SlideShare una empresa de Scribd logo
1 de 57
Descargar para leer sin conexión
Introducción a R
           Programa Estadístico de “Código Abierto”
                            versión 2.9.1



                     Prof. Orville M. Disdier


                                                      1
Prof. Disdier                                   Ver. 020909
Objetivos
      1. Exponer las posibles ventajas y desventajas del
         programa R.
      2. Definir y demostrar algunos comandos y
         operaciones básicas.
      3. Practicar y aplicar lo aprendido.




                                                      2
Prof. Disdier
Diseño del Taller
                              Parte 1
                            Introducción


                              Parte 2
                Definiciones, comandos y operaciones


                              Parte 3
                        Práctica y aplicación


                                                       3
Prof. Disdier
Parte I
                Introducción




                               4
Prof. Disdier
¿Qué es R?
• R es un programa estadístico creado por Ross
  Ihaka y Robert Gentleman de la Universidad de
  Aukland, Nueva Zelandia
   • Para el manejo de datos, gráficas y cálculos.
• Desde 1995 se distribuye gratis a través de
  Internet y desde el 1997 un “core group” lo
  maneja
   • Asistido de una gran cantidad de
     colaboradores internacionales.
                                                     5
¿Qué es R?      (continuación)




• Está basado en los programas S y S‐Plus, es
  gratis y completamente programable, lo que
  brinda flexibilidad en el análisis.
• Un gran número de paquetes suplementan a R,
  también accesibles a través de Internet, lo que
  convierte a R en un sistema integrado de
  herramientas para el análisis de datos.


                                                    6
Gráficas en R




                7
Gráficas en R




     8
Instalación

• Se accede a través del “Comprehensive R
  Archive Network” (CRAN) en la página:
  http://cran.r‐project.org.
• Disponible en tres plataformas: Windows,
  MacOS X y Linux.
• La versión actual para Windows es R 2.9.1.
   Es actualizada constantemente

                                               9
10
Prof. Disdier
11
Prof. Disdier
12
Prof. Disdier
http://cran.r-project.org/bin/windows/base/md5sum.txt


                  MD5sums:
                   http://www.openoffice.org/dev_docs/using_md5sums.html




                                                                           13
Prof. Disdier
14
Prof. Disdier
http://bayes.math.montana.edu/Rweb/Rweb.general.html
                                                   15
Prof. Disdier
Parte II
                Definiciones, comandos y operaciones




                                                       16
Prof. Disdier
Ayuda (Help)

       • Utilizar el “Help” en el menu del programa.
       • Utilizar el comando:
             > help.start()
              >help.search(search string)
              > help(function), ej. >help(plot)
               >?plot

                                                       17
Prof. Disdier
Paquetes de R
       • Programas que se le pueden añadir a R para
         que realice funciones especializadas.
       • Al instalar R se instalan algunos paquetes
         básicos

http://cran.r-project.org/index.html




                                                      18
Prof. Disdier
Paquetes de R

       • Paquetes activos
          >Search()
       • Paquetes disponibles para activar
          >Library()



                                             19
Prof. Disdier
Bajar nuevos Paquetes de R




                                             20
Prof. Disdier
Activar los paquetes R




                                         21
Prof. Disdier
Operaciones matemáticas básicas
                 Operación       Símbolo en R
                    Suma              +
                    Resta             ‐
                Multiplicación        *
                   División           /
                  Potencia            ^


                                                22
Prof. Disdier
Orden de evaluación matemática
                     1                       2                        3


            ^        Potencias        */     •Multiplicaciones
                                             • divisiones        +‐   • Sumas
                                                                      • Restas



                10+5^3*2/10

                10+5^3*2/10 = 10+125 *2/10

                10+125*2/10 = 10+25

                10+25 =


                                                                                 23
Prof. Disdier
Funciones matemáticas
                Raíz cuadrada                sqrt()
                Exponenciación, e^x, e=2.7182 exp()
                Logaritmo natural            log()
                Logaritmo base 10            log10()
                Seno                         sin()
                Coseno                       cos()
                Número aleatorios            runif(n,min,max)
                                             round(runif(n,min,max),0)

                Valor absoluto               abs()
                                                                         24
Prof. Disdier
Variables
        • Se puede crear o asignar utilizando “=“ ó “<‐”.
        • Mantiene el valor hasta que sea borrada o se le
          asigne otro valor.
        • Sus nombres no pueden empezar con un número.
        • R es “case sensitive”.
        • Las variables pueden ser numéricas o de
          caracteres.
        • Evitar los siguientes nombres: c, q, t, C, D, F, I, T.


                                                              25
Prof. Disdier
Objetos
        • Variables, valores
        • Ver los objetos disponibles:
           >ls()
           >objects()
        • Ver el valor del objeto
           >nombre del objeto
        • Borrar o eliminar objetos
           >rm(nombre del objeto)

                                         26
Prof. Disdier
Vectores
        • Colección de objetos (números, caracteres, otros)
        • Concatenación de objetos nuevos o existentes,.
        • Comando:
           >vector1= c(1,2,3,4,5)
        • Vector secuencial
           >seq(min,max,increment)
           >(desde):(hasta)



                                                         27
Prof. Disdier
Vectores     (continuación)



        • Extracción de valores de un vector
           >x=c(1,10,3,20,14)
           > vector[posición del valor a extraer]
           >x[5]
           [1] 14
           > x[c(2,4)] # Extrae elementos en la posición 2 y
                         4 solamente
        • [1] 10 20
           > x[‐c(2,4)] # Remueve los elementos 2 y 4
           [1] 10 12 13 14 15 16 17 18 19 20             28
Prof. Disdier
Funciones para vectores
                Función                    Descripción
      length(v)           Largo del vector v
      min(v)              Mínimo
      max(v)              Máximo
      sum(v)              Suma de todos los elementos de v
      prod(v)             Producto de los elementos de v
      mean(v)             Media
      median(v)           Mediana
      var(v)              Varianza
      sd(v)               Desviación estándar
      cor(v,w)            Correlación entre dos vectores
      sort(v)             Organiza los elementos en forma ascendente
      Quantile(v)         Cuartilas empíricas                     29
Prof. Disdier
Operaciones lógicas
                  Operación      Símbolo en R
           Menor a                    <
           Menor o igual a           <=
           Mayor a                    >
           Mayor o igual a           >=
           Exactamente igual a       ==
           Diferente a               !=

                                                30
Prof. Disdier
Observaciones incompletas
                     (missing values)
       • Los missing se establecen con las letras NA.
       • Si una variable incluye un NA entre sus valores, los
         cálculos no se podrán realizar y el resultado será:
         NA.
       • Para que el NA no se considere en los cálculos hay
         que escribir la siguiente instrucción:
          >na.rm=TRUE


                                                           31
Prof. Disdier
Observaciones incompletas:
                         Ejemplo
       • Asignar valores a una variable.
          >pagos=c(200,300,150,NA)
       • Calcular la media
          > mean(pagos)
          [1] NA
       • Calcular la media sin considerar el missing
          > mean(pagos, na.rm=TRUE)
          [1] 216.6667

                                                       32
Prof. Disdier
Lectura de datos externos

        • Directorio de trabajo (“working directory”)
          > getwd()
              Indica cual es el directorio de trabajo
          > setwd("Z:/Proyecto 2 (Academias)/Taller R")
              Establece el nuevo directorio de trabajo




