Ejercicios

Ejercicio 1:

Utilizando las funciones citadas en este Laboratorio, comprobad qué paquetes tenéis instalados en vuestra versión de RStudio e instalad el paquete MASS y el paquete Survival y comprobad la información que contienen. Buscad información sobre el paquete Rcmdr (R Commander) desde la consola.

library()   #Paquetes instalados
install.packages(c("MASS", "Survival")) #Instalacion de los paquetes MASS y Survival
??Rmcdr

Ejercicio 2:

  1. Importad un archivo de texto y buscad un summary() de tres variables que escojáis.
txt <- read.csv("F:\\Master_Bioinformatica_Bioestadistica\\Asignaturas\\Software_para_el_analisis_de_datos\\LAB\\LAB1\\ejemplo_propio.txt", sep =  " ")
summary(txt)
##   ID_patient         Histology              age            BMI       
##  Length:99          Length:99          Min.   :41.0   Min.   :21.00  
##  Class :character   Class :character   1st Qu.:60.0   1st Qu.:25.00  
##  Mode  :character   Mode  :character   Median :69.0   Median :29.00  
##                                        Mean   :67.6   Mean   :28.49  
##                                        3rd Qu.:76.0   3rd Qu.:32.00  
##                                        Max.   :89.0   Max.   :35.00  
##    Sum_region    
##  Min.   :  9.00  
##  1st Qu.: 30.00  
##  Median : 43.00  
##  Mean   : 47.38  
##  3rd Qu.: 58.50  
##  Max.   :140.00
  1. Importad un archivo «.csv» y buscad un fivenum() de dos variables que os parezcan relevantes para el estudio.
csv <- read.csv("F:\\Master_Bioinformatica_Bioestadistica\\Asignaturas\\Software_para_el_analisis_de_datos\\LAB\\LAB1\\ejemplo_propio.csv", sep =  ",")
fivenum(csv$age)
## [1] 41 60 69 76 89
fivenum(csv$Sum_region)
## [1]   9.0  30.0  43.0  58.5 140.0

Ejercicio 3:

A partir del conjunto de datos anorexia del paquete MASS, que corresponden a los datos de cambio de peso de pacientes jóvenes con anorexia, mostrad los tipos de datos que contiene y comprobad si existen valores NA y NULL. Para la variable Treat, transformad los valores «CBT», «Cont» y FT en «Cogn Beh Tr», «Contr» y «Fam Tr», respectivamente.

library(MASS)
data("anorexia")
head(anorexia)
##   Treat Prewt Postwt
## 1  Cont  80.7   80.2
## 2  Cont  89.4   80.1
## 3  Cont  91.8   86.4
## 4  Cont  74.0   86.3
## 5  Cont  78.1   76.1
## 6  Cont  88.3   78.1
summary(anorexia)
##   Treat        Prewt           Postwt      
##  CBT :29   Min.   :70.00   Min.   : 71.30  
##  Cont:26   1st Qu.:79.60   1st Qu.: 79.33  
##  FT  :17   Median :82.30   Median : 84.05  
##            Mean   :82.41   Mean   : 85.17  
##            3rd Qu.:86.00   3rd Qu.: 91.55  
##            Max.   :94.90   Max.   :103.60
table(is.na(anorexia))
## 
## FALSE 
##   216
table(is.null(anorexia))
## 
## FALSE 
##     1
table(anorexia$Treat)
## 
##  CBT Cont   FT 
##   29   26   17
anorexia$Treat <- factor(anorexia$Treat,
                         levels = c("CBT", "Cont", "FT"),
                         labels = c("Cogn Beh Ter", "Contr", "Fam tr"))
table(anorexia$Treat)
## 
## Cogn Beh Ter        Contr       Fam tr 
##           29           26           17

Ejercicio 4:

