V Xornadas de Usuarios R en Galicia, 25 de outubro de 2018, Santiago de Compostela. Libro de resumos
Abstract
A Oficina de Software Libre (OSL) do CIXUG comprácese en presentar a V Xornada de Usuarios de R en Galicia. Pretende ser un punto de encontro para todas aquelas persoas interesadas en intercambiar as súas experiencias e atopar colaboracións co resto da comunidade, ademais trátase de promocionar e difundir o coñecemento libre da linguaxe estatística R e mostrar as súas aplicacións. O programa contempla dezaseta relatorios ao longo de todo o día, ademais de dous obradoiros: Introdución a R e Iniciación ó Big Data con R coa libraría sparklyr. Entre os participantes figuran especialistas do Instituto Galego de Estatística, da Consellaría de Sanidade e outros organismos da Xunta de Galicia, das tres universidades galegas, do Cesga, de ITMATI de Gradiant e de empresas como FINSA, ABanca ou Improving Metrics. Todo isto non sería posible sen o patrocinio de AMTEGA e a colaboración da Asociación de Usuarios de Software Libre da Terra de Melide (MeLiSA) e da Facultade de Matemáticas, ás que agradecemos a súa contribución. Confiamos que os asistentes a xornada desfruten da mesma e dunha cidade que os acolle cos brazos abertos.
Full text
LIBROsDEsRESUMOS |s25sdesoutubrosdes2018 |sSantiagosdesCompostela CIXUG
V XORNADA DE USUARIOS R EN GALICIA PROGRAMA E RESUMOS Santiago de Compostela 25 de Outubro de 2018 ORGANIZA: Oficina de Software Libre (OSL) do CIXUG
Editora: Mª José Ginzo Villamayor ISBN: 9788409058051 2018 Consorcio CIXUG Obra baixo licenza Creative Commons Atribución-Compartir igual 4.0 International Atribución – Compartir igual En calquera mención da obra debe citarse a autoría Debe proverse enlace á licenza e indícalo cando se introduzan cambios A obra derivada debe licenciarse do mesmo xeito que a orixinal
PRESENTACIÓN A Oficina de Software Libre (OSL) do CIXUG comprácese en presentar a V Xornada de Usuarios de R en Galicia. Pretende ser un punto de encontro para todas aquelas persoas interesadas en intercambiar as súas experiencias e atopar colaboracións co resto da comunidade, ademais trátase de promocionar e difundir o coñecemento libre da linguaxe estatística R e mostrar as súas aplicacións. O programa contempla dezaseta relatorios ao longo de todo o día, ademais de dous obradoiros: Introdución a R e Iniciación ó Big Data con R coa libraría sparklyr. Entre os participantes figuran especialistas do Instituto Galego de Estatística, da Consellaría de Sanidade e outros organismos da Xunta de Galicia, das tres universidades galegas, do Cesga, de ITMATI de Gradiant e de empresas como FINSA, ABanca ou Improving Metrics. Todo isto non sería posible sen o patrocinio de AMTEGA e a colaboración da Asociación de Usuarios de Software Libre da Terra de Melide (MeLiSA) e da Facultade de Matemáticas, ás que agradecemos a súa contribución. Confiamos que os asistentes a xornada desfruten da mesma e dunha cidade que os acolle cos brazos abertos. Santiago de Compostela, outubro de 2018 O Comité Organizador
COMITÉ ORGANIZADOR Mª José Ginzo Villamayor Universidade de Santiago de Compostela Rafael Rodríguez Gayoso Concello de Santiago de Compostela Xabier Sánchez Santos Consorcio Interuniversitario CIXUG COMITÉ CIENTÍFICO Mª José Ginzo Villamayor Universidade de Santiago de Compostela Miguel Ángel Rodríguez Muíños Dirección Xeral de Saúde Pública (Consellería de Sanidade)
INFORMACIÓN XERAL SEDE Facultade de Matemáticas Universidade de Santiago de Compostela C/ Lope Gómez de Marzoa s/n 15782, Santiago de Compostela DATAS 25 de outubro de 2018 ACCESO WIFI NA SEDE SSID: xornadar Login: xornadar Password: 45Hmp%sR CERTIFICADOS Todos os certificados se enviarán en formato dixital por correo electrónico unha vez rematada a Xornada. UBICACIÓNS NA FACULTADE Relatorios: Aula Magna (nivel 3) Obradoiros: Aulas 1 e 5 (nivel 1). Cafés: corredor nivel 3.
PROGRAMA 9:25 - 9:50 ¿Qué coche de ocasión me compro? Una aproximación con R Antonio Vidal Vidal (FINSA) 9:50 - 10:15 R en la generación de informes automáticos a través de la API de Google Analytics Miguel Boubeta Martínez (Improving Metrics) 10:15 - 10:40 Planificación estratégica con R Belén M. Fernández de Castro e Teresa Veiga Rodríguez (ABANCA) 10:40 - 11:05 Visualización da información estatística utilizando R-Shiny e R-Markdown Noa Veiguela Fernández (IGE) 11:35 - 12:00 Visualización interactiva de datos de saúde (creación de dashboards con Shiny) Miguel Ángel Rodríguez Muiños (Consellería de Sanidade) 12:00 - 12:25 R en la administración pública. Cálculos con intervalos de fechas Marcos Fernández Arias (Amtega - Xunta de Galicia ) 12:25 - 12:50 The importance of testing R code Nora Martínez Villanueva (Gradiant) 12:50 - 13:10 Integración de R en QGIS Ana Belén Buide Carballosa (Instituto Tecnolóxico de Matemática Industrial - ITMATI) 13:10 - 13:30 Algoritmo de eficiencia nas descargas de auga Manuel Antonio Novo Pérez (Instituto Tecnolóxico de Matemática Industrial - ITMATI) 13:30 - 13:55 R y HPC (uso de R en el CESGA) Aurelio Rodríguez (Fundación Pública Galega Centro Tecnolóxico de Supercomputación de Galicia - CESGA) 15:25 - 15:50 Novas librerías para o control estatístico da calidade (QCR) e estudos interlaboratorio (ILS) no contorno da industria 4.0 Salvador Naya Fernández (UDC) 15:50 - 16:15 Bookdown: un paquete de R para á creación de libros Rubén Fernández Casal (UDC) e Tomás Cotos Yañez (UVigo) 16:15 - 16:40 Estimación de conxuntos con R mediante os paquetes alphahull e alphashape3d Beatriz Pateiro López (USC) 16:40 - 17:00 Modelos estadísticos de clasificación con alta dimensión en el número de covariables Laura Freijeiro González (USC) 17:00 - 17:20 Comparando métodos diagnósticos en R Arís Fanjul Hevia (USC) 17:20 - 17:40 Ferramentas para reducir o tempo de execución en R Alejandra López Pérez (USC) 17:40 - 18:00 Unha aplicación Shiny de R para a xestión de recursos en incendios forestais Mª José Ginzo Villamayor (USC) 18:00 - 20:00 Obradoiro: Introdución a R Mª José Ginzo Villamayor (USC) Obradoiro: Iniciación ó Big Data con R coa libraría sparklyr Aurora Baluja González (CHUS)
Índice ¿Quécochedeocasiónmecompro?UnaaproximaciónconR.AntonioVidalVidal(FINSA)......3 RenlageneracióndeinformesautomáticosatravésdelaAPIdeGoogleAnalytics.Miguel BoubetaMartínez,EvaMaríaGonzálezVior,MaríaElenaNaranjoSánchezeJoséManuelPérez Novo(ImprovingMetrics).............................................................................................................5 PlanificaciónestratégicaconR.BelénM.FernándezdeCastroeTeresaVeigaRodríguez (ABANCA).......................................................................................................................................6 VisualizacióndainformaciónestatísticautilizandoR‐ShinyeR‐Markdown.NoaVeiguela Fernández,EstherLópezVizcaínoeAnaAndiónHermida(IGE)...................................................9 Visualizacióninteractivadedatosdesaúde(creacióndedashboardsconShiny).MiguelÁngel RodríguezMuiños(ConselleríadeSanidade)..............................................................................14 Renlaadministraciónpública.CálculosconintervalosdefechasMarcosFernándezArias (Amtega‐XuntadeGalicia)........................................................................................................15 TheimportanceoftestingRcode.NoraMartínezVillanueva(Gradiant)..................................17 IntegracióndeRenQGIS.AnaBelénBuideCarballosa(InstitutoTecnolóxicodeMatemática Industrial‐ITMATI),MaríaJoséGinzoVillamayor(USC),ManuelAntonioNovoPérez(Instituto TecnolóxicodeMatemáticaIndustrial‐ITMATI),ManuelOviedodelaFuente(Instituto TecnolóxicodeMatemáticaIndustrial‐ITMATI)........................................................................17 Algoritmodeeficiencianasdescargasdeauga.ManuelAntonioNovoPérez(Instituto TecnolóxicodeMatemáticaIndustrial‐ITMATI),AnaBelénBuideCarballosa(Instituto TecnolóxicodeMatemáticaIndustrial‐ITMATI)eMªJoséGinzoVillamayor(USC)..................22 RyHPC(usodeRenelCESGA).AurelioRodríguez(FundaciónPúblicaGalegaCentro TecnolóxicodeSupercomputacióndeGalicia‐CESGA)..............................................................25 Novaslibreríasparaocontrolestatísticodacalidade(QCR)eestudosinterlaboratorio(ILS)no contornodaindustria4.0.SalvadorNayaFernández(UDC),JavierTarrío‐Saavedra(UDC), RubénFernández‐Casal(UDC)eMiguelFlores(EscuelaPolitécnicaNacional.Quito,Ecuador)28 Bookdown:unpaquetedeRparaácreacióndelibros.RubénFernándezCasal(UDC)eTomás CotosYañez(UVigo)....................................................................................................................32 EstimacióndeconxuntosconRmedianteospaquetesalphahullealphashape3d.Beatriz PateiroLópez(USC).....................................................................................................................35 1