                                                          33
Prof. Disdier
Lectura de datos externos                               (continuación)



        • Importar de Excel
                  • Convertir a CSV
           1      • “Save as CSV comma delimited”
                  • Asignar nombre y leer
           2      • >Datos.Tabla1=read.csv(“TABLA1‐INFORMEDEPUNTUACIONES.csv",header=T)
                  • Ver y corroborar
           3      • >Datos.Tabla1
                  • Activar los datos (“Attach”)
           4      • >attach(Datos.Tabla1)


                                                                                         34
Prof. Disdier
Editor de datos

        • Activar la pantalla de edición
           >fix(objeto o variable)
        • Editar el contenido de una variable
           >fix(pagos)
        • Remover (objetos o variables)
           >rm(pagos)



                                                35
Prof. Disdier
Gráficas
 • Plot (x versus y)
    >plot (x, y)
    >ejex=c(1,2,3,4,5,6,7,8,9,10)
    > ejey=c(1,2,3,4,5,6,7,8,9,10)
    > plot(ejex,ejey)




                                     36
Prof. Disdier
Gráficas    (continuación)



 • hist () #histograma
    >f=c(10,30,30,40,50,60,80,100)
    >hist (f)




                                                37
Prof. Disdier
Gráficas de Barra (Plot)
• barplot(x)
   >impuestos=c(196,178,116) #en miles de millones
   >names(impuestos)=c(“ventas”,”inmuebles”,”renta”)
   >barplot(impuestos)




                                                  38
Prof. Disdier
Gráficas de Barra (Dotchart)
• dotchart(x), xlab=“label ejex”, main=“titulo”
   >dotchart(impuestos, xlab=“Impuestos en millones”,
     main=“Impuestos según procedencia”, pch=“@”)




                                                   39
Prof. Disdier
Guardar (save) las gráficas




                                              40
Prof. Disdier
Resguardo (“Save”)
        • Guardar (“save”) los datos y variables


                                 Workspace.RData


        • Guardar el historial (comandos y texto)




                                                    41
Prof. Disdier
Parte III
                Práctica y Aplicación




                                        42
Prof. Disdier
TABLA 1
                                   INFORME DE PUNTUACIONES
                                     Escuela: Del Monte Arriba

                                                                          Puntuaciones
         ID         NOMBRE              SEXO            EDAD
                                                                 Examen #1         Examen #2


          1     José Hernández           M                8        80.5                  90.2

          2     Pietra Colón              F               9        70.6                  76.9

          3     Augusto Candela          M                10       54.9                  50.1
          4     Jorge Castro             M                9        100                   100
          5     Alexis Rodríguez         M                8        98.3                  92.4
          6     Julio Valle              M                8        32.1                  45.2
          7     María Valle               F               10       89.6                  85.4
          8     Pedro Caraballo          M                9        99.5                  89.6
          9     Ivelise Dessert           F               8        69.7                  72.5
         10     Félix Mirabal            M                9        84.5                  88.7

                                                 43
Prof. Disdier
Ejercico #1
          1. Sumar Edad
          2. Promedio Puntuaciones Examen #2
                                                                                          Examen #2

                                                                          EDAD
     ID       NOMBRE         SEXO   EDAD
                                           Examen #1
                                                    Puntuaciones

                                                             Examen #2                      90.2
     1    José Hernández      M      8       80.5                  90.2

     2    Pietra Colón        F      9       70.6                  76.9

     3    Augusto Candela     M      10      54.9                  50.1
     4
     5
          Jorge Castro
          Alexis Rodríguez
                              M
                              M
                                     9
                                     8
                                             100
                                             98.3
                                                                   100
                                                                   92.4
                                                                                            76.9
                                                                           8
     6    Julio Valle         M      8       32.1                  45.2
     7    María Valle         F      10      89.6                  85.4
     8    Pedro Caraballo     M      9       99.5                  89.6
     9    Ivelise Dessert     F      8       69.7                  72.5




                                                                                            50.1
     10   Félix Mirabal       M      9       84.5                  88.7




                                                                           9
                                                                                            100
                                                                           10
                                                                                            92.4
                                                                           9
                                                                           8                45.2
                                                                           8                85.4
                                                                           10               89.6
                                                                           9                72.5
                                                                           8
                                                                                            88.7
                                                                                                      44
                                                                           9
Prof. Disdier
Resultados-Ejercico #1
                1. Sumar Edad =                    88


                > edad=8+9+10+9+8+8+10+9+8+9
                > edad
                [1] 88
                > edad2=c(8,9,10,9,8,8,10,9,8,9)
                > sum(edad2)
                [1] 88




                                                        45
Prof. Disdier
Resultados-Ejercico #1
                2. Promedio Puntuaciones Examen #2 =                      79.1


                > examen2a=90.2+76.9+50.1+100+92.4+45.2+85.4+89.6+72.5+88.7
                > examen2a
                [1] 791
                > examen2a/10
                [1] 79.1
                > examen2b=c(90.2,76.9,50.1,100,92.4,45.2,85.4,89.6,72.5,88.7)
                > examen2b
                 [1] 90.2 76.9 50.1 100.0 92.4 45.2 85.4 89.6 72.5 88.7
                > mean(examen2b)
                [1] 79.1




                                                                                 46
Prof. Disdier
TABLA 2
                     ESTATURA Y PESO DE LOS ESTUDIANTES
                           Escuela: Del Monte Arriba

                ID           Estatura (pulg.)             Peso (lbs.)
                1                    66                      140
                2                    67                      180
                3                    58                      130
                4                    73                      200
                5                    69                      175
                6                    67                      180
                7                    71                      179

                                       47
Prof. Disdier
Ejercico #2
   1. Media, Mediana, Var, Min, y Max Estatura
   2. Media, Mediana, Var, Min, y Max Peso




                                                 48
Prof. Disdier
Resultados-Ejercico #2
     1.      Media, Mediana, Var, MIN, y Max Estatura:
            Media = 67.3
            Mediana = 67
            Var = 22.9
            Min = 58
            Max = 73
> estatura=c(66,67,58,73,69,67,71)
> mean(estatura)
[1] 67.28571
> median(estatura)
[1] 67
> var(estatura)
[1] 22.90476
> min(estatura)
[1] 58
> max(estatura)
                                                         49
Prof.73
[1] Disdier
Resultados-Ejercico #2
     2. Media, Mediana, Var, MIN, y Max Peso:
            Media = 169.9
            Mediana = 179
            Var = 616.8
            Min = 130
            Max = 200
> peso=c(140,180,130,200,175,180,179)
> mean(peso)
[1] 169.1429
> median(peso)
[1] 179
> var(peso)
[1] 616.8095
> min(peso)
[1] 130
> max(peso)
                                                50
[1] 200
Prof. Disdier
TABLA 3
                                   TABLA DE DEMANDA
                Unidades vendidas de la novela “La Cosquilla” según su precio

                        Precio de venta ($)         Unidades vendidas
                                10                           5
                                 9                           9
                                 8                           13
                                 7                           17
                                 6                           21
                                 5                           25




                                               51
Prof. Disdier
Ejercico #3
        1. Correlación Precio versus Unidades
        2. Plot Precio versus Unidades (curva de demanda)




