¿Qué vamos a (tratar de) aprender en este curso?

• Estadística Descriptiva e Inferencial
• R
• R Studio
• Ya sé usar Excel, SPSS, Minitab, El ojo de Thundera ¿por qué aprender R?

¿Qué es estadística?

• Una colección de procedimientos y principios para obtener información que permita tomar decisiones cuando nos enfrentamos a la incertidumbre.
• La ciencia de sacar conclusiones de los datos con la ayuda de la matemática de la probabilidad.
• Es la ciencia de responder preguntas con datos.
• …

Tipos de variables

• Categóricas o Cualitativas
• Ordinales
• Nominales
• Cuantitativas
• Continuas
• Discretas

Población y Muestra

¿Qué podemos aprender de una población a partir de la muestra?

• Población la colección de personas, animales, objetos y plantas sobre las que queremos conocer.
• Muestra un subconjunto de la población
• Parámetro Un número que describe a una población o a un modelo
• Estadístico un número que describe a una muestra

Sesgo del muestreo

Los métodos estadísticos de estimación intentan:

• Reducir el sesgo
• Sesgo Tendencia sistemática para estar fuera en una dirección en particular

• Aumentar la precisión
• Precisión Medida de cuan cerca están los valores estimados a lo que se está estimando.

Muestreo

• Muestreo: proceso de seleccionar una muestra. Se usan muestran aleatorias

• Para evitar (o por lo menos reducir) el riesgo

• Para cuantificar la variabilidad de la muestra, lo que nos permite medir la precisión.

• El muestreo más simple es el “Muestreo Aleatorio Simple”

Otros tipos de muestreo

• Muestreo por conveniencia

• Muestreo voluntario

• Muestreo sistemático

• Muestreo estratificado

Diferencia entre R y R Studio

• R

• RStudio

Tips para aprender a programar

• Las computadoras son estúpidas
• No escriba código desde 0
• La práctica es la clave

Instalar R y R Studio

• https://cran.r-project.org/
• https://www.rstudio.com/
• Primero instalar R, luego R Studio

Interfaces

• R

• RStudio

¿Qué son los paquetes de R?

• Un paquete de R es una colección de funciones, datos y documentaciones que extiende las capacidades de R.
• Son escritos por una comunidad mundial de usuarios de R.
• install.packages(“nombre_paquete”)
• library(“nombre_paquete”)

install.packages("ggplot2")
library("ggplot2")

Cargar Datos

• R viene con bases de datos cargadas
• Podemos ver todas las bases cargadas con los comandos

data()
data(package = .packages(all.available = TRUE))

Ejemplo

head(cars)

##   speed dist
## 1     4    2
## 2     4   10
## 3     7    4
## 4     7   22
## 5     8   16
## 6     9   10

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

Bases de datos propias

• Puede cargar sus propios datos
• La forma más usada en este curso

read.csv("archivo.csv", header = TRUE)

• Existen otras funciones para otro tipo de archivos.
• La estructura basicámente es la misma

?read.table

Advertencia

• Los datos en una hoja de cálculo (de Excel por ejemplo) que usted esté planeando llevar a R, deben cumplir:
• La primera fila debe contener los nombres de las variables
• Cada fila adicional corresponde a una observación
• Cada columna corresponde a una variable
• No debe haber más información que la de los datos

Visualización

El gráfico más simple ha traído más información a la mente del analista de datos que cualquier otro dispositivo. Jhon Tukey

• ¿Los carros con motores grandes utilizan más combustible que los que tienen motores más pequeños?

• ¿Cómo luce la relación entre el tamaño del motor y la eficiencia del combustible? ¿positiva? ¿negativa? ¿lineal?

install.packages("ggplot2")
library(ggplot2)

mpg
?mpg

Nuestra primera gráfica

ggplot(data=mpg)+geom_point(mapping = aes(x=displ,y=hwy))

Una plantilla para graficar

ggplot(data=<DATA>)+geom_point(mapping = aes(<MAPPINGS>))

Ejercicios

1. Ejecute ggplot(data = mpg) ¿Qué observa?
2. ¿Cuántas filas hay en mpg? ¿Cuántas columnas?
3. ¿Qué describe la vabiable drv?
4. Grafique hwy contra cyl
5. ¿Qué pasa si se hace un gráfico de dispersión de class contra drv? ¿Por qué no es útil el gráfico?

Aesthetic

El mayor valor de una imagen es cuando nos obliga a notar lo que nunca esperábamos ver. Jhon Tukey

• una aesthetic es una propiedad visual de los objetos en el gráfico.
• Tamaño, Forma, Color

Un ejemplo

ggplot(data=mpg)+geom_point(mapping = aes(x=displ,y=hwy, color = class))

Otras formas

ggplot(data=mpg)+geom_point(mapping = aes(x=displ,y=hwy, size = class))
ggplot(data=mpg)+geom_point(mapping = aes(x=displ,y=hwy, alpha = class))
ggplot(data=mpg)+geom_point(mapping = aes(x=displ,y=hwy, shape = class))
ggplot(data=mpg)+geom_point(mapping = aes(x=displ,y=hwy), color="red")

Ejercicios 2

1. Se desea que todos los puntos de azul, sin embargo el siguiente código no produce lo deseado ¿puede ayudar a encontrar el error?

ggplot(data=mpg)+geom_point(mapping = aes(x=displ,y=hwy, color="blue"))

2. ¿Cuáles son las variables categóricas en mpg? ¿Cuáles son continuas?

3. Mapee una variable continua to color, size y shape ¿cómo se comportan estas “aesthetics” para variables continuas?

4. ¿Qué pasa si mapeamos una “aesthethics” para algo como aes(color=displ<5)

Facetas

• Podemos mostrar gráficos por cada subconjunto

• facet_wrap(~VARIABLE, nrow = )

ggplot(data=mpg)+
  geom_point(mapping = aes(x=displ,y=hwy))+
  facet_wrap(~ class, nrow=3)

Facetas con 2 variables

ggplot(data=mpg)+
  geom_point(mapping = aes(x=displ,y=hwy))+
  facet_grid(drv ~ class)

Facetas

ggplot(data=mpg)+
  geom_point(mapping = aes(x=displ,y=hwy))+
  facet_grid(. ~ class)

Geoms

Geoms

• Objeto geométrico que se usa para representar los datos

Transformaciones estadísticas

ggplot(data=diamonds)+
  geom_bar(mapping = aes(x=cut))

Transformaciones estadísticas 2

?geom_bar

ggplot(data=diamonds)+
  stat_count(mapping = aes(x=cut))

Ajustes

ggplot(data=diamonds)+
  stat_count(mapping = aes(x=cut,colour=cut))

ggplot(data=diamonds)+
  stat_count(mapping = aes(x=cut,fill=cut))
ggplot(data=diamonds)+
  stat_count(mapping = aes(x=cut,fill=clarity))