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)


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", "Anna", "Juan")
nombre
## [1] "Jose" "Anna" "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
# ?sort
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="Millones de USD")

plot
## function (x, y, ...) 
## UseMethod("plot")
## <bytecode: 0x00000290f9013048>
## <environment: namespace:base>

Actividad en clase

df <- data.frame(Nombre = c('Ana', 'Lu', 'Pepe', 'Juan', 'Vale'), Peso<- c(48,52,60,56,70) , Altura<- c(1.48,1.52,1.60,1.56,1.70), IMC= Peso/Altura**2) 
df
##   Nombre Peso....c.48..52..60..56..70. Altura....c.1.48..1.52..1.6..1.56..1.7.
## 1    Ana                            48                                    1.48
## 2     Lu                            52                                    1.52
## 3   Pepe                            60                                    1.60
## 4   Juan                            56                                    1.56
## 5   Vale                            70                                    1.70
##        IMC
## 1 21.91381
## 2 22.50693
## 3 23.43750
## 4 23.01118
## 5 24.22145
summary (df)
##     Nombre          Peso....c.48..52..60..56..70.
##  Length:5           Min.   :48.0                 
##  Class :character   1st Qu.:52.0                 
##  Mode  :character   Median :56.0                 
##                     Mean   :57.2                 
##                     3rd Qu.:60.0                 
##                     Max.   :70.0                 
##  Altura....c.1.48..1.52..1.6..1.56..1.7.      IMC       
##  Min.   :1.480                           Min.   :21.91  
##  1st Qu.:1.520                           1st Qu.:22.51  
##  Median :1.560                           Median :23.01  
##  Mean   :1.572                           Mean   :23.02  
##  3rd Qu.:1.600                           3rd Qu.:23.44  
##  Max.   :1.700                           Max.   :24.22
#Estamos muy bien

plot(Altura,Peso)

Conclusiones

R es un lenguaje de programación útil para realizar cálculos, principalmente estad´siticos, y forma parte de las herramientas del Big Bata.

R Studio es el entorno en donde se puede programar R y gracias a que tambien aquí se puede programar Python, 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

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