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 matématicas

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

Gráficas

plot(a,b)

plot(a,b,type="l")

plot(a,b,type="b")

plot(a,b,type="b", main ="ventas por mes")

plot(a,b,type="b", main="ventas por mes", xlab="mes", ylab="m usd")

Conclusiones

En este trabajo se pueden visualizar los comandos básicos de R para asignar variables, vectores, realizar operaciones artimeticas, etc.

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