Este documento presenta un curso sobre el software estadístico R. Explica que R es un lenguaje de alto nivel y entorno para la manipulación de datos, cálculo y gráficos. Detalla algunas de las ventajas de R como su amplia colección de herramientas para análisis de datos y grandes posibilidades gráficas. También describe brevemente el inicio de sesiones de R y uso básico de funciones.
El documento presenta la librería ggplot2 para generar gráficos estadísticos en R. ggplot2 permite construir gráficos agregando sucesivamente más atributos o capas ("layers"). Los gráficos se pueden crear utilizando los comandos qplot() o ggplot() y variando los parámetros geom, stat y otras especificaciones.
Este documento presenta un taller introductorio sobre el programa estadístico R. La primera parte describe los objetivos del taller, que son exponer las ventajas y desventajas de R, definir comandos y operaciones básicas, y practicar su aplicación. La segunda parte define conceptos, comandos y operaciones matemáticas y estadísticas en R. La tercera parte consiste en ejercicios prácticos para aplicar lo aprendido. El documento provee una introducción general a R y guía a los participantes en realizar análisis est
Paquete ggplot - Potencia y facilidad para generar gráficos en RNestor Montaño
El paquete ggplot de R proporciona un poderoso sistema que hace que sea fácil de producir gráficos complejos de varias capas, automatiza varios aspectos tediosos del proceso de graficar manteniendo al mismo tiempo la habilidad de construir paso a paso un gráfico pues se compone de una serie de pequeños bloques de construcción independientes, esto reduce la redundancia dentro del código, y hace que sea fácil de personalizar el gráfico para obtener exactamente lo que se desea.
Primer Taller para el Fortalecimiento de las Capacidades en Programas Nacionales de Conservación y Utilización de Recursos Fitogenéticos de América Latina, Bogotá 19 al 22 de Marzo de 2013. Programa CAPFITOGEN. Tratado Internacional sobre los Recursos Fitogenéticos para la Alimentación y la Agricultura, FAO, descargar en http://www.planttreaty.org/capfitogen
La librería maptools permite leer y manipular objetos espaciales como archivos shapefiles. Se utiliza principalmente para cargar archivos shapefiles y representar variables espaciales en mapas mediante métodos como spplot() y ggplot2(). Ofrece herramientas para examinar los objetos cargados, asociar datos al slot @data, y representar mapas de intensidad usando paletas de colores y diferentes estilos de intervalos de clase.
Este documento describe cómo utilizar funciones en C para realizar operaciones con vectores y matrices. Explica conceptos básicos como vectores, matrices y funciones en C. Luego presenta dos ejemplos prácticos de código: 1) un programa que toma dos matrices de entrada y calcula su producto algebraico utilizando funciones, y 2) un programa que permite ingresar elementos en una matriz cuadrática utilizando funciones. El objetivo es demostrar cómo las funciones pueden utilizarse para modularizar el código y hacerlo más organizado y reutilizable.
El documento describe DEX, un sistema de base de datos de grafos de alto rendimiento. DEX permite el almacenamiento y manejo eficiente de grandes grafos mediante un modelo basado en bitmaps y enlaces. El documento explica la arquitectura de DEX, su modelo lógico de grafos etiquetados y atributos, y sus principales operaciones como la creación y consulta de nodos, aristas y atributos. Finalmente, se incluye un ejemplo de cómo modelar una base de datos bibliográfica como un grafo en DEX.
El documento presenta la librería ggplot2 para generar gráficos estadísticos en R. ggplot2 permite construir gráficos agregando sucesivamente más atributos o capas ("layers"). Los gráficos se pueden crear utilizando los comandos qplot() o ggplot() y variando los parámetros geom, stat y otras especificaciones.
Este documento presenta un taller introductorio sobre el programa estadístico R. La primera parte describe los objetivos del taller, que son exponer las ventajas y desventajas de R, definir comandos y operaciones básicas, y practicar su aplicación. La segunda parte define conceptos, comandos y operaciones matemáticas y estadísticas en R. La tercera parte consiste en ejercicios prácticos para aplicar lo aprendido. El documento provee una introducción general a R y guía a los participantes en realizar análisis est
Paquete ggplot - Potencia y facilidad para generar gráficos en RNestor Montaño
El paquete ggplot de R proporciona un poderoso sistema que hace que sea fácil de producir gráficos complejos de varias capas, automatiza varios aspectos tediosos del proceso de graficar manteniendo al mismo tiempo la habilidad de construir paso a paso un gráfico pues se compone de una serie de pequeños bloques de construcción independientes, esto reduce la redundancia dentro del código, y hace que sea fácil de personalizar el gráfico para obtener exactamente lo que se desea.
Primer Taller para el Fortalecimiento de las Capacidades en Programas Nacionales de Conservación y Utilización de Recursos Fitogenéticos de América Latina, Bogotá 19 al 22 de Marzo de 2013. Programa CAPFITOGEN. Tratado Internacional sobre los Recursos Fitogenéticos para la Alimentación y la Agricultura, FAO, descargar en http://www.planttreaty.org/capfitogen
La librería maptools permite leer y manipular objetos espaciales como archivos shapefiles. Se utiliza principalmente para cargar archivos shapefiles y representar variables espaciales en mapas mediante métodos como spplot() y ggplot2(). Ofrece herramientas para examinar los objetos cargados, asociar datos al slot @data, y representar mapas de intensidad usando paletas de colores y diferentes estilos de intervalos de clase.
Este documento describe cómo utilizar funciones en C para realizar operaciones con vectores y matrices. Explica conceptos básicos como vectores, matrices y funciones en C. Luego presenta dos ejemplos prácticos de código: 1) un programa que toma dos matrices de entrada y calcula su producto algebraico utilizando funciones, y 2) un programa que permite ingresar elementos en una matriz cuadrática utilizando funciones. El objetivo es demostrar cómo las funciones pueden utilizarse para modularizar el código y hacerlo más organizado y reutilizable.
El documento describe DEX, un sistema de base de datos de grafos de alto rendimiento. DEX permite el almacenamiento y manejo eficiente de grandes grafos mediante un modelo basado en bitmaps y enlaces. El documento explica la arquitectura de DEX, su modelo lógico de grafos etiquetados y atributos, y sus principales operaciones como la creación y consulta de nodos, aristas y atributos. Finalmente, se incluye un ejemplo de cómo modelar una base de datos bibliográfica como un grafo en DEX.
Este documento presenta conceptos sobre tipos de datos compuestos y recursivos en Prolog, incluyendo:
1) Se introducen listas como un tipo de datos recursivo y se proveen ejemplos de su manipulación como agregar y concatenar elementos.
2) Se explica el uso de assert y retract para modificar una base de datos interna en Prolog y operaciones como guardar y consultar bases de datos.
3) Se pide repetir un ejercicio anterior usando un enfoque recursivo y las operaciones de bases de datos como findall.
Este documento describe un servicio de asesoría y resolución de ejercicios de ciencias. Proporciona información de contacto por correo electrónico y sitio web. También incluye ejemplos de ejercicios de estructuras de datos, gráficos y árboles binarios de búsqueda, así como algoritmos para grafos como búsqueda en profundidad, búsqueda en amplitud y árbol de expansión mínimo.
Este documento presenta un resumen de diferentes modelos de programación y computación paralela. Describe modelos de memoria compartida y distribuida, así como el uso de hilos para la programación paralela. También analiza problemas como las carreras de datos y el falso compartir de memoria al escalar arquitecturas de memoria compartida.
