Logo Tribuna Complutense

    Portada » Estudios » Grado y Doble Grado » Ciencia de los Datos Aplicada

Ciencia de los Datos Aplicada

Grado y Doble Grado. Curso 2025/2026.

ANÁLISIS DE DATOS ESPACIALES - 806325

Curso Académico 2025-26

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
CG1 - Comunicar y transmitir la información a un público tanto especializado como no especializado.
CG2 - Adquirir la habilidad para expresarse claramente y de presentar los resultados de sus análisis, oralmente o por escrito, mediante un informe de carácter profesional.
CG5 - Desarrollar la capacidad de trabajar de forma autónoma.
CG6 - Realizar lecturas críticas de informes y publicaciones científicas.
CG9 - Sintetizar las ideas principales de un texto o discurso.
CG10 - Desarrollar la capacidad de expresar y aplicar rigurosamente los conocimientos adquiridos en la resolución de problemas.
Específicas
CE2 - Identificar y seleccionar las principales fuentes de información e indicadores en diferentes ámbitos de aplicación como los sociales, económicos, bibliométricos, sanitarios, financieros, geográficos, etc. , incluyendo los aspectos de protección de datos.
CE4 - Identificar la utilidad y el potencial de las técnicas estadísticas y de análisis de datos adquiridas en las distintas áreas de aplicación (como la documental, geográfica, actuarial, económica, financiera, biosanitaria, etc.) y utilizarlas adecuadamente para descubrir patrones de comportamiento en datos de cualquier volumen y tipología y extraer conclusiones relevantes.
CE7 - Utilizar las herramientas de software necesarias para almacenar, procesar y visualizar datos de cualquier volumen sobre distintos ámbitos, tales como datos textuales, datos espaciales, relaciones espacio temporales, etc.
CE9 - Aplicar técnicas de análisis de datos para elaborar previsiones y escenarios y establecer relaciones entre variables de diferente tipo, como datos espaciales, textuales, imágenes, sonido, etc.
CE12 - Identificar y aplicar las técnicas adecuadas de exploración, gestión, procesamiento, explotación y visualización de datos en función de su volumen y complejidad.
CE15 - Aplicar las técnicas y herramientas de la Ciencia de los Datos a la predicción y la cuantificación de la relación entre variables de diferentes ámbitos de aplicación, como los económicos, sociales, financieros, actuariales, biosanitarios, documentales, de geolocalización, de gestión y relación con el cliente o de salud.

ACTIVIDADES DOCENTES

Clases teóricas
50%
Clases prácticas
50%

Presenciales

2,4

No presenciales

3,6

Semestre

6

Breve descriptor:

- Introducción los Sistemas de Información Geográfica


- Análisis exploratorio de datos Espaciales (o georeferenciados)


- Análisis de patrones de puntos espaciales


- Modelización de Patrones de Dependencia Espacial


Objetivos

Proporcionar al alumnado las herramientas fundamentales para desarrollar análisis y estudios empíricos con datos espaciales, desde le análisis exploratorio de datos georeferenciados, el estudios de patrones de eventos en procesos de puntos espaciales, estudios de interpolación geoestadística, y la modelización predictiva con datos espaciales

El curso se ha planteado desde un punto de vista eminentemente práctico. Los datos espaciales son datos que incluyen un índice o referencia de localización. Para poder entender cómo utilizar esta localización hablaremos primero de forma muy resumida de los diferentes Sistemas de Información Geográfica (GIS), sistemas que son necesarios para hacer una representación de los datos espaciales geo-referenciados, y se presentarán algunas herramientas para la elaboración de mapas y el análisis de la distribución geográfica de datos espaciales.

Tras la introducción a los GIS se precederá a presentar los principales instrumentos para el análisis de los patrones de dependencia espacial. Así se analizarán:

-      las distribución de eventos puntuales en el espacio y centrografía

-      los modelos de interpolación geostadística, y

-      los modelos de regresión espacial (autocorrelación espacial).

Se presentarán herramientas como las funciones de densidad espacial y los procesos de puntos, el Semivariograma, los modelos de interpolación de Kriging o krigueado, la autocorrelación o dependencia espacial, la Matriz de Vecindades y la construcción de Variables con Retardo Espacial que constituyen los elementos fundamentales para la modelización predictiva con datos espaciales. 


Contenido

1)  Introducción a los Sistemas de Información Geográfica (GIS) y a la Ciencia de Datos Espaciales

  1. Introducción a los Datos Espaciales
  2. GIS y sistemas de referencia de coordenadas espaciales
  3. Proyecciones y cartografías
  4. Los de objetos espaciales (geoespaciales)
  5. La Ley de Tobler o “Primera Ley de la Geografía”
  6. Tipos de objetos espaciales Vectoriales y Raster
  7. ¿dónde encontrar cartografías
  8. Práctica trabajar con cartografías con QGIS o ARGIS vs Python y R
  9. Práctica: uso de las Apis de OpenStreetMaps para la geocodificación y el cálculo de rutas óptimas


2)  Análisis exploratorio espacial (I): representación de datos georeferenciados

  1. Mapas, capas, escalas, proyecciones y sistemas de coordenadas
  2. Representación de mapas de coropletas (Choropleth maps) y paletas de color
  3. Mapas condicionales
  4. Cartogramas
  5. Práctica: uso de OpenStreetMaps y de Leaflet y otras cartografías de Base