[4] JJ Allaire, Yihui Xie, Jonathan McPherson, Javier Luraschi, Kevin Ushey, Aron Atkins, Hadley Wickham, Joe Cheng and Winston Chang (2018). rmarkdown: Dynamic Documents for R. R package version 1.10. https://CRAN.Rproject.org/package=rmarkdown. [5] Kung-Sik Chan and Brian Ripley (2012). TSA: Time Series Analysis. R package version 1.01. https://CRAN.R-project.org/package=TSA. [6] Ruey S. Tsay (2015). MTS: All-Purpose Toolkit for Analyzing Multivariate Time Series (MTS) and Estimating Multivariate Volatility Models. R package version 0.33. https://CRAN.R-project.org/package=MTS. [7] R Core Team (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/. [8] Winston Chang, Joe Cheng, JJ Allaire, Yihui Xie and Jonathan McPherson (2018). shiny: Web Application Framework for R. R package version 1.1.0. https://CRAN.Rproject.org/package=shiny. [9] Yihui Xie (2018). DT: A Wrapper of the JavaScript Library 'DataTables'. R package version 0.4. https://CRAN.R-project.org/package=DT. 8
VISUALIZACIÓN DA INFORMACIÓN ESTATÍSTICA UTILIZANDO R-SHINY E R-MARKDOWN Noa Veiguela Fernández1, Esther López Vizcaíno1 e Ana Andión Hermida1 1 Instituto Galego de Estatística (IGE) RESUMO No Servizo de Difusión e Información do Instituto Galego de Estatística (IGE) temos encomendada a tarefa, como o seu nome indica, de dar a coñecer o traballo do Instituto. A principal ferramenta nesta labor de difusión constitúea a páxina web. Dende a súa creación, fai xa case dúas décadas, evolucionou considerablemente, adaptándose aos novos desenvolvementos tecnolóxicos que tiveron lugar no campo do deseño web. Nos últimos tempos, a esta tarefa continua de adaptación técnica, súmanse novos retos: •Deseñar produtos adaptados ao público actual, que demanda unha web dinámica coa que poder interactuar •A necesidade de automatizar procesos e tarefas repetitivas, como a elaboración periódica de informes •Buscar programas que permitan acercarse ao deseño web aos estatísticos, sen necesidade de contar cun coñecemento profundo das linguaxes de programación HTML, CSS ou JavaScript Neste relatorio presentamos como estamos afrontando estes novos retos no IGE. Neste Instituto estamos comprometidos co desenvolvemento do software libre R e recorremos a el sempre que podemos na difusión da información estatística. Nesta ocasión servímonos, de novo, de dúas das súas librarías: R-Shiny e R-Markdown. A primeira permite crear aplicacións web dinámicas nas que o usuario se comunica co sistema informativo que está detrás da web, obtendo dela o que precisa en cada momento. A segunda libraría permite producir informes en diversos formatos (html, pdf, word), reducindo enormemente o tempo de traballo adicado a esta tarefa. Unhas das vantaxes de ambas as dúas librarías é que, sen contar cun gran bagaxe no deseño web, se poden crear páxinas moi completas e vistosas. Palabras e frases chave: web dinámica, automatización procesos, R-Shiny, RMarkdown 1. INTRODUCIÓN O décimo-quinto principio do “Código de boas prácticas das estatísticas europeas”, adoptado polo Comité do Sistema Estatístico Europeo, establece que as estatísticas europeas deben presentarse “de forma clara e comprensible” e difundirse “de forma adecuada e conveniente” [1]. O cumprimento deste principio avalíase por medio dunha serie de indicadores, un dos cales establece que os servizos de difusión deberán utilizar “unha tecnoloxía moderna de información e comunicación, métodos, plataformas e estándares de datos abertos” [2]. Baixo este principio subxace a necesidade de adaptar os contidos aos distintos tipos de usuarios que visitan as Santiago de Compostela 25 de outubro do 2018 9
páxinas web dos organismos estatísticos [3]. Na actualidade, esta é a ferramenta máis empregada para difundir os resultados estatísticos e así se contempla no principio décimo-quinto do Código. Por tanto, os servizos estatísticos deben manter ao día os seus portais, aplicando os últimos desenvolvementos tecnolóxicos no campo do deseño web e impedindo a súa obsolescencia. Para poder adaptar os nosos contidos e modos de difusión aos distintos tipos de usuarios, primeiro debemos saber cales son as súas necesidades informativas. Podemos establecer dúas grandes categorías de “oíntes”: o usuario especializado, con experiencia no manexo de datos estatísticos e na navegación por webs desta índole, e o usuario non especializado, pouco acostumado ao manexo e interpretación de datos estatísticos. Este segundo grupo de usuarios busca nas webs de estatística un coñecemento xenérico da realidade socioeconómica que o rodea e acceder a el de forma sinxela. Ademais, tanto un grupo, coma outro, demandan cada vez máis unha web interativa que lles ofreza ferramentas de consulta e visualización personalizadas. Ao primeiro grupo de usuarios dirixiremos produtos complexos, como a consulta multitabla, que proporciona acceso ás bases de datos onde se almacena a información estatística para que o usuario constrúa a súa propia táboa de resultados. Trátase dun formato de difusión aberto no que a carga de interpretar os resultados estatísticos recae sobre o propio usuario. Non obstante, para o segundo grupo de “clientes” pode ser máis recomendable recorrer a un formato de difusión pechado, que ofreza os resultados estatísticos xa tratados, mediante compendios de datos tabulados, acompañados de representacións gráficas e de notas explicativas [4]. Unha terceira vía para difundir a estatística consiste en combinar as dúas anteriores en aplicacións web dinámicas que permitan ao usuario un certo grao de autonomía á hora de decidir o que se consulta, pero ofrezan o resultado da mesma xa disposto en forma de táboas, gráficos e mapas. Ademais, é recomendable que as tres vías permitan, en maior ou menor medida, a descarga da información en formatos para a súa almacenaxe e a súa impresión, como as follas de cálculo ou os arquivos pdf. O principio décimo-quinto do Código formula unha serie de retos na difusión de estatísticas, difíciles de acadar para os organismos de carácter rexional, coma o Instituto Galego de Estatística (IGE), cuxos equipos de traballadores e traballadoras son moito máis modestos que os dos organismos nacionais e supranacionais. Elo obriga ao persoal destes servizos estatísticos a acometer múltiples funcións, entre elas o deseño web, máis preto da rama da informática que da estatística. Non obstante, a necesidade agudiza o enxeño e, lonxe de rexeitar o desafío, no IGE propuxémonos desenvolver a web moderna e dinámica que demanda a cidadanía galega. Para acometer as tres vías de difusión mencionadas no parágrafo anterior co equipo de que dispomos, debemos... •Recorrer a automatizar procesos e tarefas que se repiten con frecuencia, como a elaboración periódica de informes de resultados, de forma que se minimice o tempo e o persoal empregado na súa redacción. •Buscar programas que permitan acercarse ao deseño web aos estatísticos, sen necesidade de contar cun coñecemento profundo das linguaxes de programación HTML, CSS ou Javascript. E todo elo cun custo económico adicional nulo, polo que os programas que empreguemos para logralo deben ser gratuítos. No IGE estamos comprometidos co desenvolvemento do software libre R e recorremos a el para desenvolver varias das ferramentas de difusión da nosa web. Este relatorio versa sobre dúas das súas librarías: R-Shiny e R-Markdown. A primeira permite crear as 10
