1 1. Instalación de R y RStudio

Para trabajar en R necesitamos instalar tres elementos:

  1. R: el lenguaje base, disponible en CRAN.
  2. RStudio: entorno de desarrollo que facilita la escritura y ejecución del código.
  3. Paquetes: librerías adicionales según lo que queremos hacer.

Ejemplo: instalación de paquetes

# Instalar la librería dplyr para manipulación de datos
install.packages("dplyr")

# Instalar la librería ggplot2 para gráficos
install.packages("ggplot2")

2 2. Escalares y Operaciones Básicas

En R, un escalar es simplemente un único número que se puede asignar a una variable.
Estas operaciones funcionan directamente entre escalares y también de forma “vectorizada” cuando se aplican a vectores y matrices, afectando a todos los elementos del objeto de manera simultánea.

Crear un escalar

# Asignamos el número 5 a la variable x
x <- 5

# Asignamos el número 3 a la variable y
y <- 3

# Sumamos los dos valores
suma <- x + y

# Mostramos el resultado
suma
## [1] 8

👉 Explicación:
- <- es el operador de asignación en R.
- x y y son objetos que guardan un número.
- La suma de x + y se guarda en suma.

3 3. Vectores

Un vector es una colección ordenada de elementos del mismo tipo de dato, como números, texto o valores lógicos.

Los vectores son fundamentales en R para almacenar y manipular datos, y son la base de estructuras más complejas como los data frames.

Crear un vector en RStudio

# Creamos un vector numérico
vect1 <- c(2, 4, 6)

# Creamos un vector de texto
vect2 <- c("Juan", "Pedro", "Sara")

# Multiplicamos cada elemento de vect1 por 2
vect1 * 2
## [1]  4  8 12
# Calculamos la suma de todos los elementos de vect1
sum(vect1)
## [1] 12

👉 Explicación:
- c() es la función para concatenar elementos y formar un vector.
- Un vector puede ser numérico o de texto, pero no ambos a la vez (R hace coerción).
- Las operaciones se aplican a todos los elementos (ejemplo: vect1 * 2).

4 4. Matrices y Data Frames

Una matriz es una estructura bidimensional (filas y columnas) con datos del mismo tipo.
Un data frame es similar, pero permite mezclar tipos (números, texto, factores).

Matrices

-Homogeneidad: Contienen elementos del mismo tipo de dato (por ejemplo, solo números o solo caracteres).

-Dimensiones: Son bidimensionales, con filas y columnas.

-Funcionalidad: Son ideales para operaciones de álgebra matricial.

Creación

Se crean con la función matrix(), especificando los datos, el número de filas (nrow) y el número de columnas (ncol). Por defecto, R llena la matriz por columnas, pero puedes usar byrow = TRUE para llenarla por filas.

# Creamos una matriz 3x3 con números del 1 al 9
matA <- matrix(1:9, nrow=3, byrow=TRUE)
matA
##      [,1] [,2] [,3]
## [1,]    1    2    3
## [2,]    4    5    6
## [3,]    7    8    9
# Creamos un data frame con nombres y edades
base <- data.frame(
  nombre = c("Ana", "Luis", "Maria"),
  edad   = c(23, 35, 29)
)
base
##   nombre edad
## 1    Ana   23
## 2   Luis   35
## 3  Maria   29

👉 Explicación:
- matrix(1:9, nrow=3, byrow=TRUE) crea una matriz de 3 filas usando los números del 1 al 9.
- data.frame() construye una tabla con variables de distinto tipo.

5 5. R Markdown

RMarkdown permite integrar texto, código y resultados en un mismo documento.

Ejemplo de resumen estadístico:

# Calculamos un resumen de los datos "cars"
summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Ejemplo de gráfico:

👉 Explicación:
- summary(cars) devuelve estadísticos básicos de la base de datos cars.
- plot() genera un gráfico sencillo.
- echo=FALSE oculta el código y solo muestra el resultado.

6 6. Ejemplo Aplicado: ENSANUT 2018

La Encuesta Nacional de Salud y Nutrición (ENSANUT 2018) presenta indicadores claves.

Ejemplo: Parto institucionalizado
- 95,6% de partos fueron en un establecimiento de salud.
- 80,2% en establecimientos públicos y 19,8% en privados.

👉 Explicación:
- data.frame() construye una tabla con los porcentajes.
- barplot() crea un gráfico de barras.
- names.arg pone los nombres de las categorías.

7 7. Conclusiones

  • R trabaja con objetos: escalares, vectores, matrices y data frames.
  • Los paquetes amplían sus capacidades (ejemplo: dplyr, ggplot2).
  • RMarkdown es ideal para informes reproducibles.
  • Con datos reales (ejemplo ENSANUT), podemos hacer análisis aplicado.