¿Cómo actualizar Debian 7 Wheezy?

Debian 7 Wheezy es la última actualización estable de las distribución Debian en Linux. Hasta ahora me ha funcionado perfectamente y es por ello que deseo mostrar algunos pasos y sitios web que me funcionaron perfectamente para su actualización e instalaciones de programas que para mi caso son importantes.

0) Instalar de Debian 7 Wheezy:

Para los que desean instalar el Debian 7 Wheezy, descargar el instalador en http://www.debian.org/CD/http-ftp/, los tipos de descarga son  CD y DVD. Los CDs son instaladores ligeros, requieren de conexión internet para su buena instalación mientras que los DVD son más completos y no requieren de conexión a internet para culminar la instalación.

1) Actualización de Debian Wheezy:

1.1) Preparamos nuestro sistema actual. Ejecutar los siguientes comando en la consola como superusuario:

aptitude update
aptitude upgrade
aptitude clean

Realizamos este paso porque se recomienda que no existan problemas de dependencias entre los paquetes. En caso contrario tratar de arreglar ello o intentar la actualización creando un backup como respaldo.

1.2) Actualizar la lista de repositorios para descargar e instalar los paquetes del Debian 7 Wheezy.

Para ello, se debe modificar el archivo   /etc/apt/sources.list quedando de la siguiente manera.

deb http://ftp.us.debian.org/debian/ wheezy main
deb-src http://ftp.us.debian.org/debian/ wheezy main

deb http://security.debian.org/ wheezy/updates main contrib
deb-src http://security.debian.org/ wheezy/updates main contrib

# wheezy-updates, previously known as 'volatile'
deb http://ftp.us.debian.org/debian/ wheezy-updates main contrib
deb-src http://ftp.us.debian.org/debian/ wheezy-updates main contrib

1.3) Actualizar los paquetes de Debian 7 Wheezy.

apt-get update
apt-get upgrade
apt-get dist-upgrade
reboot
lsb_release -a

Como resultado debes obtener las características de tu nuevo debian instalado (Debian 7 Wheezy )

2) Links que funcionan para la instlación de los siguientes programas:

2.1) Software R: http://cran.r-project.org/bin/linux/debian/

Añadimos el siguiente repositorio a   /etc/apt/sources.list.

# r backports
deb http://www.vps.fmvz.usp.br/CRAN/bin/linux/debian wheezy-cran3/

Ejecutamos los siguientes comando en el terminal como superusuario.

apt-key adv --keyserver subkeys.pgp.net --recv-key 381BA480
apt-get update
apt-get install r-base r-base-dev

2.2) IDE Rstudio: http://www.rstudio.com/ide/download/desktop

Instalar con GDebi Package Instaler haciendo anticlick en el paquete descargando y abriendo con GDebi.

2.3) Texstudio (Interface para el Editor de Textos Científicos Latex): http://packages.debian.org/wheezy/texstudio

Instalarlo por medio del Gestor de Paquetes. Sin embargo, la instalación no está completa, para el correcto funcionamiento añadir los paquetes recomendados y sugeridos en el link de esta sección.

2.4) Skype: http://wiki.debian.org/skype

Seguir los pasos del link, funciona y está completo.

2.5) Google Earth: http://diversidadyunpocodetodo.blogspot.com.es/2013/05/debian-wheezy-instalar-google-earth-64-ati-multiarch.html

Seguir los pasos del link pero no considerar el siguiente código porque el paquete ia32-libs ya no está disponible:

apt-get install ia32-libs

2.6) Mendeley Desktop (Gestor de bibliografías): http://www.mendeley.com/

Instalarlo por medio del Gestor de Paquetes.

2.7) Dropbox: https://www.dropbox.com/

2.8) Actualizar Iceweasel (Firefox): http://linuxgnublog.org/instalar-la-ultima-version-de-iceweasel-en-debian-wheezy/

Continuar con el link mostrado pero sólo agregar a /etc/apt/sources.list.

# mozilla backports
deb http://mozilla.debian.net/ wheezy-backports iceweasel-release
deb-src http://mozilla.debian.net/ wheezy-backports iceweasel-release

2.9) Actualizar Flash Player: http://permalink.gmane.org/gmane.linux.debian.user.spanish/180717

Agregar a /etc/apt/sources.list.

deb http://ftp.us.debian.org/debian wheezy contrib
Ejecutar en la consola, como superusuario:
apt-get update
apt-get install flashplugin-nonfree
Espero les sirva de ayuda, hasta la próxima.
Advertisements

Probabilidades de la vida

Este capítulo de Redes para la ciencia nos muestra que las probabilidades están en los sucesos que vivimos día a día. Aunque existen ciertos errores con las probabilidades y los porcentajes presentados, es una manera muy interesante y entretenida de hablar de probabilidades con todo el mundo…

Denle al enlace para que puedan ver este programa con Eduardo Punset y Amir Aczel…

http://www.redesparalaciencia.com/7252/redes/redes-125-descifrar-las-probabilidades-e-la-vida

¿Porqué usar la media armónica?

Recuerdo cuando llevé la clase de Estadística Descriptiva, y también la de Inferencia Paramétrica, nos presentaron estadísticos descriptivos como el promedio aritmético, geométrico y armónico. En ese instante no tenía ni la mas vaga idea de cuando utilizar el promedio armónico ya que al parecer, no podía interpretar, aquella fórmula, de una manera más comprensible o que de pistas de una interpretación clara tal como lo es el promedio aritmético. Cuento esto, porque me imagino que muchos se sienten identificados y por ello quiero compartir un ejemplo que hace un tiempo atrás revisé, espero que resulte de su interés. Es el siguiente:

Imagine que se esta estudiando la velocidad promedio de los vehículos en una vía definida, de la cual se tiene conocimiento de su longitud o distancia distancia = d. Ahora, se sabe que para estudiar este parámetro o estimarlo, se necesita un número de vehículos que realicen el recorrido por la vía bajo condiciones semejantes t(muestra) = n de manera que:

\overline{v} = \frac{\overline{d}}{\overline{t}}= \frac{\displaystyle\sum\limits_{i=1}^n \frac{d_i}{n}}{\overline{t}}

En donde d_i es la distancia recorrida por el i-ésimo vehículo. Pero para nuestro caso, como las medidas son tomadas en una misma longitud de vía, d_1=d_2=...=d_n = d. De tal manera que la ecuación queda reducida a:

\overline{v} = \frac{d}{\overline{t}}= \frac{d}{\displaystyle\sum\limits_{i=1}^n \frac{t_i}{n}}= \frac{nd}{\displaystyle\sum\limits_{i=1}^n t_i}

\overline{v} = \frac{nd}{\displaystyle\sum\limits_{i=1}^n t_i} ...(1)

Además recuerde que:
t_i= \frac{d_i}{v_i}=\frac{d}{v_i} ...(2)

En donde t_i es el tiempo de recorrido de cada vehículo y v_i es la velocidad promedio de cada vehículo .

Ahora reemplazando (2) en (1).

\overline{v} = \frac{nd}{\displaystyle\sum\limits_{i=1}^n \frac{d}{v_i}}

La constante d se elimina y obtenemos:

\overline{v} = \frac{n}{\displaystyle\sum\limits_{i=1}^n \frac{1}{v_i}}

lo cual viene a ser el promedio armónico. Conocido como velocidad-promedio espacio en la Simulación de Tráfico.

Redes para la ciencia: Robots para saber cómo somos

Otro capítulo maravilloso de Eduard Punset en Redes para la Ciencia:

En donde Deb Roy (Ingeniero Informático del MIT) explica como realizó un estudio de investigación grabando a su hijo por 2 años, almacenando 300 Gb por día, para poder entender los factores principales que hacen que un niño aprenda a hablar y así poder implementar esta capacidad a un robot. Lo importante es que la idea es que una vez que se pueda adaptar esta capacidad a un robot, se podría experimentar en él para entender de manera mas compleja como es que somos y como es que aprendemos (muy semejante al objetivo de realizar modelación, en donde deseamos abstraer la realidad mediante modelos para poder entender el impacto que traen consigo ciertas variaciones en las variables o decisiones).

