Introducción

Este es un documento en R Markdown. Permite generar HTML o Word combinando texto y código.

Primeros comandos de R

R es un leguaje muy parecido a matla y trabaja con variables que en general pueden ser matrices.

## [1] 20
##      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

Uso de data sets o base de datos internos de R

Usando el comando data() en la consola obtenemos distintos datos ya cargados en la base de datos de R, estos datos estan cargados en tablas de las cuales podemos elegir columnas especificas si escribimos el signo $ despues del comando de informacion especifico que queremos

Gráficos

Comando plot

Es un comando que sirve para graficar cualquier fuente de datos que le asignemos: Tenemos la posibilidad de asignar nombres a las variables o hacer cambios del grafico, en caso de no saber el comando podemos escribir ?plot en la consola, a la derecha nos va a abrir una pestaña y ahí tocar Generic X-Y Plotting y ahi nos va a explicar cada comando

Funciones estadísticas

##   [1] 18.203144 21.372045 20.700087 13.843219 15.071863 21.954910 17.666736
##   [8] 26.148820 19.296799 26.829407 27.469214 21.412078 18.019108 23.656017
##  [15] 27.465159 20.671789 16.669075 14.192888 20.747789 19.178459 29.592400
##  [22] 24.644657 24.168696 13.553759 14.925756 19.148326 16.916154 13.579638
##  [29] 17.723427 16.547063 28.958151 24.421601 21.887408 23.912337 21.836478
##  [36] 20.249366 21.511885 19.579158 26.162861 26.677142 29.534595 18.354957
##  [43] 12.408593 17.364952 26.717306 22.991654 17.944429 21.455963 22.591784
##  [50] 21.476745 17.480120 30.419270 20.469378 26.049186 23.670653 16.842519
##  [57] 25.760938 19.484655 17.962926 18.078420 27.339728 19.370620 20.135406
##  [64] 25.138094 21.906050 16.442780 15.581843 25.460831 25.103554 20.563127
##  [71] 24.420067 21.086159 16.422824 25.679822 21.536573 26.834114 15.834180
##  [78] 17.872079 17.944740 25.016254 29.345780 27.866810 26.140372 20.403828
##  [85] 23.715743 14.529295 20.687838 28.037994 21.953877 27.788687 24.176109
##  [92] 19.081392 12.669852 16.071860 18.032156 29.129755 22.515185 18.563949
##  [99] 17.304803 23.323314 24.856289 21.776445 26.388127 25.162528 21.451920
## [106] 17.672603 27.754753 17.980730 21.205800 23.406779 20.667142 17.068756
## [113] 21.920253 24.069695 11.794506 28.207812 23.018696 20.125394 15.947048
## [120] 23.734988 11.629750 22.538008 21.067821 23.976020 26.498381 17.544560
## [127] 16.552300 13.829241 25.530883 29.840289 27.037317 26.678780 30.754376
## [134] 19.346858 28.514540 26.580584 22.777700 24.213176 28.657954 17.496074
## [141] 18.543751 17.328648 23.409487 21.547116 14.399171 24.076543 20.612109
## [148] 23.947343 17.966258 18.308023 25.589070 25.884368 16.200282 24.227087
## [155] 27.529077 24.923712 26.713150 19.620872 17.584185 24.170547 21.748681
## [162] 15.221146 26.363824 17.257847 30.301042 17.845403 23.596276 12.608654
## [169] 23.594683 24.532048 25.527894 26.044267 21.077187 23.695646 19.309741
## [176] 19.424644  5.042481 17.601877 17.999452 23.895414 28.578522 21.354821
## [183] 20.047879 20.203520 24.360308 22.966773 27.363864 27.535392 24.780768
## [190] 23.290250 22.349982 24.751946 18.219093 31.255409 20.631946 20.628926
## [197] 15.309702 23.326241 20.328453 26.796886 20.204016 20.387734 15.679659
## [204] 28.474598 17.907700 27.903489 25.473059 25.034367 22.789462 22.158072
## [211] 19.779276 23.226745 28.572944 25.178322 17.028759 19.240515 23.138450
## [218] 17.005677 21.610653 17.452469 18.578118 16.699768 24.458419 18.988433
## [225] 20.844390 16.501668 20.176411 21.677502 25.545238 27.460836 29.837915
## [232] 21.460165 17.285976 23.598530 18.536984 26.659532 12.968026 28.471419
## [239] 21.254433 23.768044 24.973752 22.845817 25.970430 32.776828 22.062539
## [246] 24.863933 24.428105 23.694611 14.192391 14.520591 18.028675 22.175852
## [253] 25.081638 15.463237 14.968043 25.549870 11.366905 26.239918 24.668336
## [260] 24.559000 14.696231 28.746007 22.073470 19.509034 19.532762 21.511835
## [267] 18.596073 23.356725 21.489675 15.588701 27.122955 18.583939 26.868946
## [274] 31.392576 27.368467 16.573307 25.024134 17.149228 26.394082 23.015369
## [281] 17.040371 22.248955 22.696713 21.751500 20.904864 25.097919 22.526301
## [288] 18.669120 20.255836 26.151052 23.773546 30.220137 23.810413 20.804256
## [295] 20.703332 21.348666 23.364272 25.842296 22.890923 31.491120 11.956079
## [302] 28.932821 23.899792 18.652054 13.486333 16.899034 24.855412 28.554804
## [309] 24.710476 21.524206 22.074356 20.141693 21.462144 27.486683 22.334501
## [316] 18.046167 19.273722 23.119341 22.191132 19.531100 19.405036 20.562786
## [323]  8.388512 20.706487 18.966758 19.703789 25.748375 24.959867 26.340558
## [330] 21.276189 17.718161  9.920271 18.336165 19.691315 25.957918 15.533309
## [337] 24.818735 14.164941 19.283380 19.334297 20.778879 22.594110 17.393404
## [344] 19.158895 18.971585 15.737954 28.692942 17.242543 11.428057 11.809965
## [1] 350
##   [1] 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517
##  [19] 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535
##  [37] 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553
##  [55] 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571
##  [73] 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589
##  [91] 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607
## [109] 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625
## [127] 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643
## [145] 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661
## [163] 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679
## [181] 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697
## [199] 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715
## [217] 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733
## [235] 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751
## [253] 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769
## [271] 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787
## [289] 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805
## [307] 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823
## [325] 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841
## [343] 842 843 844 845 846 847 848 849

