MCF-202 Análisis Estadístico
Dr. Marco Auerlio González Tagle
19 de agosto de 2015
Introducción
La asignatura esta diseñada para llevar al alumno al manejo y uso a nivel principiante e intermedio del software R. Para ello se trabaja con tareas sencillas, pero relevantes, relacionadas con el manejo y análisis de datos en el contexto estadístico y de la carrera de Ingeniero Forestal.
Los documentos de esta clase en extenso pueden descargarlos en el siguiente link: Descargar documentos de la Clase 1
Objetivos
- Desarrollar en los estudiantes la habilidad en el análisis estadístico y principios de diseño para la fundamentación de la investigación científica en el manejo de los recursos forestales.
- Proporcionar los elementos estadísticos necesarios para la síntesis y el análisis de datos, así como enfatizar su trascendencia e importancia en la solución de problemas en el ámbito forestal.
Contenido
- Introducción al lenguaje R
- Estadísticas descriptivas de datos provenientes de inventarios forestales
- Ejercicio de estadísticas descriptivas
- Contraste de hipótesis
- Pruebas de t
- muestra única
- muestras independientes
- muestras dependientes
Regresión lineal y correlación
Análisis de varianza
Entrega de tareas
Para registrar exitosamente sus tareas en evernote favor de seguir las siguientes instrucciones:
- Email: mgtagle01.5730fe4@m.evernote.com
- En el Asunto del email se debe incluir su nombre, número de matrícula seguido de las siguiente indicación: @xxxxxx.
Ejemplo Asunto: Marco A. González Tagle Matrícula 1213458 @xxxxxxx.
Introducción a R y RStudio
Descripción de R
R es un lenguaje de alto nivel y un entorno para el análisis de datos y gráficos más potente y profesional que existe actualmente para realizar tareas estadísticas de todo tipo, desde las más elementales, hasta las más avanzadas.
Instalar paquetes en RStudio
Las paqueterias se encuentran publicadas en “Comprehensive R Archive Network (CRAN)”, pero en Rstudio podemos instalarlas directamente siguiendo los siguientes pasos.
En el panel inferior derecho de la pantalla de Rstudio se encuentra la pestaña Packages se da click en esa pestaña y luego en Install y aparecera una ventana donde podemos enlistar las paqueterías o liberias que necesitamos, en este caso ocuparemos para el desarrollo de nuestro curso el paquete knitr (Figura ).
Crear un proyecto en RStudio
Es una buena idea iniciar el curso con la creación de un proyecto para guardar nuestros scripts. Un script son archivos que contienen el código para ingresar nuestros datos, visualizarlos mediante gráficas y generar el análisis que necesitamos. Los scripts que se generen en el proyecto, estarán siempre disponibles para consultarlo en cualquier momento que el usuario así lo desee. Para crear un projecto, vamos a la pestaña superior derecha de Rstudio y damops click en crear un proyecto.
Crear un Script
Un script son archivos que contienen el código para ingresar nuestros datos, visualizarlos mediante gráficas y generar el análisis que necesitamos. Para crear uno nuevo vamos a la barra Archivo -> Nuevo Archivo -> RScript.
Manipulación de datos con R
Facilidad de R
R es un lenguaje Orientado a Objetos: bajo este complejo término se esconde la simplicidad y flexibilidad de R. Orientado a Objetos significa que las variables, datos, funciones, resultados, etc., se guardan en la memoria activa del computador en forma de objetos con un nombre específico. El usuario puede modificar o manipular estos objetos con operadores (aritméticos, lógicos, y comparativos) y funciones (que a su vez son objetos).
n <- 10
n
## [1] 10
Importar datos a R
A continuación se explicará brevemente la manera de importar datos que proviene de una base de datos desarrollaad en Excel a R. La importación es muy simple y se realiza mediante la función read.csv. El formato del archivo excel debe estar guardado en formato csv.
Declarar el archivo de trabajo
Después de tener los datos guardados en el formato y nombre deseado en este caso DBH_1.csv se procede a la importación usando el comando read.csv. Es importante informar a R en que directorio se encuentra la base de datos disponible para la importación, Podemos utilizar el comando setwd. La base de datos se debe guardar como un objeto en la memoria de R para el siguiente ejemplo lo llamaremos trees.
