Introducción a R Markdown

A lo largo de este proyecto, se evidenciarán las generalidades del lenguaje de programación R a partir de RStudio.

Temas a abordar:

1. ¿Qué es R y RStudio?

2. Uso de librerías, instalación e importación

3. Importación de datos desde Excel

4. LaTex en RMarkdown

5. Operaciones básicas

6. Estadística descriptiva

7. Gráficos

1. R y RStudio

R: R es un lenguaje de programación y un entorno de software utilizado para el análisis estadístico y la generación de gráficos. Fue creado por Ross Ihaka y Robert Gentleman en 1993 en la Universidad de Auckland, Nueva Zelanda.

RStudio: RStudio es un entorno de desarrollo integrado para el lenguaje de programación R. Fue creado por RStudio, Inc. y se ha convertido en una de las interfaces más populares y ampliamente utilizadas para trabajar con R.

2. Uso de librerías, importación e instalación

Para insertar un “Chunk” de código, utilizar el comando Ctrl + Alt + I

library(gganimate)

No renderer backend detected. gganimate will default to writing frames to separate files
Consider installing:
- the `gifski` package for gif output
- the `av` package for video output
and restarting the R session

3. Importación de datos desde Excel

Para importar los datos, haremos uso de la librería “readxl”, la cual ya fue llamada en el anterior “Chunk”

datos <- as.data.frame(read_xlsx(file.choose()))
head(datos)

Fecha <- as.Date(datos[,1])
Precio <- as.numeric(datos[,2])
datos1 <- data.frame(Fecha,Precio)
head(datos1)

4. LaTex en Markdown

Aplicaremos el sistema de composición de textos LaTex dentro de nuestro ejercicio para determinar el manejo que se darán a las variables, por ejemplo:

Suma de dos valores:

\[ a+b=c \]

5. Operaciones básicas:

Utilizaremos la base de datos importada para realizar operaciones báasicas sobre los datos que se aprecian en la misma. Suma de dos precios de cierre: \[ precio_{(16/05/2022)}+precio_{(15/05/2023)}=x \]

Suma <- Precio[1,]+Precio[262,]
Suma

[1] 8606.73

Resta de dos precios de cierre:

\[ precio_{(16/05/2022)}-precio_{(15/05/2023)}=x \]

Resta <- Precio[1,]-Precio[262,]
Resta

Producto de dos precios de cierre:

\[ precio_{(16/05/2022)}*precio_{(15/05/2023)}=x \]

Producto <- Precio[1,]*Precio[262,]
Producto

Cociente de dos precios de cierre:

\[ \dfrac{precio_{(16/05/2022)}}{precio_{(15/05/2023)}}=x \]

Cociente <- Precio[1,]/Precio[262,]
Cociente

6. Estadística descriptiva:

La estadística descriptiva resume y describe características de un conjunto de datos para facilitar su comprensión, utilizando medidas como promedios y variabilidad.

Promedio de los precios de cierre \[ \begin{equation} \bar{precio} = \frac{1}{262}\sum_{i=1}^{n}precio_i \end{equation} \]

Promedio <- mean(Precio)
Promedio

[1] 4545.154

Varianza de los precios de cierre \[ \begin{equation} \sigma^2 = \frac{1}{n}\sum_{i=1}^{n}(precio_i - \bar{precio})^2 \end{equation} \]

Varianza <- var(Precio)
Varianza

[1] 94657.27

Mediana de los precios de cierre

Mediana <- median(Precio)
Mediana

[1] 4588

7. Gráficos

Realizaremos un gráfico que permita evaluar el comportamiento del USD/COP a lo largo del último año

Grafico <- ggplot(data = datos1, aes(x = Fecha, y = Precio)) +
  geom_line() +
  labs(x = "Fechas", y = "Precios de cierre", title = "Comportamiento USDCOP")
Grafico