                                                       52
Prof. Disdier
Resultados-Ejercico #3
        1. Correlación Precio versus Unidades:
                r = -1
            > precio=c(10,9,8,7,6,5)
            > unidades=c(5,9,13,17,21,25)
            > cor(precio,unidades)
            [1] ‐1




                                                 53
Prof. Disdier
Resultados-Ejercico #3
        2. PLOT Precio versus Unidades:

     > plot(unidades,precio)




                                              54
Prof. Disdier
TABLA 4
                            TABLA DE EXPORTACION
                        Exportación de Frutas y Vegetales

                Frutas y vegetales        Unidades exportadas (quintales)
                     Yautía                             100
                    Guineos                             680
                Platanos maduros                        789
                 Platanos verdes                        150




                                         55
Prof. Disdier
Ejercico #4
   1. Generar una gráfica de barra Tabla 4




                                             56
Prof. Disdier
Resultados-Ejercico #4
        1. Generar una gráfica de barra Tabla 4:
     > frutyveg=c(100,680,789,150)
     > names(frutyveg)=c("Yautia","Guineos","Platanos maduros","Platanos verdes")


                > barplot(frutyveg)




                                                                                    57
Prof. Disdier

Más contenido relacionado

Destacado

Lección 3. Leer un archivo CSV en R
Lección 3. Leer un archivo CSV en RLección 3. Leer un archivo CSV en R
Lección 3. Leer un archivo CSV en RCarlos Pérez Lara
 
R-Studio, diferencia estadísticamente significativa 2
R-Studio, diferencia estadísticamente significativa 2R-Studio, diferencia estadísticamente significativa 2
R-Studio, diferencia estadísticamente significativa 2Jose Quezada
 
LENGUAJE DE PROGRAMACION R
LENGUAJE DE PROGRAMACION RLENGUAJE DE PROGRAMACION R
LENGUAJE DE PROGRAMACION RShirley Armas
 
Lección 1. Tipos de datos en R
Lección 1. Tipos de datos  en RLección 1. Tipos de datos  en R
Lección 1. Tipos de datos en RCarlos Pérez Lara
 
Lenguaje de programacion orientado a la estadística R.
Lenguaje de programacion orientado a la estadística R.Lenguaje de programacion orientado a la estadística R.
Lenguaje de programacion orientado a la estadística R.lola-stefy
 
Stefaan Bonte, Koen Brebels en de lancering van Trias 2.0
Stefaan Bonte, Koen Brebels en de lancering van Trias 2.0Stefaan Bonte, Koen Brebels en de lancering van Trias 2.0
Stefaan Bonte, Koen Brebels en de lancering van Trias 2.0Trias ngo
 
Lección 2 . Uso de operadores en R
Lección 2 .  Uso de operadores en RLección 2 .  Uso de operadores en R
Lección 2 . Uso de operadores en RCarlos Pérez Lara
 
Inecuaciones en r uedees
Inecuaciones en r uedeesInecuaciones en r uedees
Inecuaciones en r uedeesbrendarg
 
¿Qué debemos hacer desde Tecnología para estar alineados con la Transformac...
¿Qué debemos hacer desde Tecnología para estar alineados con la Transformac...¿Qué debemos hacer desde Tecnología para estar alineados con la Transformac...
¿Qué debemos hacer desde Tecnología para estar alineados con la Transformac...Martín Cabrera
 
Transformación digital y el nuevo paradigma de TI
Transformación digital y el nuevo paradigma de TI Transformación digital y el nuevo paradigma de TI
Transformación digital y el nuevo paradigma de TI Software Guru
 

Destacado (20)

Horoscopo test1
Horoscopo test1Horoscopo test1
Horoscopo test1
 
Lección 3. Leer un archivo CSV en R
Lección 3. Leer un archivo CSV en RLección 3. Leer un archivo CSV en R
Lección 3. Leer un archivo CSV en R
 
R-Studio, diferencia estadísticamente significativa 2
R-Studio, diferencia estadísticamente significativa 2R-Studio, diferencia estadísticamente significativa 2
R-Studio, diferencia estadísticamente significativa 2
 
LENGUAJE DE PROGRAMACION R
LENGUAJE DE PROGRAMACION RLENGUAJE DE PROGRAMACION R
LENGUAJE DE PROGRAMACION R
 
Lección 1. Tipos de datos en R
Lección 1. Tipos de datos  en RLección 1. Tipos de datos  en R
Lección 1. Tipos de datos en R
 
Lenguaje de programacion orientado a la estadística R.
Lenguaje de programacion orientado a la estadística R.Lenguaje de programacion orientado a la estadística R.
Lenguaje de programacion orientado a la estadística R.
 
Presentation R
Presentation RPresentation R
Presentation R
 
Stefaan Bonte, Koen Brebels en de lancering van Trias 2.0
Stefaan Bonte, Koen Brebels en de lancering van Trias 2.0Stefaan Bonte, Koen Brebels en de lancering van Trias 2.0
Stefaan Bonte, Koen Brebels en de lancering van Trias 2.0
 
Lección 2 . Uso de operadores en R
Lección 2 .  Uso de operadores en RLección 2 .  Uso de operadores en R
Lección 2 . Uso de operadores en R
 
Inecuaciones en r uedees
Inecuaciones en r uedeesInecuaciones en r uedees
Inecuaciones en r uedees
 
Estadística con Lenguaje R: Sesión 3
Estadística con Lenguaje R: Sesión 3Estadística con Lenguaje R: Sesión 3
Estadística con Lenguaje R: Sesión 3
 
Transformación digital en cifras
Transformación digital en cifrasTransformación digital en cifras
Transformación digital en cifras
 
Estadística con Lenguaje R: Sesión 7
Estadística con Lenguaje R: Sesión 7Estadística con Lenguaje R: Sesión 7
Estadística con Lenguaje R: Sesión 7
 
Estadística con Lenguaje R: Sesión 2
Estadística con Lenguaje R: Sesión 2Estadística con Lenguaje R: Sesión 2
Estadística con Lenguaje R: Sesión 2
 
Estadística con Lenguaje R: Sesión 5
Estadística con Lenguaje R: Sesión 5Estadística con Lenguaje R: Sesión 5
Estadística con Lenguaje R: Sesión 5
 
Estadística con Lenguaje R: Sesión 1
Estadística con Lenguaje R: Sesión 1Estadística con Lenguaje R: Sesión 1
Estadística con Lenguaje R: Sesión 1
 
R project
R projectR project
R project
 
Estadística con Lenguaje R: Sesión 4
Estadística con Lenguaje R: Sesión 4Estadística con Lenguaje R: Sesión 4
Estadística con Lenguaje R: Sesión 4
 
¿Qué debemos hacer desde Tecnología para estar alineados con la Transformac...
¿Qué debemos hacer desde Tecnología para estar alineados con la Transformac...¿Qué debemos hacer desde Tecnología para estar alineados con la Transformac...
¿Qué debemos hacer desde Tecnología para estar alineados con la Transformac...
 
