Tema 1: Introducción a R Markdown

1.1. Objetivo(s)

🎯 Aprender a crear, configurar y compilar un archivo R Markdown en RStudio para generar informes reproducibles en HTML o PDF.

1.2. ¿Qué es R Markdown?

📘 R Markdown es un formato de documento que permite combinar texto escrito en Markdown, código R y resultados en un mismo archivo. Es ampliamente utilizado para crear informes dinámicos, presentaciones, libros y sitios web reproducibles desde RStudio.

1.3. ¿Para qué sirve?

🛠️ R Markdown permite generar documentos automáticamente a partir de código y texto, facilitando el análisis de datos, informes estadísticos y materiales didácticos. Puedes exportar a formatos como HTML, PDF y Word con solo presionar el botón Knit.

1.4. Ejemplo(s)

🔍 E1. Pasos para crear y compilar un archivo R Markdown.

Ver pasos

✔️ Abre RStudio y ve a File > New File > R Markdown…

✔️ Escribe un título, autor y selecciona el formato de salida (HTML o PDF)

✔️ Haz clic en OK y se abrirá un archivo .Rmd con contenido de ejemplo

✔️ Borra el contenido y escribe tu propio texto y código

✔️ Presiona el botón Knit para compilar y ver el resultado

Tema 2: Lectura de una base de datos

2.1. Objetivo(s)

🎯 Aprender a leer e importar una base de datos (CSV o Excel) en RStudio utilizando código R dentro de un archivo R Markdown.

2.2. ¿Qué es una base de datos?

📘 Una base de datos es un conjunto organizado de datos que puede ser almacenado en distintos formatos, como archivos CSV, Excel o bases SQL. En R, estas bases se pueden importar fácilmente para su análisis.

2.3. ¿Cómo leerla en R?

🛠️ Para leer una base de datos en R, se pueden usar funciones como read.csv() para archivos .csv, o readxl::read_excel() para archivos .xlsx.

2.4. Ejemplo(s)

🔍 E1. Cargar un archivo CSV llamado alumnos.csv ubicado en tu carpeta de trabajo.

Ver código 
# Instalar si no lo tienes
# install.packages("readr")

# Cargar librería
library(readr)

# Leer archivo CSV
datos <- read_csv("alumnos.csv")

# Ver primeras filas
head(datos)

🔍 E2. Cargar un archivo Excel llamado notas.xlsx con la librería readxl.

Ver código 
# Instalar si no lo tienes
# install.packages("readxl")

# Cargar librería
library(readxl)

# Leer hoja por defecto
notas <- read_excel("notas.xlsx")

# Ver primeras filas
head(notas)

Tema 3: Ocultar código en el informe final

3.1. Objetivo(s)

🎯 Aprender a ocultar el código R de los chunks en el informe generado, manteniendo visibles solo los resultados o gráficos.

3.2. ¿Por qué ocultar el código?

📘 En muchos informes, especialmente cuando están dirigidos a lectores no técnicos, puede ser útil mostrar únicamente los resultados (tablas, gráficos, conclusiones) y ocultar el código R utilizado para obtenerlos, dejando el documento más limpio y profesional.

3.3. ¿Cómo se oculta?

🛠️ Para ocultar el código de un chunk en R Markdown, se debe agregar el argumento echo = FALSE dentro de la cabecera del chunk. También se puede aplicar globalmente desde el bloque setup.

Tema 4: Crear un gráfico de barras

4.1. Objetivo(s)

🎯 Aprender a crear un gráfico de barras con R a partir de una tabla de frecuencias o un vector de categorías.

4.2. ¿Qué es un gráfico de barras?

📘 Un gráfico de barras es una representación gráfica que permite comparar cantidades o frecuencias entre diferentes categorías mediante barras rectangulares.

4.3. ¿Cómo se crea en R?

🛠️ En R, se puede utilizar la función barplot() para crear gráficos de barras simples. Se parte de un vector de frecuencias o de una tabla categórica con table().

4.4. Ejemplo(s)

🔍 E1. Crear un gráfico de barras con los resultados de una encuesta sobre frutas favoritas.