Este documento presenta conceptos sobre operaciones con funciones, incluyendo sumar, restar, multiplicar y dividir funciones. También cubre escribir y evaluar funciones compuestas. Proporciona ejemplos y ejercicios para practicar estas operaciones con funciones.
Este documento presenta información sobre funciones y vectores en programación. Explica conceptos como declaración, llamada y retorno de funciones, funciones con parámetros y funciones con vectores. Incluye ejemplos de código de funciones sin parámetros, con vectores y funciones que usan menús.
El documento resume los principales conceptos de JavaScript, incluyendo sintaxis básica, funciones, condicionales como if y switch, bucles como while y for, y objetos como String, Math y Date. Explica cómo usar JavaScript para dar interactividad a páginas web mediante ejemplos como calcular el doble de un número ingresado.
Este documento presenta una introducción a Python y Google Colab. Incluye información sobre la historia y beneficios de Python, así como una explicación de cómo funciona Google Colab para ejecutar código Python en la nube. Luego, proporciona una introducción a conceptos básicos de Python como objetos, librerías y comandos, y explica cómo usar librerías populares como NumPy y Pandas para el análisis de datos.
Este documento describe los arreglos y sus características. Explica que un arreglo es una estructura de datos que almacena una colección de elementos del mismo tipo en posiciones de memoria contiguas. Los arreglos pueden ser unidimensionales (vectores), bidimensionales (matrices) o multidimensionales. Los arreglos se caracterizan por almacenar elementos en posiciones indexadas, tener un nombre de variable único que representa a todos los elementos y permitir el acceso directo a cualquier elemento. También explica cómo declarar, inicializar, manipular y realizar oper
Este documento presenta Cloud Computing y MapReduce. Introduce Cloud Computing, sus ventajas como escalabilidad y acceso a potentes centros de datos. Explica los tipos de Cloud Computing como SaaS, PaaS e IaaS. Luego describe MapReduce, su origen en la programación funcional y cómo permite procesar grandes cantidades de datos de forma distribuida mediante las funciones map y reduce. Finalmente, presenta ejemplos como contar palabras o obtener canciones populares usando MapReduce.
El documento describe técnicas para mejorar el algoritmo de eliminación gaussiana (GE) para resolver sistemas de ecuaciones lineales densos. Explica cómo optimizar GE mediante el uso de operaciones de matrices (BLAS) en lugar de bucles anidados, almacenando factores de multiplicación en lugar de recalcularlos, y aplicando pivotaje parcial para mejorar la estabilidad numérica. También describe cómo GE en realidad calcula una factorización LU de la matriz y cómo esta factorización puede usarse para resolver el sistema de ecuaciones.
Este documento resume las operaciones paralelas con matrices densas y el algoritmo de Cannon para la multiplicación de matrices. En 3 oraciones o menos:
El documento describe diferentes particiones de datos para operaciones paralelas con matrices densas, incluidas particiones de bloques y cíclicas de filas y columnas. También explica el algoritmo de Cannon para la multiplicación paralela de matrices, el cual mueve bloques de las matrices A y B para alinear los datos y permitir la multiplicación en paralelo de todos los procesadores.
El documento describe las funciones básicas de MATLAB para resolver problemas numéricos relacionados con matrices y vectores. Explica cómo declarar matrices y vectores, definir funciones de transferencia, representar sistemas en lazo cerrado y abierto, y graficar respuestas. También cubre la representación en espacio de estado, el lugar de las raíces, y el diseño de compensadores usando la herramienta rltool. El menú de ayuda provee información adicional sobre los comandos de MATLAB.
Este documento resume los conceptos clave de la simulación paralela. Explica que los sistemas de eventos discretos, partículas y variables agregadas que siguen ecuaciones diferenciales ordinarias son comunes en simulaciones y pueden ser paralelizados. Describe cómo identificar dependencias de datos y flujo para determinar qué partes de un problema se pueden computar en paralelo, y métodos como la descomposición de dominio espacial para lograr paralelismo y localidad en la comunicación.
Este documento presenta un resumen de un proyecto realizado por 4 estudiantes de la Universidad Politécnica Salesiana sobre la resolución de un circuito resonante RC mediante el uso de MATLAB. Describe brevemente las características básicas de MATLAB y luego explica la ecuación diferencial correspondiente al circuito RC. A continuación, muestra el código escrito en MATLAB para resolver numéricamente la ecuación y graficar los resultados.
Este documento presenta información sobre diferentes métodos de cifrado como el cifrado de Vigenère y el cifrado por desplazamiento. Se proporcionan ejemplos de cómo implementar estas técnicas de cifrado y descifrado en Clojure para el alfabeto español. También se describen las funciones que se deben definir como parte de la implementación.
Este documento presenta una introducción a Javascript. Explica brevemente la historia y características del lenguaje, así como dónde se puede colocar el código Javascript. También describe conceptos fundamentales como la sintaxis, estructuras de datos como arreglos y diccionarios, funciones, orientación a objetos, el modelo de objetos del documento y eventos. El objetivo es proporcionar una visión general de los principales componentes de Javascript.
Este documento explica la precedencia de operadores en C++. Detalla que las operaciones entre paréntesis, corchetes y llaves tienen la mayor precedencia, seguidas de potencias y raíces. Luego vienen productos, divisiones, sumas y restas. También incluye una tabla que muestra el orden de precedencia de todos los operadores de C++ de mayor a menor.
The document discusses intelligent solutions for environmental monitoring of photovoltaic systems. It describes string level monitoring devices that can detect errors in individual solar module lines and a data logger that acquires measurement data from string monitors and transmits it to higher level systems. A web portal then allows global access to the system data. The solutions allow fast detection of issues to improve energy production and system lifetime.
Este documento presenta conceptos sobre tipos de datos compuestos y recursivos en Prolog, incluyendo:
1) Se introducen listas como un tipo de datos recursivo y se proveen ejemplos de su manipulación como agregar y concatenar elementos.
2) Se explica el uso de assert y retract para modificar una base de datos interna en Prolog y operaciones como guardar y consultar bases de datos.
3) Se pide repetir un ejercicio anterior usando un enfoque recursivo y las operaciones de bases de datos como findall.
Este documento describe un servicio de asesoría y resolución de ejercicios de ciencias. Proporciona información de contacto por correo electrónico y sitio web. También incluye ejemplos de ejercicios de estructuras de datos, gráficos y árboles binarios de búsqueda, así como algoritmos para grafos como búsqueda en profundidad, búsqueda en amplitud y árbol de expansión mínimo.
Este documento presenta un resumen de diferentes modelos de programación y computación paralela. Describe modelos de memoria compartida y distribuida, así como el uso de hilos para la programación paralela. También analiza problemas como las carreras de datos y el falso compartir de memoria al escalar arquitecturas de memoria compartida.
Este documento presenta conceptos sobre operaciones con funciones, incluyendo sumar, restar, multiplicar y dividir funciones. También cubre escribir y evaluar funciones compuestas. Proporciona ejemplos y ejercicios para practicar estas operaciones con funciones.
Este documento presenta información sobre funciones y vectores en programación. Explica conceptos como declaración, llamada y retorno de funciones, funciones con parámetros y funciones con vectores. Incluye ejemplos de código de funciones sin parámetros, con vectores y funciones que usan menús.
El documento resume los principales conceptos de JavaScript, incluyendo sintaxis básica, funciones, condicionales como if y switch, bucles como while y for, y objetos como String, Math y Date. Explica cómo usar JavaScript para dar interactividad a páginas web mediante ejemplos como calcular el doble de un número ingresado.