Transformación digital y el nuevo paradigma de TI
Transformación digital y el nuevo paradigma de TI Transformación digital y el nuevo paradigma de TI
Transformación digital y el nuevo paradigma de TI
 

Similar a Introduccion al Programa R

Curso de R: 1.1. introducción al lenguaje (Objetos y operadores básicos)
Curso de R: 1.1. introducción al lenguaje (Objetos y operadores básicos)Curso de R: 1.1. introducción al lenguaje (Objetos y operadores básicos)
Curso de R: 1.1. introducción al lenguaje (Objetos y operadores básicos)Nerys Ramírez Mordán
 
AdV - Programación para no Programadores
AdV - Programación para no ProgramadoresAdV - Programación para no Programadores
AdV - Programación para no ProgramadoresJavier_J
 
Primera Interaula, 'Programación para no programadores'
Primera Interaula, 'Programación para no programadores'Primera Interaula, 'Programación para no programadores'
Primera Interaula, 'Programación para no programadores'AulaDeVideojuegos
 
R Services con SQL Server
R Services con SQL ServerR Services con SQL Server
R Services con SQL ServerdbLearner
 
Introduccion y operaciones basicas (matlab)
Introduccion y operaciones basicas (matlab)Introduccion y operaciones basicas (matlab)
Introduccion y operaciones basicas (matlab)Gino Pannillo
 
UTPL-LÓGICA DE LA PROGRAMACIÓN-II BIMESTRE-(abril agosto 2012)
UTPL-LÓGICA DE LA PROGRAMACIÓN-II BIMESTRE-(abril agosto 2012)UTPL-LÓGICA DE LA PROGRAMACIÓN-II BIMESTRE-(abril agosto 2012)
UTPL-LÓGICA DE LA PROGRAMACIÓN-II BIMESTRE-(abril agosto 2012)Videoconferencias UTPL
 
Historia del ecuador
Historia del ecuadorHistoria del ecuador
Historia del ecuadoraldo_rzb
 
PRACTICAS DE MODELOS APLICABLE EN MATEMATICAS.ppt
PRACTICAS DE MODELOS APLICABLE EN MATEMATICAS.pptPRACTICAS DE MODELOS APLICABLE EN MATEMATICAS.ppt
PRACTICAS DE MODELOS APLICABLE EN MATEMATICAS.pptAPIRELAGONZALEZ
 
Tema 1: Introducción a la programación funcional.
Tema 1: Introducción a la programación funcional.Tema 1: Introducción a la programación funcional.
Tema 1: Introducción a la programación funcional.José A. Alonso
 
FdP_Diapositivas_2018
FdP_Diapositivas_2018FdP_Diapositivas_2018
FdP_Diapositivas_2018ead1943
 
Taller processing arduino
Taller processing arduinoTaller processing arduino
Taller processing arduinojesusresta
 

Similar a Introduccion al Programa R (20)

Curso de R: 1.1. introducción al lenguaje (Objetos y operadores básicos)
Curso de R: 1.1. introducción al lenguaje (Objetos y operadores básicos)Curso de R: 1.1. introducción al lenguaje (Objetos y operadores básicos)
Curso de R: 1.1. introducción al lenguaje (Objetos y operadores básicos)
 
AdV - Programación para no Programadores
AdV - Programación para no ProgramadoresAdV - Programación para no Programadores
AdV - Programación para no Programadores
 
Primera Interaula, 'Programación para no programadores'
Primera Interaula, 'Programación para no programadores'Primera Interaula, 'Programación para no programadores'
Primera Interaula, 'Programación para no programadores'
 
Conceptos básicos de R
Conceptos básicos de RConceptos básicos de R
Conceptos básicos de R
 
R Services con SQL Server
R Services con SQL ServerR Services con SQL Server
R Services con SQL Server
 
Introduccion y operaciones basicas (matlab)
Introduccion y operaciones basicas (matlab)Introduccion y operaciones basicas (matlab)
Introduccion y operaciones basicas (matlab)
 
UTPL-LÓGICA DE LA PROGRAMACIÓN-II BIMESTRE-(abril agosto 2012)
UTPL-LÓGICA DE LA PROGRAMACIÓN-II BIMESTRE-(abril agosto 2012)UTPL-LÓGICA DE LA PROGRAMACIÓN-II BIMESTRE-(abril agosto 2012)
UTPL-LÓGICA DE LA PROGRAMACIÓN-II BIMESTRE-(abril agosto 2012)
 
Historia del ecuador
Historia del ecuadorHistoria del ecuador
Historia del ecuador
 
PRACTICAS DE MODELOS APLICABLE EN MATEMATICAS.ppt
PRACTICAS DE MODELOS APLICABLE EN MATEMATICAS.pptPRACTICAS DE MODELOS APLICABLE EN MATEMATICAS.ppt
PRACTICAS DE MODELOS APLICABLE EN MATEMATICAS.ppt
 
Fun[ctional] spark with scala
Fun[ctional] spark with scalaFun[ctional] spark with scala
Fun[ctional] spark with scala
 
Meetup Fun[ctional] spark with scala
Meetup Fun[ctional] spark with scalaMeetup Fun[ctional] spark with scala
Meetup Fun[ctional] spark with scala
 
Astema3
Astema3Astema3
Astema3
 
INTRODUCCION A LA POO
INTRODUCCION A LA POOINTRODUCCION A LA POO
INTRODUCCION A LA POO
 
Visual basic-net
Visual basic-netVisual basic-net
Visual basic-net
 
Presentacion Python
Presentacion  Python Presentacion  Python
Presentacion Python
 
Tema 1: Introducción a la programación funcional.
Tema 1: Introducción a la programación funcional.Tema 1: Introducción a la programación funcional.
Tema 1: Introducción a la programación funcional.
 
FdP_Diapositivas_2018
FdP_Diapositivas_2018FdP_Diapositivas_2018
FdP_Diapositivas_2018
 
Taller processing arduino
Taller processing arduinoTaller processing arduino
Taller processing arduino
 
(1) Curso sobre el software estadístico R. Introducción al entorno R
(1) Curso sobre el software estadístico R. Introducción al entorno R(1) Curso sobre el software estadístico R. Introducción al entorno R
(1) Curso sobre el software estadístico R. Introducción al entorno R
 
Modulo4
Modulo4Modulo4
Modulo4
 

Más de Dr. Orville M. Disdier

Integracion de los Procesos de Investigacion en la Sala de Clases
Integracion de los Procesos de Investigacion en la Sala de ClasesIntegracion de los Procesos de Investigacion en la Sala de Clases
Integracion de los Procesos de Investigacion en la Sala de ClasesDr. Orville M. Disdier
 
Liderazgo Educativo y los Objetivos de Desarrollo Sostenible
Liderazgo Educativo y los Objetivos de Desarrollo SostenibleLiderazgo Educativo y los Objetivos de Desarrollo Sostenible
Liderazgo Educativo y los Objetivos de Desarrollo SostenibleDr. Orville M. Disdier
 
Datos Demograficos y Estadisticas Relevantes para Futuros Farmaceuticos
Datos Demograficos y Estadisticas Relevantes para Futuros FarmaceuticosDatos Demograficos y Estadisticas Relevantes para Futuros Farmaceuticos
Datos Demograficos y Estadisticas Relevantes para Futuros FarmaceuticosDr. Orville M. Disdier
 
Conociendo Fuentes de Datos apropiadas para establecer Medidas Basales en Pla...
Conociendo Fuentes de Datos apropiadas para establecer Medidas Basales en Pla...Conociendo Fuentes de Datos apropiadas para establecer Medidas Basales en Pla...
Conociendo Fuentes de Datos apropiadas para establecer Medidas Basales en Pla...Dr. Orville M. Disdier
 
