Funciones R

Cátedra de Bioestadística - Escuela de Ciencias Biológicas UNA

2024-02-22

Se omiten las tildes para evitar los caracteres de edicion.

FUNCIÓN # EN R

Cada vez que usted escribe el simbolo de #, R entendera que es un nota adicional a cualquier funcion que usted realice.

a<-c(1,2,3) # creando un vector de 3 elementos que hemos denominado ???a???

FUNCIONES ESTADISTICAS BASICAS

# Con base a los datos.
x<- c(0, 3, 6, 7, 9, 12) 
sum(x)
[1] 37

FUNCION LISTAR ls()

Revisaremos cuantos objetos hemos creado en R. Para nuestro caso escribimos la funcion listar ls()

ls()
[1] "a" "x"

PROMEDIO O MEDIA ARITMETICA

mean(x)
[1] 6.166667
#Esta es otra forma, generando la funcion escrita para R.
arithmetic.mean <- function(x) {sum(x)/length(x)}
datos<-c(4,7,6,7,5,8,9)
arithmetic.mean(datos)
[1] 6.571429

MEDIA GEOMETRICA

geometric<-function(x) exp(sum(log(x))/length(x))
geometric(x)
[1] 0
#Otra forma de calcular la media geometrica
n <- length(x)
prod(x)^(1/n)
[1] 0

MEDIA ARMONICA

armonic<-1/mean(1/x)
armonic
[1] 0

MEDIANA

median(x)
[1] 6.5
VALOR MAXIMO
max(x)
[1] 12

VALOR MINIMO

min(x)
[1] 0

DESVIACION ESTANDAR

sd(x)
[1] 4.262237

VARIANZA

variance <- function (x)   sum((x-mean(x))^2)/(length(x)-1) #escrita como una funcion
variance(x)
[1] 18.16667
Escriba un vector denominado f que vaya del 1 al 15, y obtenga su desviacion estandar:
f <- 1:15
f
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15
(sum(f^2) - 15 * mean(f)^2) / 14
[1] 20
#o
sd(f)
[1] 4.472136

LONGITUD DE LA VARIABLE

x<- c(16, 32, 17, 22, 8, 21, 46, 29, 52, 79, 44)
length(x)
[1] 11
range(x)
[1]  8 79
#muestra el rango, valor (min) y valor (max) de la variable x.

QUANTILES

quantile(x) #Muestra los cuartiles de la variable x
  0%  25%  50%  75% 100% 
   8   19   29   45   79 
quantile(x, c(.35, .60, .98))  #Muestra los percentiles al 35, 60 y 96% de la variable x
 35%  60%  98% 
21.5 32.0 73.6 
sort(x) #Ordena los datos en forma ascendente de los valores de la variable x
 [1]  8 16 17 21 22 29 32 44 46 52 79

ASIMETRIA Y CURTOSIS

Son medidas que representan la asimetria de la distribucion y el achatamiento o no de la misma. Para obtener estas dos medidas utilizaremos el paquete {moments}

install.packages(“moments”) #Funcion que instala paquete

library(moments)
skewness(x) #nos da el valor de la asimetria de los datos de la variable x
[1] 0.9262894
kurtosis(x) #nos da el achatamiento de la distribucion de los datos de la variable x.
[1] 3.178227

Si este coeficiente es nulo, la distribucion se dice normal (similar a la distribucion normal de Gauss) y recibe el nombre de mesocurtica. Si el coeficiente es positivo, la distribucion se llama leptocurtica, hay una mayor concentracion de los datos en torno a la media. Si el coeficiente es negativo, la distribucion se llama platicurtica y hay una menor concentracion de datos en torno a la media

FIN