Taller de análisis de datos espaciales

Objetivo de aprendizajes del Estudiante 

• Introducir al estudiante en la estadística descriptiva, inferencial y espacial dentro del entorno R. 
• Analizar problemáticas espaciales y su variabilidad espacial inherente. 
• Geoestadística: Brindar las nociones teóricas básicas para la descripción y comprensión de los distintos procesos espaciales. Variable aleatoria regionalizada. Covarianza, autocorrelación espacial, índices espaciales, correlograma y variograma experimental. 
• Analizar técnicas de predicción de datos espaciales y obtener mapas de predicción de varianza.

El curso se dicta de manera virtual con una carga horaria total de 80 hs, 100% distancia a través de la plataforma moodle. Se programa contar con encuentros sincrónicos a través de la herramienta meet y espacios de intercambio asincrónicos permanentes en foros. Se registran evaluaciones teóricas y prácticas y un final grupal integrador. Dentro de la dedicación horaria, se prevé una clase semanal sincrónica de 1.30 hora de duración.

¿Se necesitará descargar archivos? ¿Quiénes descargan, docente, alumnos o sistemas?  ¿Se desea intercambiar archivos con los alumnos? El curso se dictará a través de un aula virtual educativa (Moodle UNC). Todo el material disponible para el alumno, así como también las evaluaciones de cada instancia, se encuentran en dicha plataforma a disposición de alumnos y docentes. 

Requisitos de hardware y software para los alumnos: 

R Studio y Conexión a internet.

1. Introducción a la estadística y al manejo de R 

• Estadística: Definiciones básicas: procedimiento estadístico, población, censo, muestra, unidad muestral, variable y tipos de variables. Casos de estudio. Estimación de parámetros. Métodos de la estadística descriptiva: estadísticos de tendencia central, de posición, de dispersión, tablas de frecuencia y gráficos de barra, de caja y bigote e histogramas. 
• R: Instalación de R y Rstudio. Uso del manual de R. Lectura de datos externos. Características básicas del lenguaje en R. Tipos de datos. Funciones matemáticas. Lectura de datos externos. Paquetes y librerías. Creación de proyectos y uso de bases de datos. 

2. Análisis de datos espaciales 

• Análisis descriptivo de datos espaciales. Introducción al análisis exploratorio de datos espaciales con R. Visualización de datos geoestadísticos. Gráficos con datos geoespaciales, función plot( ). Comportamiento de la variable observada en función de las coordenadas. Histogramas. Box Plot -h-scatterplot. Gráficos con contornos. Gráficos de interpolación. Gráficos en tres dimensiones. Evaluación de distribución normal de los datos. Transformaciones. Proyección de datos en google maps. 

3. Geoestadística 

• Introducción. Algunas definiciones de geoestadísticas. Modelos mecánicos o empíricos. Modelos estadísticos o probabilísticos. Variable regionalizada. Variograma. Construcción del variograma. Anisotropía. Modelos de variograma: esférico, exponencial y gaussiano. Ajuste del modelo de variograma. Criterios de ajuste del modelo. Ajuste del variograma. Estimación de parámetros del variograma. Método de ajuste del modelo variograma empírico. Ejemplo de estimación por máxima verosimilitud. Verificación de ajuste del modelo. Predicción espacial (kriging).

1. -Ballari, Daniela. Geoestadística básica. 2015. https://rstudio-pubs-static.s3.amazonaws.com/116960_75753c98df034c0f83afc 24c3db5cdfe.html 
2. – Chasco, C. (2005). Análisis exploratorio de datos espaciales al servicio del geomarketing. Instituto Lawrence R. Klein, Universidad Autónoma de Madrid. https://dds.cepal.org/infancia/guide-to-estimating-child-poverty/bibliografia/c apitulo-IV/Chasco%20Coro%20(2009)%20Analisis%20exploratorio%20de%20dato s%20espaciales%20al%20servicio%20del%20Geomarketing.pdf 
3. – Córdoba, M., Bruno, C., Aguate, F., Tablada, M., & Balzarini, M. (2014). Análisis de la variabilidad espacial en los lotes agrícolas. Manual de buenas prácticas agrícolas. Ed. Balzarini M. Eudecor, Córdoba, Argentina.http://www.cba.gov.ar/wp-content/4p96humuzp/2016/05/Libro-Buen as-Pr%C3%A1cticas_BALZARINI.pdf. 
4. – Diggle, P. J., Tawn, J. A., & Moyeed, R. A. (1998). Model‐based geostatistics. Journal of the Royal Statistical Society: Series C (Applied Statistics), 47(3), 299-350. http://www2.stat.duke.edu/~fei/samsi/Readings/DiggTawnMoye1988.pdf 
5. – García, F. M. (2004). Aplicación de la geoestadística en las ciencias ambientales. Revista Ecosistemas, 13(1). https://revistaecosistemas.net/index.php/ecosistemas/article/view/582 
6. – Giraldo Henao, R. (2003). Introducción a la Geoestadística. Teoría y aplicación. Bogotá, Facultad de Ciencias, Departamento de Estadística, Universidad Nacional de Colombia. http://ftp.ciat.cgiar.org/DAPA/projects/Cursos_Talleres/Curso_R/DOCUMENTOS/L IBRO%20DE%20GEOESTADISTICA.pdf 
7. – Miranda-Salas, M., & Condal, A. R. (2003). Importancia del análisis estadístico exploratorio en el proceso de interpolación espacial: caso de estudio Reserva Forestal Valdivia. Bosque (Valdivia), 24(2), 29-42. https://scielo.conicyt.cl/scielo.php?pid=s0717-92002003000200004&script=sci_a rttext 
8. – Ribeiro Jr, P. J., & Diggle, P. J. (2001). geoR: a package for geostatistical analysis. Tutorials on the usage of the package geoR. http://www.leg.ufpr.br/geoR/geoRdoc/tutorials.html