aplicacións web dinámicas que mencionamos anteriormente. A segunda produce de forma simultánea informes en diversos formatos (html, pdf, word). Ambas librarías poden conectarse coas bases de datos que almacenan a información difundida, de forma que capturen directamente e en tempo real os datos almacenados cando o usuario accede á aplicación ou ao informe. Ademais, todo o que conteñen (táboas, gráficos, mapas e incluso texto) pode programarse de forma que amosen a información máis actual dunha estatística, reducindo o tempo que habería de dedicar unha persoa á actualización periódica de informes mensuais ou anuais. 2. APLICACIÓNS WEB DINÁMICAS CON R-SHINY Neste apartado expóñense as diversas funcionalidades da libraría R-Shiny, servíndonos das aplicacións desenvolvidas para a web do IGE a modo de exemplo. 3. AUTOMATIZACIÓN DE INFORMES PERIÓDICOS CON R-MARKDOWN O apartado 3 dedicouse ao desenvolvemento do paquete R-Markdown; de novo, exporanse exemplos de informes realizados con el e difundidos na web do IGE para exemplificar o seu funcionamento. 4. CONCLUSIÓNS Ao longo do relatorio púxose de manifesto a necesidade de adaptar os contidos da web do IGE aos distintos tipos de usuarios que a consultan, así como os formatos de difusión. Defínense dous tipos de usuarios: especializados (con facilidades á hora de interpretar datos estatísticos e habilidades na navegación polas webs desta índole) e non especializados (cun coñecemento xeral da nosa rama de estudo e non dados ao tratamento de datos). Presentáronse dous formatos de difusión web adaptados ás necesidades de cada grupo: as aplicacións web e os informes de resultados. En ambos casos recorreuse ao software de código aberto R na súa elaboración; en particular, á libraría Shiny, que permite crear aplicacións web dinámicas, e ao paquete Markdown, que facilita a elaboración de informes en múltiples formatos. Os motivos polos que nos decantamos por este programa para personalizar os formatos de publicación web foron varios: •Permite deseñar produtos de difusión interactivos sen necesidade dunha gran bagaxe nas linguaxes de programación web HTML, CSS ou Javascript. •Os produtos elaborados con este programa poden conectarse coas bases de datos que almacenan a información difundida na web, de forma que capturen directamente e en tempo real os datos almacenados a petición do usuario. •Os contidos das aplicacións e informes web (tales como táboas, gráficos e incluso texto) poden programarse para que amosen a información máis actual dunha estatística, sen requirir a actualización manual por parte dun estatístico. •Posibilita a descarga da información en formatos que permiten a súa almacenaxe e impresión (como pdf e word). •É gratuíto e nútrese das achegas dos usuarios, polo que se trata dun programa vivo en continuo proceso de desenvolvemento e mellora. Referencias [1] Comité do Sistema Estatístico Europeo (2017). Código de boas prácticas das estatísticas europeas. En rede https://ec.europa.eu/eurostat/documents/4031688/8971242/KS-02-18-142-EN-N.pdf/e7f85f0791db-4312-8118-f729c75878c7, 10. 11
[2] Na súa redacción orixinal, o Código establecía tamén como indicador para avaliar o cumprimento do principio 15 difundir “copia impresa tradicional” nos casos que requirisen este formato. No IGE cremos que ofrecer un arquivo descargable, susceptible de ser impreso, pode ser aconsellable nalgúns casos que se detallarán na ponencia, como na publicación de informes e resumos de resultados. [3] En UNECE (2009) tamén se pon o énfase en que a mensaxe debe adaptarse ao público obxectivo: “a primeira decisión importante que debes tomar é elixir con precisión unha audiencia: ¿para quen estou escribindo? Sinxelamente, o público é quen manda. En xeral, o que o público quere é o que deberías ofrecerlle”; Comisión Económica para Europa das Nacións Unidas (UNECE) (2009). Como facer comprensibles os datos. Parte 2: unha guía para presentar estatísticas. En rede: https://www.unece.org/index.php?id=17568&L=3, 1. [4] Veiguela Fernández, N. (2016). R-Shiny: una herramienta para mejorar la difusión de las operaciones del Sistema de Cuentas Económicas de Galicia, ponencia presentada nas XIX Jornadas de Estadística de las Comunidades Autónomas, Madrid. En rede: http://www.jecas.es/2016_Madrid/ponencias/H2.pdf, 2. 12
VISUALIZACIÓN INTERACTIVA DE DATOS DE SAÚDE. [CREACIÓN DE DASHBOARDS CON Shiny] Miguel Ángel Rodríguez Muíños1 1 Dirección Xeral de Saúde Pública. Consellería de Sanidade. Xunta de Galicia. Palabras e frases chave: R, rstats, shiny, dashboard RESUMO A Dirección Xeral de Saúde Pública pon á disposición dos profesionais e da cidadanía en xeral un espazo web onde atopar información, documentación, datos, software, ... referentes a aspectos relacionados directa ou indirectamente coa protección, prevención e promoción da saúde da poboación. https://dxsp.sergas.gal Esta web ten unha distribución temática (estilos de vida saudables, enfermidades transmisibles, sanidade ambiental, conductas adictivas, indicadores de saúde...). Ún deses apartados é o de “Datos” (https://www.sergas.gal/Saude-publica?idcatgrupo=11035) no que se publica información (case sempre numérica) sobre distintos sistemas de información. Por mor da arquitectura tecnolóxica dispoñible a nivel corporativo no que se refire á xestión de contidos na web, a información que se está a ofrecer ate o momento é totalmente estática e hai que elaborar, nalgúns casos, “visualizacións” predefinidas (para cada suposto, cada ano, cada organización xeográfica, ...), traballo que resulta moi costoso en tempo e recursos humanos. Ademáis, é necesario refacelo cando dispoñemos dunha actualización dos datos (nalgúns casos, anualmente; noutros, con máis frecuencia). Este escenario, a medida que crece o apartado de “Datos”, resulta cada vez máis complexo de xestionar e require un maior esforzo en horas e persoas. Esta dirección xeral, plantexou a necesidade de “migrar” a un sistema de visualización dinámica de datos que permita que sexa o propio usuario o que manexe eses datos e constrúa as peticións que estime oportunas. Este sistema, se corresponde cun dashboard (interface gráfica que permite a análise de datos de diferentes fontes). Despois do estudo das distintas posibles solucións (BIRT, Tableau, Qlik, ...) optouse por implementar un dashboard open source, gratuito e pouco agresivo co sistema informático corporativo. A solución foi usar R e Shiny (baixo ubuntu server 18.04 LTS). Santiago de Compostela 25 de outubro do 2018 13
Agora mesmo estamos en fase de desenvolvemento do primeiro proxecto (Sistema de Información de Mortalidade por Cancro de Galicia -SIMCA-) e os resultado xa son visibles en: http://saudepublica.melisa.gal/SIMCA. Na Figura 1 pode verse unha captura da aplicación web. Figura 1: Dashboard do SIMCA 14