Ver código 
# Datos categóricos
frutas <- c("Manzana", "Plátano", "Manzana", "Kiwi", "Plátano", "Plátano", "Kiwi", "Manzana")

# Tabla de frecuencias
tabla_frutas <- table(frutas)

# Gráfico de barras
barplot(tabla_frutas,
        col = "steelblue",
        main = "Frutas favoritas",
        ylab = "Cantidad de personas")

Tema 5: Crear un gráfico de puntos

5.1. Objetivo(s)

🎯 Aprender a crear un gráfico de puntos en R, útil para representar distribuciones individuales o relaciones simples entre datos.

5.2. ¿Qué es un gráfico de puntos?

📘 Un gráfico de puntos es una visualización que muestra los datos como puntos individuales sobre un eje, generalmente útil para representar valores discretos o series simples. Es especialmente útil para conjuntos de datos pequeños.

5.3. ¿Cómo se crea en R?

🛠️ En R se puede utilizar la función stripchart() para generar un gráfico de puntos. También se pueden usar funciones como plot() cuando los datos son numéricos y tienen correspondencia entre eje X e Y.

5.4. Ejemplo(s)

🔍 E1. Crear un gráfico de puntos con las edades de un grupo de personas.

Ver código 
# Vector de edades
edades <- c(18, 19, 18, 20, 21, 19, 18, 22, 20, 21)

# Gráfico de puntos
stripchart(edades,
           method = "stack",
           pch = 16,
           col = "darkgreen",
           main = "Distribución de edades",
           xlab = "Edad")

Tema 6: Crear un gráfico de caja

6.1. Objetivo(s)

🎯 Aprender a construir e interpretar un gráfico de caja (boxplot) en R, para describir la distribución, dispersión y posibles valores atípicos de un conjunto de datos numéricos.

6.2. ¿Qué es un gráfico de caja?

📘 Un gráfico de caja o boxplot es una representación gráfica que resume cinco estadísticas clave: mínimo, primer cuartil (Q1), mediana (Q2), tercer cuartil (Q3) y máximo. También permite detectar valores atípicos (outliers).

6.3. ¿Cómo se crea en R?

🛠️ En R se utiliza la función boxplot(). Se le entrega un vector numérico y opcionalmente un título y etiquetas. También puede agrupar por categorías usando fórmulas.

6.4. Ejemplo(s)

🔍 E1. Crear un gráfico de caja con las edades de un grupo de personas.

Ver código 
# Vector de edades
edades <- c(18, 19, 18, 20, 21, 19, 18, 22, 20, 21, 25, 26, 28, 18, 30)

# Gráfico de caja
boxplot(edades,
        col = "orange",
        main = "Gráfico de caja de edades",
        ylab = "Edad")

🔍 E2. Comparar edades según grupo (ejemplo con categorías).

Ver código 
# Crear vectores
grupo <- c("A", "A", "A", "B", "B", "B", "B", "A", "A", "B")
edades <- c(18, 19, 20, 21, 22, 23, 24, 19, 20, 25)

# Gráfico de caja por grupo
boxplot(edades ~ grupo,
        col = c("skyblue", "salmon"),
        main = "Edades por grupo",
        xlab = "Grupo",
        ylab = "Edad")

Tema 7: Función table() con archivos CSV o Excel

7.1. Objetivo(s)

🎯 Aprender a usar la función table() para obtener tablas de frecuencia a partir de columnas de archivos CSV o Excel importados en R.

7.2. ¿Qué hace la función table()?

📘 La función table() permite contar cuántas veces aparece cada valor en un vector o columna. Es muy útil para obtener frecuencias de respuestas categóricas, como colores, nombres, niveles, etc.

7.3. ¿Cómo se aplica a un archivo?

🛠️ Primero se debe importar el archivo usando read_csv() o read_excel(), luego se aplica table() a la columna deseada. Por ejemplo: table(datos$genero)

7.4. Ejemplo(s)

🔍 E1. Crear tabla de frecuencias desde un archivo CSV con una columna llamada genero.

Ver código CSV 
# Cargar paquete
library(readr)

# Leer archivo CSV
datos <- read_csv("alumnos.csv")

# Tabla de frecuencia de la columna 'genero'
table(datos$genero)

🔍 E2. Crear tabla de frecuencias desde un archivo Excel con columna asignatura.

Ver código Excel 
# Cargar paquete
library(readxl)

# Leer archivo Excel
datos <- read_excel("notas.xlsx")

# Tabla de frecuencia de la columna 'asignatura'
table(datos$asignatura)