Investigación Reproducible

• La norma estándar para reforzar la evidencia científica es la replicación de conclusiones y la realización de estudios con independientes actores

  • Investigadores
  • Datos
  • Métodos analíticos
  • Laboratorios
  • Instrumentos

• La replicación es particularmente importante en estudios de gran impacto social y de generación de políticas publicas

• Algunos estudios no pueden ser replicados

  • Por tiempo
  • Dinero
  • Únicos

• Investigacion reproducible: Hacer que los datos analíticos y el código estén disponibles para que otros puedan reproducir los resultados

• Las nuevas tecnologías aumentan el rendimiento de la recopilación de datos; los datos son cada vez más complejos y de dimensiones extremadamente grandes.

• Las bases de datos existente se pueden fusionar para crear "mega bases de datos"

• El poder computacional ha aumentado considerablemente, permitiendo análisis mucho mas sofisticados

• Por cada campo "\(X\)", existe un campo "\(X\) Computacional"

• Análisis de datos este disponible
• Código analítico este disponible
• Documentación de código y datos
• Medios de distribución estándar

• Autores

  • Quieren que sus investigaciones sean reproducibles
  • Quieren herramientas para la "IR", hacer su trabajo más fácil

• Lectores

  • Quieren reproducir resultados interesantes
  • Quieren herramientas para "IR", hacer su trabajo fácil

• Los autores deben hacer esfuerzos considerables para poner datos y/o resultados en la web

• Los lectores deben descargar esa información de la web individualmente y ponerlos juntos

• Los lectores quizá no tengan los mismos recursos que los autores

• Solo unas pocas herramientas ayudan a estas tareas para autores y lectores

• Autores

  • Solo suben material a la web
  • Existen algunas bases de datos para varios campos

• Lectores

  • Solo descargan datos y tratan de deducir
  • Juntan piezas de códigos y corren para ver que sucede

• Un articulo es un flujo de texto y código
• El análisis del código es dividido entre texto y "chunks" de códigos
• Cada "chunks" carga datos y calcula resultados
• Los resultados tiene distintos formatos de presentación (Tablas, figuras, etc.)
• El texto del articulo explica que esta sucediendo
• Los Literate programs pueden ser concebidos para producir documentos legibles para humanos y embebidos para ser computacionalmente legibles.

• Literate statistical programing es en general un concepto que requiere
  • Un lenguaje de documentación (legible para humanos)
  • Un lenguaje de programación (legible para maquinas)
• Sweave utiliza \(\LaTeX\) y \(R\) como lenguajes de documentación y programación
• Sweave fue desarrollado por Friedrich Leisch (miembro del R core)

• Sweave tiene muchas limitaciones
• Se centra principalmente en el uso de \(\LaTeX\)
• Le faltan ciertas características como capturas, gráficos múltiples por "chunks", mezcla de lenguajes de programación y muchos otros items técnicos
• No es actualizado con frecuencia

• knitr es un paquete escrito en \(R\) surge como una alternativa
• Reúne muchas características para abordar las limitaciones de Sweave
• knitr usa principalmente \(R\) como lenguaje de programación y una variedad de lenguajes de documentación
  • HTML, Markdown, \(\LaTeX\)
• knitr fue desarrollado por Yihui Xie (Estudiante de posgrado en Iowa State)

require(rCharts)
haireye = as.data.frame(HairEyeColor)
n1 <- nPlot(Freq ~ Hair, group = 'Eye', type = 'multiBarChart', 
            data = subset(haireye, Sex == 'Male')) ; n1$print('chart1')

\[ \begin{equation} f(x) = \frac{1}{\sqrt{2\pi\sigma^2}}e^{-(x-\mu)^2/2\sigma^2} \end{equation} \]

## Loading required package: ggplot2