Estadística espacial y análisis urbano

OBSERVATORIO DE CIUDADES UC

Francisca Balbontín

Diseñadora (UC). Se especializa en temas de diseño de información. Actualmente trabaja como diseñadora en el Observatorio de Ciudades UC y en el Laboratorio de Visualización de Datos de la misma universidad.

El curso está orientado a que los estudiantes desarrollen capacidades que los doten de herramientas para el levantamiento y análisis de información urbana y territorial a distintas escalas. Tiene como objetivo instalar competencias para el manejo de base de datos, digitalización de información, generación de indicadores mediante cartografía automatizada a partir del uso de Geoprocesos, además se desarrollarán metodologías para la visualización adecuada de estos procesos, entregando al estudiante criterios y herramientas de edición, composición y diseño que le permitan desarrollar dispositivos visuales óptimos para comunicar la información contenida en el proyecto desarrollado a lo largo del curso.

Las clases se realizarán analizando información pública disponible, en particular el Censo 2017. Con lo anterior, se pretende que los estudiantes aprendan la lógica funcional al momento de explorar soluciones a partir del uso de información geoespacial y la estadística básica.

El curso considerará clases online en vivo y ejercicios prácticos que se desarrollarán por las plataformas mencionadas en la metodología.  

Profesional universitario, licenciatura o egresado de instituto profesional de las áreas arriba mencionadas y afines. Se recomienda manejo de Excel nivel intermedio y conocimiento básico en Sistemas de Información Geográfica, de preferencia ArcGIS Desktop. 

Para realizar el curso debe tener acceso a un computador con sistema operativo Windows dado que las licencias de ArcGIS no son compatibles con sistemas Mac.

1. Comprender los Sistemas de Información Geográfica, RStudio y la interacción de ambos como herramientas para el levantamiento y análisis estadístico de información espacializada.
2. Analizar y crear bases de datos espaciales para la generación de indicadores urbanos y territoriales. 
3. Desarrollar capacidades para generar una visualización óptima de los datos generados.
4. Generar competencias para el análisis de procesos urbanos.

Las clases se realizarán por videoconferencia a través de la plataforma Zoom. Esto implica que puede conectarse desde donde se encuentre, sólo requiere un computador, u otro dispositivo con conexión a internet. Iniciarán con una breve introducción lectiva para contextualizar al estudiante a lo que se enfrentará en términos prácticos. Posteriormente, se realizará un módulo práctico en el que se revisará la aplicación de los contenidos teóricos expuestos, comenzando por una aproximación a la interfaz de ambos softwares (ArcGIS y RStudio), culminando con el uso de herramientas de geoestadística y estadística espacial avanzada. Finalmente, cada clase en vivo incluye un módulo en el que cada estudiante desarrollará un ejercicio práctico aplicando los contenidos vistos con anterioridad. El/la docente y ayudante a cargo estarán disponibles para apoyar a los estudiantes en la resolución de los ejercicios y resolver dudas.

Las clases serán apoyadas con material a entregar a través de un repertorio virtual en donde estará disponible el calendario y todo el material del curso.

Nombre del curso: Curso Estadística Espacial y Análisis Urbano

Nombre en inglés: Spatial Statistics and Urban Analysis Course

Horas cronológicas: 32

Horas pedagógicas: -

Resultados del Aprendizaje:

• Conocer y manejar la interfaz y la interacción entre los softwares ArcGIS y RStudio.
• Generar procesos de análisis de estadística espacial.
• Producir y generar información urbana y territorial con información del Censo 2017.
• Generar una óptima visualización de los datos.

Contenidos:

Módulo 1: Introducción a ArcGIS y RStudio.

• 1.1.   Introducción a ArcGIS: interfaz, manejo de base de datos, digitalización, manejo de atributos, consultas, herramientas básicas de análisis. Trabajo con la base oficial del Censo 2017.
• 1.2.   Introducción a RStudio: interfaz, crear y cargar base de dato Censo 2017. Estadística descriptiva en R.
• 1.3.   Interacción entre ambos softwares y prueba de validación de datos Censales.
• 1.4.   Manejo de datos en RStudio: transformar/codificar variables, paquete tidyverse, manejo de condicionales.

Módulo 2: Visualización de datos.

• 2.1.   Uso correcto del lenguaje visual.
• 2.2.   Criterios de composición y diagramación.
• 2.3.   Herramientas interactivas para empaquetar proyectos.

Módulo 3: Geoprocesos estadísticos e interacción con RStudio.

• 3.1.   Definición y consideraciones conceptuales de la estadística espacial. Normalización y Generalización.
• 3.2.   Paquetes de análisis espacial en R (sf) y visualización de datos (ggplot).
• 3.3.   Obtención de información desde formato shp en R.
• 3.4.   Cartografía en R.
• 3.5.   Introducción al análisis de regresión.

Módulo 4: Geoprocesos estadísticos avanzados en ArcGIS

• 4.1.   Análisis en estadística espacial: indicador Global de Moran.
• 4.2.   Análisis en estadística espacial: LISA.
• 4.3.   Geoestadística: uso de Variografía y análisis exploratorio, Kriging y EBK.