Este documento presenta una introducción a Python y Google Colab. Incluye información sobre la historia y beneficios de Python, así como una explicación de cómo funciona Google Colab para ejecutar código Python en la nube. Luego, proporciona una introducción a conceptos básicos de Python como objetos, librerías y comandos, y explica cómo usar librerías populares como NumPy y Pandas para el análisis de datos.
Este documento describe los arreglos y sus características. Explica que un arreglo es una estructura de datos que almacena una colección de elementos del mismo tipo en posiciones de memoria contiguas. Los arreglos pueden ser unidimensionales (vectores), bidimensionales (matrices) o multidimensionales. Los arreglos se caracterizan por almacenar elementos en posiciones indexadas, tener un nombre de variable único que representa a todos los elementos y permitir el acceso directo a cualquier elemento. También explica cómo declarar, inicializar, manipular y realizar oper
Este documento presenta Cloud Computing y MapReduce. Introduce Cloud Computing, sus ventajas como escalabilidad y acceso a potentes centros de datos. Explica los tipos de Cloud Computing como SaaS, PaaS e IaaS. Luego describe MapReduce, su origen en la programación funcional y cómo permite procesar grandes cantidades de datos de forma distribuida mediante las funciones map y reduce. Finalmente, presenta ejemplos como contar palabras o obtener canciones populares usando MapReduce.
El documento describe técnicas para mejorar el algoritmo de eliminación gaussiana (GE) para resolver sistemas de ecuaciones lineales densos. Explica cómo optimizar GE mediante el uso de operaciones de matrices (BLAS) en lugar de bucles anidados, almacenando factores de multiplicación en lugar de recalcularlos, y aplicando pivotaje parcial para mejorar la estabilidad numérica. También describe cómo GE en realidad calcula una factorización LU de la matriz y cómo esta factorización puede usarse para resolver el sistema de ecuaciones.
Este documento resume las operaciones paralelas con matrices densas y el algoritmo de Cannon para la multiplicación de matrices. En 3 oraciones o menos:
El documento describe diferentes particiones de datos para operaciones paralelas con matrices densas, incluidas particiones de bloques y cíclicas de filas y columnas. También explica el algoritmo de Cannon para la multiplicación paralela de matrices, el cual mueve bloques de las matrices A y B para alinear los datos y permitir la multiplicación en paralelo de todos los procesadores.
El documento describe las funciones básicas de MATLAB para resolver problemas numéricos relacionados con matrices y vectores. Explica cómo declarar matrices y vectores, definir funciones de transferencia, representar sistemas en lazo cerrado y abierto, y graficar respuestas. También cubre la representación en espacio de estado, el lugar de las raíces, y el diseño de compensadores usando la herramienta rltool. El menú de ayuda provee información adicional sobre los comandos de MATLAB.
Este documento resume los conceptos clave de la simulación paralela. Explica que los sistemas de eventos discretos, partículas y variables agregadas que siguen ecuaciones diferenciales ordinarias son comunes en simulaciones y pueden ser paralelizados. Describe cómo identificar dependencias de datos y flujo para determinar qué partes de un problema se pueden computar en paralelo, y métodos como la descomposición de dominio espacial para lograr paralelismo y localidad en la comunicación.
Este documento presenta un resumen de un proyecto realizado por 4 estudiantes de la Universidad Politécnica Salesiana sobre la resolución de un circuito resonante RC mediante el uso de MATLAB. Describe brevemente las características básicas de MATLAB y luego explica la ecuación diferencial correspondiente al circuito RC. A continuación, muestra el código escrito en MATLAB para resolver numéricamente la ecuación y graficar los resultados.
Este documento presenta información sobre diferentes métodos de cifrado como el cifrado de Vigenère y el cifrado por desplazamiento. Se proporcionan ejemplos de cómo implementar estas técnicas de cifrado y descifrado en Clojure para el alfabeto español. También se describen las funciones que se deben definir como parte de la implementación.
Este documento presenta una introducción a Javascript. Explica brevemente la historia y características del lenguaje, así como dónde se puede colocar el código Javascript. También describe conceptos fundamentales como la sintaxis, estructuras de datos como arreglos y diccionarios, funciones, orientación a objetos, el modelo de objetos del documento y eventos. El objetivo es proporcionar una visión general de los principales componentes de Javascript.
Este documento explica la precedencia de operadores en C++. Detalla que las operaciones entre paréntesis, corchetes y llaves tienen la mayor precedencia, seguidas de potencias y raíces. Luego vienen productos, divisiones, sumas y restas. También incluye una tabla que muestra el orden de precedencia de todos los operadores de C++ de mayor a menor.
The document discusses intelligent solutions for environmental monitoring of photovoltaic systems. It describes string level monitoring devices that can detect errors in individual solar module lines and a data logger that acquires measurement data from string monitors and transmits it to higher level systems. A web portal then allows global access to the system data. The solutions allow fast detection of issues to improve energy production and system lifetime.
El éxito de la internacionalización de una empresa requiere de sus líderes una especial combinación de conocimientos y habilidades que les permita adaptarse a los diferentes entornos culturales y sobrellevar una amplia variedad de situaciones
sin perder de vista los objetivos económicos de su responsabilidad corporativa o los retos del desarrollo sostenible.
Calidad de vida saludable (y responsable).José María
El documento discute la importancia de un estilo de vida saludable y el autocuidado para mejorar la calidad de vida y prevenir enfermedades. Señala que los ciudadanos son conscientes de la importancia de hábitos saludables como la alimentación adecuada, no fumar, hacer ejercicio y no abusar del alcohol. También analiza las actitudes hacia la relación con los médicos, el cumplimiento de los tratamientos y el uso de nuevas tecnologías en el cuidado de la salud.
Este documento lista os aniversariantes do mês de dezembro na E.M.E.F. Boa Saúde, incluindo professores, funcionários e alunos de diferentes turmas. É dividido em seções para cada categoria com os nomes e datas de aniversário. No final, identifica os responsáveis pela criação do power point com a lista de aniversariantes para dezembro.
The document discusses three views on digital learners ("LoDE"): enthusiasts, concerned ones, and critics. It presents examples of each view and notes debates around defining and labeling digital learners. An empirical study is described that analyzed survey responses from 562 university students in Switzerland to determine if age influences perspectives on technology and learning. The results showed age had a statistically significant impact in only a few cases. Overall, the study found LoDE still prefer traditional learning strategies over digital ones.
1. The document discusses organizing an ideal Ganeshotsav celebration at the colony level that aims to bring people together and promote social development. It emphasizes using Ganesh idols that look serene and calm, handling donation money transparently, and planning programs that engage all age groups.
2. It also stresses the importance of maintaining ambience and serenity at the celebration site as it is a spiritual event. Loud music and unacceptable language should be avoided to be respectful of all attendees.
3. By following these points - selecting an appropriate murti, handling finances carefully, including diverse programming, and maintaining a respectful environment - the document
Este documento describe una técnica para desechar el apego al cuerpo mediante el reconocimiento de que uno está en todas partes y no limitado al cuerpo. Primero, uno debe reconocer que su único conocimiento es del cuerpo y que se identifica completamente con él. Al hacer frente a este hecho, surgirá ansiedad pero también comprensión del apego. Una vez que se entiende el apego como un infierno, puede desecharse fácilmente. Al desechar el apego, uno se da cuenta de que su conciencia no está confinada y que está
NOTA DE PRENSA: EL 70% DEL FRAUDE AL SEGURO DEL MÓVIL CORRESPONDE A DENUNCIAS...CPP España
El Informe del Fraude en el Seguro Móvil establece las principales cifras de fraude, la tipología más recurrente de esta conducta delictiva y dibuja el perfil medio del defraudador del Seguro Móvil según la experiencia de CPP en España . Más información en: www.cpp.es
(Iii) de las bastardas conductas de las taifas políticas y financieras que ...Miguel Cabral Martín
(III) - DE LAS BASTARDAS CONDUCTAS DE LAS TAIFAS POLÍTICAS Y FINANCIERAS QUE SOMETEN AL PUEBLO CANARIO
(Nacionales y Nacionalistas)
El objeto de este escrito se basa en dos célebres frases por todos conocidas:
1. la caridad empieza por casa y la justicia en la puerta del vecino (Charles Dickens), y esta otra
2. la justicia empieza por casa.
