R- PROJECT

¿Qué es R- PROJECT?
Es un lenguaje de programación con un entorno (sistema) de software
libre para interactuar es para análisis estadístico y representación de
datos.
 R es mucho más que una calculadora científica.
 R es un lenguaje Orientado a Objetos.
 R almacena los resultados en objetos
 R consta de un sistema base (donde están incluidas una enorme
cantidad de técnicas estadísticas y numéricas).
¿Quiénes son los creadores de R- PROJECT?
Ross Ihaka y Robert Gentleman
Características principales:
 Open-source
 Lenguaje interpretado, simple y efectivo
 Orientado a objetos, se pueden crear clases
 Se ajusta mejor al paradigma de programación funcional
 Soporte multiplataforma
 Una amplia selección de paquetes
 Comunidad muy activa
¿Qué es RStudio?
Es un entorno de desarrollo integrado (IDE) para R, un software que
facilita la programación y desarrollo de scripts, mediante
herramientas adicionales en una interfaz gráfica de usuario (GUI).
Partes de RStudio:
1. Code Editor (EDITOR DE CODIGO)
2. R console (CONSOLA) ejecutor de codigo
3. Workspace and History (ESPACIO DE TRABAJO)
4. Plots and files (ARCHIVOS EN MI SISTEMA)
¿Qué es una variable?
Una variable es un espacio en la memoria donde almacenamos los
datos.
Una variable es un espacio real físico en la memoria donde
almacenamos los datos, se crea mediante una asignación y guarda su
valor en una variable.
Como el R guarda información:
 R es un lenguaje orientado a objetos: las variables, datos,
funciones, resultados, etc., se guardan en la memoria activa del
ordenador en forma de objetos con un nombre específico.
 Podemos modificar o manipular estos objetos con operadores
(aritméticos, lógicos y comparativos) y funciones
¿Cómo puedo representar las medidas en R en el mundo real?
Puedo representar en R mediante datos
¿Tipos de datos?
 Numéricos
 Letras
 Caracteres
 Números complejos
Datos básicos
 class(2)
 typeof(2)
 typeof(2L) DATOS ENTEROS
 vector: una columna y un solo dato

matrix:
dataframe: característica que cada columna puede ser de
distintos datos
Tipo de dato carácter:
Expresiones aritméticas:
Operadores aritméticos + - * /
# Operaciones de comparación:
3 > 2 # 3 es mayor que 2
Operaciones Booleanas: operaciones que se pueden combinar
TRUE & TRUE # AND (conocido como la multiplicacion lógica)
FALSE | FALSE # OR
!TRUE # NOT (operación de negación)
Tipos de datos NA, NULL, INF: tipos de datos o valores especiales
NA # not avalible NO DISPONIBLE O DATO FALTANTE
NULL # REPRESENTE VACIO, ES INDETERMINADO
El signo # , indica el inicio de un comentario, y son utiles para anotar y
recordar que estamos haciendo.
Coerción o conversión de tipos
as.logical(0) #para convertir a un valor lógico
as.character(5) #para convertir un número a un carácter
OPERADORES DE Pertenencia (membership)
is.integer(3.5)
Operaciones sobre cadenas de texto
Directorio de trabajo
directorio_trabajo <- getwd()
ESTRUCTURAS DE DATOS COMPUESTOS: VECTORES, LISTAS,
MATRICES, DATA FRAMES
Tipos de datos estructurados
 Vectores: son la estructura más simple. Sirven para almacenar
colecciones de variables del mismo tipo.
Vector : v <- c(1, 2, 3, 4, 5, 6) length: indica el número de elementos
#longitud
Indexación seleccionar elementos en base de su posición
Seleccionar un solo elemento de un conjunto de elementos se llama
Indexación
¿Dos operaciones utiles?
Indexacion y el slicing
Slicing, rebanado
característica que tienen que ser una secuencia de valores continuos
 Factores: vectores que sirven para realizar un agrupamiento de
los componentes de otro vector del mismo tamaño.
 Matrices: arreglo de datos del mismo tipo. De hecho, son
vectores indexados por dos o más índices enteros (dimensiones).
 Listas: colección ordenada de objetos, en la que los elementos
pueden ser de distinto tipo.
 Data frames: tipo particular de listas, similares a una matriz, en
que cada columna puede ser de un tipo distinto a las otras.
 Funciones: objetos que pueden ser creados por el usuario y
reutilizados para realizar operaciones especícas.
La mayoría de operaciones (p.e. +,-,*,/, etc.) y de funciones (p.e. log())
están denidas con carácter vectorial, es decir para operar
componente a componente.
Los paréntesis () se emplean para los argumentos de las funciones y
para agrupar expresiones algebráicas.
Las llaves para agrupar bloques de expresiones.
Los corchetes [] o dobles corchetes [[]] para seleccionar partes de un
objeto así como el $.
 Una variable, es una cantidad, cualidad o propiedad que se
puede medir.
 Un valor es el estado de una variable cuando se mide. El valor de
una variable puede cambiar de una medida a otra.
 Una observación es un conjunto de medidas realizadas en
condiciones similares (normalmente se realizan todas las
medidas de una observación al mismo tiempo y en el mismo
objeto).
 Los datos tabulares son un conjunto de valores, cada uno
asociado con una variable y una observación. Los datos
tabulares están ordenados (Tabular data is tidy) si cada valor se
coloca en su propia celda, cada variable en su propia columna y
cada observación en su propia la.
ESTADISTICA
La estadística se define como la ciencia de recopilar, analizar y sacar
conclusiones de los datos. Los datos generalmente se recopilan a
través de:
 Estudios por muestreo (sampling surveys)
 Estudios observacionales (observational studies)
 Experimentos (experiments)
la calidad de las inferencias dependerá de la planeación adecuada del
experimento.
El objeto de diseñar un estudio por muestreo es minimizar el error y el
costo que implica la recopilación y análisis de datos en las
estimaciones finales.
La magnitud de los errores de muestreo depende del tamaño de la
muestra, la variabilidad dentro de la población y el método de
muestreo adoptado.variable
El muestreo (sampling) es la selección de una muestra (sample) s con
tamaño n de individuos de una población (population) finita de N
elementos denominados unidades de muestreo (sampling units), para
estimar algunas características de toda la población.
1. Identificar nuestra población y muestra
La intensidad del muestreo, tamaño de la muestra
Delimito mi límite de mi bosque
¿Cómo puedo saber los individuos de la población?
Muestreo: Escoger un subconjunto de individuos de una población
Dos maneras de estimar un valor de un parámetro:
• Estimación puntual
• Estimación por intervalo
-Estimación por intervalo de confianza: (1- inf)%
Por ejemplo un intervalo de confianza de 95% es un intervalo tal :
¿Cómo determinas tu muestra representativa? Prg tesis
La selecciono de manera aleatoriamente con el Muestreo aleatorio
simple
Muestreo probabilístico: Cuando la selección de la muestra se realiza
con reposición, de manera que cada unidad muestral de la población
tiene la misma posibilidad de se seleccionada en la muestra y es igual
a 1=N.
Muestreo con reposición y sin reposición
sample: significa muestra
 Simulación de un dado unidades experimentales a las que se asigna aleatoriamente los  bool: representa valores booleanos o de lógica.
