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
?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")

Ejercicio 1

x <- c("Beto","Pablo", "Oscar", "Fede","Iker")
y <- c(187,170,177,182,190)
z <- c(87,62,86,76,90)



df <- data.frame(x,y,z)

df$IMX  <- z/(y*y)
df
##       x   y  z         IMX
## 1  Beto 187 87 0.002487918
## 2 Pablo 170 62 0.002145329
## 3 Oscar 177 86 0.002745060
## 4  Fede 182 76 0.002294409
## 5  Iker 190 90 0.002493075
summary(df)
##       x                   y               z             IMX          
##  Length:5           Min.   :170.0   Min.   :62.0   Min.   :0.002145  
##  Class :character   1st Qu.:177.0   1st Qu.:76.0   1st Qu.:0.002294  
##  Mode  :character   Median :182.0   Median :86.0   Median :0.002488  
##                     Mean   :181.2   Mean   :80.2   Mean   :0.002433  
##                     3rd Qu.:187.0   3rd Qu.:87.0   3rd Qu.:0.002493  
##                     Max.   :190.0   Max.   :90.0   Max.   :0.002745
plot (y,z)

Conclusiones

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

R Studio es el entorno en donde se pude programar R, y gracias a que también 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 s edeben a que la versión de R no es la más reiente, 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 un forma estructurada, disciplinada y meticulosa, podemos preveer muchas de las alertas o erroes y así obtendremos los muchos beneficios de la programación en R, como los pronósticos de predicción.

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