Introducción:


R es un entorno de software libre y lenguaje interpretado, es decir, ejecuta las instrucciones directamente (No cliqueable). Este es utilizado comunmente para la computación estadística y gráfica pues dispone de una amplia variedad de técnicas estadísticas (modelos lineales, pruebas estadísticas clásicas, análisis de series de tiempo, clasificación, etc.). InfoStat permite una interfaz con R directamente, que nos permitirá mostrar algunos “comandos” que se pueden utilizar para abordar los temas cubiertos en los laboratorios. Para que pueda utilizar el lenguaje de programación R con la interfaz de InfoStat usted previamente debe haber instalado el software R (descargar: Instrucciones de instalación) y así en InfoStat le aparecerá en la barra de herramientas lo siguiente:

Para empezar a utilizar R lo único que debe hacer es hacer click en dicho ícono y le aparecerá lo siguiente.



Después de tener abierta esta pantalla debemos cargar los datos con los que estamos trabajando en InfoStat y para esto hacemos click en el siguiente icóno.



A continuación se realizarán los ejercicos del laboratorio número 1.


Ejercicio 5


Transformar los datos de altura (m) a altura (pies).


# Para añadir una nueva columna a la tabla de datos utilizamos lo siguiente:

Nueva.tabla$Altura_pies = Nueva.tabla$Altura*3.28 

# El signo dolar añade la columna de nombre Altura_pies que es el resultado de
# multiplicar la columna Altura por 3.28.

Cuando se realiza esto, no verá que aparezca nada automaticamente en su tabla de InfoStat, para poder visualizarlo debe dar click en el icono que se muestra a continuación.

Visualizar datos


Ejercicio 6


Nos interesa categorizar nuestros árboles de acuerdo con los siguientes 4 categorías de diámetros: hasta 5cm, más de 5cm hasta 9cm, más de 9cm hasta 12cm, más de 12cm.


# Primero generamos la variable categorias como objeto, con los limites anteriormente establecidos

categorias = cut(Nueva.tabla$Diametro, breaks = c(0,5,9,12,18), labels = c("Hasta 5cm",
                                                                           "5cm hasta 9cm",
                                                                           "9cm hasta 12cm",
                                                                           "más de 12cm"))

# Ahora añadimos este objeto como una columna en nuestra tabla de datos

Nueva.tabla$categorias = categorias


Para visualizar los resultados en una tabla de InfoStat se realiza el mismo proceso que en el ejercicio 5.


Ejercicio 7

Ordenar los datos, para contar cuántos datos están enfermos.

Nueva.tabla = Nueva.tabla[with(Nueva.tabla, order(Nueva.tabla$Enfermo)),]
  • Los paréntesis angulares [*] que utilizamos para el objeto (tabla que contiene los datos) Nueva.tabla ayudan a identificar filas y columnas de dicha tabla. Por ejemplo si quisiera la observación que esta en la fila 3 de la variable Altura (columna 2) escribiriamos, Nueva.tabla[3,2] y esto daría como resultado 2.60.

  • El comando with combinado con el comando order lo que esta haciendo es ordenar las filas de la tabla según la variable Enfermo.

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