COMPENDIO DE COMANDOS Y PROGRAMAS EN R MODO DE USO: debido a que editar los comandos en R es muy engorroso, copie de aquí los comandos que necesite y péquelos al final de este documento. Allí puede modificarlos para después pegarlos en R. Después de pegar algo siempre termine con ENTER. El símbolo # indica que todo lo que quede a la derecha es un comentario. Antes de pegar algo, teclee una línea de ############################ y termine con ENTER. Así podrá distinguir el presente del pasado. Para silenciar una instrucción, que puede ser molesta después de la primera vez, ponga # al principio de la línea. Conviene tener presente que R guarda en memoria todo lo pasado y que siempre trata de hacer lo máximo: esto crea un efecto multiplicador de errores. Por ello: 1) Nunca acepte la salida de un programa que contenga algún mensaje de error. 2) Procure correr programas 100% autocontenidos. 3) Si no puede encontrar la casua de un error, quizá se deba a un efecto de interferencia de programas pasados: puede limpiar la memoria añadiendo en una de las primeras líneas la instrucción #Limpia la memoria rm(list = ls()) Para saber qué objetos hay en memoria, use #Lista los objetos en memoria objects() Despues de utilizar rm(list = ls()) debe haber 0 objetos guardados en memoria. Graficar algo causa que las gráficas pasadas se olviden y se pierdan. Por ello, cuando un programa tiene varias gráficas, se corre por partes, una por cada gráfica. Alternativa: ordenar que se pinten todas las gráficas sobre la misma hoja. Para ello, al principio del programa inserte la siguiente instrucción: #Gráficas: 3 por renglón en dos renglones. par(mfrow=c(3,2), pch=16) que ordena mostrar las gráficas 3 por renglón y en dos renglones. Esto puede modificarse a placer. Para evitar interferencia con programas futuros, uno puede retornar al modo usual, una gráfica por pagina, con la instrucción: #Retorne a modo gráfico 1 x 1 par(mfrow=c(1,1), pch=16) PROGRAMAS #INTRODUCCION DE DATOS x <- c(1,3.2,4,5,2.3,5,4,3,4,5,7,2) # listar x x x[1] + x[4] #REUSO DE PROGRAMAS #Tenemos z z <- c(1,3.2,4,5,2.3) #clonamos z sobre x x<-z #Programa que procesa x x[1] + x[4] #EDITOR DE DATOS SOBRE LINUX #Abrir el editor (se graba al cerrarlo con quit) sueldoA <-edit(data.frame()) #Publica sueldoA sueldoA #EDITOR DE DATOS SOBRE WINDOWS #Abrir el editor #Se graba cerrándolo con click derecho en el mouse + cerrar sueldoA <-edit(as.data.frame(NULL)) #Publica sueldoA sueldoA #CORRECION DE DATOS #Ya se tiene sueldoA sueldoB <- edit(sueldoA) t.test(sueldoA,sueldoB) #LA MEDIA #Programa en dos partes, corra primero una después la otra. #Parte 1: sueldoA <- c(1, 3.2, 4, 5, 2.3) mean(sueldoA) summary(sueldoA) var(sueldoA) #desviación sd(sueldoA) #dibuja sueldoA plot(sueldoA) # #Parte 2 boxplot(sueldoA) #AYUDA #Teclee q para salir de la ayuda help(boxplot) boxplot.stats #HISTOGRAMA x<-c(1,2,1,3,2,3,2,4,3,2,4,2,2,1) hist(x, seq(0.5, 4.5, 1), plot = TRUE, prob=T) #Envolvente del histograma lines(density(x, bw=1)) #Densitómetro de barras #rug= representación unidimensional gráfica rug(x, side=1) #TEST HO SOBRE LA MEDIA sueldoA <- c(1,3.2,4,5,2.3) t.test(sueldoA,mu=1.2) #PRUEBA t PARA COMPARAR MEDIAS sueldoA <- c(1, 3.2, 4, 5, 2.3) t.test(sueldoA,mu=1.2) sueldoB <- c(2.1, 1.3, 3.1, 2, 1.5) t.test(sueldoA,sueldoB) sueldoC <- c(2, 2.1, 3.1, 1.2, 1.5, 2.3, 1.7, 1.8) t.test(sueldoA,sueldoC, var.equal = T) t.test(sueldoA,sueldoC, var.equal = F) t.test(sueldoA,sueldoC,conf.level = 0.99) #Para un test de datos apareados, mismo