R / GIS / AIR POLLUTION

#Práctico, uso for Fibonacci <- numeric(12); #Vector numérico de 12 elementos Fibonacci[1] <- Fibonacci[2] <- 1; #El primer y segundo elemento son 1 for (i in 3:12) Fibonacci[i] <- Fibonacci[i - 2] + Fibonacci[i - 1] Fibonacci [1] 1 1 2 3 5 8 13 21 34 55 89 144 #con los primeros y segundo números 2 Fibonacci[1] <- Fibonacci[2] <- 2 for (i in 3:12) Fibonacci[i] <- Fibonacci[i - 2] + Fibonacci[i - 1] Fibonacci [1] 2 2 4 6 10 16 26 42 68 110 178 288 #Primer número 2 segundo número 3 Fibonacci[1] <- 2 Fibonacci[2] <- 3 for (i in 3:12) Fibonacci[i] <- Fibonacci[i - 2] + Fibonacci[i - 1] Fibonacci [1] 2 3 5 8 13 21 34 55 89 144 233 377 #Restando en vez de sumando Fibonacci[1] <- Fibonacci[2] <- 1; #El primer y segundo elemento son 1 for (i in 3:12) Fibonacci[i] <- Fibonacci[i - 2] - Fibonacci[i - 1] Fibonacci [1] 1 1 0 1 -1 2 -3 5 -8 13 -21 34 #Cambiando otro poco Fibonacci[1] &

Se tienen puntos en el espacio con coordenadas xyz. Estas corresponden a coordenadas UTM huso 19, en metros. Pendiente = Distancia Vertical / Distancia Horizontal  Distancia Vertical = z2 - z1 Distancia Horizontal = d = [(y2-y1)^2 + (x2-x1)^2]^0.5 Pendiente = (z2 - z1) / [(y2-y1)^2 + (x2-x1)^2]^0.5 Pendiente porcentual = Pendiente *100 Entonces; x1 y1 z1 x2 y2 z2 pendiente% 344150.34 6302722 520.897 344911.2 6302394 530.5 1.159 344150.34 6302722 520.897 343774.7 6302378 521.858 0.188 345811.8 6302371 536 345893.9 6302547 533 -1.544 Sirve para calcular pendiente de caminos, ríos, etc :) En este caso lo hice para una modelación de flujo vehicular de Santiago Estraus , por lo que la diferencias de las alturas está según el sentido del flujo, desde la altura del nodo inicial al nodo final, por eso hacia el sector oriente se aprecia mayor pendiente. Además, se aprecian

En ARCGIS creamos el nuevo campo que será el resultado de la concatenación NA_NB en este caso. Luego, botón derecho sobre el campo y seleccionamos Field Calculator , donde aparecerá la ventana para los cálculos entre las variables. Luego tendremos que NA_NB= y ahí seleccionamos las variables que queremos concaternar, [NA]. lueho el símbolo & y la otra variable [NB]. Es posible seleccionar muchas variables: Este código aplica para ACCESS Primera Variable: [NA] Segunda Variable: [NB] Si tu pones: =[NA]& ","&[NB] Entonces tendras: NA,NB Si pones: =[NA]&,"- "&[NB] Entonces tendras: NA-NB Si pones: =[NA]&[NB] Entonces tendras: NANB En R debería ser con la función COLLECT Supongamos un data frame df1 on elementos d1, d2 y d3, luego otra data frame df2 con elementos f1, f2 y f3. La concatenación entre d1 y f3sería: d1 <- 1="" font=""> d2 <- font=""> 2 d3 <- font="

A continuación algunos comando útiles en R (pensando en mi tesis). Mas aquí. > setwd("c:/data") > datos <- rnorm(3:300) > length(datos) [1] 298 > masdatos <- rnorm(298) > #Ahora guardamos los los vectores "datos" y "masdatos" en objeto R "enedatos.R" > dump(c("datos","masdatos"), "enedatos.R") > ls() [1] "datos"    "masdatos" > #Ver los primeros datos de "datos" > head(datos) [1] -0.4663992 -0.1881017  0.3128246 -0.3358790  0.7781817 -0.6920807 > #Ver el tercer dato de "datos" > datos[3] [1] 0.3128246 > #crear vector con el primer, tercer y quinto dato de "datos" > datos135<-datos[c(1,3,5)] > datos135 [1] -0.4663992  0.3128246  0.7781817 > #crear vector con los datos correlativos, desde el primero al quinto de "datos" > datos15<-datos[c(1:5)] > datos15 [1] -0.4663992 -

Ahora si se ven mejores los mapas. Datos: Censo 2002. Cartografías Censo 2002. Fuente INE. Método: Grupos Socioeconómicos (AIM, 2008) Grupos: ABC1, C2, C3, D y E AIM, 2008. Grupos Socioeconómicos. Asociación Chilena de Empresas de Investigación de Mercado.