En la primera frase la “casa” representaría a España como país en el que habito, y el “vecino” representaría a la Unión Europea por ser la comunidad internacional a la que pertenecemos los españoles en calidad de ciudadanos de la misma. La 2ª frase se refiere a mi obligación como canario dentro de la comunidad española como ciudadano que también soy de la misma, de empezar por los criminales rufianes canarios.
https://drive.google.com/file/d/0B-yVvzgMrlRpODYyMmJEU2NaNE0/view?usp=sharing
My presentation with Carlos Martinho at Lisbon Game Conference (http://lisbongameconf.iscte-iul.pt/) about the importance of Videogames and the work on Videogames that we have been developing at IST and INESC-ID.
The Future of IT La Justificación Económica de la ITelcontact.com
Este documento presenta la tercera conferencia anual "The Future of IT" organizada por Gartner, que se llevará a cabo en Buenos Aires del 22 al 23 de septiembre de 2010. Se ofrecerán 12 sesiones impartidas por 6 analistas internacionales de Gartner sobre temas como tendencias tecnológicas, innovación en servicios financieros, y escenarios para América Latina. Los asistentes podrán acceder a presentaciones, reuniones privadas con analistas, y networking. El evento incluye almuerzos, coffee breaks
The document summarizes an upcoming conference on building efficient multimodal perishable supply chains. The 7th Global Cool Logistics Conference will be held from September 29th to October 1st, 2015 in Bruges, Belgium. It will bring together high-level speakers and industry professionals to discuss topics like regionalization of perishable trades, refrigerated maritime transport, short-sea and multimodal operations, cold chain logistics, packaging, and greener cold store technology.
Desigualdad de la mujer beatriz moreno 1 º bach cgmartineznieto
El documento describe las situaciones de marginación y desigualdad que enfrentan las mujeres. Explica que las causas incluyen la responsabilidad del cuidado de los hijos y familiares, bajos niveles educativos y falta de programas de formación-empleo. Las consecuencias son menos mujeres con trabajo y salarios más bajos. Los objetivos son equiparar a hombres y mujeres en el mercado laboral y mejorar el acceso al mismo, mientras que las soluciones propuestas incluyen leyes de igualdad y políticas de diversidad e inclusión.
Scalable Content Strategy: Nice Thought or Viable Vision? with Colleen JonesScott Abel
Today, business is digital. That makes content critical. Content now represents nearly a third of marketing budgets alone (Content Marketing Institute), and that proportion will only increase. Content also is the substance of most digital media products and digital channel communications. So, you might have enjoyed some success with implementing a content strategy for a single product, channel, or marketing campaign. Now, imagine repeating that success. How do you make your content strategy scale across products, brands, channels, markets and more? It's a question that often brings up many, many, MANY more questions for midsize and enterprise organizations. This session will help you answer them with a practical vision and 3 useful principles to scale your content strategy.
This presentation was given at Content Strategy Applied USA on November 17-18, 2014
El documento resume las principales tendencias del retail y el comportamiento del consumidor moderno. Explica que los consumidores están más informados y compran por sus propias razones más que por las razones de las marcas. También describe cómo el proceso de compra se ha vuelto más complejo con más opciones y canales para buscar información. Finalmente, analiza diferentes formatos de tiendas y cómo satisfacen las necesidades cambiantes de los consumidores.
Curso de R: 1.1. introducción al lenguaje (Objetos y operadores básicos)Nerys Ramírez Mordán
Este código genera secuencias y repeticiones de vectores en R:
1. La línea 1:10 genera un vector numérico desde 1 hasta 10.
2. La línea rep(1:4,2) repite el vector de 1 a 4 dos veces, resultando en el vector [1,2,3,4,1,2,3,4]. La función rep() repite el vector especificado (1:4) la cantidad de veces indicada en el segundo argumento (2).
Así, rep() permite generar repeticiones de vectores de manera fácil en R.
Introducción a R como herramietna para el análisis y predicción en la asignatura de econometría. Tipos de objetos que se utilizan más frecuentemente en el software para econometría. Además, algunos paquetes básicos, junto con R Studio
Este documento presenta una introducción a R. R es un entorno de software gratuito y de código abierto para análisis estadístico y gráficos. Ofrece facilidades para el manejo y análisis de datos, operaciones con arrays y matrices, y herramientas para gráficos. R es un lenguaje de programación dinámico que permite desarrollar nuevos métodos de análisis de datos.
Este documento presenta información sobre R-Commander, una interfaz gráfica de usuario para el entorno estadístico R. R-Commander permite acceder a las capacidades de R sin necesidad de conocer su lenguaje de comandos. El documento explica cómo instalar R-Commander, cargar datos desde un archivo externo, ejecutar análisis estadísticos como pruebas de hipótesis e intervalos de confianza, e interpretar los resultados. También cubre cómo cerrar la sesión de R-Commander y R.
El documento introduce el software estadístico R y su uso en la enseñanza de la estadística descriptiva. Se discuten conceptos básicos como la instalación de R, uso de bibliotecas, comandos y ejemplos. Luego, se presentan ejemplos prácticos de cálculos, operaciones con vectores y matrices, y gráficos estadísticos usando datos de taxistas.
Este documento presenta un programa de introducción al uso y programación del sistema estadístico R. El programa cubre temas como introducción a R, objetos en R, gráficos en R, programación en R y ejemplos prácticos. También describe cómo instalar R y paquetes adicionales, y cómo usar R con Emacs y XEmacs para editar scripts de manera ordenada y mantener el código comentado.
Gestión y Análisis de Datos para las Ciencias Económicas con Python y RFrancisco Palm
El desarrollo conjunto de Python y R representan probablemente el factor individual más decisivo en el futuro del análisis de datos y el cómputo numérico.
“R”
Es el lenguaje de programación que se utiliza para realizar el análisis estadístico de grandes volúmenes de información con la finalidad de descubrir patrones entre los datos que facilite la toma de decisiones
El documento define varios términos relacionados con la programación. Explica que la programación es el proceso de diseñar, codificar, depurar y mantener el código fuente de programas computacionales. Define un lenguaje de alto nivel como uno diseñado para describir acciones consecutivas que un equipo debe ejecutar e instruir a los computadores. También explica que un lenguaje de macro permite desarrollar pequeñas aplicaciones y automatizar tareas.
El documento define varios términos relacionados con la programación. Explica que la programación es el proceso de diseñar, codificar, depurar y mantener el código fuente de programas computacionales. Define un lenguaje de alto nivel como uno diseñado para describir acciones consecutivas que un equipo debe ejecutar e instruir a los computadores. También explica que un lenguaje de macro permite desarrollar pequeñas aplicaciones y automatizar tareas.
El documento define varios términos relacionados con la programación. Explica que la programación es el proceso de diseñar, codificar, depurar y mantener el código fuente de programas computacionales. Define un lenguaje de alto nivel como uno diseñado para describir acciones consecutivas que un equipo debe ejecutar e instruir a los computadores. También explica que un lenguaje de macro permite desarrollar pequeñas aplicaciones y automatizar tareas.
