Analisis Datos Replicable

V Jornadas de Usuarios de R

Análisis de datos reproducible con R:
métodos, herramientas y tendencias
Felipe Ortega.
Dpto. Estadística e Investigación Operativa.
Universidad Rey Juan Carlos
e­mail: felipe.ortega@urjc.es   Twitter: @jfelipe

13-12-2013

Etopía-Centro de Arte y Tecnología
Zaragoza

© 2013 Felipe Ortega.
Algunos derechos reservados.
Este documento se distribuye bajo una licenciaCreative
Commons Reconocimiento-CompartirIgual 3.0, disponible en
http://creativecommons.org/licenses/by-sa/3.0/es/

13-12-2013

Etopía-Centro de Arte y Tecnología
Zaragoza

Julio de 1996...

13-12-2013

Etopía-Centro de Arte y Tecnología
Zaragoza

Posible consecuencia...

13-12-2013

Etopía-Centro de Arte y Tecnología
Zaragoza

Pero también...

13-12-2013

Etopía-Centro de Arte y TecnologíaZaragoza

Replicando la clonación
●

Artículo original en Nature:
–

●

Viable offspring derived from fetal and adult mammalian cell [PDF]
Nature 1997 Feb. 27; 385(6619) Wilmut I, Schnieke AE, McWhir J,
Kind AJ, Campbell KH Roslin Institute (Edinburgh), Roslin, Midlothian,
UK.

Sucesivos experimentos de clonación.
–

Octubre 1997: ratones.

–

Abril 1999: cabras.

–

Agosto 2000: cerditos.

–Febrero 2002: gatitos...

–

Clonación de animales extintos...

13-12-2013

Etopía-Centro de Arte y Tecnología
Zaragoza

...¿Y el análisis de datos?
●

Elementos necesarios:
–

Conjuntos de datos utilizados.

–

Infraestructura (recursos computacionales).

–

Software:

–

●

Código para llevar a cabo el análisis.

●

Dependencias (otros programas, bibliotecas).

●

Configuración original.Metodología.
●

13-12-2013

Explicación detallada del proceso (limpieza y preparación de
datos, análisis, resultados, conclusiones).
Etopía-Centro de Arte y Tecnología
Zaragoza

El análisis de datos
Recursos computación
Software, dependencias y configuración
Datos

Datos

Preparación
de
datos

Modelo

Datos

13-12-2013

Etopía-Centro de Arte y Tecnología
Zaragoza

Visualización
y
Publicación
resultadosReplicación en análisis de datos
●

●

A veces no es posible la replicación completa [1]:
–

No se puede recopilar de nuevo un conjunto de datos
equivalente.

–

Demasiados datos para ser almacenados.

–

Falta de recursos (computacionales, humanos...).

–

Costes medioambientales, sociales, económicos o de otra
índole no asumbiles.

Soluciones alternativas.
–

13-12-2013

Diferentes grados dereproducibilidad.

Etopía-Centro de Arte y Tecnología
Zaragoza

Espectro de reproducibiliad
Elementos adicionales

Sólo publicación

Código

No
Reproducible

13-12-2013

Código
y datos

Replicación total

Entorno de
ejecución
y datos
enlazados
Gold
standard

Grados de replicación

Etopía-Centro de Arte y Tecnología
Zaragoza

En la práctica...
●

Resultados de investigación no reproducibles.
–Oncología [2]: Dpto. Biotecnología de la firma Amgen (Thousand
Oaks) sólo confirmó 6 de un total de 53 artículos emblemáticos.
Bayer HealthCare (Alemania) pudo validar un 25% de estudios.

–

Psicología [3]: De un total de 249 artículos de la APA, el 73% de
los autores no respondieron sobre sus datos en 6 meses.

–

Economía, finanzas [4]: Diferentes paquetes software producen
resultados muy distintos contécnicas estadísticas directas
aplicadas sobre datos idénticos a los originales.

–

Ing. Software [5]: 171 artículos analizados, la mayoría sin
software fuentes de datos u otros elementos que permitan
replicación.

13-12-2013

Etopía-Centro de Arte y Tecnología
Zaragoza

A favor de la reproducibiliad
●

Diversos argumentos [6]:
–

Favorecer el desarrollo científico.
●
●

–

Estándar para juzgarresultados.
Evitar duplicación de esfuerzo, y fomentar desarrollo acumulativo de
conocimiento.

En nuestro propio beneficio.
●

Mejores hábitos de trabajo.

●

Introducción de cambios más sencilla, trabajo en equipo.

●

Mayor impacto publicaciones (aunque hay contradicciones).

–

Beneficios para editores.

–

Ventajas para empresas privadas.

13-12-2013

Etopía-Centro de Arte y Tecnología...