Creé un mapa con las manzanas ABC1 de Chile, y no se vé nada :S. Crearé uno de la RM :)

Es muy sencillo. Las coberturas geográficas del CENSO tiene una columna llamada MANZENT, que también está en el CENSO. Por lo que al realizar estadísticas en REDATAM, es posible exportar estos resultados en una tabla por manzana. En mi caso no lo explicaré, por que alguien mas ya lo hizo BROPO , y subo su video:

La segmentación se la población según su estatus socioeconómico partió en Chile en el año 1984 durante el Primer congreso de Marketing (AIM, 2008). Asi lo publica la  Asociación Chilena de Empresas de Investigación de Mercado (AIM). Esta asociación la conforman varias enmpresas de investigación de mercados, como ACNielsen, Adimark Gfk, Ipsos, etc. En ella se determinan puntajes a BIENES y NIVEL EDUCACIONAL Estos datos vienen en el CENSO 2002, pero en diferentes niveles de PERSONA y HOGAR. Por lo que para determinar este indicador para cada hogar, hay que programar en REDATAM. Debido a que no se cuenta con los datos de uso de Cámara de Video   y  Servicio Doméstico a Tiempo Completo , se realizó un ajuste: Obteniéndose los Grupos ABC1, C2, C3, D y E para cada hogar: AIM, 2008.  Grupos Socioeconómicos.  Asociación Chilena de Empresas de Investigación de Mercado. Disponible en ( http://www.aimchile.cl/wp-content/uploads/2011/12/Grupos_Socioecon

Con el diciconario abierto, se va al botón INICIO, luego NUEVO y después PROGRAMA LIBRE Se abre una ventana con para escribir las lineas de código. Con el botón derecho nos da la opción de utilizar los asistentes de programación Los asistentes de programación son RUNDEF DEFINE TABLE. Execute está en la parte superior del programa. Esto es lo principal para programar, el resto es revisar los manuales de REDATAM

Con el diccionario abierto (el censo cargado), es necesario: Botón de inicio, Nuevo, Selección Geográfica Luego se abre una ventana con toda la base de datos, con el botón derecho seleccionar en Expandir para ver las sub áreas Una vez que se ubican las áreas de interés, las comunas de Tomé y Concepción de la provincia de Concepción, de la Región del Bío Bío en este caso, se cliquea en Seleccionar Área Y posteriormente se guarda como conjunto de selección, con extensión .SLW. Luego, en Proceso Estadístico , pero en la pestaña Espec. de Ejecución , buscar el archivo de extensión .SLW en la opción Selección de área. Con esto se ejecuta el proceso estadístico para el área en cuestión.

Se busca la pestaña que dice Proceso Estadístico, y luego Frecuencias Luego se abrirá una nueva ventana Proceso Estadístico - Frecuencia. Ahí se selecciona una variable, en este caso SLABORAL y se arrastra la ventana y se preciona el triangulo azul (como signo PLAY) Una vez ejecutada la acción, se abre la ventana con los resultados, en este caso para todo Chile. 4.812.527 con trabajo al CENSO 2002 en TODO CHILE . Para otras selecciones gegoráficas ver siguiente post. Con el diccionario abierto, nos dirigimos en la pestaña Proceso Estadístico,

REDATAM ( RE trieval of DAT a for small Areas by M icrocomputer)  es un programa desarrollado por la CEPAL (Comisión Económica para Emérica Latina y el Caribe) de la ONU para manejar datos censales en microcomputadores. Para obtenerla en Chile hay que solicitar el CENSO 2002 en el INE , y ahí te entregan el software de instalación de REDATAM, con el CENSO de Chile 2002. Una vez instalado el programa clickear en el icono que dice R+SP Process. Luego vamos a incio, cargamos el diccionario, que en este caso es el censo de Chile 2002, archivo cpv2002.DIC Luego vemos en la izquierda la ventana con muchas anidaciones desde CL2K a PERSONA. Cada uno de ellos corresponde a archivos diferentes o "ramas", diferentes bases de datos relacionadas. Al cliquear en cada una aparecen las variables y en este caso cliqueamos en PERSONA, luego con el botón derecho en la variable SLABORAL, donde se aprecian las opciones para esta variable, y otra información

Que no te sigan cagando

Desde   http://www.jac-chile.cl/   es posible acceder una base de datos muy completa de pasajeros y datos de aeropuertos de Chile. Entonces, realicé una pequeña proyección de pasajeros al año 2015. Primero bajé los datos mensuales para Santiago desde el 2004 al 2008, n=60. Luego, después de hojear varios libros, llegué a cual es la metodología citada en la literatura. Particularmente, leía  el libro  Time Series de Stata  release 10. La metodología correspondía a un modelo SARIMA multiplicativo del tipo (0,1,1)x(0,1,1)12 (Box  et al , 1994). Esto es Moving-Average del término anterior (proceso con memoria), al igual que la estacionalidad en base de 12 meses. Para este trabajo ocupé  R  (R Development Core Team, 2011) con la librería “ forecast ” (Hyndman , 2011) .  DATOS . #Primero cuentas la base de datos. Luego instalamos la librería "forecast" pasajeros <- read.csv(url("http://aire.cenma.cl/sibarra/wp-content/uploads/2012/07/pasajeros.csv")) attach(pas