Crear un objeto llamado dado tratamientos o estímulos y en las que se realizan las observaciones  binaria: Verdadero o Falso.
dado <- 1:6 que se van a recolectar. ¿Qué es Anaconda?
simular el lanzamiento de un dado, en base a una selección aleatoria Modelos lineales: Es una distribución de los lenguajes de programación Python y R.
sample(dado, size = 1, replace = TRUE)  Regresión múltiple Objetivo de Anaconda:
Estadísticas  Varianza o ANOVA Multifactorial  simplificar la administración.
sum(dado) # sumar los elementos Diferencia entre los dos:  implementación de paquetes.
length(dado) # numero de elementos La correlación no implica causalidad Spyder
sum(dado) / length(dado) # promedio El análisis de regresión se usa para explicar o modelar la relación Es un entorno de desarrollo integrado (IDE) de código abierto para la
mean(dado) # promedio entre una variable continua. programación científica en el lenguaje Python.
sd(dado) # desviacion estandar Diseños y análisis de Experimentos Secciones de la interfaz
coeficiente de variación En campo o laboratorio generalmente consiste en aplicar los  Consola IPython (CLI)
(sd(dado) / mean(dado)) * 100 tratamientos en las unidades experimentales según un diseño:  Editor con resaltado de sintaxis que admite la ejecución directa
ruleta <- 1:10 Tipos de variables de código.
ruleta El diseño experimental es una estructura de investigación, que sigue  Gestión del espacio de trabajo, variables, historial.
coeficiente de variación un Modelo de variación y constancia. Diseño y análisis son  Herramientas para depuración.
(sd(ruleta) / mean(ruleta)) * 100 inseparables para un experimento dado. El signo #: Indica el inicio de un comentario, y son utiles para anotar y
# crear mi propia función de coeficiente de variación  Variable independiente recordar que estamos haciendo.
# Estructuras de control  Variable dependiente Tipos estructurados
bucles  Variable extraña  Tupla: una colección para agrupar objetos de diferentes tipos.
for Los tres principios básicos del diseño experimental Las tuplas son inmutables, es decir, no se pueden modificar
# cuanto el número de veces que salió cada valor  aleatorización: sirve para controlar factores de variación después de su creación.
table(res)  repetición  Listas: para agrupar objetos del mismo tipo, son mutable, es
# Grafico de barras  control local decir, sus elementos pueden ser modificados, se pueden crear
barplot(table(res), main = "Simulacion de un dado 1000 veces", ylab = Factor: es la característica cuyo efecto queremos estudiar. En el con el comando list o usando corchetes
"Conteo", xlab = "Cara del dado") Nivel: es la categoría estudiada del factor. En el ejemplo, cinco  Diccionarios: son colecciones de contenido desordenadas
# Histograma Tratamiento: Combinación de niveles de los factores estudiados. (clave/valor).
distr_tiros <- hist(res, breaks = 0:6, probability = TRUE) Factor fertilizante: A,B,C,D,E. Factor Cantidad de agua: 1,2,3. Instalación de paquetes:
distr_tiros Elección del diseño experimental.  Numpy
# añadir linea en el promedio El diseño experimental es la forma de asignar los tratamientos a las Provee la estructura de datos base utilizada, presentado como
abline(v=mean(dado), col="red", lwd=2) unidades experimentales. El diseño determina el modelo y el análisis matrices numpy (NumPy array, que se denominan ndarray), un objeto
# sacar una muestra y obtener el promedio estadístico a seguir. que se comporta similar a un vector, matriz.
mean(sample(res, 30)) Error experimental: Se dene como la cuanticación estadística de  Scipy
# Estimación por intervalo todos los factores no controlados que repercuten sobre las variables algoritmos eficientes para álgebra lineal, representación matricial
muestra <- sample(res, 30) respuesta. dispersa, funciones especiales y funciones estadísticas básicas.
mean(muestra) Nivel de signicancia (error tipo I): Se dene como la probabilidad de  Pandas
t.test(muestra) tomar la decisión de rechazar la hipótesis nula cuando ésta es Presenta dos objetos clave para Python, series y DataFrames. Una
ESTADISTICA: se define como la ciencia de recopilar, analizar y verdadera. serie es una secuencia de datos, como una lista o una matriz 1D
sacar conclusiones de los datos. Grados de libertad: Es un estimador del número de observaciones o NumPy. Se puede pensar en un DataFrame como varias series de
Se recopilan a través de:
categorías independientes longitud común, con un índice común, unidas en un único objeto
Estudios de observación y experimentos
tabular.
Tipos de estudios:
 Machine Learning in Python
Estudios de observación y experimentos
Scikit-learn es un módulo de Python que integra una amplia gama de
 En estudios observacionales, los datos se observan en su
entorno natural y no se puede probar que las relaciones Python ¿Qué es Python? algoritmos de aprendizaje automático de última generación para
problemas supervisados y sin supervisión.
detectadas sean de causa y efecto. Es un lenguaje de programación orientado a objetos, interpretado y
Este paquete se centra en llevar el aprendizaje de máquina a no
 En un experimento, se controla el entorno, algunas variables se de propósito general.
especialistas utilizando un lenguaje de alto nivel de uso general.
cambian intencionalmente mientras que otras se mantienen creado:
constantes. por Guido van Rossum en 1990
Tipos de experimentos: Tipos de datos en Python:
 Experimento mental (Física) int, float, str, list y dict.
 Experimento computacional (Simulaciones)  int: representa números enteros
 Experimento de laboratorio, industrial o campo  float: representa números con punto decimal.
Los diseños experimentales: son una técnica que permite agrupar o  str: representa secuencias o cadenas de caracteres. CALIDAD DE AIRE 2
arreglar el material experimental u objeto de investigación en alfanumericos y signos.
¿Qué es Python?
 Es un lenguaje de programación de alto nivel.
 Es un lenguaje de programación de propósito general.
 Es un lenguaje de programación de código libre.
 Es un lenguaje de programación interpretado.
 Es un lenguaje de programación orientado a objetos.
 Es un lenguaje de programación dinámicamente tipado y
fuertemente tipado.
 Es un lenguaje de programación conciso.
 Es un lenguaje de una comunidad muy activa.
 Es un lenguaje de infinidad de módulos a muy diferentes
dominios (tratamiento de imagen, base de datos,
videojuego, etc.).
Python fue creado por el holandes Guido van Rossum a
principios de la década del '90. Es uno de los lenguajes más
populares
¿Por qué Python?
Es fácil de aprender: sintaxis simple, claro y sencillo.
Lenguaje simple pero potente. Algunos casos de éxito del uso
de Python son Google, Yahoo, NASA, ESA.....
Intérprete / Consola
Se trata de la consola interactiva de Python.
Se accede al intérprete y se trabaja con el mismo desde la línea
de comandos. Interpreta las entradas, evalúa los mismos y
ofrece salidas.
¿Qué es JupyterLab?
es un entorno de desarrollo interactivo basado en web para
cuadernos, código y datos. JupyterLab es flexible que organiza
la interfaz del usuario para admitir una amplia gama de flujos de
trabajo en ciencia de datos, informática científica y aprendizaje
automático. es extensible y modular: escribe complementos que
agregan nuevos componentes y se integran con los existentes.
¿Qué es Jupyter Notebook?
Jupyter Notebook es una aplicación web de código abierto que
permite crear y compartir documentos que contienen códigos,
ecuaciones, visualizaciones y texto narrativo. Los usos incluyen:
limpieza y transformación de datos, simulación numérica,
modelado estadístico, visualización de datos, aprendizaje
automático y mucho más.
Anaconda (distribución de Python)
Anaconda es una distribución libre y abierta de los lenguajes
Python y R, utilizada en ciencia de datos, y aprendizaje
automático (machine learning). Esto incluye procesamiento de
grandes volúmenes de información, análisis predictivo y
cómputos científicos. Está orientado a simplificar el despliegue y
administración de los paquetes de software.