setwd("/Volumes/TOSHIBA/GitHub/Analisis_Estadistico/Data")
trees <- read.csv("DBH_1.csv", header=TRUE)
Revisar los datos
Ahora hemos creado el objeto trees que podemos observar solamente escribiendo nuevamente en la línea de comando de Rstudio
trees
## Tree dbh parcela
## 1 1 16.5 1
## 2 2 25.3 1
## 3 3 22.1 1
## 4 4 17.2 1
## 5 5 16.1 1
## 6 6 8.1 1
## 7 7 34.3 1
## 8 8 5.4 1
## 9 9 5.7 1
## 10 10 11.2 1
## 11 11 24.1 2
## 12 12 14.5 2
## 13 13 7.7 2
## 14 14 15.6 2
## 15 15 15.9 2
## 16 16 10.0 2
## 17 17 17.5 2
## 18 18 20.5 2
## 19 19 7.8 2
## 20 20 27.3 2
## 21 21 9.7 3
## 22 22 6.5 3
## 23 23 23.4 3
## 24 24 8.2 3
## 25 25 28.5 3
## 26 26 10.4 3
## 27 27 11.5 3
## 28 28 14.3 3
## 29 29 17.2 3
## 30 30 16.8 3
Alternativa para ingresar los datos
De manera alternativa es teclear los datos de forma manual en el programa Rstudio de la siguiente manera: Supongamos que tenemos 30 mediciones de árboles de la especie Pinus pseudostrobus realizado mediante un inventario en campo, los datos son los siguientes:
Datos proveniente de 30 árboles inventariados de la especie Pinus pseudostrobus
| 1 |
16.5 |
11 |
24.1 |
21 |
9.7 |
| 2 |
25.3 |
12 |
14.5 |
22 |
6.5 |
| 3 |
22.1 |
13 |
7.7 |
23 |
23.4 |
| 4 |
17.2 |
14 |
15.6 |
24 |
8.2 |
| 5 |
16.1 |
15 |
15.9 |
25 |
28.5 |
| 6 |
8.1 |
16 |
10 |
26 |
10.4 |
| 7 |
34.3 |
17 |
17.5 |
27 |
11.5 |
| 8 |
5.4 |
18 |
20.5 |
28 |
14.3 |
| 9 |
5.7 |
19 |
7.8 |
29 |
17.2 |
| 10 |
11.2 |
20 |
27.3 |
30 |
16.8 |
Ingresar datos manualmente
En el lenguaje R podemos ingresar este conjunto de datos de la siguiente forma:
dbh <- c(16.5, 25.3, 22.1, 17.2, 16.1, 8.1, 34.3, 5.4, 5.7, 11.2,
24.1, 14.5, 7.7, 15.6, 15.9, 10, 17.5, 20.5, 7.8, 27.3,
9.7, 6.5, 23.4, 8.2, 28.5, 10.4, 11.5, 14.3, 17.2, 16.8)
¿Como podemos revisar los datos de dbh recién ingresados?
Revisar datos
dbh
## [1] 16.5 25.3 22.1 17.2 16.1 8.1 34.3 5.4 5.7 11.2 24.1 14.5 7.7 15.6
## [15] 15.9 10.0 17.5 20.5 7.8 27.3 9.7 6.5 23.4 8.2 28.5 10.4 11.5 14.3
## [29] 17.2 16.8
Operaciones con un conjunto de datos
Ahora hemos creado dos objetos llamados 1. trees
mean(trees$dbh) # El signo de $ sirve para informar que necesitamos la columna dbh
## [1] 15.64333
sd(trees$dbh)
## [1] 7.448892
dbh
mean(dbh)
## [1] 15.64333
sd(dbh)
## [1] 7.448892
Ejemplo
Para mostrar como funcionan las restricciones podemos realizar las siguientes preguntas: Cuantos individuos tiene un diámetro menor (<) a 10 cm.
sum(trees$dbh < 10)
## [1] 8
Restricciones
Otro ejemplo de la utilidad de los restrictores es: Excluir los diámetros que se encuentran en la parcela 2. El objeto resultante se puede grabar como trees.13. El simbolo ! indica NO.
trees.13 <- trees[!(trees$parcela=="2"),]
trees.13
## Tree dbh parcela
## 1 1 16.5 1
## 2 2 25.3 1
## 3 3 22.1 1
## 4 4 17.2 1
## 5 5 16.1 1
## 6 6 8.1 1
## 7 7 34.3 1
## 8 8 5.4 1
## 9 9 5.7 1
## 10 10 11.2 1
## 21 21 9.7 3
## 22 22 6.5 3
## 23 23 23.4 3
## 24 24 8.2 3
## 25 25 28.5 3
## 26 26 10.4 3
## 27 27 11.5 3
## 28 28 14.3 3
## 29 29 17.2 3
## 30 30 16.8 3
Selección de una submuestra
Una submuestra se puede obtener de cualquier base de datos que este disponible en R mediante el comando subset. Por ejemplo queremos obtener solo los diametros iguales o menores a 10 cm y deseamos guardarla en una base de datos que se denominara trees.1.
trees.1 <- subset(trees, dbh <= 10)
head(trees.1)
## Tree dbh parcela
## 6 6 8.1 1
## 8 8 5.4 1
## 9 9 5.7 1
## 13 13 7.7 2
## 16 16 10.0 2
## 19 19 7.8 2
La base de datos trees.1 contiene 9 observaciones obtenidas mediante la restricción (subset(trees, dbh <= 10)) de los diámetros iguales o menores a 10 cm de la base de datos original trees.
Ahora tenemos dos base de datos: trees y trees.1 diponibles en R y con ambas podemos realizar las operaciones aprendidas durante la clase.
mean(trees$dbh)
## [1] 15.64333
mean(trees.1$dbh)
## [1] 7.677778