3)  Patrones de eventos puntuales ("Point Pattern Analysis")

  1. Distribución de eventos puntuales en el espacio
  2. Distribuciones puramente aleatorias vs patrones de dependencia espacial
  3. Visualización de Patrones de Puntos
  4. Propiedades de primer orden: Intensidad y centrografía
  5. Propiedades de segundo orden: patrones de concentración espacial, cuadrantes, medidas de Ripley, test de completa aleatoriedad y Clusters espaciales
  6. Modelización de procesos de Puntos
  7. Práctica análisis de los delitos en la ciudad de Valencia con `spatstat`



4)  Geoestadística: interpolación espacial

  1. Dependencia espacial de atributos en el dominio continuo
  2. Muestreo y variabilidad espacial (variografía)
  3. El Semivariograma empírico y teórico
  4. Interpolación determinista: Ponderación por distancia inversa
  5. Métodos óptimos de interpolación: Krigeado ordinario, universal
  6. Prácticas con `gstat`: mapas raster de la temperatura en España


5)  Análisis exploratorio espacial (II): Midiendo la Autocorrelación Espacial

  1. Dependencia espacial de atributos en el dominio discreto
  2. Heterogeneidad Espacial vs Dependencia Espacial
  3. Matriz de Vecindad: contigüidad y distancias
  4. El operador Retardo Espacial y La autocorrelación Espacial: gráficos de Moran
  5. Medidas globales de autocorrelación I de Moran y C de Geary
  6. Medidas locales de autocorrelación espacial
  7. Agrupación espacial y mapas LISA (Local Indicator of Spatial Association)


6)  Modelos de regresión espacial: Especificación y diagnosis

  1. Econometría Espacial: Dependencia Espacial en modelos
  2. Modelo de Retardo Espacial
  3. Modelo de Error Espacial
  4. Modelo de Durbin
  5. Otras especificaciones
  6. Diagnosis de los Errores
  7. Efectos directos y efectos indirectos

Evaluación

Los alumnos tienen la posibilidad de superar la asignatura por evaluación continua que será el 100% de la nota final. En la evaluación continua se tendrá en cuenta la realización de prácticas con datos reales, pruebas prácticas de ejercicios y otro tipo de tareas y actividades complementarias. La evaluación continua será calificada atendiendo a ejercicios y trabajos relacionados con los contenidos propuestos por el profesor, así como la participación del estudiante en las clases y en las actividades formativas propuestas por el profesor.

La nota final tendrá en cuenta tanto la evaluación continua como la prueba final. Se calculará como el máximo entre:
a) La calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 35%.

En todo caso, el alumno tiene la opción de superar la asignatura por evaluación continua. Cualquier alumno tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.

Bibliografía

• Anselin, L. (1988). Spatial Econometrics: Methods and Models. Kluwer Academic Press.
• Anselin y Rey (2014): Modern Spatial Econometrics in Practice, GEODA Press
• Baddeley, Adrian ; Rubak, Ege; and Turner, Rolf (2015): Spatial Point PatternsMethodology and Applications with R, Chapman & Hall. ISBN 9781482210200 (https://spatstat.org/)
• Bivand, R.S., E. Pebesma & V. Gómez-Rubio (2013). Applied Spatial Data Analysis with R, 2nd Edition. Springer.
• Bonny P. McClain (2022). Python for Geospatial Data Analysis: Theory, Tools and Practice for Location Intelligence. Ed O’Reilly
• Dubé, J. y Legros, D. (2014): Spatial Econometrics Using Microdata. Editorial Iste Ltd and John Wiley & Sons.
• Elhorst, J.P. (2010). Applied Spatial Econometrics: Raising the Bar, Spatial Economic Analysis, 5(1), 9-28.
• Elhorst, J.P. (2014). Spatial Econometrics: From Cross-Sectional Data to spatial Panels. Springer
• Fernández-Avilés, G y Montero JM (2024): Fundamentos de Ciencia de datos con R. McGrawHill. https://cdr-book.github.io/
• Gimond M (2023): Intro to GIS and Spatial Analysis https://mgimond.github.io/Spatial/index.html
• James, G., Witten, D., Hastie, T., Tibshirani, R., & Taylor, J. (2023). An introduction to statistical learning: With applications in python. Springer. https://www.statlearning.com/
• LeSage, J., & Pace, R. K. (2010). Introduction to Spatial Econometrics. CRC Press.
• Mas, Jean-François (2013). Análisis Espacial con R. Usa R como un sistema de Información Geográfica. European Scientific Institute
• Sergio J. Rey; Dani Arribas-Bel; y Levi J. Wolf (2020): Geographic Data Science with Python. https://geographicdata.science/book/intro.html
• Wackernagel, Hans (2003): Multivariate Geostatistics. An Introduction with Aplications. Third Edition, Springer

Estructura

MódulosMaterias
No existen datos de módulos o materias para esta asignatura.

Grupos

Clases Teóricas y/o Prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo Único22/01/2026 - 13/05/2026MARTES 11:00 - 13:00-LORENZO ESCOT MANGAS


Actividades Prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo Único22/01/2026 - 13/05/2026JUEVES 13:00 - 15:00-LORENZO ESCOT MANGAS