Operadores básicos
Al igual que otros lenguajes de programación un conjunto
diverso de operadores está disponibles:
 Aritméticos: +, -, *, /, **, %, //
 Lógicos: and, or, not
Usando Python como una calculadora
Comentarios python
Para los codigos en python se usa #
# Ingresar un comentario
Funciones internas de python
El intérprete de Python cuenta con funciones internas que
siempre se hallan disponibles.
Por ejemplo:
 print() # imprime una variable.
 abs() # devuelve el valor absoluto.
 dir() # Devuelve la lista de nombres de la tabla de
símbolos local actual.
 len() # Devuelve la longitud (el número de elementos) de
un objeto.
 zip() # Esta función devuelve una lista de tuplas.
Tipos de datos básicos en Python
Número Entero (Integer)
Corresponde con números enteros, es decir, sin parte decimal.
Número Decimal (float)
Corresponde a números reales con parte decimal.
Cadena de Texto (str)
Corresponde a una cadena de caracteres.
Booleano (bool)
Este tipo de dato reconoce solamente dos valores: Verdadero
(True) y Falso (False)
Coleciones de datos
Listas: es una colección ordenada y modificable. Permite datos
duplicados.
Index: Cambiar el valor de un elemento
Remover elementos
Existen varios métodos para remover un elemento de una lista:
remove(), pop(), del, clear()
Tuples: es un conjunto ordenado e inmutable de elementos del
mismo o diferente tipo.
Contar número de elementos: print(len(tupla_1))
Diccionarios
Los diccionarios en Python son una estructura de datos que
permite almacenar su contenido en forma de llave y valor. Son
dinámicos, pueden crecer o decrecer, se pueden añadir o
eliminar elementos. Son indexados, los elementos del
diccionario son accesibles a través del key. Y son anidados, un
diccionario puede contener a otro diccionario en su campo
value.
¿Qué es una paquete en Python?
Un paquete es un directorio para subpaquetes y módulos. Un
módulo es un archivo con algún código Python. Un paquete se
puede instalar usando un administrador de paquetes como pip,
pip3 o conda.
Una libreria de Python es un fragmento de código reutilizable
que es posible incluir en nuestros programas/proyectos.
Libreria estándar de Python
Una biblioteca estándar de Python es una colección de sintaxis
y semántica exactas de Python. Viene incluido con la
distribución central de Python.
Más de 200 módulos centrales se encuentran en el corazón de
la libreria estándar. Pero además de esta libreria, también
puede acceder a una colección creciente de varios miles de
componentes del índice de paquetes de Python (PyPI).de
Python's scientific ecosystem
El conjunto de paquetes científicos de Python a veces se
denomina "Python's scientific ecosystem". Probablemente esta
definición tiene algo que ver con el hecho de que muchas
librerías dependen de los demás para crear nuevas funciones
sobre ellos, como un ecosistema natural.
Los paquetes principales
 numpy: documentación, repositorio del código
 scipy: documentación, repositorio del código
 matplotlib: documentación, repositorio del código
Numpy proporciona las matrices N-dimensionales necesarias
para realizar cálculos rápidos, y SciPy le agrega las
herramientas científicas fundamentales. SciPy es un paquete
muy grande y cubre muchos aspectos del flujo de trabajo
científico. Está organizado en submódulos, todos dedicados a
un aspecto específico del procesamiento de datos. Por ejemplo:
scipy.integrate, scipy.optimize, o scipy.linalg. Matplotlib es el
paquete tradicional para hacer gráficos en Python.
"Extensiones" numpy esenciales
Hay dos paquetes que considero imprescindibles a la hora de
procesar datos:
 pandas proporciona estructuras de datos diseñadas para
que trabajar con datos etiquetados sea fácil e intuitivo
(documentación, repositorio del código)
 xarray extiende pandas a matrices N-dimensionales
(documentación, repositorio del código).
Ambos agregan una capa de abstracción a numerosos arreglos,
dando "nombres" y "etiquetas" a sus dimensiones y los datos
que contienen. Procesa Datos que tiene que ver con climas,
escenografía
Paquetes específicos de dominio
Geociencias/Meteorología:
 MetPy: la caja de herramientas de meteorología
 Cartopy: mapas y proyecciones de mapas
 xESMF: Regridder universal para datos geoespaciales
 xgcm: Postprocesamiento del modelo de circulación
general con xarray
 GeoPandas: Pandas para datos vectoriales
 Rasterio: datos ráster geoespaciales I/O
Estadística/Inteligencia Artificial:
 Statsmodels: caja de herramientas de estadística para
modelos y pruebas
 Seaborn: visualización de datos estadísticos
 Scikit-learn: herramientas de aprendizaje automático
 TensorFlow: Google's brain
 PyTorch: Facebook's brain
Diversos:
 Scikit-image: procesamiento de imágenes
 Bokeh: interactive plots
 Dask: parallel computing
¿Como instalar una libreria en Python?
utilizando la función pip. La función pip viene instalado por
defecto en Python.
¿Cómo importar una libreria en Python?
import sys
print(sys.path)
print(sys.version)
print(sys.executable)

Librerias populares de Python
Usados para Ciencias de Datos y Geoprocesamiento.
1. NumPy
Es una libreria de Python que proporciona un objeto de matriz
multidimensional, varios objetos derivados (como matrices y
matrices enmascaradas) y una variedad de rutinas para
operaciones rápidas en matrices, que incluyen manipulación
matemática, lógica, de formas, clasificación, selección, I/O,
transformadas discretas de Fourier, álgebra lineal básica,
operaciones estadísticas básicas, simulación aleatoria y mucho
más.
2. SciPy
Es una de las librerias que tiene una serie de rutinas numéricas
eficientes y fáciles de usar.
Estos incluyen rutinas de optimización e integración numérica.
3. Pandas
Proporciona estructuras de datos rápidas, expresivas y flexibles
para trabajar de manera fácil (e intuitiva) con datos
estructurados (tabulares, multidimensionales, potencialmente
heterogéneos) y de series de tiempo.
4. Matplotlib
Matplotlib ayuda con el análisis de datos y es una libreria grafico
numérico.
5. Seaborn
Seaborn es una biblioteca de visualización de datos de Python
basada en matplotlib. Proporciona una interfaz de alto nivel para
dibujar gráficos estadísticos atractivos e informativos.
6. netCDF4
Este módulo implementa funciones para puede leer y escribir
archivos netCDF.
¿Qué es un archivo NetCDF?
NetCDF (Network Common Data Form, siglas en ingles), es un
formato de archivo que se usa para el intercambio de datos
científicos en arreglos (tablas) como al conjunto de software de
código abierto que permite la creación y acceso a los datos. es
utilizado para el almacenamiento, proceso y evaluación de
grandes cantidades de datos, especialmente en meteorología y
ciencias de la tierra.
7. Xarray
es un proyecto de código abierto y un paquete de Python que
hace que trabajar con matrices multidimensionales etiquetadas
sea simple, eficiente y divertido. introduce etiquetas en forma de
dimensiones, coordenadas y atributos sobre matrices sin
procesar similares a NumPy, lo que permite una experiencia de
desarrollador más intuitiva, más concisa y menos propensa a
errores. El paquete incluye una biblioteca grande y en
crecimiento de funciones independientes del dominio para
análisis y visualización avanzados con estas estructuras de
datos. se inspiró y toma prestado en gran medida de pandas, el
popular paquete de análisis de datos centrado en datos
tabulares etiquetados. Está especialmente diseñado para
trabajar con archivos netCDF, que fueron la fuente del modelo
de datos de xarray, y se integra estrechamente con dask para la
computación en paralelo.