Sustentabilidad Economica de la Educacion Superior
Sustentabilidad Economica de la Educacion SuperiorSustentabilidad Economica de la Educacion Superior
Sustentabilidad Economica de la Educacion SuperiorDr. Orville M. Disdier
 
Realidad Estadistica del Sector Educativo
Realidad Estadistica del Sector EducativoRealidad Estadistica del Sector Educativo
Realidad Estadistica del Sector EducativoDr. Orville M. Disdier
 
Las Estadisticas de Salud en Puerto Rico: Calidad, veracidad y Aplicacion
Las Estadisticas de Salud en Puerto Rico: Calidad, veracidad y AplicacionLas Estadisticas de Salud en Puerto Rico: Calidad, veracidad y Aplicacion
Las Estadisticas de Salud en Puerto Rico: Calidad, veracidad y AplicacionDr. Orville M. Disdier
 
A panel of Puerto Rican experts on statistics and on higher education
A panel of Puerto Rican experts on statistics and on higher educationA panel of Puerto Rican experts on statistics and on higher education
A panel of Puerto Rican experts on statistics and on higher educationDr. Orville M. Disdier
 
Prevención y Atención al Maltrato de Menores en Puerto Rico
Prevención y Atención al Maltrato de Menores en Puerto RicoPrevención y Atención al Maltrato de Menores en Puerto Rico
Prevención y Atención al Maltrato de Menores en Puerto RicoDr. Orville M. Disdier
 
Los Retos Globales de la Educacion Superior en Puerto Rico
Los Retos Globales de la Educacion Superior en Puerto RicoLos Retos Globales de la Educacion Superior en Puerto Rico
Los Retos Globales de la Educacion Superior en Puerto RicoDr. Orville M. Disdier
 
Caracteristicas de la poblacion postsecundaria - Una mirada al futuro
Caracteristicas de la poblacion postsecundaria - Una mirada al futuroCaracteristicas de la poblacion postsecundaria - Una mirada al futuro
Caracteristicas de la poblacion postsecundaria - Una mirada al futuroDr. Orville M. Disdier
 
Implicaciones Éticas de los Procesos Estadísticos
Implicaciones Éticas de los Procesos EstadísticosImplicaciones Éticas de los Procesos Estadísticos
Implicaciones Éticas de los Procesos EstadísticosDr. Orville M. Disdier
 
Financiamiento educacion post secundaria hacia un desarrollo sostenible
Financiamiento educacion post secundaria hacia un desarrollo sostenibleFinanciamiento educacion post secundaria hacia un desarrollo sostenible
Financiamiento educacion post secundaria hacia un desarrollo sostenibleDr. Orville M. Disdier
 
Panorama General de la Pobreza en Puerto Rico: Algunos Datos
Panorama General de la Pobreza en Puerto Rico: Algunos DatosPanorama General de la Pobreza en Puerto Rico: Algunos Datos
Panorama General de la Pobreza en Puerto Rico: Algunos DatosDr. Orville M. Disdier
 
Dia de las Profesiones: La profesión de estadístico
Dia de las Profesiones: La profesión de estadísticoDia de las Profesiones: La profesión de estadístico
Dia de las Profesiones: La profesión de estadísticoDr. Orville M. Disdier
 

Más de Dr. Orville M. Disdier (20)

Integracion de los Procesos de Investigacion en la Sala de Clases
Integracion de los Procesos de Investigacion en la Sala de ClasesIntegracion de los Procesos de Investigacion en la Sala de Clases
Integracion de los Procesos de Investigacion en la Sala de Clases
 
Liderazgo Educativo y los Objetivos de Desarrollo Sostenible
Liderazgo Educativo y los Objetivos de Desarrollo SostenibleLiderazgo Educativo y los Objetivos de Desarrollo Sostenible
Liderazgo Educativo y los Objetivos de Desarrollo Sostenible
 
Innovacion de la Educacion Superior
Innovacion de la Educacion SuperiorInnovacion de la Educacion Superior
Innovacion de la Educacion Superior
 
Datos Demograficos y Estadisticas Relevantes para Futuros Farmaceuticos
Datos Demograficos y Estadisticas Relevantes para Futuros FarmaceuticosDatos Demograficos y Estadisticas Relevantes para Futuros Farmaceuticos
Datos Demograficos y Estadisticas Relevantes para Futuros Farmaceuticos
 
Conociendo Fuentes de Datos apropiadas para establecer Medidas Basales en Pla...
Conociendo Fuentes de Datos apropiadas para establecer Medidas Basales en Pla...Conociendo Fuentes de Datos apropiadas para establecer Medidas Basales en Pla...
Conociendo Fuentes de Datos apropiadas para establecer Medidas Basales en Pla...
 
Sustentabilidad Economica de la Educacion Superior
Sustentabilidad Economica de la Educacion SuperiorSustentabilidad Economica de la Educacion Superior
Sustentabilidad Economica de la Educacion Superior
 
Realidad Estadistica del Sector Educativo
Realidad Estadistica del Sector EducativoRealidad Estadistica del Sector Educativo
Realidad Estadistica del Sector Educativo
 
Las Estadisticas de Salud en Puerto Rico: Calidad, veracidad y Aplicacion
Las Estadisticas de Salud en Puerto Rico: Calidad, veracidad y AplicacionLas Estadisticas de Salud en Puerto Rico: Calidad, veracidad y Aplicacion
Las Estadisticas de Salud en Puerto Rico: Calidad, veracidad y Aplicacion
 
A panel of Puerto Rican experts on statistics and on higher education
A panel of Puerto Rican experts on statistics and on higher educationA panel of Puerto Rican experts on statistics and on higher education
A panel of Puerto Rican experts on statistics and on higher education
 
Prevención y Atención al Maltrato de Menores en Puerto Rico
Prevención y Atención al Maltrato de Menores en Puerto RicoPrevención y Atención al Maltrato de Menores en Puerto Rico
Prevención y Atención al Maltrato de Menores en Puerto Rico
 
Los Retos Globales de la Educacion Superior en Puerto Rico
Los Retos Globales de la Educacion Superior en Puerto RicoLos Retos Globales de la Educacion Superior en Puerto Rico
Los Retos Globales de la Educacion Superior en Puerto Rico
 
Castlevania Puerto Rico
Castlevania Puerto RicoCastlevania Puerto Rico
Castlevania Puerto Rico
 
Caracteristicas de la poblacion postsecundaria - Una mirada al futuro
Caracteristicas de la poblacion postsecundaria - Una mirada al futuroCaracteristicas de la poblacion postsecundaria - Una mirada al futuro
Caracteristicas de la poblacion postsecundaria - Una mirada al futuro
 
Implicaciones Éticas de los Procesos Estadísticos
Implicaciones Éticas de los Procesos EstadísticosImplicaciones Éticas de los Procesos Estadísticos
Implicaciones Éticas de los Procesos Estadísticos
 
Financiamiento educacion post secundaria hacia un desarrollo sostenible
Financiamiento educacion post secundaria hacia un desarrollo sostenibleFinanciamiento educacion post secundaria hacia un desarrollo sostenible
Financiamiento educacion post secundaria hacia un desarrollo sostenible
 
Demografía Post-María
Demografía Post-MaríaDemografía Post-María
Demografía Post-María
 
