Revista recomendada: redes para la ciencia

Últimamente parece que me persiguen los Fractales. Es una especie de atracción que no sé de dónde me está viniendo, seguro que significa algo pero aún no sé el qué.

El caso es que, después de leer el primer libro de la colección El Mundo es Matemático (a la que me suscribí inmediatamente), me llamó la atención el capítulo de los fractales, de los que no había oído hablar siquiera.

Ahora estoy leyendo la obra "germen" de este campo, Los objetos Fractales, de Benoît Mandelbrot, que tenía en casa en una edición de Círculo de Lectores y todavía no me había leído. Otro día recomendaré este libro, cuando lo acabe de leer.

El caso es que compré la revista que os recomiendo, buscando el artículo "Fractales, ¡QUÉ ARTE!". El artículo en sí no es gran cosa una vez que los has estudiado un poco, pero es muy ameno para quien no los conozca. Sin embargo la revista en conjunto me ha gustado tanto, que he osado recomendarla en este foro, porque trata temas muy variados, con entrevistas muy interesantes, reportajes, relatos de ficción, ...

En fin, os aconsejo humildemente que la leáis, a mí me ha gustado. De paso he conocido la web de Punset, que es un genio más por cómo explica las cosas que por lo que sabe.

La revista se puede hojear en la siguiente dirección:
http://www.youkioske.com/ciencia/redes-para-la-ciencia-mayo-2010/

Control de Calidad con R: Muestreos de Aceptación

Para el diseño y verificación de muestreos de aceptación, disponemos en R del paquete AcceptanceSampling.

Paquete AcceptanceSampling

Disponible para instalar de los repositorios

Documentación

Artículo en Journal of Statistical Software

Uso del paquete AcceptanceSampling

Muestreo simple

Primero tenemos que cargar la librería, en el intérprete de comandos, o alguna de las interfaces gráficas (RCommander o RKWard):

> library(AcceptanceSampling)


Crear un plan de muestreo (ejemplo: n=300, c=5, distribución binomial):

> x <- OC2c(300, 5, type="b")

Mostrar el plan de muestreo:

> x

Mostrar el plan de muestreo detallado (muchos puntos OC):

> summary(x, full=TRUE)

Mostrar gráfico de la curva OC:

> plot(x, xlim = c(0, 0.3))

Encontrar un plan, dada OC (alfa=0.05, p1=0.05, beta=0.15, p2=0.10, distribución binomial):

> find.plan(PRP = c(0.05, 0.95), CRP = c(0.15, 0.10), type = "binom")


Muestreo doble y múltiple

Se procede igual que para el muestreo simple, pero indicando los valores de n, c y r como vectores:

> x <- OC2c(n=c(50, 100), c=c(0, 1), r=(2, 2))


Otros recursos

En la siguiente página se pueden calcular automáticamente muestreos de aceptación utilizando las normas MIL-STD y otras:

www.sqconline.com/


Gracias por el aporte María.

Redes Neuronales con R

Introducción


Para empezar, existen distintos modelos de redes neuronales, siendo uno de los más  utilizados el del "Perceptron".

Esta red se basa en una "caja negra", donde lo importante es la predicción, y no cómo se hace.

El proceso incluye una fase de entrenamiento (training) para la optimización de las predicciones.

Los elementos de la red son:

• Las neuronas o nodos
• Las capas
• De entrada
• De salida
• Oculta (puede tener a su vez varias capas)
• Los pesos
• La función de combinación
• La función de activación
• El objetivo (target)

Una descripción "grosso modo" podría ser: Los nodos (neuronas) de la capa de entrada, se combinan con los nodos de la capa oculta mediante la función de combinación, que suele ser una combinación lineal de los nodos de entrada mediante los pesos. A las neuronas de las capas ocultas, se aplica una función de activación, que suele ser la tangente hiperbólica de la anterior combinación más un parámetro por nodo oculto, con la que estimamos las neuronas de la capa de salida, y sus errores.

Recursos:




En Wikipedia: RNA, Perceptrón.

En este documento de la Universidad Carlos III de Madrid hay una introducción bastante bien explicada, con ejemplos en R:
Introducción a las redes neuronales aplicadas uc3m)

Paquete nnet
Se puede instalar desde los repositorios
Documentación

Paquete RWeka
Se puede instalar desde los repositorios
Documentación

Paquete neural
Documentación

neural no está en los repositorios, para instalar:

1. Descargar de http://cran.r-project.org/src/contrib/Archive/neural/
2. Instalar desde ubicación local

Paquete AMORE
Se puede instalar desde los repositorios. Es un paquete desarrollado en la Universidad de León, con abundante documentación.
Documentación
Wiki


Ejemplo
Próximamente

Paquete estadístico "R": Uso de Rcommander

Notas
">"   : Ejecutar desde el intérprete de comandos de R
"~$": Ejecutar en la consola de Linux


Para instalar: 
~$ sudo R
> install.packages("Rcmdr", dependencies=TRUE)

Para iniciar desde la consola: 
~$ R
> library(Rcmdr)

Para iniciar desde la consola cuando ya hemos cerrado Rcmdr:
> Commander()

En Windows
Se puede arrancar también desde la consola de R, pero para evitar errores tenemos que abrir R en modo SDI. Si no elegimos esta opción al instalar R, podemos forzar este tipo de ejecución, añadiendo al comando del acceso directo que abre la aplicación la opción --r (Propiedades del acceso directo, caja de texto "Destino", quedaría algo así: "C:\Program Files\R\R-2.11.0\bin\Rgui.exe" --sdi

La Estadística, "sexy job" para los próximos 10 años, según Google

Esta es una de las afirmaciones que se hacen en un artículo del New York Times, nada menos que por el economista jefe de Google:

"I keep saying that the sexy job in the next 10 years will be statisticians,” said Hal Varian, chief economist at Google. “And I’m not kidding".

Según otro economista, del MIT, el reto es la capacidad de los humanos para usar, analizar, y dar sentido a los datos, en un mundo en que todo puede ser medido y monitorizado.

Los Datos son simplemente el material en bruto del conocimiento.

La propia IBM ha creado un grupo de análisis y optimización, contratanto a más de 200 analistas (matemáticos, estadísticos, ...) y tienen previsto contar con más de 4.000 en toda la compañía.

Pues nada, a ver si es verdad.

Enlaces:
http://www.nytimes.com/2009/08/06/technology/06stats.html?_r=2

http://www.newser.com/story/66223/todays-sexy-job-statistician.html

http://www.conversion-rate-experts.com/the-datarati/


NOTA: el artículo del NYT es de agosto del 2009, pero como los americanos nos llevan varios años de adelanto en estos temas, tiene absoluta vigencia.