8. hdf5
La libreria h5py es una interfaz Pythonic para el formato de
datos binarios HDF5. Permite almacenar y manipular fácilmente
grandes cantidades de datos numéricos desde NumPy.
¿Qué es un archivo HDF5?
HDF (Hierarchical Data Formats, sigla en ingles) es un formato
de archivo de código abierto que admite grandes datos,
complejos y heterogéneos. HDF5 utiliza una estructura similar a
un "directorio de archivos" que le permite organizar los datos
dentro del archivo de muchas formas estructuradas diferentes.
9. pygrib
¿Qué es un archivo GRIB?
GRIB es un formato de la OMM para datos cuadriculados. Los
centros meteorológicos operativos utilizan GRIB para el
almacenamiento y el intercambio de campos cuadriculados. Las
principales ventajas de GRIB son que los archivos son
típicamente de 1/2 a 1/3 del tamaño de los archivos binarios
normales (flotantes), los campos son autodescriptivos y GRIB
es un estándar internacional abierto.
10. Cartopy
Cartopy es un paquete de Python diseñado para el
procesamiento de datos geoespaciales con el fin de producir
mapas y otros análisis de datos geoespaciales.
11. Basemap
La herramientas de basemap de matplotlib es una biblioteca
para trazar datos 2D en mapas en Python.
12. OSGeo en Python
Este paquete de Python y sus extensiones son una serie de
herramientas para programar y manipular GDAL Geospatial
Data Abstraction Library. Son dos bibliotecas: GDAL para
manipular datos ráster geoespaciales y OGR para manipular
datos vectoriales geoespaciales.
13. Geopandas
GeoPandas es un proyecto de código abierto para facilitar el
trabajo con datos geoespaciales en Python. GeoPandas amplía
los tipos de datos utilizados por los pandas para permitir
operaciones espaciales en tipos geométricos.
14. Rasterio
Los sistemas de información geográfica utilizan GeoTIFF y otros
formatos para organizar y almacenar datasets ráster en
cuadrícula, como imágenes de satélite y modelos de terreno.
Rasterio lee y escribe estos formatos y proporciona una API de
Python basada en matrices Numpy N-dimensional y GeoJSON.
Estructuras de Control en Python
Un código es una secuencia de instrucciones que se ejecutan
una tras otra hasta el final. Sin embargo, en muchas ocasiones
queremos ejecutar ciertas líneas si y sólo si se cumple
determinada condición o queremos que ciertas líneas se
ejecuten muchas veces. En Python podemos utilizar if/else(se
utiliza para colocar una condición), for, while POPULARES
Uso del if/elif/else PRINCIPALES Uso de for
Numpy y Scipy como herramientas de trabajo
¿Qué es NumPy?
NumPy es una biblioteca de Python que se utiliza para trabajar
con vectores o matrices. También tiene funciones para trabajar
en el dominio de álgebra lineal, transformada de Fourier y
matrices.
¿Por qué utilizar NumPy?
En Python tenemos listas que sirven como matrices, pero son
lentas de procesar. NumPy tiene como objetivo proporcionar un
objeto de matriz que sea hasta 50 veces más rápido que las
listas tradicionales de Python. El objeto de matriz en NumPy se
llama ndarray, proporciona muchas funciones de apoyo que
hacen que trabajar con ndarray sea muy fácil. Las matrices se
utilizan con mucha frecuencia en la ciencia de datos, donde la
velocidad y los recursos son muy importantes.
Importar NumPy: import numpy
Importar NumPy como np: import numpy as np
Funciones en Python
Una función te permite definir un bloque de código reutilizable
que se puede ejecutar muchas veces dentro de tu script. Una de
las grandes ventajas de usar funciones en tu script es que
reduce el número total de líneas de código en tu proyecto
principal.
Existen dos formas de declarar funciones en Python
usando def y lambda. Usamos def para definir funciones
extensas. Mientras que usamos lambda para definir funciones
pequeñas. Las funciones lambda son conocidas como
"funciones anónimas" porque no necesita tener nombre.
Usando def
En Python, para declarar una función con def debe tener las
siguientes características:
1. La palabra clave def
2. Un nombre de la función
3. Paréntesis ’()’, y dentro de los paréntesis los parámetros de
entrada, aunque los parámetros de entrada sean
opcionales.
4. Dos puntos ’:’
5. Algún bloque de código para ejecutar
6. Una sentencia de retorno (opcional)
Sintaxis: def suma(a, b): return a + b
Usando de lambda
En Python, para declarar una función con lambda debe tener las
siguientes características:
1. Declarar la funcion como una variable
2. La palabra clave lambda
3. Parámetros de entrada
4. Dos puntos ’:’
5. Expresión
Sintaxis: variable = lambda parámetros: expresión
¿Cómo se mide la calidad del aire?
Adquisición de datos
El campus de la UNAM está equipado con una estación de
monitoreo de gases y partículas. En esta estación se miden
ozono, dióxido de nitrógeno, dióxido de azufre y material
particulado PM10 y PM2.5. Además, está equipada con una
estación meteorológica automática. En ambos los datos se
colectan automáticamente cada 1h.
Pandas para el manejo de datos tabulares
Una de las mejores opciones para trabajar con datos tabulares
en Python es usar Python Data Analysis Library (alias Pandas).
La biblioteca Pandas provee estructuras de datos, genera
gráficos de alta calidad con matplotlib y se integra de buena
forma con otras bibliotecas que usan arrays de NumPy.
Pandas: documentación, repositorio del código Reanálisis ERA5
Un DataFrame es una estructura de datos con dos dimensiones ERA5 es el reanálisis del ECMWF de quinta generación para el
en la cual se puede guardar datos de distintos tipos (como clima y el tiempo global durante las últimas 4 a 7 décadas.
caractéres, enteros, valores de punto flotante, factores y más) Actualmente, los datos están disponibles desde 1950, divididos
en columnas. Es similar a una hoja de cálculo o una tabla de en entradas de Climate Data Store para 1950-1978 (extensión
SQL o el data.frame de R. Un DataFrame siempre tiene un posterior preliminar) y desde 1979 en adelante (versión final
índice (con inicio en 0). El índice refiere a la posición de un más actualizaciones oportunas, esta página). ERA5 reemplaza
elemento en la estructura de datos. el reanálisis ERA-Interim.
Importar Pandas Registrarse en CDS
import pandas as pd Si aún no estás registrado en el CDS, entrá aquí para
import numpy as np registrarte. Es importante hacer este paso para descargar datos
Leer archivos .csv: df = pd.read_csv desde CDS!!!
Imprimier los primera 5 lineas: df.head() Descargar ERA5 a través de la API de CDS
Obtener información: df.info() Instalar cdsapi
Ver algunos estadísticos:df.describe() Si aún no tiene instalado el módulo cdsapi, instale usando el
Obtener el nombre de las columnas:df.columns siguiente comando en anaconda prompt:
Contar los valores nulos NaN:df.isnull().sum() conda install -c conda-forge cdsapi
Convertir a serie de tiempo Luego configure tu computadora con tu usuario y clave
Convertir cadena a formato fecha y hora proporcionados por el CDS. Deberás crear un archivo .cdsapirc
Usando la funcion pd.to_datetime() en tu home y copiar tu usuario y clave. Sigue aquí para hacer
df.head() esto.
Garantia y Control de calidad de los datos (QA/QC) Importar el modulo cdsapi: import cdsapi
La gestión de la calidad de los datos es un proceso en el que se
emplean protocolos y métodos para garantizar que los datos se
recopilen, manipulen, procesen, utilicen y mantengan
correctamente en todas las etapas del ciclo de vida de los datos
científicos.