R EN LA ADMINISTRACIÓN PÚBLICA: XUNTA DE GALICIA. CÁLCULOS CON INTERVALOS DE FECHAS Marcos Fernández Arias1 1 Axencia para a Modernización Tecnolóxica de Galicia (AMTEGA), Xunta de Galicia RESUMEN Mediante R realizamos análisis cuantitativos para evaluar la prestación de diversos servicios. Algunos de estos servicios son prestados directamente por la administración y otros a través de empresas proveedoras. En los contratos firmados, evaluamos el cumplimiento de los “acuerdos de niveles de servicio” (SLA) por parte de las empresas proveedoras. Palabras y frases clave: service level agreement, regulatory compliance, OTRS, issue tracking systems, data intervals 1. INTRODUCCIÓN Dentro del sector de servicios de tecnologías de la información, la Xunta de Galicia tiene firmados varios acuerdos con empresas proveedoras. Algunos de estos contratos contienen cláusulas específicas de “acuerdo de nivel de servicio” (SLA) en donde se especifican plazos temporales admisibles y tiempos de atención y resolución. Se especifican también penalizaciones en caso de incumplimiento. OTRS es un sistema open source de gestión de tickets con diversas prestaciones para gestionar llamadas y e-mails de clientes. Incluye gestión de tickets, flujos de trabajo y automatización aparte de la posibilidad de adaptaciones. Se utiliza en gestión de servicios de tecnologías de la información para estructurar mejor las comunicaciones y tareas. En la Axencia de Modernización Tecnolóxica de Galicia, OTRS es un sistema que resulta estructural e imprescindible para un funcionamiento interno eficiente, organizado y robusto. 2. ANÁLISIS DEL CUMPLIMIENTO DE SLA (SERVICE LEVEL AGREEMENTS) En la Xunta de Galicia gestionamos mediante OTRS: •un volumen de tickets con una ratio de creación de aproximadamente 15000 nuevos tickets cada mes •y unos 30000 escalados mensuales (“escalado” es el envío de un ticket de un grupo a otro) •gestionados por más de 1500 agentes (técnicos que actúan como intermediarios o realizan resolución de tickets) Santiago de Compostela 25 de outubro do 2018 15
•atendiendo a las necesidades de aproximadamente 23000 usuarios (registrados en Directorio Activo) Utilizamos R y diversas librerías del ecosistema Tidyverse para evaluar los tiempos de atención y respuesta en los tickets, por parte de los distintos grupos. Referencias [1] OTRS AG. OTRS: leading service management suite. https://otrs.com/product-otrs/ 16
THE IMPORTANCE OF TESTING R CODE Nora M. Villanueva1 1 Gradiant, Galician Research and Development Center in Advanced Telecommunications, Spain ABSTRACT In a software development framework, testing code is one of the good practices used to ensure that expected business systems and product features behave as expected. Additionally, another case where software testing is incredibly important is when one provides code for other people to use. For example, if you have developed an R package that will be made publicly available, you should be sure that it works correctly, with quality and good performance. There are many tools available which provide utilities to help and develop software testing , particularly, testthat or assertive are some of them in the R context. In this talk, I will discuss how to incorporate testing in your work. Keywords: Testing Code; R Packages; Test Driven Development; Software Development. References [1] Cotton, R.(2016). assertive: Readable Check Functions to Ensure Code Integrity, 2016. R package version 0.3-0. [2] Cotton, R. (2017). Testing R Code. A Chapman and Hall. [3] Wickham, H. (2011). testthat: Get Started with testing. The R journal 3, 5-10. Santiago de Compostela 25 de outubro do 2018 17
AGRADECIMIENTOS Los investigadores Manuel Novo, Ana Buide y María José Ginzo agradecen el apoyo del proyecto ENJAMBRE del CDTI. Referencias [1] Robert J. Hijmans (2017). raster: Geographic Data Analysis and Modeling. R package version 2.6-7. URL https://CRAN.R-project.org/package=raster. [2] Rodríguez y Silva F., González-Cabán A. (2010), “SINAMI”: a tool for the economic evaluation of forest fire management programs in Mediterranean ecosystems. Int. J. Wildl. Fire, 19, pp. 927-936. Ilustración 1: Representación en R de la capa ráster con la huella de agua estimada por el algoritmo de las aeronaves que participaron en un incendio. El valor de cada píxel viene dado por la cantidad de agua descargada (en litros) en el mismo. 24
R Y HPC (USO DE R EN EL CESGA) Aurelio Rodríguez1 1 Fundación Pública Galega Centro Tecnolóxico de Supercomputación de Galicia (CESGA) RESUMEN El uso de R en un centro de HPC hoy en día permite reducir los tiempos de ejecución notablemente así como abordar problemas de mayor dimensión. Así mismo nos proporciona un lenguaje donde es posible implementar usos complejos de las infraestructuras HPC facilitando su uso. Palabras y frases clave: R, CESGA, HPC. 1. INTRODUCCIÓN Un centro HPC como el CESGA permite abordar problemas computacionales de dimensiones mayores mediante el uso de ordenadores muy potentes y los paradigmas de paralelización. Sin embargo presenta varias barreras que el usuario debe afrontar en su utilización: uso de un sistema operativo diferente (UNIX/LINUX), un sistema de colas, sistemas de ficheros compartidos (en red), etc. Desde el CESGA se intenta minimizar estas barreras con varias estrategias. Una de ellas es aprovechar APIs/lenguajes cercanos a un gran grupo de usuarios como es R para proporcionarles un lenguaje común que les facilite el uso de una infraestructura compleja de HPC. 2. USO DE UN SUPERCOMPUTADOR (FinisTerrae) La arquitectura actual más habitual de un supercomputador es la arquitectura cluster donde un supercomputador está formado por numerosos nodos con distintas funcionalidades trabajando coordinadamente usando una o varias redes de interconexión. Para su uso el usuario debe ser capaz de conectarse remotamente al superordenador habitualmente con distintos protocolos (SSH es el más común). Esta primera conexión se establece con los login nodos donde el usuario obtiene una sesión limitada tanto en recursos como en tiempo pero que le va a permitir definir y enviar a ejecución el trabajo demandante a ejecutar. En el siguiente esquema se resume la forma habitual de uso del FinisTerrae [1]: Santiago de Compostela 25 de outubro do 2018 25
3. R EN EL FinisTerrae Desde el CESGA se proporciona las ultimas versiones de R preinstaladas con las siguientes características: •Disponibilidad de interfaces gráficos para su uso como pueda ser Rstudio. Aunque el soporte de la versión server de Rstudio no es viable para el CESGA por motivos de seguridad, el acceso a Rstudio mediante un escritorio remoto es totalmente viable. •El usuario puede instalar los paquetes que necesite de forma transparente en su cuenta e incluso mantener diferentes combinaciones de paquetes mediante la configuración adecuada del entorno (variable R_LIBS_USER). •Compiladas usando las últimas librerías matemáticas de algebra líneal proporcionadas por Intel (Intel MKL) de manera que el rendimiento sea el óptimo y a su vez sea posible una paralelización automática en memoria compartida para este tipo de operaciones. •Paquetes espécificos de HPC[2]: uso del sistema de colas y paralelización Con estas características se posibilita que el usuario exclusivamente usando un interfaz gráfico de R como Rstudio pueda usar el FinisTerrae de forma completa. Figura 1: Uso FinisTerrae 26
4. CONCLUSIONES Desde el CESGA se intenta facilitar el uso de R en un entorno de HPC proporcionando versiones optimizadas, adaptables por el usuario a sus necesidades y con los paquetes específicos que permiten el uso de un entorno HPC desde el lenguaje R. Referencias [1] Guía de uso del FinisTerrae. Disponible en: https://www.cesga.es/en/paginas/descargaDocumento/id/210 [2] CRAN Task View: High-Performance and Parallel Computing with R. Disponible en: https://cran.r-project.org/web/views/HighPerformanceComputing.html. 27
