Introducción al Manejo y Análisis de Datos Ambientales en R

R es un software libre que permite realizar análisis estadísticos, proporciona un amplio abanico de herramientas estadísticas (modelos lineales y no lineales, tests estadísticos, análisis de series temporales, algoritmos de clasificación y agrupamiento, etc.), una representación gráfica de alta calidad y permite realizar cálculos numéricos y elaboración de mapas con la información seleccionada.

R es además un lenguaje de programación Open Source, lo que permite que los usuarios lo desarrollen definiendo sus propias funciones. Desde sus inicios una extensa comunidad de usuarios y programadores de alto nivel contribuye a desarrollar nuevas funciones, paquetes y actualizaciones que son rápidamente accesibles a todo público de forma libre y gratuita. 

En el curso «Introducción al manejo y análisis de datos ambientales en R» aprenderemos a manejar R y RStudio desde nivel 0 de uso de la herramienta y a visualizar, analizar, calcular, representar cartográficamente y comunicar datos de carácter ambiental de manera eficaz. El dominio de R nos proporciona competencias para resolver problemas estadísticos de gran complejidad y por ello es el más utilizado en el campo científico.

 Objetivos

• Conocer las herramientas R y  Posit (antes RStudio) y desenvolverse con soltura en el manejo de carpetas, extensiones y lectura de tipos de archivos.
• Ser capaces de acceder, transformar y reestructurar los datos.
• Desarrollar capacidades de visualización gráfica de los datos ambientales (gráficos estadísticos, cartografía y otros datos).
• Aproximarse al análisis estadístico de los datos con R para resolver problemas y preguntas relativas al medio ambiente.
• Aprender a comunicar la información producida con nuestro código y datos.

Programa

1. Introducción a R

• Instalación de R y Posit (Rstudio)
• Introducción a R
• Introducción al uso de Posit (RStudio)
• R sin código: Rcommander
• Recursos y comunidades de ayuda

2. Manejo de directorios y archivos

• Importancia de los datos
• Manejo de directorios

3. Tipos de datos

• Vectores y listas
• Matrices de datos
• Marcos de datos (dataframes)

4. Manejo y preparación de datos

• Funciones para unir datos
• Exploración de los datos
• Segmentación y selección de datos
• Cambios en las estructuras y formatos de los datos
• Programación moderna en R: la filosofía “tidy”. Tidyverse

5. Introducción a la visualización de datos en R

• Introducción
• Primeros gráficos en R
• Visualización estadística
• Combinación y exportación
• Introducción al paquete lattice
• Introducción a la cartografía y GIS en R
• Caso práctico guiado sobre residuos

6. Visualización avanzada con ggplot2

• Presentación
• Visualización de datos estadísticos
• Personalización y calidad de gráficos
• Animaciones y otros recursos

7. Automatización de tareas y programación eficiente con R

• Introducción a la programación
• Operaciones automáticas
• Programación condicional
• Creación de funciones propias
• Alternativas a la programación
• Caso práctico guiado sobre calidad de ríos

8. Publicación con R

• Introducción a Rmarkdown
• Inserción de figuras, enlaces.
• Publicación de tablas de calidad

9. Introducción a la estadística

• Presentación
• Análisis de distribuciones
• Comparación de muestras
• Relación de variables cuantitativas
• Modelos estadísticos y predicciones
• Estadística no paramétrica
• Estadística multivariante
• Caso práctico guiado sobre el Mar Menor

10. Ejercicio final: Predicción de una invasión biológica

Consulta información y descuentos.