejo básico de R. El lector con conocimiento previo de R puede pasar directamente al siguiente capítulo. En el tercer capítulo, se presenta como están estructurados los datos espaciales en R en los paquetes sf y raster, los dos paquetes que vamos utilizar a lo largo de este libro. La estructura de los datos en el paquete sp se encuentra en anexos. Este capítulo puede parecer un poco árido. De hecho se puede manejar información espacial sin entrar en los detalles de la organización de la información. Sin embargo, es importante, y ayuda mucho, conocer esta información. En el capítulo 4, se presentan algunas formas para intercambiar datos geográficos entre R y otros sistemas de manejo de información geográfica a través de procedimientos de importación / exportación entre R y datos en formato vectorial o de imagen, así como algunos métodos para convertir información entre vector y raster. En los capítulos 5 y 6, se presentan operaciones básicas de SIG, respectivamente con datos en formato vector y raster. En el capítulo 7, se muestran algunos de los numerosos análisis de tipo geoestadístico que se puede llevar a cabo con paquetes de R. En el octavo capítulo, se aborda el análisis de imágenes de satélite. En capítulo 9 muestra algunas formas de elaborar cartografía. Finalmente, el décimo capítulo introduce al lector las técnicas para hacer interactuar R con el programa SIG de código abierto Q-GIS y la plataforma de modelación espacial Dinámica EGO.

Descarga del libro

Mas, J-F., 2018, Análisis espacial con R: Usa R como un Sistema de Información Geográfica, European Scientific Institute, 114 p (+ anexos).

Enlace de descarga: eujournal.org/files/journals/1/books/JeanFrancoisMas.pdf

ISBN: 978-608-4642-66-4.

Anuncios

Estadística y Machine Learning con R

 

Estadística y Machine Learning con R recopila apuntes y materiales utilizados en la docencia de cursos de formación para funcionarios sobre estadística para administraciones públicas y estadística con R, y otros materiales utilizados en la docencia de Econometría. El manual ha sido elaborado exclusivamente con R, utilizando las librerias knitr, markdown y bookdown, que permiten editar y compilar documentos en diferentes formatos.

Estadística y Machine Learning con R

 

Data Science Live Book (open source)

(This article was first published on R – Data Science Heroes Blog, and kindly contributed to R-bloggers) Well after some time, and +300 commits, this is the biggest release of the Data Science Live Book! (open source), after the first publication more than 1 year ago tl;dr: Hi there! I invite you to read the…

via Data Science Live Book (open source) ~ new big release! 200-pages — R-bloggers

ESS Guidelines on Seasonal Adjustment. Edición 2015

Eurostat ha publicat l’edició 2015 de les recomanacions per desestacionalització: ESS guidelines on seasonal adjustment “The revised ESS Guidelines on Seasonal Adjustment present both theoretical aspects and practical implementation issues in a friendly and easy to read framework, thereby addressing both experts and non-experts in seasonal adjustment. They meet the requirement of principle 7 (Sound […]

via ESS Guidelines on Seasonal Adjustment. Edició 2015 — Bloc d’estadística oficial

Handbook on Cyclical Composite indicators – 2017 edition

Eurostat i l’United Nations Statistics Division, publiquen conjuntament el manual, “Handbook on Cyclical Composite indicators – 2017 edition. For Business cycle analysis” a fi que serveixi de guia per la compilació d’indicadors compostos cíclics. “The 2007-2009 global financial and economic crises revealed severe weaknesses in the system of macroeconomic infra-annual statistics which prevent a prompt […]

via “Handbook on Cyclical Composite indicators – 2017 edition” — Bloc d’estadística oficial

Estadística y Machine Learning con R

Introducción

Capítulo I: Modelo lineal general.

Capítulo II: Extensiones al modelo de regresión lineal

Capítulo III: Modelos con Variables Cualitativas

Capítulo IV: Métodos de clasificación

Capítulo V: Agrupación de la información

Capítulo VI: Inferencia no parámetrica

Bilbliografía