Mi Primer Reporte Estadístico en R

1 Introducción

R es un lenguaje de programación especializado en análisis estadístico, visualización de datos y ciencia de datos. Es ampliamente utilizado en investigaciones científicas, análisis empresariales y proyectos académicos debido a su gran capacidad para procesar información y generar resultados reproducibles.

En este reporte se realizará un análisis básico utilizando el dataset iris, uno de los conjuntos de datos más conocidos en estadística y aprendizaje automático. A través de este análisis se explorará la estructura de los datos, se calcularán estadísticas descriptivas y se aplicarán fórmulas matemáticas utilizando LaTeX en Quarto.

El objetivo principal es aprender a combinar texto, código y resultados en un solo documento reproducible utilizando Quarto y R.

Tip

Aprender Quarto permite crear reportes automáticos y profesionales donde los resultados se actualizan automáticamente cada vez que cambian los datos.

2 Descripción del Dataset

library(tidyverse)

glimpse(iris)

Rows: 150
Columns: 5
$ Sepal.Length <dbl> 5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.6, 5.0, 4.4, 4.9, 5.4, 4.…
$ Sepal.Width  <dbl> 3.5, 3.0, 3.2, 3.1, 3.6, 3.9, 3.4, 3.4, 2.9, 3.1, 3.7, 3.…
$ Petal.Length <dbl> 1.4, 1.4, 1.3, 1.5, 1.4, 1.7, 1.4, 1.5, 1.4, 1.5, 1.5, 1.…
$ Petal.Width  <dbl> 0.2, 0.2, 0.2, 0.2, 0.2, 0.4, 0.3, 0.2, 0.2, 0.1, 0.2, 0.…
$ Species      <fct> setosa, setosa, setosa, setosa, setosa, setosa, setosa, s…

summary(iris)

  Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
 Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
 1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
 Median :5.800   Median :3.000   Median :4.350   Median :1.300  
 Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
 3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
 Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
       Species  
 setosa    :50  
 versicolor:50  
 virginica :50  
                
                
                

El dataset iris contiene información sobre diferentes medidas de flores pertenecientes a tres especies distintas de iris.

Este conjunto de datos posee 150 filas y 3 especies diferentes. Las variables numéricas representan medidas del largo y ancho del sépalo y pétalo de cada flor.

3 Estadística Descriptiva

promedios <- iris %>%
  group_by(Species) %>%
  summarise(
    Promedio_Sepal_Length = mean(Sepal.Length),
    Promedio_Sepal_Width = mean(Sepal.Width),
    Promedio_Petal_Length = mean(Petal.Length),
    Promedio_Petal_Width = mean(Petal.Width)
  )

knitr::kable(promedios,
             caption = "Promedio de variables numéricas agrupadas por especie")

Promedio de variables numéricas agrupadas por especie

Species	Promedio_Sepal_Length	Promedio_Sepal_Width	Promedio_Petal_Length	Promedio_Petal_Width
setosa	5.006	3.428	1.462	0.246
versicolor	5.936	2.770	4.260	1.326
virginica	6.588	2.974	5.552	2.026

La tabla anterior muestra el promedio de cada variable numérica para cada especie presente en el dataset.

4 Ecuaciones

4.1 Fórmulas Estadísticas

4.1.1 Media Aritmética

\[\bar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i\]

4.1.2 Desviación Estándar

\[s = \sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(x_i - \bar{x})^2}\]

4.1.3 Coeficiente de Variación

\[CV = \frac{s}{\bar{x}} \times 100\%\]

media <- mean(iris$Sepal.Length)

desviacion <- sd(iris$Sepal.Length)

coef_variacion <- (desviacion / media) * 100

La media aritmética de la variable Sepal.Length es 5.84.

La desviación estándar de Sepal.Length es 0.83.

El coeficiente de variación de Sepal.Length es 14.17%.

5 Conclusión

En este reporte se utilizaron herramientas básicas de Quarto y R para desarrollar un análisis estadístico reproducible. Se exploró el dataset iris, se calcularon estadísticas descriptivas y se integraron ecuaciones matemáticas utilizando LaTeX.

Quarto facilita la creación de documentos profesionales que combinan narrativa, código y resultados en un mismo archivo, permitiendo automatizar reportes de forma eficiente.