  1. Exportad los datos biopsy del paquete MASS a un archivo «.csv.»
data("Melanoma")
write.csv(Melanoma, file = "C:/Users/rober/Desktop/Melanoma.csv")
  1. Exportad los datos melanoma del paquete MASS a archivos de tres diferentes formatos y comprobad que se han creado los diferentes archivos en los formatos y las rutas especificados. Podéis generar una captura de pantalla de su ubicación en la carpeta.
library(xlsx)
write.csv(Melanoma, file = "F:/Master_Bioinformatica_Bioestadistica/Asignaturas/Software_para_el_analisis_de_datos/LAB/LAB1/Melanoma.csv")
write.table(Melanoma, file = "F:/Master_Bioinformatica_Bioestadistica/Asignaturas/Software_para_el_analisis_de_datos/LAB/LAB1/Melanoma.txt")
write.xlsx(Melanoma, file = "F:/Master_Bioinformatica_Bioestadistica/Asignaturas/Software_para_el_analisis_de_datos/LAB/LAB1/Melanoma.xlsx")

c) Generad un resumen (summary) de la variable age de melanoma y guardad la salida que os aparece en un documento .doc

sum <- summary(Melanoma$age)
capture.output(sum, file = "F:/Master_Bioinformatica_Bioestadistica/Asignaturas/Software_para_el_analisis_de_datos/LAB/LAB1/resumen.doc")
  1. Buscad un data frame en algún repositorio de datos de Biomedicina, descargad un conjunto de datos en «.csv» e importad este fichero a un documento R Markdown usando el código o el menú de importación de RStudio. Esta es una lista de algunos repositorios de datos que podemos usar: https://ouhsc.edu/bserdac/dthompso/web/statres.htm https://guides.lib.berkeley.edu/publichealth/healthstatistics/rawdata https://archive.ics.uci.edu/datasets
df.externo <- read.csv("F:\\Master_Bioinformatica_Bioestadistica\\Asignaturas\\Software_para_el_analisis_de_datos\\LAB\\LAB1\\bodyfat.csv")
head(df.externo)
##   Density BodyFat Age Weight Height Neck Chest Abdomen   Hip Thigh Knee Ankle
## 1  1.0708    12.3  23 154.25  67.75 36.2  93.1    85.2  94.5  59.0 37.3  21.9
## 2  1.0853     6.1  22 173.25  72.25 38.5  93.6    83.0  98.7  58.7 37.3  23.4
## 3  1.0414    25.3  22 154.00  66.25 34.0  95.8    87.9  99.2  59.6 38.9  24.0
## 4  1.0751    10.4  26 184.75  72.25 37.4 101.8    86.4 101.2  60.1 37.3  22.8
## 5  1.0340    28.7  24 184.25  71.25 34.4  97.3   100.0 101.9  63.2 42.2  24.0
## 6  1.0502    20.9  24 210.25  74.75 39.0 104.5    94.4 107.8  66.0 42.0  25.6
##   Biceps Forearm Wrist
## 1   32.0    27.4  17.1
## 2   30.5    28.9  18.2
## 3   28.8    25.2  16.6
## 4   32.4    29.4  18.2
## 5   32.2    27.7  17.7
## 6   35.7    30.6  18.8

Ejercicio 5:

En el siguiente ejemplo veremos cómo utilizar diferentes operadores sobre el conjunto de datos birthwt, así como también algunas funciones que nos permiten obtener más información de las variables:

data("birthwt")
  1. ¿Cuál es la edad máxima de las madres del conjunto de datos?
max(birthwt$age)
## [1] 45
  1. ¿Cuál es la edad mínima de las madres del conjunto de datos?
min(birthwt$age)
## [1] 14
  1. ¿Cuál es el rango de edad de las madres?
max(birthwt$age) - min(birthwt$age)
## [1] 31
  1. ¿Fumaba la madre cuyo recién nacido era el de menor peso?
birthwt$smoke[birthwt$bwt == min(birthwt$bwt)]
## [1] 1
  1. ¿Cuánto pesó el recién nacido cuya madre tenía la edad máxima?
birthwt$bwt[birthwt$age == max(birthwt$age)]
## [1] 4990
  1. Listad los pesos de los recién nacidos, cuyas madres visitarán menos de dos veces al médico durante el primer trimestre.
birthwt$bwt[birthwt$ftv <= 2]
##   [1] 2523 2557 2594 2600 2622 2637 2637 2663 2665 2722 2733 2751 2750 2769 2769
##  [16] 2778 2807 2821 2835 2836 2863 2877 2877 2906 2920 2920 2920 2920 2948 2948
##  [31] 2977 2977 2977 2977 2922 3005 3033 3042 3062 3062 3062 3062 3062 3090 3090
##  [46] 3090 3100 3104 3132 3147 3175 3175 3203 3203 3203 3225 3225 3232 3232 3234
##  [61] 3260 3274 3274 3317 3317 3317 3321 3331 3374 3374 3402 3416 3444 3459 3460
##  [76] 3473 3544 3487 3544 3572 3572 3586 3600 3614 3614 3629 3629 3637 3643 3651
##  [91] 3651 3651 3651 3699 3728 3756 3770 3770 3770 3790 3799 3827 3856 3860 3884
## [106] 3884 3912 3940 3941 3941 3969 3983 3997 3997 4054 4054 4111 4153 4167 4174
## [121] 4238 4593 4990  709 1021 1135 1330 1474 1588 1588 1701 1729 1790 1818 1885
## [136] 1893 1899 1928 1928 1928 1936 1970 2055 2055 2082 2084 2084 2100 2125 2187
## [151] 2187 2211 2225 2240 2240 2282 2296 2296 2325 2353 2353 2367 2381 2381 2381
## [166] 2410 2410 2410 2424 2438 2442 2466 2466 2466 2495 2495 2495

