title: “Curso R” author: “Manuel Sanchez” date: “2025-10-02”

output: html_document: default pdf_document: default

Introduccion a R

Dentro de los siguientes lineamientos se dara a conocer los comandos aprendidos dentro las dos”2” semanas de clases recibidad en Univercidad de las Fueras Armadas “ESPE”, impartidas por el profesor Pablo Gaivor.

Primera clase.

Dentro de la primera clase se tomo como referecnia la instalacion del programa y la configuracion a project con la finalidad de poder reaizar los diferentes analisis de datos. como segundo tema dentro del mismo horario se realizo las principales aclaraciones.

-Encabezados.-

Se utiliza la almohadilla (#) para crear encabezados de seccion.El numero de almmohadillas corresponde al nivel del encabezado. Titutlo Principal (Nivel 1) (#) Seccion Principal (Nivel 2) (##) Subseccion (Nivel 3)(##)

-Codigos.-

Son maneras de generar ordenes atraves de la escritura. En este caso podemos observar el codigo ” rm(list=ls())” el cual nos ayudara a borrar todos los datos realizados anteriormente como comandos en nuestro programa R dejandolo limpio para una nueva escritura.

Otro tipo de comnado es “<-” el cual se utiliza para asignar un nombre a insitintos objetos estos pueden ser numeros, nombres de objetos o personas, o secciones de bases de datos que estemos separando y necesariamento debamos renombrar.

Ej: escalar1<-1,2,3,4,5 ; escalar2<-40,50,60,70; aleatorio1<- fabia, luiza, charly.

Otro codigo muy importante es “c” contatenar, con el cual los nombres de nuestros objetos estaran ligados a los valeres proporcionados

Ej: vec1<-c(1,2,3); vec2<-c(4,5,6)

-Matrices.-

Como es de entender las matrices son series de numeros ordenados en filas y columnas las cuales de definirian como: filas (row)“n”, columnas (coloms)“m”

Para crear matrices aplicamos el algoritmo “mat” y unsando el comando asignar “<-” Ej: matA<-bind (vec1,vect2,vect3)

Movimeintos de matrices Matriz[filas,columnas

Otro algoritmo muy usado para cambiar bases de datos se conoce como “data frame” Ej: base1<-as.data.frame(matrizA) de esa manera se a cambiado la base de datos ” base1” por “matrizA”

El comando ” subset ” nos permite ingresar a las bases de datos y escojer los datos que necesitamos observar Ej:” base1<- subset(base,base\(cyl>4)" en este caso se inrgreso un comando en el cual se escogeran los datos mayores a 4. Otra manera de acceder a las bases de datos y obtener los datos a usar es la forma matricial Ej: base1.f2<-base[base\)cyl>4] al igual que en el resultado anterior obtendremos los datos que sean mayores a 4 Otra manera es aplicando una libreria y un comando logico asi podemos leer la base de datos y obtener los datos necesarios. Para este ejemplo se debe instaar una libreria, luego ejecutarla, activar un comnado logico y luego ejecutar la busqueda de los datos solicitados

Segunda clase

En esta clase aprendimos a usar Rmarkdawn para el cual debemos seguir los siueintes pasos 1. Dirigirse a NEW FILE 2. Seleccionar RMARKDAW 3. Configuramos el nombre del documento y el tipo de archivo que queremos y aceptamos, con lo cual se nos despliega una nueva hoja de trabajo en la cual podemos generar texto de lectura sin necesidad de distintos comandos.

Tercera clase Se establecieron dos maneras en las cuales se deberian cargar las bases de datos 1. Se aplica el comando ” read ” y acontinuacion la direccion del archivo dentro del ordenador.

Ej: base<-read_excel(“insumos/pib_can_anual.xlsx”) La segunda forma es dirigiendonos a la venta superior derecha en la pestana “Import Dataset” elegimos el tipo de aricho a escojer en este paso es un archivo “xlsx” se escoje ” Fron Excel” seguido buscamos el archivo ” Bros” y para finalizar “Aply” 1. Import dataset 2. from Excel 3. Brows 4. Aply

Algunos comandos nos sirven para remplazar unos simbolos por otros como es el caso Ej: base [is.na(base)]<-0 En este caso se remplazara los datos que se nombre como “NA” por un cero “0” Tambien podemos usar el comando “Ifels” Este nos sirve como ordenador logico en el caso de que se necesite una decicion Ej: Ifelse(condicion logica,“si cumple”; ” si no se cumple”) este comando nos indica que una respectiva condicion logica es verdadero o falso la respuesta que nos da sera ” si cumple ” o ” si no se cumple”

Cuarta clase. Para esta clase se vieron 3 tipos de comandos: Comando “Lm” el cual nos servia para generar observaciones apartir de una base de datos en un modelo econometrico. Ej:modelo<-lm(consumo~ingreso_disponible,data=base_final_f4)

Comando “summary” Este comando nos permitia visualizar una tabla de contenido de un conjutno de datos a analizar. Ej: summary(modelo)

Comando "options" 
Este comando nos permite cambiar el numero de decimales a numeros enteros 
Ej:
  options(scipen=999)

Comando "mutate" 
Nos permite apartir de un comando logico acaparar infromacion apartir de una base de datos 
Ej:  mutate(ln_consumo=log(consumo),ln_Ingros_disponible=log(Ingros_disponible))

Clase Cinco Se revisaron los pasos para la elaboracion de un modelo 1. Idea 2. Pregunta de Investigacion 3. Hipotesis 4. Revicion Bibliografica 5. Fuentes de Infromacion 6. Modelo Teorico 7. Modelo Econometrico 8. Evaluacion del Modelo Econometrico 9. Resultados 10.Concluciones

Clase Seis

Se utiliza el muestreo bietipico estratificado por conglomerados Indicador = F.EXP (observaciones con caracteristicas aleatorias) / F.EXP (poblacion de interes)