NOVAS LIBRERÍAS PARA O CONTROL ESTATÍSTICO DA CALIDADE (qcr) E ESTUDOS INTERLABORATORIO (ILS) NO CONTORNO DA INDUSTRIA 4.0 Salvador Naya1, Javier Tarrío-Saavedra1, Rubén Fernández-Casal1 e Miguel Flores2 1 Departamento de Matemáaticas. Grupos MODES, CITIC e ITMATI. Universidade da Coruña. 2 Escuela Politécnica Nacional. Quito, Ecuador. ABSTRACT In this work, the new versions of the qcr (quality control review) and the ILS (Inter Laboratory Study) will be presented. These are two R packages that allow the study of control charts with functional data, the qcr library, and consistency between different laboratories, the ILS library. Examples of application are proposed for framed data within the so-called intelligent industry or Industry 4.0. Palabras e frases chave: Control de Calidade, Consistencia, Estudos Interlaboratorio, Industria 4.0. 1. INTRODUCIÓN O concepto da Industria 4.0 ou cuarta revolución industrial, representa unha nova era para a control de procesos. Un dos seus obxectivos é a implantación da chamada "fábrica intelixente", capaz de maior adaptabilidade ás necesidades dos procesos, así como a unha asignación de máis eficiente dos recursos. Neste contexto global da Industria 4.0, entendida como toda acción orientadaerimentos que permiten comparar laboratorios pero tamén distintas máquinas ou instrumentos de medición. Por outra parte, o empleo de sensores e instrumentos de medida, cada vez m#áis sofisticados e capaces de proporcionar unha gran cantidade de datos dun n#úmero cada vez maior de variables críticas presentan novos retos para o control da calidade. Este tipo de problemas están enmarcados dentro dun campo importante da Industria 4.0, o do Big Data. Ademais o habitual é que este tipo de datos procedentes de sensores sexan datos funcionais (FDA). Para esta nova situación son precisas ferramentas para o seu debido tratamento estatístico, como as duas librerías de R que aquí se presentan (Naya, 2017). A librería qcr, permite facer todos os estudos de control estatístico da calidade ampliando tamén o espectro a gráficos de control de tipo non paraméetrico e para datos funcionais. A aplicación propoñerase a problemas de eficiencia enerxética, onde se busca detectar anomalías mediante o emprego de detección de atípicos. No caso da librería ILS permite o estudo completo de experimentos entre varios laboratorios para estimar a consistencia. Ademais esta librería pode tamén aplicarse noutros contextos para detección de atípicos en exemplos ligados a industria 4.0, como son aqueles vinculados a datos obtidos de sensores. Estas das novas librerías aportan ferramentas para o tratamento de datos de tipo funcional, que ademas poden ser usadas sobre o mismo conxunto de datos, xa que unha está pensada para o control de calidade e a outra para diseñar experimentos Santiago de Compostela 25 de outubro do 2018 28
que permiten comparar laboratorios pero tamén distintas máquinas ou instrumentos de medición. 2. LIBRERÍA qcr O paquete qcr inclúe un conxunto completo de ferramentas de control de calidade estatística (SQC), ferramentas univariantes e multivariantes que completan e aumentan as técnicas SQC dispoñibles en R. Combina procedementos flexibles, tradicionais e novos SQC para abordar problemas reais de control de calidade na industria e o consultor. Ademais de integrar diferentes paquetes en R dedicados a SQC (qcc, MSQC), proporciona novas ferramentas paramétricas non-paramétricas moi útiles cando a suposición gaussiana non se cumpre. Este paquete proporciona o conxunto máis completo de funcións en R para calcular os gráficos de control de atributos e variables, dende un punto de vista paramétrico e non paramétrico, dun xeito univariante ou multivariante. Para ser aplicado en problemas reais da industria, e especialmente de Indsutria 4.0, permite estimar os límites de control e monitorizar as variables críticas dunha forma máis automática e práctica. O paquete proposto permite estimar os límites de control univariantes e facer gráficos de tipo estándar como os de Shewhart e tamen outros menos frecuentes como os EWMA e CUSUM. Ademais inclúe funcións para realizar gráficos de control multivariante como o da T2 de Hotteling, MEWMA e MCUSUM. Ademais, permite usar novas alternativas non paramétricas baseadas na profundidade de datos como os champados gráficos r e Q e de novos gráficos con datos funcionais. 3. LIBRERÍA ILS As ferramentas estatísticas que facilita o paqute ILS permiten facer estudos interlaboratorio, tanto coa visión univariada, con base na norma ASTM E691 e normas ISO5725, como para casos de tipo funcional. Figura 1: Paquetes de R para control de calidade e as metodologias incluidas. 29
Entre aa opcións están o cálculo dos índices de Mandel para identificar os laboratorios que proporcionan resultados cuantivamente diferentes entre sí e estimar a consistencia para diseños entre varios laboratorios. Ademais, permite probar a presenza de valores atípicos a través das probas de Cochran e Grubbs. Outra opción deste paquete é facer un Análisis de Varianza (ANOVA), incluíndo a prova F e a proba de Tukey para probar as diferenzas entre as medias da variable correspondentes aos distintos laboratorios. Unha das novidades desta librería é incorporar ferramentas para levar a cabo unha proba ILS a partir de datos funcionais. Polo tanto, este paquete permite ter en conta a natureza funcional dos datos obtidos polas técnicas experimentais correspondentes á sensorización tan frecuente na Industria 4.0. O paquete ILS permite estimar as estatísticas funcionais, H (t) e K (t) propostas por primeira vez no artigo de Flores et al. (2018a) e Flores et al. (2018b). 3. CONCLUSIÓNS O desenvolvemento de novas metodoloxías, neste caso FDA, son de vital importancia para a xestión dos novos paradigmas e tipos de datos na dixitalización da industria. O seu desenvolvemento e aplicación é absolutamente necesario, non só para garantir a calidade dos produtos, servizos, procedementos, instrumentos e laboratorios, senón tamén para aumentar a calidade dos procesos de medición, reducir os custos de estudos incompletos e mellorar a análise dos resultados. En definitiva, facer unha mellora na calidade final do producto ou servicio. Estes novos paquetes aquí presentados, o ILS e o qcr, esperamos, que máis pronto que tarde, sexan de uso común polos investigadores e responsables de laboratorio e empresas. A súa aplicación será de gran importancia no novo contexto da Industria Figura 2: Gráfico estudio ILS con datos funcionales de 7 laboratorios de curvas TGA. 30
4.0, donde os métodos estatísticos xa teñen unha gran presencia e se prevé que tendrán un maior futuro. AGRADECEMENTOS Salvador Naya, Javier Tarrío-Saavedra e Rubén Fernández-Casal agradecen o proxecto MTM2017-82724-R (MINECO) e Miguel Flores o proxecto PII-DM-002-2016 da Escuela Politécnica Nacional de Ecuador. Referencias [1] Flores, M., Naya, S., Tarrío-Saavedra, J., Fernández-Casal, R. (2017). Functional data analysis approach of Mandelâsh and k statistics in Interlaboratory Studies. In Functional Statistics and Related Fields. A Coruña. Springer. [2] Flores, M., Tarrío-Saavedra, J., Fernández-Casal, R. y Naya, S. (2018). Functional extensions of Mandel's h and k statistics for outlier detection in interlaboratory studies. Chemometrics and Intelligent Laboratory Systems, 176, 134-148. [3] Flores, M., Tarrío-Saavedra, J., Fernández-Casal, R., Bossano, R., Naya, S. (2018). ILS: An R package for statistical analysis in Interlaboratory Studies. Chemometrics and Intelligent Laboratory Systems, 181, 11-20. [4] Naya, S. (2017). Industry 4.0. An Opportunity for the Relationship Between University and Shipbuilding in the Future. Proceedings of the 25th Pan-American Conference of Naval Engineering. Panamá. Springer. 31
