Análisis de Datos Simbólicos: librería ISDA.R

Si se requiere usar una aproximación numérica a un problema matemático, y se exige precisión, los datos se suele asumir, que deben representarse por intervalos. Ya que cualquier dato incorpora un error en la entrada:
 Dato = modelo + error 
En el análisis clásico de datos, una variable en cada individuo, observación o unidad solo puede tomar un valor. Mientras que en el ADS [Análisis de Datos Simbólicos (Bock & Diday, 2000)] una variable puede ser un intervalo de números reales (valorada por intervalos). Son un caso particular de los datos simbólicos...
 X = [Xi,Xs] ={Xi <= X <= Xs}
Una librería en R, muy aconsejable para introducirse en este nuevo tipo de análisis, es ISDA.R

Referencias 
Bock,H.-H. & Diday,E. (eds.) (2000). Analysis of Symbolic Data. Berlin,Germany: Springer-Berlag.

Inteligencia Artificial y Entropía

La entropía puede ser definida como la cantidad de ‘microestados’ posibles para un ‘macroestado’ de un sistema. A la hora de cuantificar el proceso podemos calcularlo de muchas formas. Por ejemplo:
* H = k log(N), donde N es el número de microestados (equiprobables).
* H = -1*Suma (Pi log(Pi)), siendo Pi la probabilidad del microestado i-ésimo.
* H = Suma (mi*vi), donde mi y vi son la masa y velocidad de cada partícula.

Todas son equivalentes entre sí y se elige en cada caso dependiendo de los datos que disponemos en cada caso.

El concepto de "entropía a futuro" (Wissner-Gross & Freer, 2013) es cuando hacemos corresponder a la entropía en el espacio de todos los posibles futuros alcanzables (microestados), desde un estado inicial (macroestado), y asumiendo un segmento temporal (t) hacia ese futuro. El objetivo, de la programación por el método Monte Carlo de este tipo de metaheurísticos, es dar la apariencia de inteligencia en los sistemas.

Una conferencia más desarrollada, de lo que estamos describiendo, lo podemos visualizar en el siguiente vídeo en Youtube:

Referencias.
Wissner-Gross,A.D. & Freer,C.E. (2013).Causal Entropic Forces, Physical Review Letters, 110: 168702, 19 Apr. (formato pdf)

Simulación en R: Matrices de correlaciones

Brevemente presentamos un procedimiento de simulación en R, que tiene como objetivo la generación de números pseudoaleatorios relacionados de acuerdo a un patrón fijado de antemano por el investigador. 

Posteriormente se presenta de forma gráfica la estructura alcanzada.

----

Procedimiento general de simulación:

library(psych)

library(MASS)

PatCorr <- matrix(c(1, 0.8, -0.4, 0.2,

                   0.8, 1,   0.15, 0.3,

                  -0.4, 0.15,   1, 0.1,  

                   0.2, 0.3, 0.1,   1),nrow=4)

M <- mvrnorm(5000, mu=rep(0,4), Sigma = PatCorr,empirical = TRUE)

---

Procedimiento de resultados:

head(M)  
pairs.panels(M)
---
Obteniéndose en este caso simulado...
            [,1]        [,2]       [,3]        [,4]
[1,]  0.04508237  0.13164350 -0.4929757  0.37310566
[2,]  1.07220292  0.67510691 -0.9520928 -1.01714666
[3,]  0.41117075  0.38988280 -0.6533527 -0.21138061
[4,] -0.05390150 -0.04880109  0.1695599 -0.05594154
[5,] -0.54652194  0.32840506  0.7111292 -0.18216643
[6,] -1.23544943 -1.51118618 -1.0223330  0.92505704
....

En caso de ajustar el valor de p para múltiples contrastes usaremos el procedimiento:
datos<-as.data.frame(M)

corr.test(datos, y = NULL, 
use = "pairwise",method="pearson",adjust="holm",alpha=.05)

Intermail (BITNET-EARN)

El desarrollo militar de la red INTERNET nos ha dejado documentos interesantes, a los cuales podemos acceder una vez desclasificados. Un ejemplo de lo comentado es este informe (formato pdf), sobre la estructura de lo que en su momento se conocía como Intermail:

Fusion Tables en Google

Fusion Tables, es un servicio en la nube de Google, destinado a la gestión de datos. Estos, se almacenan en varias tablas que los usuarios de Internet pueden tanto ver y/o descargar (Halevy y Shapley,2009). Es una herramienta importante para la investigación y la representación de datos (Gonzalez et at., 2010; Gupta et al., 2013), sobre todo en aquellas disciplinas que usan técnicas SIG.