QA se refiere a la prevención de defectos, mientras que QC se
refiere a la detección de defectos. Generalmente, QA se aplica
antes y durante la adquisición de datos, mientras que QC se
aplica después de que los datos están disponibles.
En esta sección nos enfocaremos en el QC. Algunas
prácticas para el QC son:
 Verificación de rangos.
 Verificación de pasos.
 Verificación de consistencia.
Verificación de rangos: df
Unir tablas usando un identificador en común:
display(o3_day), display(df_o3_day)
Descargar datos de reanálisis ERA5
Los datos de reanálisis proporcionan la imagen más completa
posible actualmente del tiempo y el clima pasados.
Son una combinación de observaciones con predicciones
meteorológicas pasadas a corto plazo que se repiten con
modelos modernos de predicción meteorológica. Son
globalmente completos y coherentes en el tiempo y, a veces, se
denominan "mapas sin espacios".
Existen varias fuentes de datos de reanálisis disponibles (e.g.,
NCEP/NCAR, ERA5, ERA5-Land, etc). Aquí podemos encontrar
un resumen de los datos de reanálisis disponibles.
¿Cómo se generan estos datos?
El reanálisis combina predicciones meteorológicas pasadas a
corto plazo con observaciones a través de la asimilación de
datos. El proceso imita la producción de pronósticos
meteorológicos diarios, que utilizan un análisis del estado actual
del sistema terrestre como punto de partida. El análisis es una
combinación de observaciones físicamente coherentes con un
pronóstico a corto plazo basado en el análisis anterior.

CONTAMINACION DE SUELOS 2
El suelo es un sistema abierto, complejo, autoorganizativo, con
una estructura definida y polifuncional, Se comporta como un
filtro a través del cual se producen y se regulan los flujos de
materia y energía. Como tal filtro es susceptible a contaminarse
al deteriorarse deja de cumplir algunas de sus funciones.
Contaminación del suelo
según la FAO define como una forma de degradación química
que provoca la pérdida parcial o total de la productividad del
suelo
De acuerdo al D.S. N° 002-2013-MINAM, un sitio contaminado
es aquel suelo cuyas características químicas han sido
alteradas negativamente por la presencia de sustancias
químicas contaminantes depositadas por la actividad humana,
en concentraciones tal que en función del uso actual o previsto
del sitio y sus alrededores represente un riesgo a la salud
humana y el ambiente.
¿Qué factores influyen en la contaminación de suelos?
 vulnerabilidad
 poder de amortiguación
 biodisponibilidad
 movilidad
 persistencia
Orígenes de la contaminación
natural: causada por procesos de la naturaleza, por los
procesos que se producen en la superficie de la tierra como: la
lluvia o erupciones volcánicos.
- incendios
- lluvia acida: cuando las sustancias químicas nocivas caen
al suelo por media de la lluvia.
- volcanes
- minerales en rocas
antrópica: causada por actividades del hombre al producir
desechos que afectan el suelo en las diferentes actividades que
realiza en la sociedad.
- Agricultura: pesticidas, fertilizantes
- industrias: residuos de las fabricas
- minería: residuos liquidos y solidos
- basuras: residuos en basureros urbanos
¿Qué es contaminación de suelos por radioactividad?
Son a consecuencia de la explotación de yacimientos de roca
fosfórica o uranio para usos industriales.
Agentes contaminantes
- plaguicidas: químicos que se utilizan en agricultura para
exterminar las plagas.
- residuos minería: residuos que se desechan en las minas
tienen químicos (mercurio)
- emisiones atmosféricas: la lluvia y el viento pueden traer
al suelo sustancias acidas.
- la basura: al descomponerse puede producir sustancias
dañinas que se filtran al suelo.
Consecuencias de la contaminación del suelo
- infertilidad
- erosión
- plantas muertas
- perdida-valor
Medidas a tomar:
siembra de árboles. - ayuda a evitar la erosión producida por
lluvia y viento en el terreno.
enriquecer el suelo. - para devolver nutrientes que se han
perdido por la cumpla de los agentes contaminantes.
construir terrazas. - para que los terrenos con pendientes
drenen sus aguas y no se pierda el suelo por erosión y
deslizamientos.
evitar la tala y quema. - para proteger el suelo de degradación.
evitar el sobrepastoreo. - es recomendable trasladar los
animales de un lugar a otro con el fin que el pasto vuelva a
crecer.
evitar el monocultivo. - que consiste en no cultivar en el
mismo suelo el mismo vegetal.
Tipos de contaminación:
- superficial
- subterránea
- vertido intencional
- vertido accidental
- contaminación difusa
- contaminación puntual
MECANISMOS DE INTERACCIÓN DEL SUELO CON LOS
AGENTES CONTAMINANTES
A partir de un contaminante en el suelo se pueden
desencadenar una serie de procesos de movilización del
mismo, cuya acción efectiva dependerá de una parte de la
composición y características físico-químicas de la sustancia y
par otra de las características geoquímicas y geofísicas del
suelo.
En general, el suelo por si mismo no es un vector importante de
dispersión de contaminantes, pero en combinación con otros
factores ambientales se revela como un foco emisor de
contaminación de gran importancia en el medio.
El agua, y en menor medida el aire, son los agentes
dispersantes de la contaminación presente en un suelo.
También, hay que tener en cuenta el papel de ciertos
componentes del suelo, como son los coloides, dentro del
material sólido inorgánico, los materiales húmicos y los
microorganismos.
elementos en la fase solida del suelo:
- Macronutrientes: N, P, K, S, Ca, Mg
- micronutrientes: B, Cl, Cu, Fe, Mn, Mo, Zn
elementos en la fase liquida del suelo:
- colapso de las redes cristalinas
- mineralización (materia organica)
- elementos nutrientes inorgánicos(fertlizantes)
- agua de lluvia
- agua de riego
principales características de los elementos solubles:
- se encuentran como cationes solubles, aniones simples,
aniones complejos solubles.
- factores: solubilidad, movilidad en el suelo, concentración,
reacción.
- unidades de medida: mg/L (ppm)
Floculación - dispersión en sistemas coloidales
- suspensión: interposición de partículas de una
-
sustancia(arcilla) en las de otra agua.
floculación: proceso de formación de partículas de mayor
tamaño de una fase solida dispersa en una suspensión por
agregación de partículas finas.
- dispersión: proceso de repulsión mutua entre partículas
finas (arcillas) que hace que se mantengan separadas en
suspensión, sin que tenga lugar su sedimentación.
proceso de absorción
es un proceso mediante el cual se extrae materia deuna fase y
se concentra sobre la superficie d e otra fase solida. se
considera como un fenómeno subsuperficial. sustancia que se
concentra en la superficie se llama adsorbato, y la fase
adsorbente se llama adsorbente.
la superficie de las arcillas y la materia orgánica presentan
carga eléctrica (-), los iones que intervienen se denominan iones
intercambiables.
tipos:
según el tipo de atracción entre el soluto y el adsorbente
eléctrica adsorción por intercambio de van der Waals adsorción
física de naturaleza química adsorción química –absorción
Las isotermas de adsorción indican como las moléculas
adsorbidas se distribuyen entre la fase líquida y la sólida cuando
el proceso de adsorción alcanza un estado de equilibrio
salinidad:
suelos afectados por salinidad
medida de la salinidad: cantidad y tipo
gestión de la salinidad del suelo
suelos sódicos y alcalinos: medida de la sodicidad: unidades
índice SAR
suelos afectados por salinidad
son tres situaciones diferentes:
- suelos salinos
- suelos sódicos y suelos alcalinos
- suelos salino-sodicos.
suelos sódicos: son los que tienen un horizonte subsuperficial
arcilloso con estructura maciza, ph debajo de 8.5.
suelos alcalinos: contienen carbonato sódico, ph es
frecuentemente alcalino 9-12.
nitrificación: proceso mediante el cual se produce la
transformación del ion amonio en nitrato por la acción de
bacterias nitrificantes autrotofas y heterótrofas (nitrosomas y
nitrobacter).
otras reacciones químicas:
- disolución de gases
- volatilización
- disolución de compuestos organicos
- hidrolisis
- biotrasformacion de compuestos organicos
- reacciones de complejacion
- complejacion organica
- transporte coloidal
- alteración de silicatos.