Santiago de Compostela 25 de outubro do 2018 bookdown: UN PAQUETE DE R PARA A CREACIÓN DE LIBROS Rubén Fernández-Casal1, Tomás R. Cotos-Yáñez2 1 Departamento de Matemáticas, Universidade da Coruña, 15071, A Coruña, España 2 Departmento de Estatística e I.O., Universidade de Vigo, 32004 Ourense, España RESUMO O paquete bookdown de R permite escribir libros empregando R-Markdown de forma sinxela. Seguindo a filosofía de Markdown, podense crear libros en distintos formatos (HTML / PDF / Word / epub/ …). Ademáis de permitir empregar as extensións Markdown de Pandoc (notas ao pé de páxina, táboas, citas, ecuacións LaTeX, …), pódense empregar extensiones Markdown para libros (lendas de figuras e táboas, numeración e referencias cruzadas de figuras / táboas / seccións / ecuacións / teoremas / exemplos / …, widgets HTML, …). Palabras e frases chave: Libros, R, Markdown, bookdown, Pandoc. 1. INTRODUCIÓN O paquete bookdown [1] de R permite escribir libros de forma sinxela. Sen preocuparse moito polos detalles pódense crear libros en distintos formatos (HTML / PDF / Word / epub/ …). Ademáis de permitir empregar as extensións Markdown de Pandoc (notas ao pé de páxina, táboas, citas, ecuacións LaTeX, …), pódense empregar extensiones Markdown para libros (lendas de figuras e táboas, numeración e referencias cruzadas de figuras / táboas / seccións / ecuacións / teoremas / exemplos / …, widgets HTML, …). O libro xerarase (especificados os formatos de saída) a partir dunha serie de documentos de R Markdown [2], cada un correspondente a cada capítulo. Na web https://bookdonw.org aparecen exemplos de libros creados por bookdown. Altamente recomendable é o recente libro de Yihui Xie bookdown: Authoring Books and Technical Documents with R Markdown [3]. 2. REQUISITOS 1. Descargar e instalar RStudio IDE (versión superior a 1.0.0) 2. Instalar o paquete de R bookdown 3. Se se desexa obter o libro en formato laTeX/pdf precísase un compilador de laTeX. Obviamente, un requisito é ter instalado R. Cando se instala o paquete bookdown, instálanse automáticamente os paquetes knitr e Rmarkdown. Un documento R Markdown (*.Rmd) compílase primeiro a Markdown (*.rd) usando o paquete knitr e con posterioridade Markdown o compila (por exemplo a LaTeX ou HTML) usando Pandoc. Pandoc non é un paquete de R, pero ven incluido no RStudio. 32
3. ESTRUTURA BÁSICA Aínda que non é necesario o Rstudio é recomendable para principiantes. Ademáis ven cun bookdown-demo que pode ser usado de modelo inicial. A estrutura básica ven dada polos seguintes arquivos do directorio do proxecto: index.rmd: indícase por exemplo o título, autor, data do libro... ademáis de algunhas outras configuracións ‐‐‐ title:"AuthoringABookwithRMarkdown" author:"YihuiXie" date:"`rSys.Date()`" site:"bookdown::bookdown_site" output: bookdown::gitbook:default documentclass:book bibliography:["book.bib","packages.bib"] biblio‐style:apalike link‐citations:yes ‐‐‐ output.yml: Opcións do formato de saída de configuración YAML. bookdown::gitbook: css:style.css config: toc: before:| <li><ahref="./">AMinimalBookExample</a></li> after:| <li><ahref="https://github.com/rstudio/bookdown" target="blank"> Publishedwith bookdown</a></li> edit:https://github.com/rstudio/bookdown‐demo/edit/master/%s download:["pdf","epub"] bookdown::pdf_book: includes: in_header:preamble.tex latex_engine:xelatex citation_package:natbib keep_tex:yes bookdown::epub_book:default bookdown.yml: Arquivo de configuración onde se poden especificar parámetros opcionáis para compilar o libro. book_filename:"SimulationR" chapter_name:"Capítulo" style.css e preamble.tex: especifícanse as opcións de estilo e apariencia das saídas dos documentos en formato HTML e LaTeX, respectivamente. style.css ‐‐‐‐‐‐‐‐ p.caption{ color:#777; 33
( ) x S obti e De n versi o libre r ense Otra K-ve c sup o Esto s clas Cor e apa r 4. Final solu c un p r am p grup Figu r x Fi g (iz q ) (1|Y e ne : n uevo, el fe n o nes regul a r ía glmnet d e ñando las d forma de i c inos más o ner ningún s métodos s s(Venabl e e Team (20 r tado se m o SUPPOR T mente se e c ionar el pr o roblema d e p lia posible os estén c r a 3 . x Clases s g ura 2: Eje m q uierda) y ej )X x . E m n ómeno d e a rizadas de d e Simon e d istintas po s 3. KV i mplement a cercanos o tipo de hip s on fáciles d e s y Ripley ( 18)) para e o strará el fu n T VECTOR M A e xpondrá l o blema de e optimizac para sep a c ompletam e s in solapa m m plo del m ét ej emplo del a m p l eando l a log 1 § ¨ © e la alta di m l modelo. E e t al . (2011 ) s ibilidades q V ECINOS M a r discrimin a o la regla ótesis distri b d e emplea ( 2002)) par a e l método n cionamie n A CHINE (S V a utilizació clasificaci ó i ón con la f a rar las cl a e nte separ a m iento ét odo de k -v e a lgoritmo d e a función l o (, ) 1 (, ) x x SE SE · ¸ ¹ m ensión for z E n esta pa r ) para po d q ue ofrece . M ÁS CERCA N a ción es re de K-medi b ucional . r en R, en p a el algorit de k-medi a n to de las m V M ) ó n de los S ó n cuando f inalidad d e a ses, cont e ados com o e cinos más c ek -medias pa o gi t ()gp . t x E z ará a que r te se most r d er utilizar e N OS Y K-M E currir a mé t as, Figura 2 p articular s e mo de k-v e a s por su s e m ismas . VM ( Supp o p>n. Este m e conseguir e mplando t o donde p c ercanos to m pa ra el caso k log 1 p p §· ¨¸ © ¹ sea neces a r ará la fun c e sta regla d E DIAS t odo com o 2 , los cual e e han esc o e cinos y la e ncillez y e o rt Vector M m é t odo se b construir u n t anto los c p ueda exist i m ando k=8 e k =3 (derech a [0, 1 p a rio trabaj a c ionalidad d e clasific a o el algorit m e s no nec e o gido las li b librería st a e ficacia. E n Machines) basa en re s n a banda l o c asos don d t ir solapam i e n dos dim e ha). 1] , se a r con de la a ción, m o de e sitan b rerías a ts (R n este para s olve r o más d e los i ento, e nsione s 40
x x Se m (201 8 obt e Refe r [1] G ben c [2] M Fun c Wie n [3]R Fou n [4] Si pro p 39(5 ) [5]V e York , Figu r (izqu x Clases c x Regla d m ostrará c o 8 )) para a m e nidos . r encia s G uyon, I. ( c hmark . M eyer, D., D c tions of th e n . R packa g Core Tea m n dation for S mon, N., Fri p ortional h a ) :1-13. e nables, W. , fourth edit r a 3: Ejemp l ierdo) y co n min suje t E c on solapa m min | iscriminant e o mo emple a m bos cont e ( 2003). De s D imitriadou, e Departm e g e version 1 . m (2018). R: S tatistical C edman, J., a zards mo d N. y Riple y ion. ISBN 0 - 3 l o del clasif i n siderando 0 , t o a ( t ii y x EE E E ‖‖ m iento |||sujet E ‖‖ e: ˆ() sig n Gx a r este m é e xtos, viend s ign of ex p E., Hornik, nt of Statis t .7 -0. A Langua g o mputing, V Hastie, T., y d el via co o y , B. D. (200 2 3 8 7 -954570 i cador SV M solapamie n 0)1, i E t ( t o a 0, t ii i y x E [ t ˆ n [()] si g fx é todo a tra d o las opci o p eriments f K., Weinge s t ics, Proba b g e and En v V ienna, Au s y Tibshirani, o rdinate d e 2 ). M odern 0. M en dos di m nto (derec h 1, , . i n } 0)1 icte E [ [ t d ¦ 0 ˆˆ g n[ t x EE vés de la l o nes que p f or the NI P s sel, A., y L e b ility Theory v ironment f s tria . R. (2011) . R e e scent. Jou r Applied St a m ensiones c h a) . , i i [ ] l ibrería e10 7 roporciona P S 2003 v a e isch, F. (2 0 Grou p (For f or Statistic a e gularizati o r nal of Sta t a tistics with c on clases s 7 1(Meyer a y los resul t a riable sel e 0 18). e1071 : r merly: E10 7 a l Comput i o n paths fo r tistical Soft w S . Springer , s in solapa m et al. t ados e ction : Misc 7 1), TU i n g . R cox's w are, , Ne w m iento 41
