x <- 3
y <- 2
x
## [1] 3
y
## [1] 2
suma <- x + y
suma
## [1] 5
resta <- x - y
resta
## [1] 1
multiplicación <- x * y
multiplicación
## [1] 6
división <- x/y
división
## [1] 1.5
division_entera <- x %/% y
division_entera
## [1] 1
residuo <- x %% y
residuo
## [1] 1
potencia <- x ^ 2
potencia
## [1] 9
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
pi
## [1] 3.141593
radio <- 5
area_circulo <- pi*(radio**2)
area_circulo
## [1] 78.53982
a <- c(1,2,3,4,5)
a
## [1] 1 2 3 4 5
nombre_ejercicio <- c("Jose", "Ana", "Juan")
nombre_ejercicio
## [1] "Jose" "Ana" "Juan"
longitud <- length (a)
longitud
## [1] 5
longitud_nombre <- length (nombre_ejercicio)
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 #ayuda de vector
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
#se sumo a+b cada numero individualmente.
#primero eje x
plot(a,b,main = "Ventas Totales", xlab="Semana", ylab ="Millones de USD")
#EJERCICIO 1
nombre <- c("Maria", "Ana Pau", "Karla", "Diego", "Osvaldo")
nombre
## [1] "Maria" "Ana Pau" "Karla" "Diego" "Osvaldo"
altura <- c(1.65, 1.50, 1.66, 1.52, 1.72)
altura
## [1] 1.65 1.50 1.66 1.52 1.72
peso <- c(50, 55, 55, 64, 64)
peso
## [1] 50 55 55 64 64
imc <- peso/(altura**2)
imc
## [1] 18.36547 24.44444 19.95936 27.70083 21.63332
x <- "Nombre"
x
## [1] "Nombre"
dt <- data.frame(x= (nombre), y= (altura), z=(peso))
dt
## x y z
## 1 Maria 1.65 50
## 2 Ana Pau 1.50 55
## 3 Karla 1.66 55
## 4 Diego 1.52 64
## 5 Osvaldo 1.72 64
#EJERCICIO PROFE
df <- data.frame (nombre,peso,altura)
df$IMC <- peso / (altura*altura)
df
## nombre peso altura IMC
## 1 Maria 50 1.65 18.36547
## 2 Ana Pau 55 1.50 24.44444
## 3 Karla 55 1.66 19.95936
## 4 Diego 64 1.52 27.70083
## 5 Osvaldo 64 1.72 21.63332
summary (df)
## nombre peso altura IMC
## Length:5 Min. :50.0 Min. :1.50 Min. :18.37
## Class :character 1st Qu.:55.0 1st Qu.:1.52 1st Qu.:19.96
## Mode :character Median :55.0 Median :1.65 Median :21.63
## Mean :57.6 Mean :1.61 Mean :22.42
## 3rd Qu.:64.0 3rd Qu.:1.66 3rd Qu.:24.44
## Max. :64.0 Max. :1.72 Max. :27.70
plot(altura,peso)
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 programas R, y gracias a que también aquí se puede programas 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 la 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 asi obtendremos los muchos beneficios de la programación en R, como los pronósticos de predicción.