Panorama General de la Pobreza en Puerto Rico: Algunos Datos
Panorama General de la Pobreza en Puerto Rico: Algunos DatosPanorama General de la Pobreza en Puerto Rico: Algunos Datos
Panorama General de la Pobreza en Puerto Rico: Algunos Datos
 
Veinte Pasos
Veinte PasosVeinte Pasos
Veinte Pasos
 
Dia de las Profesiones: La profesión de estadístico
Dia de las Profesiones: La profesión de estadísticoDia de las Profesiones: La profesión de estadístico
Dia de las Profesiones: La profesión de estadístico
 
Resultados Pruebas META-PR 2017-2018
Resultados Pruebas META-PR 2017-2018Resultados Pruebas META-PR 2017-2018
Resultados Pruebas META-PR 2017-2018
 

Último

La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..La Gatera de la Villa
 
Presentación contribuciones socioeconómicas del SUPV 2023
Presentación contribuciones socioeconómicas del SUPV 2023Presentación contribuciones socioeconómicas del SUPV 2023
Presentación contribuciones socioeconómicas del SUPV 2023Ivie
 
Herbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptxHerbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptxArs Erótica
 
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdfdiana593621
 
Programación Anual 2024 - CIENCIAS SOCIALES.docx
Programación Anual 2024  - CIENCIAS SOCIALES.docxProgramación Anual 2024  - CIENCIAS SOCIALES.docx
Programación Anual 2024 - CIENCIAS SOCIALES.docxJhordanBenitesSanche1
 
plan espacios inspiradores para nivel primaria
plan espacios inspiradores para nivel primariaplan espacios inspiradores para nivel primaria
plan espacios inspiradores para nivel primariaElizabeth252489
 
Xardín de San Carlos (A Coruña) IES Monelos
Xardín de San Carlos (A Coruña) IES MonelosXardín de San Carlos (A Coruña) IES Monelos
Xardín de San Carlos (A Coruña) IES MonelosAgrela Elvixeo
 
Adoración sin fin al Dios Creador por sus bendiciones
Adoración sin fin al Dios Creador por sus bendicionesAdoración sin fin al Dios Creador por sus bendiciones
Adoración sin fin al Dios Creador por sus bendicionesAlejandrino Halire Ccahuana
 
Concurso de Innovación Pedagógica T2 FONDEP 2024 Ccesa007.pdf
Concurso de Innovación Pedagógica  T2  FONDEP 2024 Ccesa007.pdfConcurso de Innovación Pedagógica  T2  FONDEP 2024 Ccesa007.pdf
Concurso de Innovación Pedagógica T2 FONDEP 2024 Ccesa007.pdfDemetrio Ccesa Rayme
 
PROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍA
PROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍAPROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍA
PROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍAJoaqunSolrzano
 
Kirpi-el-erizo libro descargar pdf 1 link
Kirpi-el-erizo libro descargar pdf 1 linkKirpi-el-erizo libro descargar pdf 1 link
Kirpi-el-erizo libro descargar pdf 1 linkMaximilianoMaldonado17
 
SECUENCIA DIDÁCTICA Matemática 1er grado
SECUENCIA  DIDÁCTICA Matemática 1er gradoSECUENCIA  DIDÁCTICA Matemática 1er grado
SECUENCIA DIDÁCTICA Matemática 1er gradoAnaMara883998
 
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...Unidad de Espiritualidad Eudista
 
UNIDAD DE APRENDIZAJE MARZO 2024.docx para educacion
UNIDAD DE APRENDIZAJE MARZO 2024.docx para educacionUNIDAD DE APRENDIZAJE MARZO 2024.docx para educacion
UNIDAD DE APRENDIZAJE MARZO 2024.docx para educacionCarolVigo1
 
Presentación: Actividad de Diálogos adolescentes.pptx
Presentación: Actividad de  Diálogos adolescentes.pptxPresentación: Actividad de  Diálogos adolescentes.pptx
Presentación: Actividad de Diálogos adolescentes.pptxNabel Paulino Guerra Huaranca
 
la forma de los objetos expresión gráfica preescolar
la forma de los objetos expresión gráfica preescolarla forma de los objetos expresión gráfica preescolar
la forma de los objetos expresión gráfica preescolarCa Ut
 
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdfceeabarcia
 
sociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre tercerosociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre terceroCEIP TIERRA DE PINARES
 

Último (20)

La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
La Gatera de la Villa nº 51. Revista cultural sobre Madrid..
 
Presentación contribuciones socioeconómicas del SUPV 2023
Presentación contribuciones socioeconómicas del SUPV 2023Presentación contribuciones socioeconómicas del SUPV 2023
Presentación contribuciones socioeconómicas del SUPV 2023
 
Herbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptxHerbert James Drape. Erotismo y sensualidad.pptx
Herbert James Drape. Erotismo y sensualidad.pptx
 
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
1° GRADO UNIDAD DE APRENDIZAJE 0 - 2024.pdf
 
Programación Anual 2024 - CIENCIAS SOCIALES.docx
Programación Anual 2024  - CIENCIAS SOCIALES.docxProgramación Anual 2024  - CIENCIAS SOCIALES.docx
Programación Anual 2024 - CIENCIAS SOCIALES.docx
 
plan espacios inspiradores para nivel primaria
plan espacios inspiradores para nivel primariaplan espacios inspiradores para nivel primaria
plan espacios inspiradores para nivel primaria
 
Xardín de San Carlos (A Coruña) IES Monelos
Xardín de San Carlos (A Coruña) IES MonelosXardín de San Carlos (A Coruña) IES Monelos
Xardín de San Carlos (A Coruña) IES Monelos
 
Power Point E. Sab: Adoración sin fin...
Power Point E. Sab: Adoración sin fin...Power Point E. Sab: Adoración sin fin...
Power Point E. Sab: Adoración sin fin...
 
Adoración sin fin al Dios Creador por sus bendiciones
Adoración sin fin al Dios Creador por sus bendicionesAdoración sin fin al Dios Creador por sus bendiciones
Adoración sin fin al Dios Creador por sus bendiciones
 
Concurso de Innovación Pedagógica T2 FONDEP 2024 Ccesa007.pdf
Concurso de Innovación Pedagógica  T2  FONDEP 2024 Ccesa007.pdfConcurso de Innovación Pedagógica  T2  FONDEP 2024 Ccesa007.pdf
Concurso de Innovación Pedagógica T2 FONDEP 2024 Ccesa007.pdf
 
Tema 6.- La identidad visual corporativa y el naming.pdf
Tema 6.- La identidad visual corporativa y el naming.pdfTema 6.- La identidad visual corporativa y el naming.pdf
Tema 6.- La identidad visual corporativa y el naming.pdf
 
PROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍA
PROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍAPROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍA
PROGRAMACIÓN CURRICULAR ANUAL DE CIENCIA Y TECNOLOGÍA
 
Kirpi-el-erizo libro descargar pdf 1 link
Kirpi-el-erizo libro descargar pdf 1 linkKirpi-el-erizo libro descargar pdf 1 link
Kirpi-el-erizo libro descargar pdf 1 link
 
SECUENCIA DIDÁCTICA Matemática 1er grado
SECUENCIA  DIDÁCTICA Matemática 1er gradoSECUENCIA  DIDÁCTICA Matemática 1er grado
SECUENCIA DIDÁCTICA Matemática 1er grado
 
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
La Congregación de Jesús y María, conocida también como los Eudistas, fue fun...
 