R es un lenguaje de programación y entorno para análisis estadístico desarrollado en 1993. Es software libre y de código abierto disponible para múltiples sistemas operativos. Combina las funcionalidades de los lenguajes S y Scheme con un enfoque en el análisis de datos. Los usuarios pueden acceder a R de forma interactiva o a través de entornos de desarrollo integrados.
Este documento presenta una introducción al lenguaje R y a su uso para el análisis de datos de microarrays. Explica brevemente la historia de R y su relación con S, describe los tipos básicos de objetos en R como variables, vectores y matrices, e introduce conceptos como la función c() y la creación de scripts. El objetivo final es utilizar R y paquetes de BioConductor para analizar datos de experimentos de microarrays.
R es un lenguaje de programación y software libre para análisis estadístico y gráficos. Se utiliza para analizar datos de microarrays biológicos. El documento introduce R, describiendo sus tipos de objetos básicos como vectores, matrices y listas, y cómo crear y manipular estos objetos. También presenta funciones incorporadas en R y cómo escribir funciones propias.
Este documento presenta una introducción al lenguaje de programación funcional Scheme. Explica elementos básicos como tipos de datos, funciones predefinidas, condicionales, definición de identificadores y funciones. También cubre estructuras de datos como pares y listas, y cómo estas pueden ser manipuladas usando funciones como car, cdr, cons y append. El objetivo es entregar las nociones necesarias para seguir el curso de lenguajes PLAI usando el lenguaje Racket.
El documento define un algoritmo como un conjunto de instrucciones bien definidas para realizar una tarea y llegar a una solución final. Explica que los diagramas de flujo y pseudocódigo son formas de representar algoritmos y menciona ejemplos de programas como C++, Borland C++, DFD y Visual FoxPro que pueden usar para resolver algoritmos. Concluye que los algoritmos representan problemas y soluciones que ayudan en informática y la vida diaria.
El documento presenta información sobre un proyecto de programación dirigido por Andrés Pepinós. El objetivo general es descubrir el uso de la programación a través del análisis de sus fundamentos y parámetros. Se explican conceptos como clasificación de software, tipos de datos, identificadores, almacenamiento de datos y operadores.
Este documento presenta una introducción a la programación para personas sin experiencia previa. Explica los objetivos de aprender conceptos básicos como variables, condicionales, bucles, listas, métodos y funciones. También muestra ejemplos breves de cómo se implementan estos conceptos en diferentes lenguajes como Java, C#, Lua y JavaScript. Finalmente, concluye comparando sintaxis entre lenguajes y diferencias entre tipado estático y dinámico.
Similar a (1) Curso sobre el software estadístico R. Introducción al entorno R (20)
El documento describe el Sistema de Datos Integrados (iDatos) de Canarias. El objetivo de iDatos es permitir la integración de datos de fuentes administrativas, facilitar la elaboración de estadísticas multifuentes que incluyan fuentes de Big Data, y georreferenciar la información. Se ha desarrollado un modelo de integración con directorios maestros y registros de entidades como personas, empresas y viviendas. El sistema ha integrado ya datos demográficos, de empleo y cotización social de diferentes fuentes administrativ
El documento presenta estadísticas sobre el turismo en las Islas Canarias en 2018. Recibieron 15.5 millones de turistas, generando 106.9 millones de pernoctaciones. Tenerife fue el destino más visitado con 35.9 millones de pernoctaciones, seguido de Gran Canaria con 20.1 millones. Los principales mercados emisores fueron España, Alemania y Gran Bretaña. El documento también incluye gráficos sobre la evolución mensual de las pernoctaciones por mercado emisor en cada isla.
El documento analiza el crecimiento vegetativo en Canarias entre 1999 y 2017. Muestra que la tasa de crecimiento ha disminuido en las islas de Tenerife y Gran Canaria, principalmente debido a sus capitales, Santa Cruz de Tenerife y Las Palmas de Gran Canaria. También existe disparidad entre municipios, destacando las tasas más bajas de los municipios capitales en 2017 en comparación con el resto de municipios de sus islas respectivas. El comportamiento de la tasa de crecimiento ha variado según cada isla.
El documento propone una metodología para sistemas de indicadores para políticas públicas. Explica que los indicadores pueden usarse para apoyar decisiones basadas en evidencia y describe cuatro tipos de indicadores (de contexto, estratégicos, de procesos y de efectos) que pueden usarse en tres fases: planificar estadísticas, planificar políticas y desarrollar políticas. El objetivo final es mejorar la inteligencia de gobierno a través de sistemas de indicadores bien diseñados.
Este documento describe el desarrollo de un chatbot llamado ISTAC-Bot que proporciona acceso a información estadística a los ciudadanos. Explica que el chatbot fue creado utilizando la plataforma de código abierto RASA y que permite a los usuarios obtener datos estadísticos de manera automática e interactiva mediante conversaciones de texto.
Este documento describe el entorno de cómputo estadístico para el procesamiento de datos electrónicos. Explica los diferentes entornos computacionales involucrados como la recepción, almacenamiento, procesamiento y difusión de datos. También describe el uso de hilos de procesamiento y microservicios para ejecutar de manera eficiente las diferentes ETL involucradas en la gestión y análisis de datos.
El documento describe la Estadística de Población Activa Registrada (EPA-Reg), una operación estadística que integra datos administrativos para estimar la población y su relación con la actividad económica a nivel municipal y otras áreas pequeñas de Canarias. El proyecto piloto de 2018 generó estimaciones trimestrales para cuatro municipios canarios mediante la integración de datos, georreferenciación y geocodificación de la información. La EPA-Reg provee información complementaria a otras operaciones estadísticas para el
El documento describe el Sistema de Datos Integrados de Canarias (iDatos), incluyendo su marco normativo, organización y gestión, y producción de directorios y estadísticas multifuentes. El sistema permite la fusión de ficheros administrativos, su integración con información geográfica, y la elaboración de estadísticas multifuentes incluyendo fuentes de datos masivos.
El documento presenta el marco de estadística espacial de Canarias. Explica los principios del marco, la organización y gestión de la información espacial, el sistema de georreferenciación y geocodificación, e infraestructura de normalización y reutilización. El objetivo es establecer un sistema sólido de georreferenciación y almacenar datos georreferenciados en la Infraestructura de Datos y Metadatos Estadísticos de Canarias para facilitar la difusión y uso de estadísticas espac
El documento analiza las estadísticas de matrimonios en 2015 en las Islas Canarias. Se celebraron 6,928 matrimonios en 2015, un aumento del 5.3% desde 2014. La mayoría, 6,663, fueron entre personas de sexo opuesto. Sin embargo, 265 matrimonios fueron entre personas del mismo sexo, un aumento del 8.2% desde 2014 y representando el 3.8% del total de matrimonios. La isla de Tenerife tuvo la mayor cantidad de matrimonios en 2015.
El nombre más común entre los recién nacidos en 2016 fue Sofía para las niñas y Hugo para los niños. Hugo ha sido el nombre más popular para los niños durante los últimos cinco años, mientras que Sofía pasó del tercer al primer lugar entre los nombres femeninos más comunes. Los nombres Alejandro y María han aparecido con más frecuencia en el primer puesto del ranking de nombres desde 1997.
El documento describe la infraestructura de datos y metadatos estadísticos de Canarias, que facilita el acceso automático e instantáneo a datos estadísticos abiertos para su reutilización en herramientas de visualización y aplicaciones de terceros. La infraestructura utiliza una tecnología y datos únicos en el gobierno de Canarias para proporcionar acceso universal a los datos a través de APIs abiertas, permitiendo que ciudadanos, empresas y administraciones públicas usen los datos.