número de elementos t.test(sueldoA,sueldoC, paired = T) t.test(sueldoA,sueldoB,paired = T, conf.level = 0.99) #Avance sobre la ayuda con el navegador de páginas #en el teclado. #Para salir de la ayuda, teclee q help(t.test) #COMPARACION DE DOS VARIANZAS sueldoA <- c(1, 3.2, 4, 5, 2.3) sueldoB <- c(2.1, 1.3, 3.1, 2, 1.5) var.test(sueldoA, sueldoB) var.test(sueldoA,sueldoB, conf.level = 0.99) #TEST KOLMOGOROV SMIRNOV SOBRE NORMALIDAD #Parte 1: Esto se corre primero #Generamos 500 observaciones al azar de la normal,media = 40, sigma = 3. w<-rnorm(500, mean = 40, sd = 3) #Histograma de w hist(w, seq(28, 52, 1), prob=T) #Envolvente del histograma de datos lines(density(w, bw=1)) #Envolvente según la Ho: función densidad de la normal, media = 40, sigma = 3. #add = TRUE significa que la curva se añade a la gráfica anterior. #add = FALSE significa que se crea una gráfica nueva. curve((1/(2*pi* 9)^0.5) * (exp( -(x-40)^2/(2*3^2)) ) , 28,52, add = TRUE, col = "red") #Densitómetro de barras rug(w, side=1) # #Parte 2: Esto se corre (copia y pega) después # #La gráfica K-S qqnorm(w) #La Ho (normalidad) daría una línea. qqline(w) #Test de Kolgomogorov - Smirnov para normalidad ks.test(w, "pnorm", mean=40, sd=3) #TEST KS SOBRE DISTRIBUCION UNIFORME #Esto se corre primero #Generamos 500 observaciones al azar de la uniforme w<-runif(500) #Histograma de w hist(w, seq(-3, 3, 1), prob=T) #Envolvente según la Ho: densidad de la normal curve((1/( sd(w) * ((2*pi)^0.5) )) * (exp( -(x-mean(w))^2/(2*(sd(w))^2)) ) , -3,3, add = TRUE, col = "red") #Densitómetro de barras rug(w, side=1) # #Esto se corre después # #dibujo K-S qqnorm(w) #Si fuese perfecta normalidad daría una línea. qqline(w) #Test de Kolgomogorov - Smirnov para normalidad ks.test(w, "pnorm", mean = mean(w), sd = sd(w)) #CREAR TABLA A PARTIR DE VECTORES GastosA<-c( 1,3,4,2,3,5,6,4,3) GastosB<-c( 2,3,1,2,4,3,4,2,1) #Unimos los datos en un sólo objeto z<-data.frame(GastosA,GastosB) #publicamos la tabla en la consola. z #MANEJO DE TABLA NUMERICA a<- c(2001,2002,2003,2007,2010) b <- c(2001+1,2002+2,2003+1,2007+3,2011) t <- data.frame(a,b) #Diversas publicaciones t t[1] t[1,1] t[5,2] t$a #Sume t[1,1] + t[5,2] t$a[1] + t$b[5] #CAMBIO DE TIPO: DE NUMERICO A FACTOR (CATEGORICO) #Si uno tiene un vector #Se copia un vector de números a otro de tipo factor a<- c(2001,2002,2003,2007,2010) b <- as.factor(a) #Los números se pueden sumar a[1]+a[2] #Los factores no: NA = not available, no puede hacerse b[1]+b[2] #CAMBIO DE TIPO DE UNA COLUMNA DENTRO DE UNA TABLA a <- c(2001,2002,2003,2007,2010) b <- c(2004,2005,2006,2007,2009) tabla <- data.frame(a,b) tabla #Cambiar a de numérico a factor: #se copia a en c, pero como factor. #pero se deja a como numérico. #La simbología padre$hijo #denota el hijo de tal padre, en este caso #c es hijo (columna) de tabla. tabla$c <- as.factor(tabla$a) tabla tabla$a[1] + tabla$b[1] tabla$a[1] + tabla$c[1] #TABLAS DE CONTINGENCIA DE 2 DIMENSIONES edad<-c(1,2,3,4,5,6,7,8) puntaje<-c(8,7,8,10,20,20,16,17) #Se hacen categorías edad.cat<-cut(edad,breaks=2) puntaje.cat<-cut(puntaje,breaks=2) #Se calcula la tabla de contingencia d<-table(edad.cat,puntaje.cat) d plot(d) #Se hace el test de independencia chisq.test(edad.cat,puntaje.cat) #IMPORTACION DE DATOS DESDE UN ARCHIVO TIPO txt sobre LINUX tsueldos = read.table(file("AJose/RProjectU1/RWorkU1/tsueldos.txt"), encoding="latin1") #Forma sinónima tsueldos = read.table(file("AJose/RProjectU1/RWorkU1/tsueldos.txt")) tsueldos #para listar un