PROYECTO INTRODUCCION A R

Introduccion

Detallamos a continuacion los pasos para tener una buena programacion y de esta forma instruir a todas aquellas personas que se interesan por el software.

Creacion de carpetas para trabajar como proyecto

-Crear una carpeta en nuestra PC y dentro de la misma crear tres carpetas adicionales:

  1. INSUMOS: Guardar bases de datos.
  2. RUTINAS: Guardar hojas de codigo (scripts).
  3. PRODUCTOS: Guardar graficos, tablas, resultados.

Limpiador del entorno global

  rm(list = ls())

Asignacion de variables

   escalar1<-3
   escalar2<-4

CLASE 1

Operaciones

escalar1+escalar2
## [1] 7
escalar3<-escalar1+escalar2

escalar4<-escalar3*escalar2

escalar5<-escalar4/escalar1

Codigo para visualizar objetos

   escalar5
## [1] 9.333333
   summary(escalar5)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   9.333   9.333   9.333   9.333   9.333   9.333
   table(escalar5) 
## escalar5
## 9.33333333333333 
##                1

Vectores

vect1<-c(2,1.5,4)#vector numerico 
vect2<-c("Juan","Pedro","Sara")#vector de caracteres
vect3<-c(5,6,2)

prd1<-vect1*escalar4#multiplicacion escalar por un vector

Ubicacion

vect1[2]
## [1] 1.5
vect2[3]
## [1] "Sara"
objeto1<-vect3[1]
objeto2<-vect2[2:3]
objeto3<-vect2[1:2]

objeto4<-vect2[c(1,3)]
objeto4_f2<-vect2[-2]#para que no salga la posicion 2

Matrices

vector1<-c(1,2,3)
vector2<-c(4,5,6)
vector3<-c(7,8,9)

#de acuerdo al codigo (c) filas o (r)columnas, puedo ordenar la matriz
####filas
matA<-cbind(vector1,vector2,vector3)
####columnas
matB<-rbind(vector1,vector2,vector3)

#si quiero las filas y columanas no pongo nada Matriz[,]

vectorA<-matA[1,2:3]
vectorB<-matA[3,]
vectorC<-matB[,2]
vectorD<-matB[-2,1]

Cargar base de datos internos

base=mtcars

??mtcars

base<-mtcars

Filtros Tenemos varias formas de colocar un filtro.

#Vehiculos con mas de 4 cilindros

######  1 orma subset
base1<-subset(base,base$cyl>4)##el simbolo de $$ se usa para ingresar en la base de datos

######  2 Forma (matricial)
base1_f2<-base[base$cyl>4,]
##antes de la coma , filas y desoues de la coma columnas

######  3 Forma (dplyr)
#install.packages('dplyr')
library(dplyr)


base1_f3<-base %>%
  filter(cyl>4)

base1_f3<-base %>%

filter(cyl>4)

Podemos filtrar de diferentes maneras las bases de datos pero debe saber como hacerlo. La orden nos indica el rango que se necesita analizar y se lo puede hacer de las siiguientes maneras:

##vehiculos con menos de 4 o mas de 6 cilindros

base3<-base[base$cyl<4 | base$cyl>6, ]
base3_f1<-subset(base,base$cyl<4 | base$cyl>6)
base3_f3<-base %>% 
  filter(cyl<4 | cyl>6)


####vehiculos cin un numero de cilindros entre 4 y 6
###(4;6)

base4_f1 <-subset(base,base$cyl>4 & base$cyl<6)
base4_f2<-base[base$cyl>4 & base$cyl<6,]
base4_f3<-base %>% 
  filter(cyl>4 & cyl<6)

###quedese con los vh que tiene menos de 4 o mas de 6

Caclulo de la mediana

base3<-base[base$cyl<4 | base$cyl>6, ]

###promedio mean()
mean(base3$wt)
## [1] 3.999214
#El valor obtenido es la media de la base3

Podemos tomar diferentes varibles y luego proceder con lo aprendido aplicando los filtros y encontrando la mediana. La orden nos dice quedese con los vehiculos que tienen una potencia menor a 100 y mayor a 200 Hp, luego indique el promedio de mpg.

base<-mtcars
base1<-base %>% 
  filter(hp<100|hp>200)

mean(base1$mpg)
## [1] 20.9625
###luego indique el promedio de mpg
base<-mtcars
base2<-base %>% 
  filter(hp>=100&hp<=200)

mean(base2$mpg)
## [1] 19.21875

CLASE 2

El uso de librerias e instalación de paquetes que estan dentro nuestro R es indispensable para que nuestras hojas de código puedan correr y no tener problemas en el desarrollo de nuestra programación.

install.packages("rmarkdown")
library(rmarkdown)
install.packages('readxl')
library(readxl)
library(dplyr)

Cargar bases de datos

Para cargar una base de datos externa debemos descargarnos en formato excel o csv y guardarlo en nuestra carpeta INSUMOS. Cuando esta en formato excel lo exportamos desde nuestra pantalla Global Environment y si el archivo esta en csv debemos digitar al final del codigo xxx.csv.

base <- read_excel("insumos/base_final.xlsx")

CLASE 4

Con la base de datos previamente cargada vamos a calcular B2 con el

Modelo econometrico

#C = B1 + B2*YD + u