PASO 1: ANTES DE HACER UN CÓDIGO

Símbolos

Son los símbolos a útilizar dentro de los elementos de código.
<

Asignación de Variables

Definir un “nombre” para tus variables.

x <- 3 
y <- 2 

Impresión de Resultados

Así es la manera en la que RStudio puede plasmarte para que se visualice en la parte de abajo de “Impresión de resultados”

x 
## [1] 3
y 
## [1] 2

PASO 2: CONOCER LAS FUNCIONES ARTITMÉTICAS, MATEMÁTICAS, CONSTANTES Y VECTORIALES

Operaciones Aritmeticas

suma <- x+y 
suma 
## [1] 5
resta <- x-y 
resta 
## [1] 1
multiplicacion <- x*y 
multiplicacion 
## [1] 6
division <- x/y 
division 
## [1] 1.5
division_entera <- x%/%y 
division_entera 
## [1] 1
residuo <- x%%y 
residuo 
## [1] 1
potencia <- x^y 
potencia 
## [1] 9

Funciones Matemáticas

raizcuadrada <- sqrt(x) 
raizcuadrada 
## [1] 1.732051
raizcubica <- x^(1/3) 
raizcubica 
## [1] 1.44225
exponencial <- exp(1) 
exponencial
## [1] 2.718282
absoluto <- abs(x) 
absoluto 
## [1] 3
signo <- sign(x) 
signo 
## [1] 1
redondeo_arriba <- ceiling(x/y) 
redondeo_arriba 
## [1] 2
redondeo_abajo <- floor(division) 
redondeo_abajo 
## [1] 1
truncar <- trunc(division) 
truncar 
## [1] 1

Constantes

pi 
## [1] 3.141593
radio <- 5 
area_circulo <- pi*radio^2 
area_circulo 
## [1] 78.53982

Vectores

a <- c(1, 2, 3, 4, 5) 
a 
## [1] 1 2 3 4 5
#?c 

longitud <- length(a) 
longitud 
## [1] 5
promedio <- mean(a) 
promedio 
## [1] 3
resumen <- summary(a) 
resumen 
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##       1       2       3       3       4       5
orden_ascendente <- sort(a) 
orden_ascendente 
## [1] 1 2 3 4 5
orden_descendente <- sort(a,decreasing=TRUE) 
orden_descendente 
## [1] 5 4 3 2 1
#?sort 

b <- c(1, 2, 3, 4, 5) 
b 
## [1] 1 2 3 4 5
suma_vectores <- a+b 
suma_vectores 
## [1]  2  4  6  8 10

Tipos de Gráficas

Data

a <- c(1, 2, 3, 4, 5) 
a 
## [1] 1 2 3 4 5
b <- c(1, 2, 3, 4, 5) 
b 
## [1] 1 2 3 4 5

Plot1

plot(a,b) 

Plot 2

plot(a,b, type="b", main="Ventas Totales", xlab="Semana", ylab="M USD")

Plot 3

plot(a,b, type="c", main="Ventas Totales", xlab="Semana", ylab="M USD")

Plot 4

plot(a,b, type="l", main="Ventas Totales", xlab="Semana", ylab="M USD")

Conclusión y Aprendizaje

R es un lenguaje de programación para visualizar datos de manera más fácil y para realizar cálculos.

Herramienta del Big Data

En R Studio es la plataforma en donde se puede programar en R, según lo visto en el módulo, la plataforma cambiara su nombre a Posit debido a su apertura para programar Python en la misma.

Uno de los beneficios que ví para R es la fácil utilización del programa con sus respectivas librerías para programar distintos elementos de una base de datos y sacar más información, personalmente pienso que tiene una extensa librería en donde puedes hacer cosas que no imaginaba, como una canción.

Es de mucha utilización este programa ya que viene en tendencia para quedarse para la ciencia de datos y para cualquier negocio realmente.

Información Extra

Para propósitos de conocer bien el programa y generar un buen desarrollo de los trabajos dejo una página extra para conocer más a detalle el uso los códigos.

knitr::include_url("https://bookdown.org/hneth/ds4psy/1-basics.html")

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