BIBLIOGRAFÍA

• Anselin, L. (1995). Local Indicators of Spatial Association—LISA. Geographical Analysis, 27(2), 93–115. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x.
• Anselin, L., Syabri, I., & Kho, Y. (2006). GeoDa: An introduction to spatial data analysis. Geographical Analysis, 38(1), 5–22. https://doi.org/10.1111/j.0016-7363.2005.00671.x.
• Brunsdon, C., & Comber, L. (2015). An Introduction to R for Spatial Analysis and Mapping | SAGE Publications.
• Carlin, B., & Louis, T. (2000). Bayes and Empirical Bayes Methods for Data Analysis, Second Edition (Vol. 20000622). Chapman and Hall/CRC. https://doi.org/10.1201/9781420057669.
• Duque, J. C., Anselin, L., & Rey, S. J. (2012). The max-p-regions problem. Journal of Regional Science, 52(3), 397–419. https://doi.org/10.1111/j.1467-9787.2011.00743.x.
• Garretón, M., & Sánchez, R. (2016). Identifying an optimal analysis level in multiscalar regionalization: A study case of social distress in Greater Santiago. Computers, Environment and Urban Systems, 56, 14–24. https://doi.org/10.1016/j.compenvurbsys.2015.10.007Getis, A., & Ord, J. K. (1992). The Analysis of Spatial Association by Use of Distance Statistics. Geographical Analysis, 24(3), 189–206. https://doi.org/10.1111/j.1538-4632.1992.tb00261.x.
• Griffith, D. A. (2004). Distributional properties of georeferenced random variables based on the eigenfunction spatial filter. Journal of Geographical Systems, 6(3), 263–288. https://doi.org/10.1007/s10109-004-0134-3.
• Legendre, P. (1993). Spatial autocorrelation: trouble or new paradigm? Ecology, 74(6), 1659–1673. https://doi.org/10.2307/1939924.
• Li, H., Calder, C. A., & Cressie, N. (2007). Beyond Moran’s I: Testing for spatial dependence based on the spatial autoregressive model. Geographical Analysis, 39(4), 357–375. https://doi.org/10.1111/j.1538-4632.2007.00708.x.
• McCluskey, W. J., Deddis, W. G., Lamont, I. G., & Borst, R. A. (2000). The application of surface generated interpolation models for the prediction of residential property values. Journal of Property Investment & Finance, 18(2), 162–176. https://doi.org/10.1108/14635780010324321.
• Miller, H. J. (2004). Tobler’s first law and spatial analysis. Annals of the Association of American Geographers, 94(2), 284–289. https://doi.org/10.1111/j.1467-8306.2004.09402005.x.
• Moran, P. A. P. (1950). Notes on Continuous Stochastic Phenomena. Biometrika, 37(1/2), 17. https://doi.org/10.2307/2332142.
• Ord, J. K., & Getis, A. (1995). Local Spatial Autocorrelation Statistics: Distributional Issues and an Application. Geographical Analysis, 27(4), 286–306. https://doi.org/10.1111/j.1538-4632.1995.tb00912.x.
• Wang, J. F., Christakos, G., & Hu, M. G. (2009). Modeling spatial means of surfaces with stratified nonhomogeneity. IEEE Transactions on Geoscience and Remote Sensing, 47(12), 4167–4174. https://doi.org/10.1109/TGRS.2009.2023326.

Para aprobar el curso debe cumplir con los siguientes requisitos:

• Calificación mínima del curso 4.0 en su promedio ponderado.
• Mínimo de asistencia a clases sincrónicas del 75%.

Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación digital otorgado por la Pontificia Universidad Católica de Chile.

El alumno que no cumpla con estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.

Las personas interesadas deberán completar la ficha de postulación que se encuentra en www.educacioncontinua.uc.cl adjuntando la siguiente documentación:

• Currículum vitae actualizado.
• Copia simple de título o licenciatura (de acuerdo a cada programa).
• Fotocopia simple del carnet de identidad por ambos lados.
• Otros documentos que la unidad estime conveniente.

Luego será contactado para asistir a una entrevista personal (si corresponde). Más tarde se les informara vía mail si fue aceptado y deberá cancelar su matrícula para tener un cupo en el programa.

Las postulaciones son hasta una semana antes del inicio del curso (miércoles 20 de septiembre de 2023) o hasta completar las vacantes. 

No se tramitarán postulaciones incompletas.

VACANTES: 30  

INFORMACIONES RELEVANTES

Con el objetivo de brindar las condiciones de infraestructura necesaria y la asistencia adecuada al inicio y durante las clases para personas con discapacidad: Física o motriz, Sensorial (Visual o auditiva) u otra, los invitamos a informarlo. 

• El postular no asegura el cupo, una vez inscrito o aceptado en el programa se debe pagar el valor completo de la actividad para estar matriculado.
• No se tramitarán postulaciones incompletas.

Puedes revisar aquí más información importante sobre el proceso de admisión y matrícula.