COMPARANDO MÉTODOS DIAGNÓSTICOS EN R Arís Fanjul Hevia1, Wenceslao González Manteiga1 y Juan Carlos Pardo Fernández3 1 Departamento de Estatística, Análise Matemática e Optimización, Universidade de Santiago de Compostela 2 Departamento de Estatística e Investigación Operativa, Universidade de Vigo RESUMEN Una de las cuestiones más importantes en cualquier estudio médico es el ser capaz de diagnosticar correctamente a los pacientes afectados por una determinada enfermedad. Un método de diagnosis es, en realidad, un problema de clasificación en el que se trata de minimizar el número de enfermos a los que no se les detecta la enfermedad, y el número de sanos que son declarados enfermos. Una forma usual de analizar el buen comportamiento de un método de diagnosis es estudiar su curva ROC (del inglés, Receiver Operating Characteristic). Esta herramienta estadística utiliza las nociones de sensibilidad y especificidad para analizar la capacidad discriminativa un método de clasificación [2]. En particular, comparar curvas ROC correspondientes a distintos métodos de diagnosis puede servir para determinar si esos métodos son equivalentes o si, por el contrario, uno de ellos es capaz de clasificar de forma más precisa a los individuos en estudio. Existen varias librerías en R capaces de estimar, dibujar y comparar estas curvas ROC, como puede ser pROC [4] o nsROC [3]. Por otra parte, es usual que en el proceso de diagnosis se cuente con información extra de covariables, información que es importante incluir en el estudio porque puede influir en la capacidad discriminativa de las curvas ROC. Esto se puede hacer considerando la curva ROC condicionada [1]. En este trabajo se estudia una base de datos real de enfermos con derrame pleural sospechosos de tener cáncer. Se verá qué herramientas existen ya en R para analizar la capacidad discriminativa de una variable diagnóstica, y se mostrarán otras nuevas para estimar una curva ROC condicionada a una covariable. Finalmente se aplicará una nueva metodología para comparar curvas ROC condicionadas, y se verá que, si no se tiene en cuenta esta información extra, se puede llegar a una conclusión diferente. Palabras y frases clave: Bootstrap, comparación, covariables, curvas ROC, estimación. AGRADECIMIENTOS Los autores agradecen el soporte económico del Ministerio de Educación, Cultura y Deporte a través de la ayuda FPU14/05316 y el soporte económico del Ministero de Economía, Industria y Competitividad a través de los proyectos MTM2016-76969-P, MTM2014-55966-P y MTM2017-89422-P, que incluyen apoyos del European Regional Santiago de Compostela 25 de outubro do 2018 42
Development Fund y la Agencia Estatal de Investigación. También se agradece al Prof. F. Gude (Unidad de Epidemiología Clínica del Hospital Clínico Universitario de Santiago) por proporcionar los datos del estudio. Referencias [1] González-Manteiga, W., Pardo-Fernández, J.-C., and Van-Keilegom, I. 2011). ROC curves in non-parametric location-scale regression models. Scandinavian Journal of Statistics}, 38(1):169-184. [2] Pepe, M.S. (2003). The statistical evaluation of medical tests for classification and prediction. Oxford University Press, New York. [3] Pérez-Fernández S (2018) nsROC: Non-Standard ROC Curve Analysis. R package version 1.1. https://CRAN.R-project.org/package=nsROC. [4] Robin, X., Turck, N. , Hainard, A., Tiberti, N., Lisacek, F., Sanchez, J.C.,Müller, M. (2011). pROC: an open-source package for R and S+ to analyze and compare ROC curves. BMCBioinformatics, 12, 77.DOI: 10.1186/1471-2105-12-77. 43
FERRAMENTAS PARA REDUCIR O TEMPO DE EXECUCIÓN EN R Alejandra López Pérez1 1 Universidade de Santiago de Compostela RESUMO R (R Core Team, 2018) é unha linguaxe e entorno de programación para a análise estatística e gráfica. É unha linguaxe interpretada (ou de implementación interpretada), polo que non se caracteriza pola súa velocidade. Non obstante, existen ferramentas para incrementar a velocidade de cálculo dos nosos scripts de R, que introduciremos neste relatorio. Entre outras solucións cubrirase a vectorización de código, a compilación a bytecode, a interfaz de programación de aplicacións (API) para extender R con código escrito en C ou Fortran, o paquete Rcpp (Eddelbuettel e Balamuta, 2017) para a integración de R e C++, gpuR (Rupp et al., 2016) para a computación na GPU, e data.table (Dowle e Srinivasan, 2018), unha extensión do obxecto data.frame. Ademáis, para aquelas tareas susceptibles de paralelización, R dispón de diversos paquetes, como parallel e doParallel (Corporation e Weston, 2017), que permiten empregar varios procesadores ao mesmo tempo. Palabras e frases chave: parallel computing, bytecode, compiled language, Rcpp. AGRADECEMENTOS Debo agradecer ao Ministerio de Economía, Industria y Competitividad a concesión da beca FPI MTM2016-76969-P. Referencias [1] Corporation, M. eWeston, S. (2017). doParallel: Foreach Parallel Adaptor for the 'parallel'Package. R package version 1.0.11. [2] Dowle, M. e Srinivasan, A. (2018). data.table: Extension of 'data.frame'. R package version 1.11.0. [3] Eddelbuettel, D. e Balamuta, J. J. (2017). Extending extitR with extitC++: A Brief Introduction to extitRcpp. PeerJ Preprints, 5:e3188v1. [4] R Core Team (2018). R: A language and environment for statistical computing. [5]Rupp, K., Tillet, P., Rudolf, F., Weinbub, J., Grasser, T., e J ungel, A. (2016). Viennacl- linear algebra library for multiand many-core architectures. SIAM Journal on Scientific Computing. Santiago de Compostela 25 de outubro do 2018 44
UNHA APLICACIÓN SHINY DE R PARA A XESTIÓN DE RECURSOS EN INCENDIOS FORESTAIS Jorge Rodríguez-Veiga1, María José Ginzo-Villamayor2 e Balbina Casas-Méndez2 1 Instituto Tecnológico de Matemática Industrial (ITMATI) 2 Departamento de Estatística, Análise Matemática e Optimización, Universidade de Santiago de Compostela (USC) RESUMO Determinar a planificación óptima que permita decidir o tipo e o número de recursos necesarios para extinguir un incendio forestal é unha tarefa que se abordou na literatura utilizando modelos extraídos da investigación operativa. Neste traballo proponse un modelo de optimización que contempla tamén a asignación dos recursos a diferentes períodos de tempo. Esta asignación resulta de interese para os profesionais que combaten os incendios, que deben de cumprir coa normativa española que regula os períodos de traballo e descanso dos pilotos e brigadas, sen descoidar a restrición natural de non desatender os frontes máis perigosas do incendio. Por último creamos unha interface gráfica que facilite a introdución dos datos e proporcione os resultados de maneira práctica. A programación informática, do modelo e da interface, realizámola coa linguaxe R. Palabras e frases chave: supresión de incendios forestais; planificación de recursos; asignación de tempo; programación lineal enteira; interface; shiny. 1. INTRODUCIÓN O fenómeno dos incendios forestais converteuse nun dos principais problemas ecolóxicos que sofren os bosques, debido á alta frecuencia e intensidade que adquiriron nas últimas décadas e que leva graves consecuencias económicas (Butry et al., 2001). Cada ano prodúcense máis de 45.000 incendios no sur de Europa, que teñen como consecuencia a queima de preto de 0,5 millóns de hectáreas de bosques e outras terras rurais (Camia et al., 2009). Os períodos de seca ou o cambio climático non fan máis que acrecentar este fenómeno (Arno e AllisonBunnell, 2002), e aínda que o esforzo para previr incendios é importante (Martínez et al., 2009), é esencial contar con ferramentas que permitan unha toma de decisións eficiente cando o lume xa se produciu e debe ser contido (Mavsar et al., 2013, Martell, 2015). En Galicia (cunha superficie de 29.574 km2, o 69% da mesma está formada por bosques), o organismo público rexional responsable de combater incendios forestais conta con 30 avións en 2017, dos cales 25 son helicópteros. É importante unha boa planificación dos recursos de extinción que reduza os custos e danos causados polo incendio. A análise dos incendios desde a perspectiva da optimización dos custos asociados remóntase a Headley (1916) e Sparhawk (1925). O modelo teórico que persegue unha xestión de recursos baseada na minimización de custos, en sentido amplo, foi denominado C+ NVC (Cost Plus Net Value Change, Gorte e Gorte, 1979). Este modelo combina o obxectivo de minimizar o custo provocado polo uso de recursos (terrestres e/ou aéreos) co de reducir os custos xerados pola queima do terreo, a perda de materiais Santiago de Compostela 25 de outubro do 2018 45