Actividades biodegradativas en suelos:
- pesticidas
- herbicidas
- organohalogenados
- deshalogenacion
Medidas de control en suelos: - innovadora
- contención o aislamiento: establecer medidas correctas
de seguridad que puedan controlar la situación presente, Principales Tecnologías de Remediación Según Tipo de
aislamiento: aislar el foco emisor de contaminación, Tratamiento
reducción de las volatilizaciones: pretende suprimir las
corrientes de aire para evitar la volatilización de Tratamientos biológicos
compuestos orgánicos. - bioaumentacion
control de lixiviados: el objeto es impedir la dispersión de - biodegracion asistida
contaminantes a través de las aguas. - biotransformación de metales
- no recuperación: mediante un estudio de viabilidad tratamientos térmicos
- recuperación: (plan de saneamiento: tratamiento in situ y - calentamiento por conducción térmica
ex situ) - c. por radiofrecuencia
Remediación física del suelo - c por resistencia eléctrica
Remediación biológica del suelo - desorción térmica
REMEDIACION DE SUELOS CONTAMINADOS - incineración
El objetivo final de la gestión de sitios contaminados es tratamientos físico-químicos
remediar aquellos sitios que presenten un riesgo significativo a - adición de enmiendas
la salud de las personas o el bien que se desea proteger. Las - barreras de suelo seco
medidas de remediación y las tecnologías de tratamiento a - barreras físicas (verticales /horizontales)
aplicar dependerán de los riesgos para la salud y el medio - barreras hidráulicas
ambiente detectados, así como de los usos futuros que se - barreras permeables activas
asignen a las áreas que se espera recuperar. - electrocinética
Es importante tener en cuenta que el término “tecnología de - estabilización físico química
tratamiento” implica cualquier operación unitaria o serie de - extracción de agua
operaciones unitarias que altera la composición de una - sellado de suelos
sustancia peligrosa o contaminante, a través de acciones
químicas, físicas o biológicas, de manera que reduzca la tratamientos mixtos:
toxicidad, movilidad o volumen del material contaminado. - extracción multifase
De acuerdo a este enfoque, la remediación se puede llevar a - atenuación natural
cabo para cumplir con los siguientes objetivos:
a) Eliminar la fuente de contaminación: Consiste en eliminar o Principales ventajas y desventajas de las tecnologías de
reducir la concentración (biodisponibilidad) de las sustancias remediación, clasificadas según el tipo de tratamiento.
peligrosas existentes en un medio hasta niveles que permitan VENTAJAS DESVENTAJAS
concluir que no constituirán riesgo. -Permite -Costoso
b) Cortar la ruta de interacción: Consiste en impedir la TRATAMIENTO tiempos -Intensivos en
interacción entre los receptores con la fuente a través de la BIOLOGICO rápidos de mano de obra y
confinación de los contaminantes a una matriz, para impedir que limpieza capital
éstos se movilicen y lleguen a los receptores. -Efectivos -Dejan residuos
LA REMEDIACIÓN Y SU EFICIENCIA: PRINCIPALES -Corto que
FACTORES TRATAMIENTOS -Equipo posteriormente
- características del contaminante TERMICOS accesible deben tratarse
- características del medio -No mucha
- interacciones entre contaminantes y medio energía ni
Clasificación de Tecnologías de Remediación ingeniería
según lugar de aplicación:
TRATAMIENTOS -Efectivos -Requieren
- in situ
FISICO QUIMICOS Tecnologías mayores tiempos
- ex situ
más benéficas de tratamientos
según objetivos de remediación:
- descontaminación
- contención
- confinamiento
según tipo de tratamiento:
- biológico
- físico químico
- térmico
- mixto
según grado de desarrollo:
- tradicional
 misión el objetivo podría ser un limite de tiempo, necesito saber un promedio
visión de tiempo que nos demoramos (tiempo estándar)
ANALISIS Y DISEÑO GESTION POR INDICADORES:
SISTEMA DE GESTION luego de haber analizado, se elige solo 3 a 4 pilares, cuales son claves
para la organización.


PARADIGMA 1: la medición precede al castigo
PARADIGMA 2: no hay tiempo para medir/ medir es difícil
AMBIENTAL 2 PILARES ESTRATEGICOS DEL PROCESO DE NEGOCIO:  PARADIGMA 3: existen cosas imposibles de medir
EN LA ISO 14001:2015 SOSTENIBILIDAD: define la estrategia de permanencia en el mercado  PARADIGMA 4: es más costoso medir que hacer
 ISO 9000: 1987 COMPETITIVIDAD: define la estrategia de operación en el mercado. COMPOSICION DE LOS INDICADORES:
 SE PROMULGA LA BS7750: 1990 CRECIMIENTO: define la estrategia de expansión en el mercado  NOMBRE
 ISO 14001: 1996 HERRAMIENTAS DE ANALISIS MAS CONOCIDAS  FORMULA
 ALINEAMIENTO A ISO 9001: 2004  DIAGRAMA DE FLUJO más básica, usada para analizar el  UNIDADES
 ISO 14001.2015: 2015 movimiento de personas o materiales. (ANSI Y BPMN)  DEFINICION
¿QUE ES UN PROCESO?  GRAFICA DE FUNCION DE TIEMPO: es un diagrama de flujo, con cada uno de los procesos tienen un problema: velocidad
conjunto de actividades que transforman las entradas a salidas implica eje horizontal - obtener mayor materia prima
el uso del recurso de una organización para producir algo de valor,  GRAFICA DE FLUJO DE VALOR: VSM value stream mapping, - conservar los insumos en buen estado por el mayor tiempo
ningún servicio puede prestarse y ningún producto puede fabricarse grafica del flujo de valor, realiza observación ampliada en los posible
sin un proceso. puntos donde se agrega valor - definir un objetivo por procesos
IMPORTANCIA: porque yo no puedo mejorar de lo que no conozco, IDENTIFICACION DE PROCESOS como lo mediría?
primero conocer y saber cuáles actividades funcionan o cuales no, enfoque funcional: los procesos se definen en base a las funciones - proceso
segundo evaluarlas existentes - objetivo
LOS PROCESOS: utilizan documentos como: - indicador
son las estructuras de las organizaciones, los productos y los procesos  ORGANIGRAMA - factores de medición
están relacionados  PERFILES DE PUESTOS MATRIZ DE INDICADORES
LA CALIDAD busca satisfacer del cliente con la mejora continua  MOF (MANUAL DE ORGANIZACIÓN Y FUNCIONES) si estoy mal realizo monitoreo, el % sale de la línea base, medimos el
metodología de scrumMaster End to End: enfoque en el cliente (interno o externo) gestión de mes uno y le ponemos un resultado a través de los indicadores yo voy
ISO me da la oportunidad de usar la metodología que yo elija afuera hacia adentro, basado en una visión transversal de los procesos a saber mis resultados de implementar la una ISO.
