Resumen de R para el Manejo de Datos

Programa Internacional de Estadística Aplicada a la Investigación Científica

1 Titulo principal

1.1 Titulo secundario o subtitulo 1

1.1.1 Sub-sub-titulo

1.1.2 Sub-sub-titulo

1.2 Subitulo 2

2 Formato de texto

2.1 Listas

Listas ordenadas:

1. Item 1

2. Item 2

3. Item 3

   1. Item 3a
   2. Item 3b

4. Item 4

Listas no ordenadas:

• Item 1

• Item 2

  • Item 2.1
  • Item 2.2

2.2 Citas

“Un simple gráfico ha brindado más información a la mente del analista de datos que cualquier otro dispositivo.”

— John Tukey

2.3 Links

Esta semana aprendimos Rstudio.

2.4 Expresiones Matemáticas

Expresión matemática encerrada en un signo de dólar, la escribe en la misma línea \(x^2+5\) y si está encerrada en dos signos de dólar, la escribe en la siguiente línea y centrada: \[x^2+5\]

• En R podemos calcular: \[\sqrt{23^3+10}-\dfrac{2}{3}+ \ln(1) - e^3\]

2.5 Énfasis en el texto

Puedes hacer las cosas en negrita usando dos asteriscos, como esto: negrita, hacer cosas en cursiva usando guiones bajos, como esto: italicas o escribir tachado, como esto: tachado. También puedes escribir código en línea utilizando las comillas. Por ejemplo un paquete dplyr

2.6 Imágenes

Insertar imagen

Insertar imagen

2.7 Incluir Bibliografia

Este curso nos da una introducción práctica a la manipulación de datos y a las herramientas que provee el entorno tidyverse, puedes leer más en R para Ciencia de Datos de Wickham & Grolemund (2017). Si deseas aprender más acerca de la teoría subyacente, puede que te guste el artículo Tidy Data de Wickham (2014) publicado en la revista Journal of Statistical Software.

3 Chunks o Fragmentos de código R

Código NO se ve, SI se evalúa, NO se muestran resultados: Incluye este chunk al inicio del texto, luego del encabezado YAML, con los siguientes argumentos {r configuracion, echo=FALSE, eval=TRUE, include=FALSE}

• Código SI se ve, SI se evalúa: Incluye este chunk al final con los siguientes argumentos {r leer_datos, echo=TRUE, eval=TRUE}

## cargamos el conjunto de datos profesores2
profesores <- read_excel("data/EXCELprofesores2.xlsx")

*Código NO se ve, SI se evalúa: Incluye este chunk con los siguientes argumentos {r indicadores, echo=FALSE, eval=TRUE}

## # A tibble: 3 × 5
##   `Nivel que imparte docencia` Profesores Estudiantes Tiempo docencia …¹ Edad …²
##   <chr>                             <int>       <dbl>              <dbl>   <dbl>
## 1 BASICO                               98        3148                  8      36
## 2 INTERMEDIO                           42        1398                 11      42
## 3 SUPERIOR                             35        1138                  7      36
## # … with abbreviated variable names ¹​`Tiempo docencia Promedio`,
## #   ²​`Edad Promedio`

4 Tablas

Derecha	Izquierda	Default	Centro
12	12	12	12
123	123	123	123
1	1	1	1

Columna 1	Columna 2
item 1	item 2
item 3	item 4

kable(
    profesores %>% 
    group_by(nivel) %>% 
    summarise(Profesores = n(),
              Estudiantes = sum(alumnos),
              'Tiempo docencia Promedio' = round(mean(tiempo)),
              'Edad Promedio' = round(mean(edad)))%>% 
    rename("Nivel que imparte docencia"=nivel),
    caption = "Tabla 1. Indicadores según la encuesta XYZ"
)

Tabla 1. Indicadores según la encuesta XYZ

Nivel que imparte docencia	Profesores	Estudiantes	Tiempo docencia Promedio	Edad Promedio
BASICO	98	3148	8	36
INTERMEDIO	42	1398	11	42
SUPERIOR	35	1138	7	36

Bibliografía

Wickham, H. (2014). Tidy data. Journal of Statistical Software, 59(10), 1–23. https://doi.org/10.18637/jss.v059.i10

Wickham, H., & Grolemund, G. (2017). R for data science (2e). O’Reilly.