objeto, se teclea su nombre #IMPORTACION DE DATOS DESDE UN ARCHIVO TIPO txt sobre WINDOWS #header = T significa que cada variable tiene un título #como encabezado; header = F, significa que no hay título. tsueldos <-read.table(file ("C:/AJose/RProjectU1/RWorkU1/tsueldos.txt"), header = T) #para listar un objeto, se teclea su nombre tsueldos #VARIOS VECTORES DE DATOS EN LA MISMA GRAFICA #Generamos los datos de unos gastos ProyA<-c( 1,3,4,2,3,5,6,4,3) ProyB<-c( 2,4,1,3,4,3,4,2,1) #Unimos los datos en un sólo objeto z<-data.frame(ProyA, ProyB) #Gráfica: #Dibujamos los datos en pantalla #col = colores, 2 = rojo, 3= verde. matplot(z,axes=F,frame=T,type='b',ylab="",col = 2:3) # Se añaden los Títulos title(ylab="Gastos", xlab = "Meses") title("Gastos por mes \n proyecto A y B") #Caja de letreros: posición, contenido, lty = line types, colores legend(1, 5, c(paste(" = ", c("A","B"))), lty = 1, col = 2:3) #Dibuje la escala en el eje X axis(1) #Dibuje la escala en el eje Y axis(2) #VARIAS GRAFICAS POR PAGINA #cargar paquete data(LifeCycleSavings, package="datasets") #Listar datos LifeCycleSavings # #Todas las gráficas en la misma página, #formando una matriz de 3 filas y 2 columnas. #par = modifique parámetros par(mfrow=c(3,2), pch=16) #Dibuje histogramas: #LifeCycleSavings es al archivo de datos que contiene #las variables sr, ddpi, pop15, pop75, dpi: hist(LifeCycleSavings$sr, plot = TRUE, col="darkgray") hist(LifeCycleSavings$ddpi, plot = TRUE, col="darkgray") hist(LifeCycleSavings$pop15, plot = TRUE, col="darkgray") hist(LifeCycleSavings$pop75, plot = TRUE, col="darkgray") hist(LifeCycleSavings$dpi, plot = TRUE, col="darkgray") #Retorne a modo gráfico 1 x 1 par(mfrow=c(1,1), pch=16) #GRABAR GRAFICAS #Parte 1 #Generamos los datos GastosA<-c( 1,3,4,2,3,5,6,4,3) GastosB<-c( 2,3,1,2,4,3,4,2,1) #Unimos los datos en un sólo objeto z<-data.frame(GastosA,GastosB) #Dibujamos los datos en pantalla matplot(z,axes=T,frame=T,type='b',ylab="") #Títulos title(ylab="Gastos", xlab = "Meses")#label for y-axis; title("Gastos por mes \n proyecto A y B") #Se inicializa un archivo con formato png #que ocupa poco espacio. png(file="AJose/RProjectU1/RWorkU1/graf1.png") #Dibujamos los datos en el archivo #matplot: función que dibuja funciones matplot(z,axes=F,frame=T,type='b',ylab="") #Títulos title(ylab="Gastos", xlab = "Meses")#label for y-axis; title("Gastos por mes \n proyecto A y B") #Cerramos el archivo dev.off() # #Parte 2 #Ahora grabamos un histograma HGastosA<-hist(GastosA) #Dibujo en pantalla plot(HGastosA,main = paste("Histograma de GastosA")) #Se inicializa un archivo con formato png #que ocupa poco espacio. png(file="AJose/RProjectU1/RWorkU1/graf2.png") #Dibujamos los datos en el archivo plot(HGastosA,main = paste("Histograma de HGastosA")) #Cerramos el archivo: device off dev.off() #Terminar #El archivo se puede editar con un procesador de imágenes. ========================================================== # INSTALAR EL R COMMANDER, UNA GUI PARA R #Se corre una única vez install.packages("Rcmdr", dependencies=TRUE) #ENCENDER EL R COMMANDER #Se hace en cada sesión library(Rcmdr) ======================================================= #REGRESION UNIVARIADA ENTRE DOS VECTORES #Parte 1 x <- c(2,3,4,1,4,5,3) y<- c(2,4,5,6,7,8,9) #El símbolo ~ indica que se estudia una relación entre #la variable dependiente a la izquierda y las dependientes #a la derecha. #La regresión se estudia por medio de #los modelos lineales (linear models). #z es el nombre del modelo a