Comandos Básicos

Asignación de variables

x <- 3
y <- 2

Impresión de resultados

x

## [1] 3

y

## [1] 2

Operaciones aritméticas

suma <- x+y
suma

## [1] 5

resta <- x-y
resta

## [1] 1

multiplicacion <- x*y
multiplicacion

## [1] 6

division <- x/y
division

## [1] 1.5

division_entera <- x%/%y
division_entera

## [1] 1

residuo <- x%%y
residuo

## [1] 1

potencia <- x^2
potencia

## [1] 9

Funciones matemáticas

raiz_cuadrada <- sqrt(x)
raiz_cuadrada

## [1] 1.732051

raiz_cubica <- x**(1/3)
raiz_cubica

## [1] 1.44225

exponencial <- exp(1)
exponencial

## [1] 2.718282

absoluto <- abs (x)
absoluto

## [1] 3

signo <- sign(x)
signo

## [1] 1

redondeo_arriba <- ceiling (x/y)
redondeo_arriba

## [1] 2

redondeo_abajo <- floor (x/y)
redondeo_abajo

## [1] 1

truncar <- trunc(x/y)
truncar

## [1] 1

Constantes

pi

## [1] 3.141593

radio <- 5

area_circulo <- pi* radio**2
area_circulo

## [1] 78.53982

#Vectores

a <- c (1,2,3,4,5)
a

## [1] 1 2 3 4 5

nombre <- c ("Jose", "Ana" , "Juan")
nombre

## [1] "Jose" "Ana"  "Juan"

longitud <- length(a)
longitud

## [1] 5

longitud_nombre <- length(nombre)
longitud_nombre

## [1] 3

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(1,2,3,4,5)
b

## [1] 1 2 3 4 5

suma_vectores <- a + b
suma_vectores

## [1]  2  4  6  8 10

plot(a,b,main="Ventas Totales",xlab="Semana",ylab="Milliones de USD")

Ejercicio1

nombres <- c ("Diego", "Toño", "AnaPau", "María", "Osvaldo")
altura <- c (1.52, 1.90, 1.50, 1.65, 1.73)
peso <- c(64, 80, 55, 50, 65)
imc <- peso/altura**2

df <- data.frame(nombres, altura, peso, imc)

df

##   nombres altura peso      imc
## 1   Diego   1.52   64 27.70083
## 2    Toño   1.90   80 22.16066
## 3  AnaPau   1.50   55 24.44444
## 4   María   1.65   50 18.36547
## 5 Osvaldo   1.73   65 21.71807

summary(df)

##    nombres              altura          peso           imc       
##  Length:5           Min.   :1.50   Min.   :50.0   Min.   :18.37  
##  Class :character   1st Qu.:1.52   1st Qu.:55.0   1st Qu.:21.72  
##  Mode  :character   Median :1.65   Median :64.0   Median :22.16  
##                     Mean   :1.66   Mean   :62.8   Mean   :22.88  
##                     3rd Qu.:1.73   3rd Qu.:65.0   3rd Qu.:24.44  
##                     Max.   :1.90   Max.   :80.0   Max.   :27.70

plot(altura,peso,main="Gráfica",xlab="Altura",ylab="Peso")

Conclusiones

R es un lenguaje de programación útil para realizar cálculos, principalmente estadísticos, y forma parte de las herramientas del Big Data

R Studio es el entorno en donde se puede programar R y fracias a que también aquí se puede programar en Phyton, en julio del 2023 se anunció su nuevo nombre: Posit.

En esta introducción, lo que llama la atención es la constante aparición de alertas o errores en el programa, los cuales encontramos que principalmente se deben a que la versión de R no es la más reciente, a la falta de instalación de paquetes o llamar a las librerías, problemas de escritura (typos) y los muchos argumentos que tienen las funciones.

Si desde un inicio programamos de forma estructurada, disciplinada y meticulosa, podemos preveer muchas de las alertas o errores y así obtendremos los muchos beneficios de la programación en R, como los pronósticos de predicción.

En el Ejercicio 1, 3 de los 5 estudiantes están dentro del IMC óptimo para la edad. Esto porque el IMC evalúa la relación entre peso y altura, si se tiene más peso en relación a la altura, se saldrá del IMC óptimo y viceversa. Esto se observa gracias al dataframe que muestra peso y altura de los 5 estudiantes y el cálculo del IMC. Consultando en la web se sabe que el IMC óptimo para personas de nuestra edad es de 19 a 24, hay uno que tiene menos y otro que tiene más.