En el siguiente link puedes ver el capítulo completo:

http://www.redesparalaciencia.com/7017/redes/redes-118-robots-para-saber-como-somos

Mapas en R con RgoogleMaps

Los mapas con el paquete RgoogleMaps se obtienen descargando los mapas desde Google Maps valga la redundancia-, lo bueno es la interface gráfica con que se pueden presentar los mapas incluyendo las calles, centros de atracción, etc. Además la sintaxis para obtener el mapa es sencilla y pueden agregar objetos en la ubicación deseada según su latitud y longitud. El mapa obtenido seria de la siguiente manera:

El código en R se muestra a continuación:

#install.packages("rgdal")
#install.packages("geomapdata")
#install.packages("sp")
install.packages("RgoogleMaps")
library("RgoogleMaps")

#Lima
# GetMap es para descargar el mapa y PlotOnStaticMap es para mostrar el mapa
#El Zoom va de 0 a 19
#Para ver latitud y longitud de Lima http://www.tutiempo.net/Tierra/Peru/Lima-PE035311.html
PlotOnStaticMap(GetMap(center=c(-12.05,-77.05), zoom =13, destfile = "Lima.png",
       maptype = "mobile"), axes = TRUE)
# si desean una imagen satelital
PlotOnStaticMap(GetMap(center=c(-12.05,-77.05), zoom =13, destfile = "Limasatelital.png",
       maptype = "satellite"), axes = TRUE)

# Para agregar texto al mapa puede hacer lo siguiente:
#Leer mapa
MyMap=GetMap(center=c(-12.02,-77.05), zoom =13, destfile = "LimaUNI.png",
       maptype = "mobile")
#Agregar texto al mapa
png(file="Mapa%02d.png", width=1000, height=1000)
TextOnStaticMap(MyMap, lat=c(-12.02+0.02*runif(1),-12.02+0.02*runif(1)),lon=c(-77.05+0.02*runif(1),-77.05+0.02*runif(1)), c("Ingeniería","Estadística"), cex=2, col = 'red')
dev.off()

Mapas en el paquete de “Métodos para datos espaciales” (sp) en R

Para trabajar con este paquete podemos descargar la información georeferenciada de http://gadm.org/ de cualquier país, lo malo es que a mayor nivel de detalle tal como distritos existen discrepancias con la realidad. De todas maneras este paquete resulta interesante y útil a la hora de trabajar con datos georeferenciados y mucho más si son datos propios. A continuación se muestra un código para obtener el mapa de Lima por provincias directo desde el Software R.

library(sp)
peru <- readRDS("PER_adm2.rds")
# Para descargar el mapa http://gadm.org/country
# En la misma página también se puede descargar para departamentos y provincias
# solo se cambia PER_adm2.RData por PER_adm0.RData,PER_adm1.RData o PER_adm3.RData
names(peru)
# Hasta ahora el mapa y sus características están cargados en gadm por provincias
mapalima <- peru[peru@data$NAME_1 == "Lima",] # Seleccionamos las provincias de lima (polígonos y datos) Aquí tu indicaste otros números pero la data ha cambiado y esos son los actuales que tienen las provincias de lima.
datalima <- data.frame(mapalima) # Seleccionamos solo los datos de la provincias
# Los nombres de las provincias pueden ser obtenidas de 2 maneras:
datalima[7];mapalima$NAME_2;
#creamos el factor según los nombres de las provincias elegidas
mapalima$provincias <- factor(mapalima$NAME_2)
#la función factor es para eliminar los niveles que no existen
col <- rainbow(length(levels(mapalima$provincias ))) # asignamos los colores según los niveles
# mostramos el mapa
spplot(mapalima, "provincias", col.regions = col, main = "Lima Provincias")
# Además lo siguiente es por si se desea el mapa con texto (puede ser en vectores)
d1 <- list("sp.text",c(-75.99853,-11.),"Estadística")
spplot(
  mapalima, "provincias", col.regions = col, main = "Lima Provincias",sp.layout =
    list(d1)
)

El resultado del mapa es el siguiente (Por supuesto que puede ser mejorado según sus intereses):

Hecho en R con el paquete sp

Por otro lado, también se muestra ,a continuación, el código para obtener los distritos del departamento de Lima:

library(sp)
#descargamos los datos por distritos
gadm <- readRDS("PER_adm3.rds")

names(gadm)
# elegimos solo los distritos de lima
mapalima <- gadm[(gadm@data$NAME_2  == "Lima") |
                  gadm@data$NAME_3  == "Callao" | gadm@data$NAME_3  == "Ventanilla",]
dataprovlima <- data.frame(mapalima)
limageo <- mapalima[1]

distritos <- factor(mapalima$NAME_3) #la función factor es para eliminar los niveles que no existen
mapalima$distritos <- distritos# asignamos el factor

col <- rainbow(length(levels(mapalima$distritos))) # asignamos los colores según los niveles
# mostramos el mapa

spplot(mapalima, "distritos", col.regions = col, main = "Distritos del Departamento de Lima")

Espero que les sea útil =).