estudiar. z<-lm(x ~ y) #Diagrama de dispersión: #Cargar paquete que dibuja library(car) scatterplot(sueldoA~sueldoB, reg.line=lm, smooth=TRUE, labels=FALSE, boxplots='xy', span=0.5) #Parte 2 plot(z) #REGRESION ENTRE DOS COLUMNAS DE UNA TABLA #Parte 1 sueldoA <- c(2,3,4,1,4,5,3) sueldoB<- c(2,4,5,6,7,8,9) sueldos <- data.frame(sueldoA,sueldoB) z<-lm(sueldoA ~ sueldoB, data = sueldos) z library(car) scatterplot(sueldoA~sueldoB, reg.line=lm, smooth=TRUE, labels=FALSE, boxplots='xy', span=0.5, data=sueldos) #Parte 2 plot(z) #ANOVA UNIFACTORIAL #Los tratamientos a los 9 viveros codificados como palabras Trat<-c( "nueve", "docho", "nueve","vcinco", "nueve", "vcinco", "docho", "vcinco","docho") #Producción de los viveros Prod<-c( 1,3,2,1,1,1,4,2,5) #Se hace una tabla a partir de dos vectores Mora<-data.frame(Trat,Prod) Mora #Tabla bidimensional de frecuencias absolutas z<-table(Mora$Prod,Mora$Trat) z #analysis of variance w<-aov(Mora$Prod ~ Mora$Trat, projections = TRUE ) summary(w) #Comparación de medias por pares según Tukey #Se ordenan las diferencias entre medias antes del test tt <- TukeyHSD(w, ordered = TRUE, conf.level = 0.99) plot(tt) #Los tratamientos a los 9 viveros codificados como números trat<-c( 9, 18, 9,25, 9, 25, 18, 25,18) #Tome los números como categorías o factores Trat <- as.factor(trat) #Producción de los viveros Prod<-c( 1,3,2,1,1,1,4,2,5) #Se hace una tabla a partir de dos vectores Mora<-data.frame(Trat,Prod) Mora #Tabla bidimensional de frecuencias absolutas z<-table(Mora$Prod,Mora$Trat) z #analysis of variance w<-aov(Mora$Prod ~ Mora$Trat, projections = TRUE ) summary(w) #Comparación de medias por pares según Tukey #Se ordenan las diferencias entre medias antes del test tt <- TukeyHSD(w, ordered = TRUE, conf.level = 0.99) plot(tt) #TABLA DE DATOS PARA LA ANOVA Prof Prom Univ Gen Sueldo Estrato Civil 2006 U1 M 2 4 Ind 2004 U2 H 3 5 Ind 2003 U2 M 2 2 Elec 2001 U3 H 1 3 Sist 2003 U1 M 2 4 Civil 2001 U2 H 3 6 Sist 2004 U3 M 2 6 Elec 2003 U2 M 1 3 Sist 2001 U2 H 2 2 Civil 2002 U3 M 3 3 #PROGRAMA PARA LA ANOVA DE UNA VIA EN LINUX QUE LEE DATOS DE ARCHIVO #read.table() = función para leer datos de un archivo del disco duro #y también de internet. #header = T, cada columna del archivo tiene encabezado,título, nombre. #header = F, no hay nombres para las columnas o variables. tsueldos <- read.table(file("AJose/RProjectU1/RWorkU1/tsueldos.txt"), header = T) tsueldos #Tabla bidimensional de frecuencias absolutas sueldo vs prof tb<-table(tsueldos$Sueldo,tsueldos$Prof) tb #analysis of variance w <- aov(tsueldos$Sueldo ~ tsueldos$Prof, projections = TRUE) summary(w) #Comparación de medias por pares según Tukey #Se ordenan las diferencias entre medias antes del test tt <- TukeyHSD(w, ordered = TRUE, conf.level = 0.99) plot(tt) #PROGRAMA PARA LA ANOVA DE UNA VIA SOBRE WINDOWS QUE LEE DATOS DE ARCHIVO #read.table() = función para leer datos de un archivo del disco duro #y también de internet. #header = T, cada columna del archivo tiene encabezado,título, nombre. #header = F, no hay nombres para las columnas o variables. tsueldos <-read.table(file("C:/AJose/RProjectU1/RWorkU1/tsueldos.txt"), header = T) #Publicamos en consola el archivo tsueldos # #Tabla bidimensional de frecuencias absolutas sueldo vs prof tb<-table(tsueldos$Sueldo,tsueldos$Prof) tb #analysis of variance w <- aov(tsueldos$Sueldo ~ tsueldos$Prof, projections = TRUE) summary(w) #Comparación de medias por pares según Tukey #Se ordenan las diferencias entre medias antes del test tt <- TukeyHSD(w, ordered = TRUE, conf.level = 0.99) plot(tt) #ANOVA CON BLOQUEO pH <- c(4,4,6,8,6,4,8,6,8) pH <-as.factor(pH) temp <- c(30,36,36,42,30,42,30,42,36) temp <- as.factor(temp) prod <- c(5,7,10,3,8,4,6,7,8) Mitoc <-data.frame(temp,pH,prod) Mitoc #Analysis of variance: #Prod es la variable respuesta #temp es la variable experimental, la importante # pH es la variable secundaria que se controla w<-aov((Mitoc$prod ~ Mitoc$temp + Mitoc$pH), projections = TRUE ) summary(w) # #Comparación de medias por pares según Tukey #Se ordenan las diferencias entre medias antes del test tt <- TukeyHSD(w, ordered = TRUE, conf.level = 0.95) plot(tt) #MANEJO DE PAQUETES DE DATOS #Se corre por partes # #Parte uno #Listar todos los paquetes de datos data() #Cargar paquete data(CO2, package = "datasets") #Publicar información sobre el paquete help("CO2") # #Parte 2 #Listar datos CO2 #TEST DE BARTLETT para comparar varias varianzas. bartlett.test(uptake ~ Treatment, data = CO2) #ANOVA BIFACTORIAL #Cargar paquete data(CO2) #Publicar información sobre el paquete #teclear q para salir de la ayuda #help("CO2") #Listar datos CO2 #Anova bifactorial # uptake = variable respuesta #Treatment, type = variables explicativas Modelo1 <- aov(uptake ~ Treatment*Type, data=CO2) summary(Modelo1) w <-CO2 #Tabla bidimensional de frecuencias absolutas z<-table(w$Treatment,w$Type) z #Modo de dibujo layout(matrix(c(1,2,3,4),2,2)) #Diagnósticos varios plot(Modelo1) #ANOVA BLOQUEO MAS INTERACCIONES #Cargar paquete data(CO2) #Publicar información sobre el paquete #teclear q para salir de la ayuda #help("CO2") #Listar datos CO2 #Anova bifactorial # uptake = variable respuesta #Treatment, type = variables explicativas Modelo2 <- aov(uptake ~ Treatment+Type + Treatment:Type, data=CO2) summary(Modelo2) w <-CO2 #Tabla bidimensional de frecuencias absolutas z<-table(w$Treatment,w$Type) z ##MANOVA: multivariate analysis of variance (comparación de medias) ## Ejemplo sobre la producción de cinta plástica tomado de Krzanowski (1998, p. 381) #Una tabla natural se define por sus 3 columnas desgaste <- c(6.5, 6.2, 5.8, 6.5, 6.5, 6.9, 7.2, 6.9, 6.1, 6.3, 6.7, 6.6, 7.2, 7.1, 6.8, 7.1, 7.0, 7.2, 7.5, 7.6) brillo <- c(9.5, 9.9, 9.6, 9.6, 9.2, 9.1, 10.0, 9.9, 9.5, 9.4, 9.1, 9.3, 8.3, 8.4, 8.5, 9.2, 8.8, 9.7, 10.1, 9.2) opacidad <- c(4.4, 6.4, 3.0, 4.1, 0.8, 5.7, 2.0, 3.9, 1.9, 5.7, 2.8, 4.1, 3.8, 1.6, 3.4, 8.4, 5.2, 6.9, 2.7, 1.9) #El procedimiento cbind (pegar) forma grandes tablas a partir de otras mas pequeñas Y <- cbind(desgaste,brillo, opacidad) Y #El procedimiento factor transforma un vector numérico en otro de tipo factor (categórico) #gl(n,k) significa que hay n niveles con k réplicas #gl(2,10) significa que hay 2 niveles con 10 réplicas #labels=c("Low", "High") significa que los dos niveles son Bajo y Alto uso <- factor(gl(2,10), labels=c("Bajo", "Alto")) uso aditivo <- factor(gl(2, 5, length=20), labels=c("Bajo", "Alto")) aditivo #Tabla de todo el experimento tabla <- cbind(uso, aditivo, Y) #Bajo = 1, Alto = 2 tabla #MANOVA para estudiar la incidencia de uso y aditivo sobre #las variables desgaste, brillo, opacidad y sus interacciones: fit <- manova(Y ~ uso * aditivo) #Tablas anova multifactorial (una variable respuesta a la vez) summary.aov(fit) Tabla de estadígrafos de Pillai # summary(fit) #Tabla de estadígrafos de Wilks summary(fit, test="Wilks") ********************************************************** *********************************************************** EDITE AQUI SUS COMANDOS: