Asignación de Variables

x <- 2
y <- 3

Impresión de Resultados

x
## [1] 2
y
## [1] 3

Operaciones Aritméticas

suma <- x+y
suma
## [1] 5
division <- x/y
division
## [1] 0.6666667

Funciones matemáticas

raiz_cuadrada <- sqrt(x)
raiz_cuadrada
## [1] 1.414214
z <- -3
z
## [1] -3
absoluto <- abs(z)
absoluto
## [1] 3
signo <- sign(z)
signo
## [1] -1
signo2 <- sign(x)
signo2
## [1] 1
redondeo_arriba <- ceiling (division)
redondeo_arriba
## [1] 1
redondeo_abajo <- floor(division)
redondeo_abajo
## [1] 0

Vectores

a <- c(1,2,3,4,5)
a
## [1] 1 2 3 4 5
longitud <- length(a)
longitud
## [1] 5
promedio <- mean(a)
promedio
## [1] 3
resumen <- summary(a)
resumen
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##       1       2       3       3       4       5
orden_ascendente <- sort(a)
orden_ascendente
## [1] 1 2 3 4 5
orden_descendente <- sort(a, decreasing=TRUE)
orden_descendente
## [1] 5 4 3 2 1
#?sort

b <- c(6,7,8,9,10)
b
## [1]  6  7  8  9 10
suma_vectores <- a+b
suma_vectores
## [1]  7  9 11 13 15

Gráficas

plot(a,b, type = "b", main = "Ventas por Mes", xlab = "Mes", ylab = "M USD")

#?plot

Conclusiones

En este trabajo se pueden visualizar los comandos básicos de R para asignar variables, imprimir resultados, realizar operaciones aritméticas y funciones matemáticas, operar vectores y generar gráficas.

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