Este documento presenta un análisis de modelos de series temporales (RegARIMA) para predecir la llegada de turistas a las Islas Canarias y sus principales islas (Gran Canaria, Tenerife, Lanzarote y Fuerteventura), diferenciados por país de origen. El objetivo es evaluar la fiabilidad de las predicciones de turistas usando datos mensuales de 2005 a 2016 y variables como el efecto calendario, IPC, ESI e ICI. Los resultados muestran las diferencias entre los modelos para Canarias por país frente a mode
El documento habla sobre el uso de la estadística pública en la planificación y evaluación de políticas. Explica conceptos clave como indicadores, tipos de evaluación, y criterios para la evaluación. También analiza el estado actual de la evaluación de políticas en Canarias y el papel que puede desempeñar el Instituto Canario de Estadística. Presenta ejemplos de políticas e indicadores en Canarias.
Presentación para el curso del Instituto Canario de Administraciones Públicas. Primera sesión del curso en la que se realiza la presentación de la estadística oficial.
Este documento describe los métodos utilizados en la encuesta de seguimiento de la marca turística de Canarias para 2015-2016, incluyendo el diseño de la muestra dualframe de la población fija y móvil, el uso de paneles para la población turista, y el procedimiento de validación, imputación, elevación y calibrado de pesos para generar estimaciones representativas.
Slides in MOVE2015 - Puerto Rico. MOVE2015 American Chapter – 4th International Conference on Sub-National Measurement and Economic Analysis of Tourism: Towards a Set of UNWTO Guidelines will be hosted again in its American Chapter, this time in San Juan, Puerto Rico, November 18, 19, 20th, 2015. The conference is organized by the Puerto Rico Tourism Company, within the conceptual framework of INRouTe and in collaboration with the UNWTO and CICtourGUNE.
El documento presenta información sobre las encuestas de alojamiento turístico en las Islas Canarias, incluyendo un resumen de las 16 entidades turísticas y 47 núcleos turísticos identificados, así como estadísticas sobre indicadores clave como número de viajeros alojados, pernoctaciones y lugar de residencia en 2014. También describe la difusión de mapas temáticos y datos a través de la página web del gobierno regional y mediante descargas para su visualización en escritorio.
Más de Instituto Canario de Estadística (ISTAC) (20)
Entidades y núcleos turísticos. estadísticas asociadas
(1) Curso sobre el software estadístico R. Introducción al entorno R
1. Curso sobre el software estad´ıstico R: Introducci´on al entorno de R
Ponente: Carlos P´erez Glez.
Entidades participantes en el curso:
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 1 / 36
2. Introducci´on al entorno de R
R es un lenguaje de alto nivel y un entorno para la manipulaci´on de datos, c´alculo y gr´aficos.
1 Almacenamiento y manipulaci´on efectiva de datos
2 Operadores para c´alculo sobre variables indexadas y matrices
3 Amplia, coherente e integrada colecci´on de herramientas para an´alisis de datos
4 Grandes posibilidades gr´aficas
5 Lenguaje de programaci´on orientado a objetos bien desarrollado, simple y efectivo
6 Lenguaje interpretado, no compilado. Posibilidad de usar scripts
7 Es de c´odigo abierto: se distribuye bajo la GPL (General Public License), que no impone
ninguna restricci´on al uso de R (tanto acad´emico como comercial). Website:
http://www.r-project.org/
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 2 / 36
3. ¿Por qu´e R?
Para alumnos:
1 Dispone de las herramientas cl´asicas de la estadistica
2 Es multiplataforma y gratis
3 Ofertas de trabajo
Para investigadores:
1 Desarrollos estad´ısticos avanzados
2 Proliferaci´on de c´odigo R en muchos trabajos cient´ıficos
Para universidades:
1 Ahorro de licencias campus de software propietario (SPSS)
2 Implica menos problemas de soporte t´ecnico
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 3 / 36
4. Ventajas de R
1 Posibilidad de combinar an´alisis “empaquetados” en librer´ıas con desarrollos propios “ad-hoc”
2 Gr´aficos de alta calidad exportables a distintos formatos
3 Consume pocos recursos inform´aticos
4 Puede ejecutarse remotamente y conectarse con otros programa (llamar a librer´ıas de R
desde PROC IML)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 4 / 36
5. Desventajas de R
1 Interfaz gr´afica limitada (aunque se dispone de varios GUI que suplen esta deficiencia desde
el punto de vista docente)
2 No hay soporte comercial
3 El lenguaje de comandos es un lenguaje de programaci´on
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 5 / 36
6. Estructura de un sistema R
R consta de un sistema base (instalaci´on primaria) pero se pueden extender las funcionalidades
mediante librer´ıas o paquetes (se instalan bajo demanda). Algunos de estos paquetes son:
mva: Classical multivariate analysis
maptools: Herramientas para el manejo de objetos geoespaciales
googleVis: Librer´ıa que sirve de interfaz entre R y Google chart tools
. . . .
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 6 / 36
7. Sesi´on de R
Se puede iniciar una sesi´on de R en modo terminal (en sistemas Linux) o empleando un R GUI
(en sistemas windows).
La interfaz de R para windows proporciona un men´u muy b´asico para gestionar algunos aspectos
de sesi´on de R:
1 El hist´orico de comandos (.Rhistory)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 7 / 36
8. Sesi´on de R
Se puede iniciar una sesi´on de R en modo terminal (en sistemas Linux) o empleando un R GUI
(en sistemas windows).
La interfaz de R para windows proporciona un men´u muy b´asico para gestionar algunos aspectos
de sesi´on de R:
1 El hist´orico de comandos (.Rhistory)
2 El espacio de trabajo de la sesi´on (.RData)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 7 / 36
9. Sesi´on de R
Se puede iniciar una sesi´on de R en modo terminal (en sistemas Linux) o empleando un R GUI
(en sistemas windows).
La interfaz de R para windows proporciona un men´u muy b´asico para gestionar algunos aspectos
de sesi´on de R:
1 El hist´orico de comandos (.Rhistory)
2 El espacio de trabajo de la sesi´on (.RData)
3 La instalaci´on de librer´ıas desde un repositorio CRAN
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 7 / 36
10. Uso b´asico de R
Desde R se pueden realizar sencillas operaciones aritm´eticas
(4 - 3) * 2/3
sqrt (9)
sin(pi/2)
factorial (3)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 8 / 36
11. Uso b´asico de R
R ejecuta ciertas operaciones que, en otros programas, podr´ıan generar mensajes de error
1/0
0/0
log (-1)
sqrt (-9)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 9 / 36
12. Almacenar resultados en variables. El espacio de trabajo
El operador de asignaci´on (<-) permite almacenar valores:
a <- log (10)
a <- log (10)
a = log (10) #¿cual usar: = o <-?
a <- rnorm (4, mean = 10, sd = 1) # en R se utiliza = para asignar valores a los argumentos de las funciones
Al introducir los comandos anteriores, hemos creado un objeto en R: la variable “a”. Este objeto
se almacena en una zona de memoria llamada “espacio de trabajo”.
ls()
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 10 / 36
13. La ayuda en R
Para invocar la ayuda en R, podemos hacerlo de la forma siguiente
help(rnorm)
?rnorm
help.search("pc -axis")
help.start ()
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 11 / 36
14. Vectores en R
Crear secuencias de vectores
x <- c(1, 2, 3, 4, 5)
y <- c(1:5)
?seq
# los argumentos con = significa que hay que escribir el nombre los
# argumentos sin = significa que hay que ponerlos en el mismo orden
z <- seq(1, 10, by = 2)
w <- rep (1:5 , times = 2)
w <- rep (1:5 , each = 3)
Operaciones con vectores
2 * x
x + z
x * z
# se pueden sumar vectores de distinta longitud pero se produce un efecto
# c´ı clico
x + w
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 12 / 36
15. Vectores como argumentos de funciones en R
Algunas funciones se eval´uan sobre un vector y devuelven otro vector de la misma longitud.