EJEMPLOS DE PROCESO CONTINUO: con un enfoque de cadenas de valor. REQUISITOS
 proceso de producción petrolera todos los procesos se ponen en el mapa de procesos GESTION DE RIESGOS:
 agua embotellada METODO DE CONSULTORIA:  efecto de la incertidumbre sobre los objetivos
 producción de cemento 1. PREPARACION INICIAL  un efecto es una desviación respecto a lo previsto
EJEMPLOS DE PROCESO DISCONTINUO: 2. ENTENDIMIENTO DE LA ORGANIZAICON  puede ser positivo, negativo o ambos y puede abordar, crear o
 producción de comida rápida 3. RELEVAMIENTO resultar en oportunidades y amenazas.
ESTRATEGIAS DE UN PROCESO 4. PRIORIZACION Realizar: MATRIZ DE EVALUACION DE RIESGOS (RE-PROCESO)
 enfoque en el proceso: (Tiene muchas entradas, muchos 5. REDISEÑO REQUISITOS:
departamentos, bajo volumen y alta variedad) difícil de 6. PLAN DE ACCION
estandarizar, alta personalización. ejm: trabajos de taller, 7. DIFINIR OBJETIVO DEL PROCESO
un hospital 8. DISELAR INDICADORES
 enfoque repetitivo: es una línea se enfoca en el producto 9. ESTABLECER METODOLOGIA DE SEGUIMIENTO Y MEJORA
en el proceso, utiliza módulos, módulos combinados para CRITERIOS DE PRIORIZACION:
obtener muchas alternativas de salida  influencia en cumplimiento de objetivos estratégicos
 enfoque en el producto: tiene pocas entradas, tiene  importancia en rentabilidad
variaciones leves, proceso continuo. ejemplos: agua  potencial innovación del proceso
embotellada, industria cementera, proceso de producción  impacto en el cliente
petrolera HERRAMIENTAS DE REDISEÑO
 personalización masiva: es la producción rápida y a bajo DIAGRAMA ISHIKAWA:
diagrama de causa – efecto, grafico de control, histograma. diagrama ANALISIS DEL CONTEXTO:
costo de bienes y servicios que satisfacen de manera FORTALEZAS:
creciente los deseos personales del cliente. ejemplos: de Pareto, diagrama de dispersión o correlación, hoja de recogida de
datos y estratificación de los datos. OPORTUNIDADES:
comida rápida, zapatillas
LOS PILARES: son elementos que sostienen la organización, son IDENTIFICAR ALGO QUE ESTA FUNCIONANDO MAL
conceptos que requerimos para que nuestra organización funcione. REPROCESO reproceso, quejas, cuello de botella, accidentes laborales
 se definen en función al sector como funciona el proceso y que podrian mejorar
 deben ser considerados en todos los procesos de negocio  LOS PORQUES PARA REALIZAR mediante: MATRIZ DE PUNTOS
 premisas que llevaran a la organización al éxito DE ATENCION
 alineados a la visión organizacional
mejoras rápidas
 PESTEL: POLITICOS, ECONOMICOS, SOCIALES. TECNOLOGICOS, redactar todos los documentos del documento 5
ISO: Esta Norma Internacional especifica los requisitos para un ECOLOGICOS Y LEGALES difusión (fotos psgina web)
sistema de gestió n ambiental que una organizació n puede usar LEGALES política y objetivos van relacionados para que se vuelvan reales
para mejorar su desempeñ o ambiental. La presente norma SOCIALES: de plan se vuelven reales
internacional está prevista para uso por una organizació n que ECONOMICOS: NUEVAS MAQUINARIAS tiene que cumplir varias características
busque gestionar sus responsabilidades ambientales de una forma ESTRATEGIAS: SE COMBINAS LAS FORTALEZA Y OPORTUNIDADES certificadoras:
sistemá tica que contribuya al pilar ambiental de la sostenibilidad F1 CON F4 CON O1 ………………………….. necesito contar con un equipo
previstos de un sistema de gestión ambiental incluyen: 4 CONTEXTO INTERNAS, EXTERNAS nuestras responsabilidades
— la mejora del desempeño ambiental; EXTRATEGIAS 1 POR CUADRANTE mi organigrama
— el cumplimiento de los requisitos legales y otros requisitos; adecuar mi MOF al sistema de gestión ambiental
— el logro de los objetivos ambientales. perfiles de puestos
EL 1,2,3 NO SON AUDITABLES como podemos identificar los riesgos?
REQUISITOS AUDITABLES: son verificables de que es lo que hemos 6.1. ACCIONES PARA ABORDAR RIESGOS Y
implementado OPORTUNIDADES
nosotros vamos a generar documentos y evidencias riesgos al sistema de gestión
del 4 AL 10 SI SON AUDITABLES no ambiental
LA ISO: aspecto: la incorrecta identificación de los impactos ambientales
ASPECTO: CAUSA
“LIDERAZGO” PROPIO CONTEXTO, PROPIA IMPACTOS: CAMBIOS EN EL MEDIO AMBIENTE (CONSECUENCIA)
REALIDAD 1. ESCOGER UN PROCESO
METODOLOGIAS PARA IDENTIFICAR ASPECTOS E IMPACTOS Y
RIESGOS AMBIENTALES
RECUADRO PUNTEADO ESTA ABIERTO
ENTREGABLES 6.1.4 PLANIFICACION DE ACCIONES:
2. UBICAR MI ALCANCE DEL SISTEMA
partes interesadas MATRIZ DE RIESGOS DE GSA
3. CICLO DE LA MEJORA CONTINUA
como se cumple: son las actividades MATRIZ DE IDENTIFICACION DE ASPECTOS E IMPACTOS
4.. SE NECESITA UN LIDER MATRIZ DE REQUISITOS LEGALES
SANIPES
5. DETERMINAMOS OBJETIVOS PLAN DE SISTEMA DE GESTION AMBIENTAL
4.4 mapa de procesos
6. PLANIFICAR sga aumentar una caja PROGRAMA DE GESTION AMBIENTAL
7.EVALUO EL DESEMPEÑO la mejora continua como estrategia CORE
solo elijo uno donde donde aplicare mi SGA ELEGIR UN PROCESO
EL ALCANCE VA DOCUMENTADO ANALISIS DE ENTRADAS Y SALIDAS (QUE ES LO QUE ENTRA Y SALE)
un análisis que tienen que estar relacionados al sistema de gestión DESGLOZAR POR ACTIVIDADES ESE PROCESO (3 A 4)
La organización debe determinar los límites y la aplicabilidad del
ambiental IDENTIFICAR QUE ASPECTO E IMPACTO AMBIENTAL SE GENERA
sistema de gestión ambiental para establecer su alcance.
LA ORGANIZACIÓN DEBE……… ES OBLIGATORIO ESCOGER LAS MAS CLAVES
LA DIRECCION
LA ALTA ORGANIZACIÓN DEBE………..SOLO ELLOS LO PUEDEN DEFICIR 7.2. TODO RELACIONADO A LAS PERSONAS
4.1 análisis foda
que propondría? 7.3 CONCIENTIZACION: MEDIANTE UNA CAPACITACION AMBIENTAL
4.2 partes interesadas
un análisis FODA LA CUAL INCLUYAN 4 TEMAS
4.3 alcance del sistema de gestión ambiental
CONTEXTO INTERNO DOCUMENTOS: GENERARAN CERTIFICADOS, O EVALUACIONES, LISTA
4.4 mapa de procesos
HERAMIENTA: AMOFHIT : ADMINISTRACION, MARKETING, DE LOS PARTICIPANTES DE LA CAPACITACION DE TOMA DE
5 es una entrevista
OPERACIONES, FINANZAS, RRHH, INNOVACION Y TECNOLOGIA CONCIENCIA
la alta gerencia va a definir los compromiso
HAYDUK: 1. POLITICA AMBIENTAL
a que se compromete la alta gerencia
LA ORGANIZACIÓN CUENTA CON UN RESPONSABLE DE SGA EN CUAL 2. ASPECTOS AMBIENTALES SIGNIFICATIVOS Y LOS IMPACTOS
1. contexto
ES EL GERENTE SSOMA AMBIENTALES REALES O POTENCIALES
párrafo inicial
TIENE CERTIFICADOS 3. BENEFICIOS DE UNA MEJROA DEL DESEMPEÑO AMBIENTAL
empresa hayduk se encarga en la
LA EMPRESA HAYDUK 4. LAS IMPLICACIONES DE SATISFACER LOS REQUISITOS DEL
producción………………………………………..
