3.1. Datos precargados

  • para acceder a los datos precargados se utiliza la función data()
#data()
datos1=AirPassengers
plot(datos1)

datos2=CO2

interpretar: tiene una tendencia acendente, tiene factor estacional recurrente, es multiplicativo

3.2. Importar y exportar datos de otras fuentes

para exportar datos en .csv

datos3=iris
write.csv(datos3,"datos iris.csv")
#getwd()

para leer un archivo excel previamente se debe installer la libreria readx

#install.packages("readxl")
#install.packages("writexl")
library(readxl)
## Warning: package 'readxl' was built under R version 4.5.1
library(writexl)
## Warning: package 'writexl' was built under R version 4.5.1
datos4=read_excel("Regresion Lineal Simple.xlsx",sheet = 2)
datos4
## # A tibble: 5 × 2
##   `Consumo del bien A` `Consumo del bien B`
##                  <dbl>                <dbl>
## 1                    1                  4  
## 2                    2                  3.5
## 3                    3                  2.8
## 4                    4                  1.9
## 5                    5                  0.8
datos5=read_excel("Variable ficticia - copia.xlsx",sheet = 2)
## New names:
## • `` -> `...29`
## • `` -> `...30`
## • `` -> `...31`
datos5
## # A tibble: 300 × 31
##    I00_FOLIO P23_PARENTES   P24_SEXO P25_EDAD P28A_CAJA P28B_SEGPRIV P28C_PUBLIC
##        <dbl> <chr>          <chr>       <dbl> <chr>     <chr>        <chr>      
##  1   1604148 Jefa / Jefe    Mujer          20 No        No           No         
##  2   1585804 Hija(o)        Hombre         26 No        No           Si         
##  3   1635851 Hija(o)        Hombre         20 No        No           Si         
##  4   1608150 Nieta(o)       Hombre         34 No        No           No         
##  5   1558653 Hija(o)        Mujer           6 No        Si           No         
##  6   1558726 Jefa / Jefe    Mujer          45 Si        No           No         
##  7   1523596 Jefa / Jefe    Hombre         63 Si        No           No         
##  8   1648898 Nieta(o)       Mujer           1 Si        No           No         
##  9   1586745 hermana(o) / … Mujer          30 No        No           No         
## 10   1415229 Hija(o)        Hombre         24 No        No           No         
## # ℹ 290 more rows
## # ℹ 24 more variables: P28D_PRIVAD <chr>, P28E_TRADIC <chr>, P28F_CASERA <chr>,
## #   P28G_AUTOME <chr>, P30B_CODIDIOMA <chr>, P30C_NOHABLA <chr>,
## #   P31B1_IDIOMAS <chr>, P32A_NACIO <chr>, P32F_ANO <chr>, P32J_DEPTOCOD <chr>,
## #   P32K_PAISCOD <chr>, P33A_VIVE <chr>, P35_LEER <chr>, P36_ASISTE <chr>,
## #   P37A_NIVEL <chr>, P39_TRABAJO <chr>, P40_QUEHIZO <chr>, P41_BUSCO <chr>,
## #   P43_CATEGOR <chr>, P45_ESTCIVIL <chr>, URBRUR_P <chr>, ...29 <lgl>, …
head(datos5)
## # A tibble: 6 × 31
##   I00_FOLIO P23_PARENTES P24_SEXO P25_EDAD P28A_CAJA P28B_SEGPRIV P28C_PUBLIC
##       <dbl> <chr>        <chr>       <dbl> <chr>     <chr>        <chr>      
## 1   1604148 Jefa / Jefe  Mujer          20 No        No           No         
## 2   1585804 Hija(o)      Hombre         26 No        No           Si         
## 3   1635851 Hija(o)      Hombre         20 No        No           Si         
## 4   1608150 Nieta(o)     Hombre         34 No        No           No         
## 5   1558653 Hija(o)      Mujer           6 No        Si           No         
## 6   1558726 Jefa / Jefe  Mujer          45 Si        No           No         
## # ℹ 24 more variables: P28D_PRIVAD <chr>, P28E_TRADIC <chr>, P28F_CASERA <chr>,
## #   P28G_AUTOME <chr>, P30B_CODIDIOMA <chr>, P30C_NOHABLA <chr>,
## #   P31B1_IDIOMAS <chr>, P32A_NACIO <chr>, P32F_ANO <chr>, P32J_DEPTOCOD <chr>,
## #   P32K_PAISCOD <chr>, P33A_VIVE <chr>, P35_LEER <chr>, P36_ASISTE <chr>,
## #   P37A_NIVEL <chr>, P39_TRABAJO <chr>, P40_QUEHIZO <chr>, P41_BUSCO <chr>,
## #   P43_CATEGOR <chr>, P45_ESTCIVIL <chr>, URBRUR_P <chr>, ...29 <lgl>,
## #   ...30 <chr>, ...31 <chr>