Otras, en cambio, devuelven un escalar
log(x)
sum(x)
range(x)
length(x)
Incluso al evaluar una condici´on sobre un vector se obtiene un vector
x < 3
x < 3 | z > 5
x < 3 & z < 5
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 13 / 36
16. Elementos de un vector
Para seleccionar elementos de un vector se utiliza la notaci´on de []:
x <- c(1, 2, 3, 4, 5)
x[3] # elementos de un vector
x[c(1:2)] # partes de un vector
x[1:2] # partes de un vector
x[-1] # quitar partes de un vector
# ¿C´omo seleccionar los elementos de x menores que 2?
se pueden modificar los vectores haciendo uso del operador asignaci´on:
x[1:2] <- c(12, 13)
x[1:2] <- 0
x[15] <- 0
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 14 / 36
17. Tipo de los elementos de un vector
Los vectores en R son objetos con todos sus elementos del mismo tipo
x <- c(1, 2, 3, 4, 5)
class(x)
x <- c(1, 2, "hola")
class(x)
Se pueden asignar nombres a cada componente de un vector
x <- c(1, 2, 3, 4, 5)
names(x) <- c("primero", "segundo", "tercero", "cuarto", "quinto")
attributes(x)
x[2] # accede al elemento 2ndo.
x["segundo"]
x[segundo]
Hay funciones que podemos utilizar para verificar si un objeto es o no un vector
is.vector(x)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 15 / 36
18. Factores en R
Los factores son vectores que alamcenan datos categ´oricos (variable con varios niveles)
x <- c("Juan", "Paco", "Mar´ıa", "Arturo")
s <- c("hombre", "hombre", "mujer", "hombre")
s <- factor(s)
attributes(s)
is.factor(s)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 16 / 36
19. Matrices en R
Las matrices se crean en R utilizando matrix() (bidimensionales) o array() (m´as de 2 dimensiones)
m <- matrix (1:6 , nrow = 3, ncol = 2)
m[1, ]
m[, 2]
attributes(m)
dimnames(m) <- list(c("A", "B", "C"), c("1", "2"))
attributes(m)
is.matrix(m)
m["A", ]
m[, "2"]
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 17 / 36
20. Listas en R
Las listas en R son colecciones ordenadas de objetos
l <- list(padres = c("Juan", "Mar´ıa"), num.hijos = 2, edad.hijos = c(3, 7))
# observar que se emplea = para asignar los nombres a los objetos y no el
# operador <-
attributes(l)
names(l)
is.list(l)
l[[1]] # accede al objeto 1ro.
l[["padres"]] # accede al objeto ’padres ’
l$padres # accede al objeto ’padres ’
l$padres <- c("Juan P´erez", "Mar´ıa Gonz´alez")
l$padres [2]
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 18 / 36
21. Hojas de datos en R
Las hojas de datos en R son matrices de datos formadas por elementos (columnas) de igual
longitud (filas). En general, cada columna representa una variable y cada fila una observaci´on.
id <- c(1:6)
sexo <- rep(c("HOMBRE", "MUJER"), each = 3)
edad <- sample (20:60 , size = 6, replace = TRUE)
d <- data.frame(id = id , sexo = sexo , edad = edad)
attributes(d)
names(d)
d[[2]]
d[["sexo"]]
d$sexo
class(d$sexo)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 19 / 36
22. Paquetes en R
1 La gran potencia que proporciona R reside en la gran cantidad de paquetes desarrollados y
que se encuentran en repositorios CRAN.
library () # listar todos los paquetes disponibles en R
install.packages("RJSONIO")
install.packages("ggplot", dependencies = TRUE)
library(RJSONIO) # cargar el paquete
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 20 / 36
23. Paquetes en R
1 La gran potencia que proporciona R reside en la gran cantidad de paquetes desarrollados y
que se encuentran en repositorios CRAN.
2 En la instalaci´on base de R se instalan s´olo algunos de ellos.
library () # listar todos los paquetes disponibles en R
install.packages("RJSONIO")
install.packages("ggplot", dependencies = TRUE)
library(RJSONIO) # cargar el paquete
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 20 / 36
24. Paquetes en R
1 La gran potencia que proporciona R reside en la gran cantidad de paquetes desarrollados y
que se encuentran en repositorios CRAN.
2 En la instalaci´on base de R se instalan s´olo algunos de ellos.
3 A medida que se necesitan nuevas funcionalidades, se pueden instalar f´acilmente
library () # listar todos los paquetes disponibles en R
install.packages("RJSONIO")
install.packages("ggplot", dependencies = TRUE)
library(RJSONIO) # cargar el paquete
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 20 / 36
25. El directorio de trabajo. La carga de datos
Cuando se inicia R, el programa configura por defecto un directorio desde donde se leen o donde
se guardan ficheros. Los comandos getwd() y setwd() permiten consultar y cambiar el directorio
de trabajo.
