1 1. ¿Qué es R Markdown?

R Markdown combina: - Texto explicativo - Código en R - Resultados (tablas y gráficos)

Objetivo taller: generar un reporte reproducible con Knit.

2 2. Estructura de un .Rmd

Un .Rmd tiene: 1) YAML (arriba) 2) Texto en Markdown 3) Chunks con código R

✅ Ejercicio 1: He actualizado el title y author con los datos de Salvador Huarcaya. Haz clic en Knit para verificar.

3 3. Markdown esencial

3.1 3.1 Títulos y listas

✅ Ejercicio 2: Objetivos personales:

  • Aprender la sintaxis básica de Markdown.
  • Generar reportes automáticos en HTML.
  • Integrar gráficos de ggplot2 en mis documentos.

3.2 3.2 Negrita y cursiva

✅ Ejercicio 3: Este reporte ha sido editado por Salvador Huarcaya usando el software RStudio.

4 4. Chunks (código en R)

4.1 4.1 Cargar datos de ejemplo

R incluye un dataset llamado mtcars.

# Dataset de ejemplo incluido en R
head(mtcars)
##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

4.2 4.2 Resumen de una variable

summary(mtcars$mpg)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   10.40   15.43   19.20   20.09   22.80   33.90

5 5. Inline R (código dentro del texto)

✅ Ejercicio 7: La media de MPG (millas por galón) en este dataset es 20.09.

6 6. Tablas

✅ Ejercicio 8: Muestra de las primeras 8 filas.

 knitr::kable(head(mtcars, 8))
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2

7 7. Gráficos

✅ Ejercicio 9: Relación entre peso y consumo.

library(ggplot2)

ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point(color = "blue") +
  theme_minimal() +
  labs(
    title = "Relación entre peso (wt) y rendimiento (mpg)",
    subtitle = "Elaborado por Salvador Huarcaya",
    x = "Peso (1000 lbs)",
    y = "Millas por Galón"
  )

8 8. Actividad final (integrador)

8.1 8.1 Resultados numéricos

Resumen estadístico de la potencia (hp):

summary(mtcars$hp)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    52.0    96.5   123.0   146.7   180.0   335.0

8.2 8.2 Tabla resumida

knitr::kable(head(mtcars, 5), caption = "Primeros 5 registros del dataset")
Primeros 5 registros del dataset
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2

8.3 8.3 Gráfico comparativo

ggplot(mtcars, aes(x = factor(cyl), y = mpg, fill = factor(cyl))) +
  geom_boxplot() +
  labs(title = "MPG por número de cilindros", 
       x = "Cilindros", 
       y = "Millas por Galón") +
  theme_light()

9 9. Checklist finalizado

## R version 4.5.2 (2025-10-31 ucrt)
## Platform: x86_64-w64-mingw32/x64
## Running under: Windows 11 x64 (build 26200)
## 
## Matrix products: default
##   LAPACK version 3.12.1
## 
## locale:
## [1] LC_COLLATE=Spanish_Peru.utf8  LC_CTYPE=Spanish_Peru.utf8   
## [3] LC_MONETARY=Spanish_Peru.utf8 LC_NUMERIC=C                 
## [5] LC_TIME=Spanish_Peru.utf8    
## 
## time zone: America/Bogota
## tzcode source: internal
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
## [1] ggplot2_4.0.1
## 
## loaded via a namespace (and not attached):
##  [1] vctrs_0.6.5        cli_3.6.5          knitr_1.51         rlang_1.1.6       
##  [5] xfun_0.55          S7_0.2.1           jsonlite_2.0.0     glue_1.8.0        
##  [9] labeling_0.4.3     htmltools_0.5.9    sass_0.4.10        scales_1.4.0      
## [13] rmarkdown_2.30     grid_4.5.2         evaluate_1.0.5     jquerylib_0.1.4   
## [17] fastmap_1.2.0      yaml_2.3.12        lifecycle_1.0.4    compiler_4.5.2    
## [21] RColorBrewer_1.1-3 rstudioapi_0.17.1  farver_2.1.2       digest_0.6.39     
## [25] R6_2.6.1           bslib_0.9.0        tools_4.5.2        withr_3.0.2       
## [29] gtable_0.3.6       cachem_1.1.0

```