Estadística con Rstudio para la gestión de riesgos de desastres
Palabras clave:
Estadística aplicada; RStudio; Gestión de riesgos de desastres; Análisis de datos; Investigación reproducible.Sinopsis
Estadística con RStudio para la Gestión de Riesgos de Desastres constituye una guía práctica, técnica y metodológica orientada a fortalecer las competencias analíticas de estudiantes, investigadores, profesionales y tomadores de decisiones vinculados con la gestión del riesgo de desastres. La obra integra los fundamentos de la estadística aplicada con el uso del software R y RStudio, proporcionando un enfoque reproducible que permite transformar datos en evidencia científica para apoyar la planificación, prevención, mitigación, respuesta y recuperación frente a eventos adversos.
A lo largo de sus capítulos, el libro desarrolla de manera progresiva el diseño de investigaciones cuantitativas, la organización y procesamiento de bases de datos, el análisis descriptivo e inferencial, la validación de supuestos estadísticos, el modelamiento espacial y temporal, la construcción de indicadores de riesgo y la elaboración de reportes reproducibles mediante herramientas como R Markdown, Quarto y Shiny. Cada tema combina fundamentos conceptuales con ejemplos aplicados, código comentado y casos relacionados con escenarios reales de gestión de riesgos de desastres, facilitando la comprensión y aplicación inmediata de los procedimientos estadísticos.
Asimismo, la obra promueve el uso de metodologías abiertas y reproducibles, incorporando buenas prácticas para la comunicación de resultados, la visualización de datos, la interpretación adecuada de la evidencia estadística y la toma de decisiones bajo incertidumbre. Su contenido responde a las necesidades actuales de instituciones públicas, organismos de respuesta, academia y organizaciones humanitarias, ofreciendo una herramienta integral para desarrollar investigaciones rigurosas y análisis basados en datos que contribuyan al fortalecimiento de la resiliencia territorial y la reducción del riesgo de desastres.
Descargas
Los datos de descarga aún no están disponibles.
Referencias
Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716–723. https://doi.org/10.1109/TAC.1974.1100705
Bivand, R., Pebesma, E., & Gomez-Rubio, V. (2013). Applied spatial data analysis with R (2nd ed.). Springer. https://doi.org/10.1007/978-1-4614-7618-4
Box, G. E. P., & Cox, D. R. (1964). An analysis of transformations. Journal of the Royal Statistical Society: Series B (Methodological), 26(2), 211–252.
Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: Forecasting and control (5th ed.). Wiley.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
CRED/UNDRR. (2023). 2022 disasters in numbers. Centre for Research on the Epidemiology of Disasters. https://www.cred.be/publications
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE Publications.
Galindo-Domínguez, H. (2020). Estadística para no estadísticos: Una guía básica sobre la metodología cuantitativa de trabajos académicos. Editorial Área de Innovación y Desarrollo.
Grolemund, G., & Wickham, H. (2017). R for data science. O'Reilly Media. https://r4ds.had.co.nz
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied logistic regression (3rd ed.). Wiley. https://doi.org/10.1002/9781118548387
Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and practice (3rd ed.). OTexts. https://otexts.com/fpp3
IPCC. (2022). Climate change 2022: Impacts, adaptation and vulnerability. Contribution of Working Group II to the Sixth Assessment Report. Cambridge University Press. https://doi.org/10.1017/9781009325844
Kaiser, H. F. (1958). The varimax criterion for analytic rotation in factor analysis. Psychometrika, 23(3), 187–200.
Kendall, M. G. (1975). Rank correlation methods (4th ed.). Charles Griffin.
Lovelace, R., Nowosad, J., & Muenchow, J. (2019). Geocomputation with R. CRC Press. https://geocompr.robinlovelace.net
MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 1, 281–297.
Mann, H. B. (1945). Nonparametric tests against trend. Econometrica, 13(3), 245–259. https://doi.org/10.2307/1907187
McDonald, R. P. (1999). Test theory: A unified treatment. Lawrence Erlbaum Associates.
OCHA. (2020). Humanitarian data exchange: Standards and methodology. United Nations Office for the Coordination of Humanitarian Affairs. https://data.humdata.org
Pearson, E. S. (2018). Simple features for R: Standardized support for spatial vector data. The R Journal, 10(1), 439–446. https://doi.org/10.32614/RJ-2018-009
R Core Team. (2024). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.R-project.org/
Revelle, W. (2024). psych: Procedures for psychological, psychometric, and personality research. Northwestern University. https://CRAN.R-project.org/package=psych
Saaty, T. L. (1980). The analytic hierarchy process. McGraw-Hill.
Sen, P. K. (1968). Estimates of the regression coefficient based on Kendall's tau. Journal of the American Statistical Association, 63(324), 1379–1389.
Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3–4), 591–611.
Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.
UNDRR. (2015). Marco de Sendai para la reducción del riesgo de desastres 2015–2030. Naciones Unidas. https://www.undrr.org/publication/sendai-framework-disaster-risk-reduction-2015-2030
UNDRR. (2022). Global assessment report on disaster risk reduction 2022: Our world at risk: Transforming governance for a resilient future. United Nations. https://www.undrr.org/gar2022
UNDRR. (2023). Terminology on disaster risk reduction. https://www.undrr.org/terminology
van Buuren, S. (2018). Flexible imputation of missing data (2nd ed.). CRC Press. https://flexibleimputation.org
Ward, J. H. (1963). Hierarchical grouping to optimize an objective function. Journal of the American Statistical Association, 58(301), 236–244.
Wickham, H. (2016). ggplot2: Elegant graphics for data analysis (2nd ed.). Springer. https://ggplot2-book.org
Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for data science (2nd ed.). O'Reilly. https://r4ds.hadley.nz
Wilks, D. S. (2019). Statistical methods in the atmospheric sciences (4th ed.). Elsevier.
WorldRiskReport. (2023). WorldRiskIndex 2023. Bündnis Entwicklung Hilft & Ruhr University Bochum. https://weltrisikobericht.de/english
Xie, Y., Allaire, J. J., & Grolemund, G. (2018). R Markdown: The definitive guide. CRC Press. https://bookdown.org/yihui/rmarkdown/
Yeo, I. K., & Johnson, R. A. (2000). A new family of power transformations to improve normality or symmetry. Biometrika, 87(4), 954–959.
Zhu, H. (2024). kableExtra: Construct complex table with 'kable' and pipe syntax. https://CRAN.R-project.org/package=kableExtra
Descargas
Publicado
julio 8, 2026
Derechos de autor 2026 CIDPROS S.A.S.
Detalles sobre esta monografía
ISBN-13 (15)
978-9907-9562-4-5
Dimensiones físicas
Cómo citar
Montenegro Bosquez, G. L., Mora Dalgo, P. A., Dueñas Durán, J. F., Vallejo Ilijama, M. T., & Gavilanez Riofrio, B. R. (2026). Estadística con Rstudio para la gestión de riesgos de desastres. CIDPROS EDITORIAL. https://doi.org/10.67166/errhk930