Ejercicio 6:

A partir del conjunto de datos anorexia trabajado en apartados anteriores, cread una matriz que tenga como columnas los valores de Prewt y Postwt, y cada fila sean los valores correspondientes para cada posición.

mt <- as.matrix(anorexia[,c("Prewt", "Postwt")])
head(mt)
##   Prewt Postwt
## 1  80.7   80.2
## 2  89.4   80.1
## 3  91.8   86.4
## 4  74.0   86.3
## 5  78.1   76.1
## 6  88.3   78.1

Ejercicio 7:

Copia el código siguiente en tu consola para generar un data frame con veinticinco registros y seis variables, y responde a los siguientes apartados:

Identificador <- c("I1","I2","I3","I4","I5","I6","I7","I8","I9","I10","I11","I12","I13","I14",
                   "I15","I16","I17","I18","I19","I20","I21","I22","I23","I24","I25")
Edad <- c(23,24,21,22,23,25,26,24,21,22,23,25,26,24,22,21,25,26,24,21,25,27,26,22,29)
Sexo <- c(1,2,1,1,1,2,2,2,1,2,1,2,2,2,1,1,1,2,2,2,1,2,1,1,2) # 1 mujeres, 2 hombres
Peso <- c(76.5,81.2,79.3,59.5,67.3,78.6,67.9,100.2,97.8,56.4,65.4,67.5,87.4,99.7,87.6,
          93.4,65.4,73.7,85.1,61.2,54.8,103.4,65.8,71.7,85.0)
Alt <- c(165,154,178,165,164,175,182,165,178,165,158,183,184,164,189,167,182,179,165,
         158,183,184,189,166,175) #altura en cm
Fuma <- c("SÍ","NO","SÍ","SÍ","NO","NO","NO","SÍ","SÍ","SÍ","NO","NO","SÍ","SÍ","SÍ",
          "SÍ","NO","NO","SÍ","SÍ","SÍ","NO","SÍ","NO","SÍ")
Trat_Pulmón <- data.frame(Identificador,Edad,Sexo,Peso,Alt,Fuma)
  1. Seleccionad los registros con edad > 22.
sel.age <- Trat_Pulmón[Trat_Pulmón$Edad > 22,]
sel.age
##    Identificador Edad Sexo  Peso Alt Fuma
## 1             I1   23    1  76.5 165   SÍ
## 2             I2   24    2  81.2 154   NO
## 5             I5   23    1  67.3 164   NO
## 6             I6   25    2  78.6 175   NO
## 7             I7   26    2  67.9 182   NO
## 8             I8   24    2 100.2 165   SÍ
## 11           I11   23    1  65.4 158   NO
## 12           I12   25    2  67.5 183   NO
## 13           I13   26    2  87.4 184   SÍ
## 14           I14   24    2  99.7 164   SÍ
## 17           I17   25    1  65.4 182   NO
## 18           I18   26    2  73.7 179   NO
## 19           I19   24    2  85.1 165   SÍ
## 21           I21   25    1  54.8 183   SÍ
## 22           I22   27    2 103.4 184   NO
## 23           I23   26    1  65.8 189   SÍ
## 25           I25   29    2  85.0 175   SÍ
  1. Seleccionad el elemento 3 de la columna 4 del conjunto de datos (contando el identificador).
sel <- Trat_Pulmón[3, 4]
sel
## [1] 79.3
  1. Usad el comando subset() para seleccionar todas las filas que tienen una edad menor que 27 años y sin incluir la columna Alt
sel2 <- subset(Trat_Pulmón, Edad < 27, select = -c(Alt))
sel2
##    Identificador Edad Sexo  Peso Fuma
## 1             I1   23    1  76.5   SÍ
## 2             I2   24    2  81.2   NO
## 3             I3   21    1  79.3   SÍ
## 4             I4   22    1  59.5   SÍ
## 5             I5   23    1  67.3   NO
## 6             I6   25    2  78.6   NO
## 7             I7   26    2  67.9   NO
## 8             I8   24    2 100.2   SÍ
## 9             I9   21    1  97.8   SÍ
## 10           I10   22    2  56.4   SÍ
## 11           I11   23    1  65.4   NO
## 12           I12   25    2  67.5   NO
## 13           I13   26    2  87.4   SÍ
## 14           I14   24    2  99.7   SÍ
## 15           I15   22    1  87.6   SÍ
## 16           I16   21    1  93.4   SÍ
## 17           I17   25    1  65.4   NO
## 18           I18   26    2  73.7   NO
## 19           I19   24    2  85.1   SÍ
## 20           I20   21    2  61.2   SÍ
## 21           I21   25    1  54.8   SÍ
## 23           I23   26    1  65.8   SÍ
## 24           I24   22    1  71.7   NO