UNIDAD DE APRENDIZAJE MARZO 2024.docx para educacion
UNIDAD DE APRENDIZAJE MARZO 2024.docx para educacionUNIDAD DE APRENDIZAJE MARZO 2024.docx para educacion
UNIDAD DE APRENDIZAJE MARZO 2024.docx para educacion
 
Presentación: Actividad de Diálogos adolescentes.pptx
Presentación: Actividad de  Diálogos adolescentes.pptxPresentación: Actividad de  Diálogos adolescentes.pptx
Presentación: Actividad de Diálogos adolescentes.pptx
 
la forma de los objetos expresión gráfica preescolar
la forma de los objetos expresión gráfica preescolarla forma de los objetos expresión gráfica preescolar
la forma de los objetos expresión gráfica preescolar
 
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
21 MARZO DIA INTERNACIONAL DOS BOSQUES.pdf
 
sociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre tercerosociales ciencias segundo trimestre tercero
sociales ciencias segundo trimestre tercero
 

Introduccion al Programa R

  • 1. Introducción a R Programa Estadístico de “Código Abierto” versión 2.9.1 Prof. Orville M. Disdier 1 Prof. Disdier Ver. 020909
  • 2. Objetivos 1. Exponer las posibles ventajas y desventajas del programa R. 2. Definir y demostrar algunos comandos y operaciones básicas. 3. Practicar y aplicar lo aprendido. 2 Prof. Disdier
  • 3. Diseño del Taller Parte 1 Introducción Parte 2 Definiciones, comandos y operaciones Parte 3 Práctica y aplicación 3 Prof. Disdier
  • 4. Parte I Introducción 4 Prof. Disdier
  • 5. ¿Qué es R? • R es un programa estadístico creado por Ross Ihaka y Robert Gentleman de la Universidad de Aukland, Nueva Zelandia • Para el manejo de datos, gráficas y cálculos. • Desde 1995 se distribuye gratis a través de Internet y desde el 1997 un “core group” lo maneja • Asistido de una gran cantidad de colaboradores internacionales. 5
  • 6. ¿Qué es R? (continuación) • Está basado en los programas S y S‐Plus, es gratis y completamente programable, lo que brinda flexibilidad en el análisis. • Un gran número de paquetes suplementan a R, también accesibles a través de Internet, lo que convierte a R en un sistema integrado de herramientas para el análisis de datos. 6
  • 9. Instalación • Se accede a través del “Comprehensive R Archive Network” (CRAN) en la página: http://cran.r‐project.org. • Disponible en tres plataformas: Windows, MacOS X y Linux. • La versión actual para Windows es R 2.9.1. Es actualizada constantemente 9
  • 13. http://cran.r-project.org/bin/windows/base/md5sum.txt MD5sums: http://www.openoffice.org/dev_docs/using_md5sums.html 13 Prof. Disdier
  • 16. Parte II Definiciones, comandos y operaciones 16 Prof. Disdier
  • 17. Ayuda (Help) • Utilizar el “Help” en el menu del programa. • Utilizar el comando: > help.start() >help.search(search string) > help(function), ej. >help(plot) >?plot 17 Prof. Disdier
  • 18. Paquetes de R • Programas que se le pueden añadir a R para que realice funciones especializadas. • Al instalar R se instalan algunos paquetes básicos http://cran.r-project.org/index.html 18 Prof. Disdier
  • 19. Paquetes de R • Paquetes activos >Search() • Paquetes disponibles para activar >Library() 19 Prof. Disdier
  • 20. Bajar nuevos Paquetes de R 20 Prof. Disdier
  • 21. Activar los paquetes R 21 Prof. Disdier
  • 22. Operaciones matemáticas básicas Operación Símbolo en R Suma + Resta ‐ Multiplicación * División / Potencia ^ 22 Prof. Disdier
  • 23. Orden de evaluación matemática 1 2 3 ^ Potencias */ •Multiplicaciones • divisiones +‐ • Sumas • Restas 10+5^3*2/10 10+5^3*2/10 = 10+125 *2/10 10+125*2/10 = 10+25 10+25 = 23 Prof. Disdier
  • 24. Funciones matemáticas Raíz cuadrada sqrt() Exponenciación, e^x, e=2.7182 exp() Logaritmo natural log() Logaritmo base 10 log10() Seno sin() Coseno cos() Número aleatorios runif(n,min,max) round(runif(n,min,max),0) Valor absoluto abs() 24 Prof. Disdier
  • 25. Variables • Se puede crear o asignar utilizando “=“ ó “<‐”. • Mantiene el valor hasta que sea borrada o se le asigne otro valor. • Sus nombres no pueden empezar con un número. • R es “case sensitive”. • Las variables pueden ser numéricas o de caracteres. • Evitar los siguientes nombres: c, q, t, C, D, F, I, T. 25 Prof. Disdier
  • 26. Objetos • Variables, valores • Ver los objetos disponibles: >ls() >objects() • Ver el valor del objeto >nombre del objeto • Borrar o eliminar objetos >rm(nombre del objeto) 26 Prof. Disdier
  • 27. Vectores • Colección de objetos (números, caracteres, otros) • Concatenación de objetos nuevos o existentes,. • Comando: >vector1= c(1,2,3,4,5) • Vector secuencial >seq(min,max,increment) >(desde):(hasta) 27 Prof. Disdier
  • 28. Vectores (continuación) • Extracción de valores de un vector >x=c(1,10,3,20,14) > vector[posición del valor a extraer] >x[5] [1] 14 > x[c(2,4)] # Extrae elementos en la posición 2 y 4 solamente • [1] 10 20 > x[‐c(2,4)] # Remueve los elementos 2 y 4 [1] 10 12 13 14 15 16 17 18 19 20 28 Prof. Disdier
  • 29. Funciones para vectores Función Descripción length(v) Largo del vector v min(v) Mínimo max(v) Máximo sum(v) Suma de todos los elementos de v prod(v) Producto de los elementos de v mean(v) Media median(v) Mediana var(v) Varianza sd(v) Desviación estándar cor(v,w) Correlación entre dos vectores sort(v) Organiza los elementos en forma ascendente Quantile(v) Cuartilas empíricas 29 Prof. Disdier
  • 30. Operaciones lógicas Operación Símbolo en R Menor a < Menor o igual a <= Mayor a > Mayor o igual a >= Exactamente igual a == Diferente a != 30 Prof. Disdier
