Resumen:

En la actualidad las ciudades producen millones de datos por segundo y hoy tenemos la oportunidad de aprovecharlos para mejorar la calidad de vida de los ciudadanos. En este contexto es necesario conocer y trabajar con herramientas analíticas que permitan manipular y extraer conocimiento de estos grandes volúmenes de datos para tomar mejores decisiones a la hora de diagnosticar, comprender e intervenir el territorio urbano.

A lo largo de la exposición se presentarán algunos ejemplos del uso de R en el análisis de diversas variables territoriales (población, actividad económica, movilidad, etc), y su potencialidad para la analítica urbana.

Resumen:

La falta de un proceso adecuado de gestión de incidentes tiene un efecto negativo en las organizaciones para proporcionar una acción eficiente para resolver el incidente de seguridad. El proceso de gestión de incidentes ha sido propuesto por organizaciones internacionales, pero todavía hay organizaciones que no pueden manejar adecuadamente un ataque informático. El éxito de una respuesta a incidentes requiere no sólo de soluciones tecnológicas, también necesita de personal capaz de ejecutar correctamente las tareas definidas en el proceso en el menor tiempo posible. Algunas de las limitaciones que pueden afectar a este objetivo son: Personal limitado, grandes cantidades de información, tareas administrativas que reducen el tiempo de análisis post-incidente, falta de flexibilidad y escalabilidad de las soluciones de seguridad actuales frente a los entornos dinámicos que se generan con la aparición de la nube, el IOT, las redes 5G. Según el NIST, las nuevas tecnologías ofrecen la oportunidad de procesar datos de seguridad relevantes en formatos estructurados y no estructurados, permitiendo el análisis del conocimiento de la situación en infraestructuras conformadas por redes grandes y complejas. En esta charla se analizará el impacto de las ciencias cognitivas para fortalecer las habilidades de los analistas de seguridad y de las herramientas tecnológicas en los procesos de detección de amenazas de seguridad.

Resumen:

El análisis de patrones de puntos espaciales generalmente se refiere a la identificación de características en una ventana de observación donde también hay ruido.
Esta identificación tradicionalmente comienza con el estudio de las propiedades de segundo orden del patrón de puntos, y puede realizarse localmente mediante el uso de características locales de segundo orden (LISA).
Algunas propiedades de esta estructura local resuelven el problema de la clasificación en elementos y puntos de confusión. Se presenta un estimador para funciones LISA de correlación de pares locales, analiza algunas de sus propiedades y considera una distancia particular para medir las disimilitudes.

Resumen:

Proponemos un enfoque de espacio de estado para modelos GARCH con parámetros variables en el tiempo capaces de lidiar con la no estacionariedad que generalmente se observa en una amplia variedad de series de tiempo.
Se permite que los parámetros del modelo no estacionario varíen suavemente a lo largo del tiempo a través de funciones deterministas no negativas.
Proporcionamos intervalos de predicción para modelos GARCH variables en el tiempo y, además, proponemos una metodología simple para manejar los valores perdidos.
La metodología propuesta se aplica a la Bolsa de Valores de Chile (IPSA) y al índice American Standard & Poor's 500 (S & P500).

Resumen:

Las técnicas estadísticas convencionales suponen que, al estudiar un fenómeno, éste se desarrolla bajo circunstancias idénticas y que las observaciones registradas son independientes. Pero es bien sabido que muchos fenómenos, ya sean sociales o económicos varían en el tiempo o el espacio, por tanto, estas técnicas no se deben usar a la hora de analizar este tipo de estudios, ya que pueden conducirnos a estimaciones sesgadas y por ende a toma de decisiones erróneas.

En los últimos años y gracias a los avances tecnológicos han surgido nuevas metodologías estadísticas donde involucran la dimensión espacial, permitiendo el adecuado tratamiento de datos geográficos, entendidos como aquéllos que, además del valor de la variable observada, también se registra la ubicación donde este ocurre.

Esta charla, tiene como objeto exponer los resultados de trabajos donde se han aplicado algunas herramientas estadísticas espaciales en la solución de problemas sociales. A saber, el uso de modelos de heterogeneidad espacial (Gollini et al., 2015), tales como el Análisis de Componentes Principales Geográficamente Ponderado usado para conocer y analizar las variables que definen las estructuras sociales, Regresión Poisson Geográficamente Ponderada usada para modelar la relación entre el número de feminicidios y factores asociados a este fenómeno, y el Análisis de Componentes Principales no Lineal basado en un Kernel usado para construir un indicador de desigualdad social.

Resumen:

Debido al aporte que realiza la Estadística en el ámbito del análisis de datos y en especial, en el enfoque de la investigación cuantitativa, su estudio se ha considerado fundamental en la formación académica de la mayoría de las carreras universitarias. Sin embargo, diversos estudios han puesto de manifiesto, los distintas limitaciones y complicaciones que enfrentan los estudiantes al momento de recurrir y aplicar los conceptos y técnicas estadística en la práctica profesional e investigativa. En esta conferencia se analizarán estás brechas y se propondrán varías alternativas fundamentadas en la evidencia, para promover la cultura estadística en la formación de educación superior.

Resumen:

El análisis de datos funcionales (FDA en sus siglas anglosajonas) se ocupa de la modelización estadística de variables aleatorias que toman valores en un espacio de funciones (variables funcionales) como las curvas de temperatura diaria en una estación meteorológica.

Resumen:

Esta ponencia proporciona una visión general del panorama del software estadístico R y su vibrante comunidad, con especial atención a las sinergias entre la propia comunidad y entre la comunidad y la industria, en un sentido amplio. Son muchos los ejemplos de lo que se ha venido en llamar R in production en el mundo anglosajón, tanto en pequeños proyectos como en grandes empresas. En esta ponencia se mostrarán, además, algunos de estos proyectos del “mundo real” desarrollados por el propio autor, así como otras iniciativas en el campo del software estadístico de interés para la comunidad.

Resumen:

La ciencia criminal se ocupa del análisis de datos sobre delitos desde muchas perspectivas. Este tipo de datos plantea una gran variedad de problemas relacionados con la ciencia de datos y el análisis de big data.

En términos generales, los datos sobre delitos proporcionan patrones heterogéneos en el espacio y el tiempo, y comprender la dinámica temporal y espacial subyacente en la propagación del delito puede resultar en políticas de seguridad pública informadas y oportunas. 

Primero consideramos modelos estadísticos para detectar generadores de delincuencia en las ciudades junto con focos potenciales que atraen o inhiben delitos en una región espacio-temporal. A continuación, proponemos algunos métodos y datos de red para reducir la dimensionalidad de los datos espacio-temporales.