• Estadística Espacial con R
  • Prólogo
  • 1 Introducción: Procesos espaciales y Geoestadística
    • 1.1 Procesos espaciales
      • 1.1.1 Paquetes de R
      • 1.1.2 El paquete gstat
    • 1.2 Geoestadística
      • 1.2.1 Modelos clásicos y modelos espaciales
      • 1.2.2 Ventajas de la aproximación espacial (y espacio-temporal)
    • 1.3 Procesos espaciales estacionarios
      • 1.3.1 Características del variograma
      • 1.3.2 Propiedades elementales del covariograma y del variograma
      • 1.3.3 Procesos agregados
    • 1.4 Objetivos y procedimiento
  • 2 Datos espaciales
    • 2.1 Tipos de datos espaciales
    • 2.2 Introducción al paquete sf
      • 2.2.1 Sistemas de referencia de coordenadas
      • 2.2.2 Integración con el ecosistema tidyverse
    • 2.3 Representación de datos espaciales
    • 2.4 Operaciones con datos espaciales
      • 2.4.1 Importación y exportación de datos espaciales
      • 2.4.2 Operaciones con geometrías
    • 2.5 Análisis exploratorio de datos espaciales
  • 3 Modelado de procesos geoestadísticos
    • 3.1 Estimadores muestrales del semivariograma
    • 3.2 Modelos de semivariogramas
      • 3.2.1 Modelos paramétricos isotrópicos
      • 3.2.2 Modelado de anisotropía
      • 3.2.3 El modelo lineal de regionalización
    • 3.3 Ajuste de un modelo válido
      • 3.3.1 Estimación por mínimos cuadrados
      • 3.3.2 Modelado del variograma en procesos no estacionarios
      • 3.3.3 Estimación por máxima verosimilitud
    • 3.4 Comentarios sobre los distintos métodos
  • 4 Predicción Kriging
    • 4.1 Introducción
    • 4.2 Kriging con media conocida: kriging simple
    • 4.3 Kriging con media desconocida: kriging universal y kriging residual
      • 4.3.1 Ecuaciones en función del covariograma
      • 4.3.2 Kriging residual
    • 4.4 Kriging con el paquete gstat
    • 4.5 Consideraciones acerca de los métodos kriging
      • 4.5.1 Kriging como interpolador
      • 4.5.2 Efecto del variograma (covariograma) en el kriging
      • 4.5.3 Elección del vecindario
    • 4.6 Validación cruzada del modelo ajustado
    • 4.7 Otros métodos kriging
      • 4.7.1 Block kriging
      • 4.7.2 Kriging trans-normal
  • 5 Procesos espaciales multivariantes
  • 6 Procesos espacio-temporales
  • Apendices
  • A Introducción al paquete sp
    • A.1 Tipos de objetos
      • A.1.1 SpatialPoints y SpatialPointsDataFrame
      • A.1.2 SpatialLines y SpatialPolygons
      • A.1.3 SpatialGrid y SpatialPixels
    • A.2 Métodos y procedimientos clases sp
      • A.2.1 Importar/exportar/transformar
    • A.3 Representaciones gráficas
      • A.3.1 Gráficos estándar
      • A.3.2 Gráficos lattice: spplot
  • B Introducción al paquete geoR
    • B.1 Inicio de una sesión y de carga de datos
      • B.1.1 Archivos de datos
    • B.2 Análisis descriptivo de datos geoestadísticos
    • B.3 Modelado de la dependencia
      • B.3.1 Variogramas empíricos
      • B.3.2 Ajuste de un modelo de variograma
      • B.3.3 Inferencia sobre el variograma
      • B.3.4 Estimación del variograma en procesos no estacionarios
    • B.4 Predicción espacial (kriging)
      • B.4.1 Validación cruzada
  • C Mínimos cuadrados generalizados en R
  • D Ejemplo de análisis geoestadístico
    • D.1 Carga de datos y creación del objeto sf:
    • D.2 Análisis exploratorio
    • D.3 Modelado de la dependencia
      • D.3.1 Estimación experimental del variograma
      • D.3.2 Ajuste de un modelo válido
    • D.4 Predicción espacial (KU)
    • D.5 Validación cruzada
  • E Referencias
    • E.1 Enlaces
    • E.2 Bibliografía completa
  • Published with bookdown

Estadística Espacial con R

E.1 Enlaces

Repositorio: rubenfcasal/estadistica_espacial

Recursos para el aprendizaje de R: En este post se muestran algunos recursos que pueden ser útiles para el aprendizaje de R y la obtención de ayuda.

Ayuda online:

  • Ayuda en línea sobre funciones o paquetes: rdrr.io, RDocumentation

  • Buscador RSeek

  • StackOverflow, en castellano

  • Cross Validated

En bookdown está disponible una selección de libros escritos con este paquete. En el listado completo se incluyen muchos más (algunos en castellano).

Podríamos destacar:

  • Grolemund, G. (2014). Hands-on programming with R: Write your own functions and simulations, O’Reilly.

  • Lovelace, R., Nowosad, J., y Muenchow, J. (2019). Geocomputation with R, CRC.

  • Moraga, P. (2019). Geospatial health data: Modeling and visualization with R-INLA and shiny, CRC.

  • Pebesma, E., y Bivand, R. (2021). Spatial Data Science.

  • Wickham, H. (2015). R packages: organize, test, document, and share your code (actualmente 2ª edición en desarrollo con H. Bryan), O’Reilly, 1ª edición.

  • Wickham, H. (2019). Advanced R, 2ª edición, Chapman & Hall, 1ª edición..

  • Wickham, H., y Grolemund, G. (2016). R for data science: import, tidy, transform, visualize, and model data, online-castellano, O’Reilly.

Entre los disponibles en castellano:

  • Fernández-Casal R. y Cao R. (2022). Simulación Estadística, github, segunda edición (en proceso de elaboración).

  • Fernández-Casal R., Costa J. y Oviedo M. (2022). Aprendizaje Estadístico, github.

  • Fernández-Casal R. y Cotos-Yáñez T.R. (2018). Escritura de libros con bookdown, github. Incluye un apéndice con una Introducción a RMarkdown.

  • Gil Bellosta, C.J. (2018). R para profesionales de los datos: una introducción.

Para referencias adicionales ver el libro:

  • Baruffa, O. (2022). Big Book of R: Your last-ever bookmark (hopefully…).