DESCONOCIMIENTO DE LAS NORMAS DE SISTEMA DE GESTION SISTEMA DE GESTION AMBIENTAL, INCUMPLIMIENTO DE
para lo cual define los siguientes compromisos
AMBIENTAL RQUISITOS LEGALES
3 compromisos POLITICA AMBIENTAL
 cumplimiento legal 7.4. COMUNICACIÓN:
 mejora continua LA POLITICA TIENE QUE SER COMPARTIDA A LAS PARTES EXTERNAS
 gestión ambiental protección del medio ambiente QUE AYUDE A UNA BUENA COMUNICACIÓN DE LOS PARTICIPANTES
la empresa se compromete MATRIZ DE COMUNICACIÓN INTERNA Y EXTERNA
la empresa se compromete a una búsqueda  MATRIZ DE COMUNICACIÓN INTERNA Y EXTERNA
debe comunicarse dentro la organización  PROCEDIMIENTO DE DOCUMENTACION
en la página web COMO COMUNICAR: DEBE TENER UN REGISTRO RESPALDO
CONTEXTO EXTERNO cambio de política dos a tres años LA COMUNICACIÓN DEBE SER MINIMO POR WHATSSAP
 DOCUMENTOS DEL 7.5. INFORMACION DOCUMENTADA: 2. DIFUSION DEL PLAN DE CONTINGEUNCIA  pilares estratégicos
1. PROCEDIMIENTO DE GESTION DOCUMENTADO 3. CRONOGRAMA DE SIMULADROS
2. LISTA MAESTRA DE DOCUMENTOS (LO VOY CREANDO 4. INFORME DE SIMULACROS
CONFORME VOY CREANDO MIS DOCUMENTOS) 5. EVIDENCIA DE CAPACITACIONES A LOS
3. ESTRUCTURA DE CARPETAS VIRTUAL O FISICA 6. DEMOSTRAR LA REVISION A TRAVES DE UNA ACTA
SI UN DOCUMENTO NO TIENE CODIGO NO ES VALIDO PARA QUE para seguir esos parámetros necesitare instrumentos de medición
PERTENESCA AL SISTEMA DE GESTION AMBIENTAL EQUIPOS DE MEDICION DEBEN ESTAR CALIBRADOS 1 VEZ AL AÑO
 DRIVE REALIZAR UN ANALISIS Y TOMAR UNA ACCION CORRECTIVA
 AICLAU ANALIZA Y TOMA ACCION
 SERPOIT Y ESO SE DEBE DOCUMENTAR
 MICROSFT TEAMS FORMATO SE LLAMAN LAS SAC SOLICITUD DE ACCION CORRECTIVA
CADA DOCUMENTO QUE HAGA TIENE QUE ESTAR EN UN LISTA PUEDE SER CON RECURSOS PROPIOS
MAESTRA DE DOCUMENTOS SE VA A REVISAR TODO LO QUE SE VA AUDITAR
 CODIGO MEDIANTE UN CHEC LIST
 NOMBRE DE DOCUMENTO PLANIFICO MI AUDITORIA EN UN CRONOGRAMA
 VERSION NO CONFORMIDAD: ES UN INCUMPLIMIENTO
 FECHA DE EMISION EJMPLO: NO HICIERON CAPACITACIONES
 FECHA DE APROBACION TODAS LAS NO CONFORMIDADES QUE IDENTIFIQUE LO POOONGO EN
 AREA UN INFORME
 RESPONSABLE REVISION POR LA DIRECCION ES SUMAMENTE IMPORTANTE:
TENGO QUE DEMOSTRAR QUE SE ESTA ALMACENANDO LA A TRAVES DE UN INFORME
INFORMACION EN UN MEDIO VIRTUAL SE PONE TODOS LOS RESULTADOS EN UN WORD Y LO ENVIAN A LA
8. OPERACIÓN PROCESOS (MAPA DE PROCESOS) DIRECCION ESO ESTA MAL
MATRIZ DE ASPECTOS E IMPACTOS AMBIENTALES TIENE QUE MEDIANTE UNA PRESENTACION
CONTROLES DETALLE DE LA ACTIVIDAD
CAPACITACIONES QUE SE HIZO QIE SE CUMPLIO
CAMPAÑAS COMINITU MANAGERS
MOSTRAR DOCUMENTOS 9. : ENTEGABLES
LAS ACCIONES DE CONTROL EVALUACION DEL DESEMPEÑO
CICLO DE VIDA TIENE UN ANTES Y UN DESPUES 1. PROCEDIMIENTO DE REVISION POR LA DIRECCION
EVALUAR HASTA QUE PUNTO SE VA A LLEGAR LOS IMPACTOS 2. PRESENTACION DE REVISION POR LA DIRECCION
AMBIENTALES 3. UN ACTA DE ACUERDOS DE LA REVISION POR LA
PROCEDIMIENTO DE COMPRAS AUDITORIA
INDICAR QUE REQUERIMIENTOS DEL SGA REQUIERE MIS SERVICIOS 4. PROGRAMA DE AUDITORIAS INTERNA
QUE NO TENGAN DETERMINADOS QUIMICOS 5. PLAN DE AUDITORIA INTERNA
ANTES 6. INFORME DE LA AU
LOS INSUMOS QUE SE VAYAN A COMPRAR NO DEBERAN CONTENER 7. RESULTADOS DE LA AUDITORIA INTERNA
LOS QUIMICOS……. 8. CERTIFICADOS DE LOS EQUIPOS CALIBRADOS
REQUERIMIENTOS 9. RESULTADOS DE LAS MEDICIONES DE LA MATRIZ DE
PLAN DE CONTINGUENCIA ASPECTOS E IMPACTOS AMBIENTALES
HOMOLOGACION LUEGO SE GENERA UNA ACTA CON FECHA DE
DESPUES SEGUIMIENTO
DISPOSICION DE LOS RESIDUOS 10.MEJORA
COMO CONTROLARLOS  NO CONFORMIDADES DE AUDITORIA INTERNA
QUE CRITERIOS  NO CONFORMES (EVENTOS QUE INCUMPLEN EL
ANTES ESTANDAR)
Y DESPUES  PROCEDIMIENTO DE NO CONFORME
¿EMERGENCIAS EN EU PUNTOS?  SOLICITUD DE ACCION CORRECTIVAS
EN 7 EMERGENCIA AMBIENTAL VE
EN ASPECTOS AMBIENTALES ESCUCHA
ACTIVIDADES RTUTINARIAS LUEGO DE ESO YA ME COMUNICO CON LA AUDITORIA PARA QUE ME
EN EL APARTADO 6.1.1. REVICE
8.2. DOCUMENTOS: 2 PARTE ME SOLICITA EVIDENCIAS
1. PLAN DE CONTIGUENCIA
HERRAMIENTAS DE GESTION