El servicio web proporciona un medio para visualizar los datos  gráficos clásicos, como son los circulares, los diagramas de barras o dispersión y líneas de tiempo; así como mapas geográficos basados en Google Maps. Estos, además de usar coordenadas (latitud,longitud), también pueden utilizar directamente la información de las direcciones postales (calle, número, localidad).  

Por otra parte, además de hacer mapas con posiciones de cada georeferencia, también puede realizarse "mapas de calor" (densidad de posiciones). 

Finalmente, señalaremos que los datos pueden ser exportados a otros formatos de archivo, posibilitando de esta forma su tratamiento por otro tipo de herramientas en Proceso de Datos.

Referencias
*Halevy,A. and Shapley,R.(2009). Google Fusion Tables. Google.
*Gonzalez,H.;  Halevy,A.;  Jensen,C.S.;  Langen,A.; Madhavan,J.; Shapley,R. y Shen,W. (2010). Google Fusion Tables: Data Management, Integration and Collaboration in the Cloud. SoCC'10. ACM.
*Gupta,N.; Halevy,A.Y.; Harb,B.; Lam,H.; Lee,H.; Madhavan,J.; Wu,F. y Yu,C. (2013). Recent progress towards an ecosystem of structured data on the Web. IEEE 29th International Conference on Data Engineering (ICDE), Actas pp. 5-8.

Otra investigación sobre p

La controversia sobre el uso del grado de significación no cede, y no es raro encontrar  trabajos que refutan su uso en el campo científico. En esta línea, el último artículo que encontramos es el correspondiente a Regina Nuzzo, titulado "Scientific method: Statistical errors. P values, the 'gold standard' of statistical validity, are not as reliable as many scientists assume."
(Nature 506, 150–152 13 February 2014) doi:10.1038/506150a

URL: http://www.nature.com/news/scientific-method-statistical-errors-1.14700?WT.mc_id=FBK_NPG_1402_NatureNews

PISA 2012

PISA es el nombre que recibe una evaluación de conocimientos y destrezas de alumnos de 15 años, en las áreas de Matemáticas, Lectura y Ciencias. Los países implicados pueden variar de un periodo a otro ya que es voluntario.

Los datos brutos así como los procedimientos de cálculo automático, correspondientes al año 2012, pueden ser consultados en el siguiente enlace:

Database - PISA 2012

SPSS (CrowdSourcing)

El trabajo en la red, de forma cooperativa, es algo bien conocido en estos tiempos. Desde hace años, el SPSS incorpora un elemento que encaja dentro de esta filosofía. Concretamente la posibilidad de acceder a bases de datos que no están almacenadas en nuestras máquinas, sino en lo que se conoce como la nube. Posibilitando de esta forma el acceso a distintos investigadores sin tener la necesidad de almacenarlos en sus dispositivos.

La instrucción implementada en concreto:

SPSSINC GETURI DATA

En el ejemplo mostrado en la imagen siguiente podemos ver la pantalla de acceso a una base de datos:

Encaja en la filosofía de hacer público los datos (poner en línea los datos), como una forma de que otros sean capaces de avanzar rápidamente en la línea de investigación. Si hay algunas restricciones de confidencialidad, se deben retirar los elementos que puedan ayudar a la identificación de los encuestados.

Python & SPSS

Python es un lenguaje integrado dentro del programa IBM SPSS. De naturaleza intérprete, multiparadigmático (soporta orientación a objetos, programación imperativa y funcional).

Es útil, junto al R, a la hora de utilizar  tareas repetitivas, o bien en operaciones avanzadas no disponibles a través de los cuadros de diálogo. Es un complemento básico si usamos la sintaxis de IBM SPSS, permitiendo el acceso a estructuras complejas de programación.

En SPSS se programa de forma general en el editor de sintaxis, permitiendo su cifrado. Se puede proteger con una contraseña. Estos archivos solo se pueden abrir proporcionando la contraseña (extensión spsx).

IBM SPSS 22.0

El IBM SPSS Web Report es un informe interactivo que se puede abrir en un navegador y contiene diagramas, tablas y otros resultados producidos por IBM SPSS Statistics. Puesto que este documento es un solo archivo, se puede colocar en cualquier sitio web sin necesidad de servidores o configuración adicionales, se puede publicar en un servidor de archivos compartidos, se puede copiar en un medio de archivo portátil o se puede distribuir a través del correo electrónico. 
Los informes web son archivos HTML5 que se pueden abrir en todas las versiones posteriores de los navegadores utilizados con más frecuencia.