getwd ()
setwd("C: RLibraries")
Si queremos cargar un conjunto de datos desde un archivo situado en el directorio de trabajo, lo
podemos hacer mediante el comando read.table()
# cargar los datos utilizando read.table (en local)
setwd("C: RLibraries")
data.espacios.nat <- read.table(file = "superficie_espacios_naturales.txt", header = T, sep = ";")
data.geo.municipios <- read.table(file = "datos_geograficos_islas.txt", header = T, sep = ";")
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 21 / 36
26. Otros m´etodos para la carga de datos
Se puede utilizar read.table() para cargar datos desde un lugar remoto:
# cargar los datos utilizando la funci´on url () (en remoto , por http://)
data.url <- "http://dl.dropbox.com/u/17677514/datos_geograficos _islas.txt"
data.geo.municipios <- read.table(file = url(data.url), header = T, sep = ";")
# cargar los datos utilizando la funci´on url () (en remoto , por https://)
data.url <- "https://raw.github.com/cpgonzal/cursoR/gh -pages/data/datos_ geograficos _islas.txt"
library(RCurl)
data.geo.municipios <- read.table( textConnection (getURL(data.url , ssl.verifypeer = FALSE )),
header = T, sep = ";")
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 22 / 36
27. Otros m´etodos para la carga de datos
Podemos completar los data.frames con m´as variables:
# crear factores con etiquetas
data.geo.municipios$Isla <- factor(data.geo.municipios$Isla ,
levels = c("El Hierro", "La Palma", "La Gomera",
"Tenerife", "Gran Canaria", " Fuerteventura ",
"Lanzarote"))
data.geo.municipios$Provincia <- c(rep("Las Palmas", 34),
rep("S/C. de Tenerife", 54))
Tambi´en podemos crear data.frames con informaci´on resumida:
# resumir datos from data frames
data.geo.islas <- aggregate(data.geo.municipios[, c(3, 5)],
by = list(Provincia = data.geo.municipios$Provincia ,
Isla = data.geo.municipios$Isla), FUN = sum , na.rm = T)
data.geo.islas$Altitud <- aggregate(data.geo.municipios[, 6],
by = list(Provincia = data.geo.municipios$Provincia ,
Isla = data.geo.municipios$Isla), FUN = max , na.rm = T)[, 3]
# estructura de los datos
str(data.geo.islas)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 23 / 36
28. Otros m´etodos para la carga de datos
Para cargar datos en formato JSON:
# read en JSON format
library(RJSONIO)
data.url <- "http://www. gobiernodecanarias .org/istac/jaxi -istac/
tabla.do?accion=jsonMtd& uuidConsulta =7 db99ff7 -4aab -4a57 -a378 - fc472aecaeb6 "
data.json <- paste(readLines(data.url , encoding = "UTF -8")[1] , collapse = "")
## Warning : incomplete final line found on
## ’http://www. gobiernodecanarias .org/istac/jaxi -istac/
## tabla.do? accion = jsonMtd & uuidConsulta =7 db99ff7 -4aab -4a57 -a378 - fc472aecaeb6 ’
data.json <- fromJSON(data.json , encoding = "UTF -8")
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 24 / 36
29. Otros m´etodos para la carga de datos
Para consultar la estructura que se ha cargado:
# consultar la estructura que se ha cargado
attributes(data.json)
data.json$categories
length(data.json$data)
head(data.json$data)
data.json$data [[1]]
data.json$data [[1]]$dimCodes [1]
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 25 / 36
30. Otros m´etodos para la carga de datos
Si tenemos problemas en la carga de datos desde el servicio web, lo podemos hacer de otra forma:
data.url <- "http://dl. dropboxusercontent .com/u/17677514/
datos_poblacion_municipios.json"
data.json <- paste(readLines(data.url , encoding = "UTF -8")[1] , collapse = "")
## Warning : incomplete final line found on
## ’http://dl. dropboxusercontent .com/u/ 17677514 /
## datos_ poblacion _ municipios .json ’
data.json <- fromJSON(data.json , encoding = "UTF -8")
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 26 / 36
31. El arreglo de los datos cargados en formato JSON
# pasamos los datos a una estructura temporal manejable
tmp.json <- do.call(rbind , data.json$data)
tmp.json.valores <- unlist(tmp.json[, 1])
tmp.json.cod <- tmp.json[, 2]
# creamos un data.frame para trabajar los datos
data.from.json <- data.frame(matrix(ncol = 4, nrow = 4992))
names(data.from.json) <- c(" CodMunicipio ", "CodAnio", " CodIndicador ", "Valor")
for (i in 1:4992) {
data.from.json$ CodMunicipio [i] <- tmp.json.cod [[i]][1]
data.from.json$CodAnio[i] <- tmp.json.cod [[i]][2]
data.from.json$ CodIndicador [i] <- tmp.json.cod [[i]][3]
data.from.json$Valor[i] <- as.numeric(tmp.json.valores [[i]])
}
rm(tmp.json , tmp.json.valores , tmp.json.cod)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 27 / 36
32. El arreglo de los datos cargados en formato JSON
# asociamos los c´odigos a sus valores descriptivos
idx <- match(data.from.json$CodMunicipio , data.json$categories [[1]]$codes)
data.from.json$Municipio <- data.json$categories [[1]]$labels[idx]
idx <- match(data.from.json$CodAnio , data.json$categories [[2]]$codes)
data.from.json$Anio <- data.json$categories [[2]]$labels[idx]
idx <- match(data.from.json$CodIndicador , data.json$categories [[3]]$codes)
data.from.json$Indicador <- data.json$categories [[3]]$labels[idx]
# reordenamos convenientemente las variables
data.pob.municipios <- data.from.json[, c(1, 5, 2, 6, 3, 7, 4)]
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 28 / 36
33. Otros m´etodos para la carga de datos
Para cargar datos en formato PC-AXIS:
library(pxR)
data.url <- "http://www. gobiernodecanarias .org/istac/jaxi -istac/
descarga.do?uripx=urn:uuid:d73bd9de -e6ed -4821 -808a -616 b34df9655"
data.px <- read.px(data.url)
head(data.px)
data.px$VALUES
data.px$CODES
data.from.px <- as.data.frame(data.px)
names(data.from.px) <- c("Indicadores", "A~nos", "Municipios", "Valor")
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 29 / 36
34. Funciones gr´aficas en R
plot(data.geo.municipios$Superficie , data.geo.municipios$Per´ımetro.municipal)
plot(Superficie ~ Per´ımetro.municipal , data = data.geo.municipios)
plot(Superficie ~ 1, data = data.geo.municipios , type = "h")
plot(Superficie ~ 1, data = data.geo.municipios , type = "s")
plot(Superficie ~ Per´ımetro.municipal , data = data.geo.municipios ,
xlab = "Per´ımetro del municipio (km)",
ylab = "Superficie (km. cuadrados)",
main = "Comparaci´on del per´ımetro y la superficie de los municipios")
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 30 / 36
35. El comando par()
# plot (1:25 ,1:25 , pch =1:25)
par.plot <- par(pch = 20, col = "blue", mfrow = c(2, 1))
plot(Superficie ~ Per´ımetro.municipal , data = data.geo.municipios)
plot(Superficie ~ Altitud , data = data.geo.municipios)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 31 / 36
36. Coloreado por grupos
data.geo.municipios$Provincia <- as.factor(data.geo.municipios$Provincia)
plot.colors <- c("green", "orange")
plot(Superficie ~ Per´ımetro.municipal ,
data = data.geo.municipios ,
col = plot.colors[data.geo.municipios$Provincia],
pch = 20)
legend("topleft", legend = levels(data.geo.municipios$Provincia),
col = c("green", "orange"),
pch = rep (20, 2))
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 32 / 36
37. Funciones gr´aficas avanzadas: paquete lattice()
Podemos conseguir un cierto grado de personalizaci´on en los gr´aficos en R. Los gr´aficos de panel
(trellis graphics) permiten representar visualizaciones por grupos:
library(lattice)
histogram(~Superficie | Provincia , data = data.geo.municipios)
densityplot(~Superficie | Provincia , data = data.geo.municipios)
bwplot(Superficie ~ Provincia , data = data.geo.municipios)
xyplot(Superficie ~ Per´ımetro.municipal | Provincia ,
data = data.geo.municipios)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 33 / 36
38. Programaci´on de funciones en R
Es posible programar funciones personalizadas en R:
myfunction <- function(x) {
resumen <- summary(x)
return(resumen)
}
myfunction(data.pob.municipios)
El EUSTAT tiene algunos ejemplos de programaciones sencillas con R:
http://www.eustat.es/documentos/datos/
CT Visualizacion de datos en las Estadisticas Oficiales c.pdf
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 34 / 36
39. Programaci´on de funciones en R
Veamos otro ejemplo de funci´on:
mystats <- function(x) {
myinput <- x
mymean <- mean(x, na.rm = TRUE)
mysd <- sd(x, na.rm = TRUE)
return(list(data = myinput , media = mymean , desv.tipica = mysd ))
}
mystats(data.pob.municipios[data.pob.municipios$ CodMunicipio %in %
c(38013 , 38048 , 38901) &
data.pob.municipios$Indicador == "Cifras absolutas" &
data.pob.municipios$Anio == "2012", "Valor"])
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 35 / 36
40. Programaci´on de funciones en R
Otro ejemplo de funci´on:
myfactorial <- function(n) {
myresult <- 1
if (n >= 0)
for (i in 1:n) myresult <- myresult * i
else
stop("S´olo funciona para valores positivos")
end
return(myresult)
}
myfactorial (5)
Carlos P´erez Glez. (Universidad de La Laguna) Introducci´on al entorno de R 36 / 36