ou as tarefas de rexeneración. Donovan e Rideout (2003a) propoñen unha reformulación do modelo inicial e Donovan e Rideout (2003b) propoñen un modelo de programación lineal determinista que minimiza a función C+ NVC e permite seleccionar os recursos para utilizar considerando o momento en que se pode conter o incendio cos recursos dispoñibles. 2. MARCO TEÓRICO E ENFOQUE METODOLÓXICO Propoñemos un modelo de programación lineal binario cuxa meta é seleccionar os recursos aéreos que se utilizarán, durante un día de traballo, para a extinción dun incendio forestal. Ao mesmo tempo, proporciona unha planificación temporal dos recursos que se axusta aos tempos máximos de voo e os tempos normativos de descanso. A función obxectivo do modelo, seguindo a metodoloxía C+ NVC, contempla minimizar o tempo de extinción de incendios e, en consecuencia, minimizar os danos causados polo lume e o tempo de utilización dos recursos. O modelo foi programado co software libre R (The R Project for Statistical Computing, 2017) e a súa resolución foi contrastada mediante o solver Gurobi (Gurobi Optimizer, 2017) por medio de distintos datos históricos. Finalmente, neste traballo móstrase unha interface construída coa ferramenta R que permite utilizar o algoritmo dunha maneira sinxela e xerar informes das actividades relacionadas coa planificación dos recursos. 3. FORMULACIÓN DO PROBLEMA A formulación matemática realizada modela a función obxectivo e as limitacións que se impoñen para identificar a asignación óptima no problema da selección de recursos para a contención dun incendio forestal. O modelo contempla unha serie de conxuntos: conxunto das posibles aeronaves, brigadas a seleccionar para combater o lume e o conxunto de períodos de tempo nos que se ten a información da evolución do lume. Tamén unha serie de parámetros: neste caso distinguiremos entre aqueles relativos as aeronaves, as brigadas, ao lume e os relativos á normativa. A función obxectivo plantexada minimiza a suma dos custos involucrados na extinción do incendio forestal. Ten en conta os seguintes sumandos: 1. o custo variable por utilizar os recursos seleccionados, 2. o custo fixo asociado á utilización de cada un deles e 3. o producido polas hectáreas de terreo queimado, que se inclúe para penalizar o incumprimento no número mínimo de aeronaves. O modelo está suxeito a unha serie de restricións: As relativas a contención do lume; relativas ao inicio e fin da actividade; sobre os períodos de descanso; sobre o tempo de voo das aeronaves; número de aeronaves e número de brigadas. Todos os detalles do modelo poden consultarse en Rodríguez-Veiga it et al., 2018. 4. INTERFACE Co fin de facilitar a execución do modelo creouse unha interface co software R mediante o uso da librería shinydashboard. 46
A interface permite unha sinxela interacción á hora de cargar a información das aeronaves así como da evolución do incendio e da normativa española de aviación. Ademais ofrece a opción de executar os modelos con distintos solvers (gurobi, lpSolve e Rsymphony, estes dous últimos de licenza libre). Unha vez realizada a execución, móstrase unha visualización dos resultados tanto gráfica (mediante gráficos interactivos) como en forma de táboas e permítese a creación de informes para gardar a información da instancia executada nun arquivo en formato html. Na Figura 1 móstrase o resultado de resolver unha instancia na que se dispón de 9 aeronaves e coñécese a evolución do incendio durante 25 períodos de tempo, sendo cada un deles de 10 minutos, co que temos a evolución do incendio nos 250 minutos posteriores. Tense en conta ademais, a normativa regulada pola Circular Operacional 16--B (1995). Como vemos, obtense que o incendio se conterá no período 21 (aos 210 minutos) cun custo de operación de 24.345,83€. A xanela scheduling móstranos para Figura 1: Resolución do modelo de asignación de recursos coa interface creada con Shiny. 47
cada aeronave seleccionada a súa planificación horaria que inclúe os tempos de traballo, de voo e de descanso. Observamos, en particular, que en ningún período de tempo o incendio queda desatendido. O tempo que durou a execución foi de 314 segundos. AGRADECEMENTOS Os investigadores agradecen o apoio financeiro recibido desde o Ministerio de Economía y Competitividad de España a través dos proxectos MTM2014-53395-C3-2-P e MTM2016-76969-P, e desde ITMATI, a través do proyecto Enjambre. Referencias [1] Arno, S. F. and Allison-Bunnell, S. (2002) Flames in our forest: disaster or renewal? Island Press, Washington, DC. [2] Butry, D. T., Mercer, D. E., Prestemon, J. P., Pye, J. M., and Holmes, T. P. (2001) What is the price of catastrophic wildfire? Journal of Forestry 99, 9-17. [3] Camia, A., San-Miguel-Ayanz, J., Oehler, F., Santos De Oliveira, S., Durrant Houston, T., Kucera, J., Boca, R., Whitmore, C., Giovando, C., Amatulli, G., Libertà, G., Schmuck, G., Schulte, E., and Bucki, M. (2009) Forest Fires in Europe 2008. EUR 23971 EN. Luxembourg (Luxembourg): OPOCE; 2009. JRC53463. [4] Donovan, G. and Rideout, D. (2003a) A reformulation of the Cost Plus Net Value Change (C + NVC) model of wildfire. Forest Science 49, 318-323. [5] Donovan, G. and Rideout, D. (2003b) An integer programming model to optimize resource allocation for wildfire containment. Forest Science 49, 331-335. [6] Gorte, J. K. and Gorte, R. W. (1979) Application of Economic Techniques to Fire Management-A status Review and Evaluation. USDA Forest Service General Technical Report INT-53. [7] Gurobi Optimizer (2017). Available online at: http://www.gurobi.com/. Last October 1, 2018. [8] Headley, R. (1916) Fire Suppression, District 5. United States Departament of Agriculture, Forest Service, Washington, 57 p. [9] Martell, D. L. (2015) A review of recent forest and wildland fire management decision support systems research. Current Forestry Reports 1, 128-137. [10] Martínez, J., Vega-García, G., and Chuvieco, E. (2009) Human-caused wildfire risk rating for prevention planning in Spain. Journal of Environmental Management 90, 12411252. [11] Mavsar, R., González-Cabán, A., and Varela, E. (2013) The state of development of fire management decision support systems in America and Europe. Forest Policy and Economics 29, 45-55. [12] Rodríguez Veiga, J., Ginzo-Villamayor, M.J., Casas-Méndez, B. V. (2018). An Integer Linear Programming Model to Select and Temporally Allocate Resources for Fighting Forest Fires Forests (section: Forest Ecology and Management). 9, 583. pp. 1-18; doi:10.3390/f901000583. MDPI. [13] Sparhawk, W. N. (1925) The use of liability ratings in planning forest fire protection. Journal of Agricultural Research 30, 693-792. [1] The R Project for Statistical Computing (2017). Available online at: https://www.r-project.org/. Last accessed October 1, 2018. 48
OBRADOIRO: INTRODUCIÓN AO SOFTWARE R Mª José Ginzo Villamayor1 1 Departamento de Estatística, Análise Matemática e Optimización. Universidade de Santiago de Compostela (USC) RESUMO Neste obradoiro mostrarase unha introducción a linguaxe de programación R (importar datos, obxectos en R, operacións básicas, vectores, matrices, data frame, as funcións outer e apply entre outras, ...), así como os diferentes tipos de representacións gráficas que se poden facer, principáis liñas de código ou comandos para facer unha sinxela análise estatística e presentación do paquete R Commander (rcmdr). Requirimentos, ter descargado no PC: •R e •Rstudio. Santiago de Compostela 25 de outubro do 2018 49