  • 31. Observaciones incompletas (missing values) • Los missing se establecen con las letras NA. • Si una variable incluye un NA entre sus valores, los cálculos no se podrán realizar y el resultado será: NA. • Para que el NA no se considere en los cálculos hay que escribir la siguiente instrucción: >na.rm=TRUE 31 Prof. Disdier
  • 32. Observaciones incompletas: Ejemplo • Asignar valores a una variable. >pagos=c(200,300,150,NA) • Calcular la media > mean(pagos) [1] NA • Calcular la media sin considerar el missing > mean(pagos, na.rm=TRUE) [1] 216.6667 32 Prof. Disdier
  • 33. Lectura de datos externos • Directorio de trabajo (“working directory”) > getwd() Indica cual es el directorio de trabajo > setwd("Z:/Proyecto 2 (Academias)/Taller R") Establece el nuevo directorio de trabajo 33 Prof. Disdier
  • 34. Lectura de datos externos (continuación) • Importar de Excel • Convertir a CSV 1 • “Save as CSV comma delimited” • Asignar nombre y leer 2 • >Datos.Tabla1=read.csv(“TABLA1‐INFORMEDEPUNTUACIONES.csv",header=T) • Ver y corroborar 3 • >Datos.Tabla1 • Activar los datos (“Attach”) 4 • >attach(Datos.Tabla1) 34 Prof. Disdier
  • 35. Editor de datos • Activar la pantalla de edición >fix(objeto o variable) • Editar el contenido de una variable >fix(pagos) • Remover (objetos o variables) >rm(pagos) 35 Prof. Disdier
  • 36. Gráficas • Plot (x versus y) >plot (x, y) >ejex=c(1,2,3,4,5,6,7,8,9,10) > ejey=c(1,2,3,4,5,6,7,8,9,10) > plot(ejex,ejey) 36 Prof. Disdier
  • 37. Gráficas (continuación) • hist () #histograma >f=c(10,30,30,40,50,60,80,100) >hist (f) 37 Prof. Disdier
  • 38. Gráficas de Barra (Plot) • barplot(x) >impuestos=c(196,178,116) #en miles de millones >names(impuestos)=c(“ventas”,”inmuebles”,”renta”) >barplot(impuestos) 38 Prof. Disdier
  • 39. Gráficas de Barra (Dotchart) • dotchart(x), xlab=“label ejex”, main=“titulo” >dotchart(impuestos, xlab=“Impuestos en millones”, main=“Impuestos según procedencia”, pch=“@”) 39 Prof. Disdier
  • 40. Guardar (save) las gráficas 40 Prof. Disdier
  • 41. Resguardo (“Save”) • Guardar (“save”) los datos y variables Workspace.RData • Guardar el historial (comandos y texto) 41 Prof. Disdier
  • 42. Parte III Práctica y Aplicación 42 Prof. Disdier
  • 43. TABLA 1 INFORME DE PUNTUACIONES Escuela: Del Monte Arriba Puntuaciones ID NOMBRE SEXO EDAD Examen #1 Examen #2 1 José Hernández M 8 80.5 90.2 2 Pietra Colón F 9 70.6 76.9 3 Augusto Candela M 10 54.9 50.1 4 Jorge Castro M 9 100 100 5 Alexis Rodríguez M 8 98.3 92.4 6 Julio Valle M 8 32.1 45.2 7 María Valle F 10 89.6 85.4 8 Pedro Caraballo M 9 99.5 89.6 9 Ivelise Dessert F 8 69.7 72.5 10 Félix Mirabal M 9 84.5 88.7 43 Prof. Disdier
  • 44. Ejercico #1 1. Sumar Edad 2. Promedio Puntuaciones Examen #2 Examen #2 EDAD ID NOMBRE SEXO EDAD Examen #1 Puntuaciones Examen #2 90.2 1 José Hernández M 8 80.5 90.2 2 Pietra Colón F 9 70.6 76.9 3 Augusto Candela M 10 54.9 50.1 4 5 Jorge Castro Alexis Rodríguez M M 9 8 100 98.3 100 92.4 76.9 8 6 Julio Valle M 8 32.1 45.2 7 María Valle F 10 89.6 85.4 8 Pedro Caraballo M 9 99.5 89.6 9 Ivelise Dessert F 8 69.7 72.5 50.1 10 Félix Mirabal M 9 84.5 88.7 9 100 10 92.4 9 8 45.2 8 85.4 10 89.6 9 72.5 8 88.7 44 9 Prof. Disdier
  • 45. Resultados-Ejercico #1 1. Sumar Edad = 88 > edad=8+9+10+9+8+8+10+9+8+9 > edad [1] 88 > edad2=c(8,9,10,9,8,8,10,9,8,9) > sum(edad2) [1] 88 45 Prof. Disdier
  • 46. Resultados-Ejercico #1 2. Promedio Puntuaciones Examen #2 = 79.1 > examen2a=90.2+76.9+50.1+100+92.4+45.2+85.4+89.6+72.5+88.7 > examen2a [1] 791 > examen2a/10 [1] 79.1 > examen2b=c(90.2,76.9,50.1,100,92.4,45.2,85.4,89.6,72.5,88.7) > examen2b [1] 90.2 76.9 50.1 100.0 92.4 45.2 85.4 89.6 72.5 88.7 > mean(examen2b) [1] 79.1 46 Prof. Disdier
  • 47. TABLA 2 ESTATURA Y PESO DE LOS ESTUDIANTES Escuela: Del Monte Arriba ID Estatura (pulg.) Peso (lbs.) 1 66 140 2 67 180 3 58 130 4 73 200 5 69 175 6 67 180 7 71 179 47 Prof. Disdier
  • 48. Ejercico #2 1. Media, Mediana, Var, Min, y Max Estatura 2. Media, Mediana, Var, Min, y Max Peso 48 Prof. Disdier
  • 49. Resultados-Ejercico #2 1. Media, Mediana, Var, MIN, y Max Estatura: Media = 67.3 Mediana = 67 Var = 22.9 Min = 58 Max = 73 > estatura=c(66,67,58,73,69,67,71) > mean(estatura) [1] 67.28571 > median(estatura) [1] 67 > var(estatura) [1] 22.90476 > min(estatura) [1] 58 > max(estatura) 49 Prof.73 [1] Disdier
  • 50. Resultados-Ejercico #2 2. Media, Mediana, Var, MIN, y Max Peso: Media = 169.9 Mediana = 179 Var = 616.8 Min = 130 Max = 200 > peso=c(140,180,130,200,175,180,179) > mean(peso) [1] 169.1429 > median(peso) [1] 179 > var(peso) [1] 616.8095 > min(peso) [1] 130 > max(peso) 50 [1] 200 Prof. Disdier
  • 51. TABLA 3 TABLA DE DEMANDA Unidades vendidas de la novela “La Cosquilla” según su precio Precio de venta ($) Unidades vendidas 10 5 9 9 8 13 7 17 6 21 5 25 51 Prof. Disdier
  • 52. Ejercico #3 1. Correlación Precio versus Unidades 2. Plot Precio versus Unidades (curva de demanda) 52 Prof. Disdier
  • 53. Resultados-Ejercico #3 1. Correlación Precio versus Unidades: r = -1 > precio=c(10,9,8,7,6,5) > unidades=c(5,9,13,17,21,25) > cor(precio,unidades) [1] ‐1 53 Prof. Disdier
  • 54. Resultados-Ejercico #3 2. PLOT Precio versus Unidades: > plot(unidades,precio) 54 Prof. Disdier
  • 55. TABLA 4 TABLA DE EXPORTACION Exportación de Frutas y Vegetales Frutas y vegetales Unidades exportadas (quintales) Yautía 100 Guineos 680 Platanos maduros 789 Platanos verdes 150 55 Prof. Disdier
  • 56. Ejercico #4 1. Generar una gráfica de barra Tabla 4 56 Prof. Disdier
  • 57. Resultados-Ejercico #4 1. Generar una gráfica de barra Tabla 4: > frutyveg=c(100,680,789,150) > names(frutyveg)=c("Yautia","Guineos","Platanos maduros","Platanos verdes") > barplot(frutyveg) 57 Prof. Disdier