Ejercicio 8:

Incorporad el dataset ChickWeight que contiene información sobre el peso de 578 pollitos en gramos (weight), el tiempo desde la medición al nacer (Time), una variable identificadora de cada pollito (Chick) a partir del rango de peso y una variable factor con el tipo de dieta experimental que cada pollito recibió (Diet).

  1. Incorporad el conjunto de datos ChickWeight del paquete datasets a vuestro entorno de trabajo.
library(datasets)
data("ChickWeight")
  1. Generad un gráfico de dispersión de la variable weight.
plot(ChickWeight$weight, col = blues9, main = "Gráfico 1")

c) Cread un diagrama de caja con la variable Time. Para más información sobre ChickWeight: https://rdrr.io/r/datasets/ChickWeight.html

boxplot(ChickWeight$Time, col = "red", main = "Gráfico 2")

Ejercicio 9:

A partir del conjunto de datos anorexia del paquete MASS, cread otro data frame que se llame anorexia_treat_df formado por Treat y por un vector nuevo calculado a partir de la diferencia Prewt-Postwt. De esta manera, nos quedará un data frame que contenga el tipo de tratamiento y el valor del peso ganado o perdido después de haber realizado el tratamiento. Seleccionad aquellos individuos que han ganado peso después del tratamiento y cread un nuevo conjunto llamado anorexia_treat_C_df que contenga solo los datos de aquellos que han seguido el tratamiento «Cont» y que han ganado peso después del tratamiento.

data("anorexia")
anorexia$df <- anorexia$Prewt - anorexia$Postwt
anorexia_treat_df <- anorexia[,c("Treat", "df")]
head(anorexia_treat_df)
##   Treat    df
## 1  Cont   0.5
## 2  Cont   9.3
## 3  Cont   5.4
## 4  Cont -12.3
## 5  Cont   2.0
## 6  Cont  10.2
anorexia_treat_C_df <- anorexia_treat_df[anorexia_treat_df$df < 0 &
                                           anorexia_treat_df$Treat == "Cont",]
head(anorexia_treat_C_df)
##    Treat    df
## 4   Cont -12.3
## 8   Cont -11.6
## 10  Cont  -6.2
## 13  Cont  -8.3
## 14  Cont  -3.3
## 15  Cont -11.3

Ejercicio 10:

Entrad en RPubs y registraros. Crearos un perfil y subid un documento R Markdown. Los prerequisitos son tener instalado R y RStudio (v0.96.230 o más), y el paquete knitr (v0.5 o más). Pasos que tenéis que seguir para publicar vuestro documento: 1) En RStudio, cread un documento R Markdown. 2) Generad el documento con knit. 3) En la ventana de previsualización, clicad el botón de publicar. Como solución de vuestro ejercicio, copiad el enlace de vuestra página de prueba de RPubs.

