4.- R Básico

 Vamos a ver a continuación en R-Studio una serie de operaciones sencillas en R, actuando sobre variables. 

E n primer lugar hemos de tener en cuenta que el operador asignación de valor en R es "<-"  ( en RStudio la combinación de teclas Alt+-), asignamos la variable/s y después  realizamos la operación ... siempre es una buena política documentar adecuadamente lo que hacemos para ello el operador para los comentarios es "#".
 En el ejemplo se ha realizado sobre la zona "script" de RStudio, pero se podía haber realizado sobre la zona consola (abajo a la izquierda), en caso de necesitar ayuda abajo a la derecha RStudio nos proporciona acceso a la ayuda (pestaña "Help").

 Entre otras muchas cosas, la idea del uso de R es el tratamiento de datos numéricos y comprobar la información que estos datos nos proporcionan, esta valoración preliminar se denomina análisis exploratorio de datos (en inglés EDA). De la Wikipedia obtenemos :

 “El análisis exploratorio de datos definido por John W. Tukey (E.D.A.: Exploratory data analysis) es, básicamente, el tratamiento estadístico al que se someten las muestras recogidas durante un proceso de investigación en cualquier campo científico. Para mayor rapidez y precisión, todo el proceso suele realizarse por medios informáticos, con aplicaciones específicas para el tratamiento estadístico. Los E.D.A., no necesariamente, se llevan a cabo con una base de datos al uso, ni con una hoja de cálculo convencional; no obstante el programa SPSS y R (lenguaje de programación) son las aplicaciones más utilizadas, aunque no las únicas.”

Para  nuestro análisis exploratorio, usamos las siguientes funciones y operadores  de R :
  • c ( ..., ..., ... ) es la composición de valores, en este caso asignamos un vector de valores a la variable datos
  • fivenum (... ) es la obtención de los 5 números de Tukey para caracterizar la distribución de los datos 
  • hist (... ) es la obtención del histograma de la variable datos  
en la pantalla a continuación vemos los resultados en RStudio :
 En el desplegable de Export (pestaña Plot abajo a la derecha) podemos tratar el gráfico según nos interese.

 Es posible que adicionalmente nos interese añadir un gráfico x/y a nuestro análisis, para ello usaremos la función "plot", como vemos a continuación :
Podemos también añadir una linea de tendencia a nuestro gráfico, para ello :
  • abline (...) dibuja la linea sobre el gráfico de la instrucción anterior 
  • lm ( ... ) establece un modelo lineal entre la variable "datos" y el eje x
 Hemos visto como de una forma sencilla, rápidamente somos capaces de obtener resultados que nos permitan interpretar los datos que obtenemos de nuestro proceso, ensayos, medidas, ...

Comentarios

Publicar un comentario

Entradas populares de este blog

5.2.- R: cambio de tema de RStudio, paste(...), format(...), rug(...)

Imagen
Como en la entrada anterior vemos con más detalle las novedades que hemos necesitado para esta entrada.  - Cambio de tema de RStudio : Si RStudio es el IDE que usamos, podemos cambiar su aspecto (tema) de la siguiente manera (RStudio, preferencias, Apariencia) y obtenemos la siguiente pantalla donde elegir el aspecto de nuestro IDE : - paste (...)  paste(...) convierte a cadena los parámetros que se le pasan y los concatena utilizando el separador que se le pasa como parámetro. La mayor utilidad de paste(...) puede ser en salida a fichero RMarkdown donde nos puede venir bien "ocultar" el código y dejar sólo la salida o bien hacer más clara la salida por consola. Vemos a continuación un par de ejemplos : - format (...) Siguiendo con el tema del formato, en determinados casos nos puede interesar presentar los números con determinado formato, para por ejemplo presentar un determinado número  de dígitos signif...
Leer más

7.- R: Packages : SixSigma, Qcc

Imagen
 Ya hemos comentado la gran cantidad de paquetes ( packages en lenguaje R) disponibles para acelerar la toma de decisiones y poder concentrarnos en la valoración de resultados ( el listado completo de paquetes está en el CRAN/Packages ). No hay que perder de vista que tratamos con software open-source, y si bien los paquetes están seguramente muy depurados, los autores son conocidos y accesibles via e-mail, hay foros, ... nos toca a nosotros tomar la ultima decisión con la información que obtenemos.  En relación con el tema de la calidad y el control estadístico de proceso, hay entre otros dos paquetes disponibles que veremos a continuación : SixSigma :  Enlace a la información en CRAN Qcc :  Enlace a la información en CRAN  Si los paquetes no están disponibles en la instalación que tengamos de R en nuestro ordenador, lo primero será instalarlos mediante install.packages(...) , como vemos a continuación : u...
Leer más

5.- R : Estadistica univariante

Imagen
Antes de abordar un tema como el control de proceso, estadístico o no, con R quiero revisar antes algunos conceptos en entorno R de estadística univariante que se necesitan posteriormente. Empecemos : - Población : Conjunto de individuos que son objeto de estudio.  Ejemplo :  Las piezas producidas en un turno, serán la población de ese turno. La cantidad de medidas que registramos en un periodo, serán la población en estudio. .... - Muestra : Cualquier subconjunto tomado de la población. Ejemplo : En entornos que no se controle 100% de la producción, las piezas que se controlan son una muestra. El numero de medidas de temperatura que se registre en una estación meteorológica será una muestra de la evolución de la temperatura  ... Conociendo una población es posible hacer previsiones fiables de cómo será la muestra, conociendo la muestra es muy arriesgado hacer previsiones de cómo será la población. Un ejemplo...
Leer más