Ejercicio 1 de algoritmos

Consigna:Las ultimas 3 cifras del DNI son 803, crear una variable que tenga ese numero

Consigna: Crear un vector del 1 al 803.

##   [1]   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17  18
##  [19]  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36
##  [37]  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53  54
##  [55]  55  56  57  58  59  60  61  62  63  64  65  66  67  68  69  70  71  72
##  [73]  73  74  75  76  77  78  79  80  81  82  83  84  85  86  87  88  89  90
##  [91]  91  92  93  94  95  96  97  98  99 100 101 102 103 104 105 106 107 108
## [109] 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126
## [127] 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144
## [145] 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162
## [163] 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180
## [181] 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198
## [199] 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216
## [217] 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234
## [235] 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252
## [253] 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270
## [271] 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288
## [289] 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306
## [307] 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324
## [325] 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342
## [343] 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360
## [361] 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378
## [379] 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396
## [397] 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414
## [415] 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432
## [433] 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450
## [451] 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468
## [469] 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486
## [487] 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504
## [505] 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522
## [523] 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540
## [541] 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558
## [559] 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576
## [577] 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594
## [595] 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612
## [613] 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630
## [631] 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648
## [649] 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666
## [667] 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684
## [685] 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702
## [703] 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720
## [721] 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738
## [739] 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756
## [757] 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774
## [775] 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792
## [793] 793 794 795 796 797 798 799 800 801 802 803

Ejercicio 2

Calcular la suma de todos los valores del vector secuencia_dni usando un for:

## [1] 322806

Ejercicio 3

Repetir el ejercicio anterior pero en Phyton

## La suma total es: 322806

Ejercicio 4 Secuencia

Generar secuencia de 2 en 2 hasta 100000

## [1]  2  4  6  8 10 12
## [1]  99990  99992  99994  99996  99998 100000

Secuencia con función de R:

Comparación de tiempos:

##    user  system elapsed 
##   0.005   0.000   0.004
##    user  system elapsed 
##   0.001   0.000   0.000

Ejercicio 5 Fibonacci

##  [1]       0       1       1       2       3       5       8      13      21
## [10]      34      55      89     144     233     377     610     987    1597
## [19]    2584    4181    6765   10946   17711   28657   46368   75025  121393
## [28]  196418  317811  514229  832040 1346269
## [1] 32

Cantidad de iteraciones necesarias:

## [1] 32

Ejercicio 7 Burbuja vs sort

Comparación:

##    user  system elapsed 
##  20.784   0.020  20.927
##    user  system elapsed 
##   0.000   0.000   0.001

Ejercicio 8 Penitencia de Newton

Método 1 (for):

##    user  system elapsed 
##   0.018   0.000   0.018

Método 2 (fórmula matemática):

##    user  system elapsed 
##       0       0       0

Comparación:

## [1] 500000500000
## [1] 500000500000

Conclusión Final

La experimentación con algoritmos de ordenamiento y secuencias numéricas nos permite concluir que:

  1. Optimización: El uso de fórmulas matemáticas reduce el tiempo de ejecución a valores despreciables (\(O(1)\)) frente a los bucles (\(O(n)\)).
  2. Herramientas: La integración de R y Python en una sola bitácora facilita la transición entre lenguajes según la necesidad del proyecto.
  3. Escalabilidad: En ingeniería, elegir el método correcto es la diferencia entre un proceso que tarda segundos y uno que tarda horas.