Ejercicios_resueltos

Caso Practico

Resolved los siguientes apartados: a) Cread un conjunto de datos inventado con R. Debe contener treinta observaciones (quince para hombres y quince para mujeres) para seis variables con estas características:

Variable Nombre Características
Identificador Id caracter
Edad Edad numerica
Genero Gene 2 valores 1 = mujer, 2 = hombre
Tratamiento Trat Factor. Tres tipos de tratamiento (A, B, C)
Peso Peso numerica (en kg)
Estatura Alt numerica (en cm)
set.seed(999)

Id <- as.character(sample(1:30, 30, replace = FALSE))
Edad <- sample(19:90, 30, replace = TRUE)
Gene <- rep(1:2, 30)
Treatments <- c("A", "B", "C")
Treat <- sample(Treatments, 30, replace = TRUE)
Peso <- rnorm(30, mean = 70, sd = 10)
Alt <- rnorm(30, mean = 166, sd = 8)

df <- data.frame(Id, Edad, Gene, Treat, Peso, Alt)
head(df)
##   Id Edad Gene Treat     Peso      Alt
## 1 27   34    1     C 81.03828 176.2698
## 2  4   47    2     A 69.81425 156.9621
## 3  7   20    1     A 58.53042 174.3733
## 4  9   27    2     B 55.91820 161.3765
## 5 14   45    1     C 67.17671 163.6496
## 6  1   58    2     A 65.82230 164.0658
  1. Buscad información de vuestro conjunto de datos y de vuestras variables.
summary(df)
##       Id                 Edad           Gene        Treat          
##  Length:60          Min.   :20.0   Min.   :1.0   Length:60         
##  Class :character   1st Qu.:34.0   1st Qu.:1.0   Class :character  
##  Mode  :character   Median :47.0   Median :1.5   Mode  :character  
##                     Mean   :49.5   Mean   :1.5                     
##                     3rd Qu.:62.0   3rd Qu.:2.0                     
##                     Max.   :89.0   Max.   :2.0                     
##       Peso            Alt       
##  Min.   :49.35   Min.   :145.2  
##  1st Qu.:65.82   1st Qu.:157.4  
##  Median :69.56   Median :162.9  
##  Mean   :69.95   Mean   :163.4  
##  3rd Qu.:79.50   3rd Qu.:169.7  
##  Max.   :86.59   Max.   :178.9
  1. Cread una nueva variable a partir de alguna de las que tengamos. Por ejemplo, podéis calcular el IMC (IMC = peso (kg)/ [estatura (m)]2 e incluid la nueva variable en el conjunto de datos.
df$IMC <- df$Peso/(df$Alt/100)^2
fivenum(df$IMC)
## [1] 15.74042 24.03059 26.30314 28.41412 33.73750
  1. Cread dos data frames diferenciados para hombres y mujeres con dos nombres diferentes: Df_Hombres y Df_Mujeres.
df_hombres <- df[df$Gene == 2,]
df_mujeres <- df[df$Gene == 1,]
head(df_hombres)
##    Id Edad Gene Treat     Peso      Alt      IMC
## 2   4   47    2     A 69.81425 156.9621 28.33705
## 4   9   27    2     B 55.91820 161.3765 21.47200
## 6   1   58    2     A 65.82230 164.0658 24.45327
## 8  22   86    2     B 68.93714 152.7924 29.52909
## 10 15   89    2     C 79.49701 159.5577 31.22591
## 12 28   43    2     A 79.74000 178.8587 24.92620
head(df_mujeres)
##    Id Edad Gene Treat     Peso      Alt      IMC
## 1  27   34    1     C 81.03828 176.2698 26.08160
## 3   7   20    1     A 58.53042 174.3733 19.24961
## 5  14   45    1     C 67.17671 163.6496 25.08353
## 7  10   86    1     C 79.96664 167.7596 28.41412
## 9   3   59    1     B 69.30598 169.8256 24.03059
## 11  5   31    1     A 65.83467 160.5654 25.53589
  1. Combinad de nuevo los dos ficheros anteriores y cread el primero de nuevo con el comando rbind().
df.original <- rbind(df_hombres, df_mujeres)
head(df.original)
##    Id Edad Gene Treat     Peso      Alt      IMC
## 2   4   47    2     A 69.81425 156.9621 28.33705
## 4   9   27    2     B 55.91820 161.3765 21.47200
## 6   1   58    2     A 65.82230 164.0658 24.45327
## 8  22   86    2     B 68.93714 152.7924 29.52909
## 10 15   89    2     C 79.49701 159.5577 31.22591
## 12 28   43    2     A 79.74000 178.8587 24.92620