Estadística con. Práctica 1: Objetos. Datos. 1. Inicio de Sesión con R. M. Iniesta Universidad de Murcia

Transcripción

1 Estadística con Práctica 1: Objetos. Datos es software libre y puede ser obtenido en CRAN (Comprehensive R Archive Network) (sitio al que también podéis acceder desde la página org/de R. Al ser "GNU S", o sea, la implementación como software libre de S, R es muy similar al popular programa comercial S-PLUS. Es un riquísimo entorno estadístico que incluye un lenguaje de programación, un intérprete interactivo y una extensa capacidad para mostrar grácos. Y lo que es más importante, R viene con una espectacular colección de funciones para manipulaciones matemáticas y estadísticas y todavía hay más posibilidades si se hace uso de los paquetes opcionales. Además, ofrece la posibilidad tanto de usar rutinas o métodos preexistentes como de modicar métodos existentes, e implementar y desarrollar nuevos métodos. 1. Inicio de Sesión con R Bajo Linux, en una ventana de terminal, la ejecución de R la convierte en una consola en línea de comandos para R. El comando q() cierra la sesión. El conjunto de objetos que crea R durante la sesión Página: 1

2 pueden guardarse al nalizar ésta de forma opcional. El directorio donde se almacena es el mismo desde donde se ejecuta R. Ello hace que cuando se ejecuta R cargue su entorno, es decir los objetos creados en la sesión previa. 2. Ayuda en R Podemos acceder a ayuda especíca sobre un tópico con la función help() incluyendo como parámetro el tema de interés (ej. help(sample)), o su operador en línea con? previo al tópico buscado (ej.?sample). Si desconocemos el identicador podemos rastrearlo con help.search() y la raíz del identicador entre comillas (ej. help.search(samp)) La ayuda en formato HTML permite realizar búsquedas, consultar deniciones de funciones agrupadas por temas o consultar temas avanzados de R en manuales. Recomendamos la ayuda en línea 3. Objetos Las entidades que R crea y manipula se denominan objetos. Estos pueden ser de muchos tipos, desde variables, cadenas de caracteres, funciones o estructuras más complejas construidas a partir de otras más sencillas. Los objetos se crean y se almacenan por nombre. El identicador de un objeto en R debe de comenzar con una letra (R distingue entre mayúsculas y minúsculas) y puede ir seguido de letras y dígitos. La forma de crearlo es mediante la asignación de un valor. Ello se puede hacer mediante el operador bidireccional ->ó <- ó mediante la función assign() para objetos ya creados. Ejemplo: si queremos crear el objeto x y asignarle el valor 1 podemos hacerlo mediante las sentencias x<-1 ó 1->x. El acceso al valor contenido en el objeto se realiza evaluando su identicador. Cualquier asignación de valor posterior actualiza el valor contenido en el objeto. la función objects() o la función ls() ofrece un listado de los objetos almacenados en el entorno. La función rm() se usa para eliminar objetos del entorno. Los objetos creados durante una sesión de R pueden almacenarse en un archivo para su uso posterior. Al nalizar la sesión, R preguntará si se desea hacerlo. en caso armativo todos los objetos se almacenan en el archivo.rdata en el directorio de trabajo. En la siguiente ocasión que ejecute R, se recuperarán los objetos de este archivo así como el historial de órdenes. Página: 2

3 4. Funciones Las funciones en R son también objetos que se nombran por su identicador. Su evaluación, como comando, debe incluir los paréntesis que limita los argumentos. Estos argumentos también se pueden modicar por el usuario usando sus opciones. La función args() detalla los argumentos de la función nombrada. Las funciones disponibles están guardadas en una librería localizada en el directorio denominado library donde está instalado R. Este directorio contiene paquetes de funciones las cuales están a su vez estructuradas en directorios. El paquete denominado base constituye el núcleo de R y contiene las funciones básicas del lenguaje para leer y manipular datos, algunas funciones grácas, y algunas funciones estadísticas. Cada paquete contiene un directorio denominado R con un archivo con el mismo nombre que el paquete que contiene todas las funciones del paquete. El comando más simple es escribir el nombre de un objeto para visualizar su contenido. Este comando sustituye a la función print y el ejemplo anterior es similar a print(x) (aunque en otras situaciones la función print debe usarse explícitamente. Ejemplo: si mediante el comando 2->x hemos asignado al objeto x el valor 2, la función print(x) y el comando x devuelve el mismo resultado y este es Datos Los datos básicos en R para análisis estadísticos serán de tipo numérico o de carácter; si bien también pueden ser de tipo lógico (FALSE or TRUE) y complejo (que no usaremos). La forma más sencilla para agrupar datos es mediante la función c() que concatena valores constantes de un mismo tipo en un vector. Podremos usar varios tipos de objetos para almacenarlos: OBJETO ALMACENA vector() Variable estadística usual factor() Variable categórica array() Tabla k-dimensional matrix() Array para k=2 data.frame() Vectores de igual longitud pero tipos diverso ts() Serie cronológica list() Listas de cualquier tipo Para no alargar demasiado este documento, recordamos que la ayuda en línea nos ofrece información general sobre cada función, en particular los argumentos que utiliza y algunos ejemplos Vectores Los vectores en R pueden tener modo lógico, numérico, de carácter o lista. Son muchas las maneras de crear o generar vectores. Algunas de ellas las mencionamos aquí mediante ejemplos Página: 3

4 1:15 concatena los valores enteros de 1 a 15 15:1 concatena los valores enteros de 15 a 1 c(2,4,6,...,28,30) concatena los valores indicados como argumentos 2* 1:15 mismo resultado que el anterior seq(from=, to=, by= ) genera una sucesión con especicaciones indicadas. rep(x,times= 4) repite el objeto x cuatro veces Además, también podrán crearse vectores de caracteres concatenando la sucesión de estos caractreres entre comillas. Por otra parte, la función paste() une todos los vectores suministrados. Por ejemplo, paste(c(x), 1:10,sep= ) proporciona el vector c(x1, X2,..., X9, X10) Aritmética vectorial El usuario puede modicar o manipular los objetos con operadores (aritméticos, lógicos y comparativos) y funciones. Cuando estos operadores o funciones se aplican a vectores las operaciones se realizan elemento a elemento. Aritméticos: +,,, /,, % % (resto entero), %/ % (división entera)... De comparación: >, <, >=, <=, ==,! = Lógicos: &,,!, xor (respectivamente: y,o, no y o exclusivo) Funcionales: exp(x), log10(x), log(x, base = exp(1)), sqrt(x), abs(x), ceiling(x), (mayor entero >= que x), floor(x) (mayor entero <= que x), trunc(x) (entero más cercano a x, actúa como f loor para valores positivos y como ceiling para valores negativos). Si por ejemplo x es un vector de números la orden v<- 2*x+1 genera otro vector de la misma longitud que x en donde cada componente ha sido obtenida multiplicando la correspondiente de x más uno. Además de este tipo de operadores existe funciones que se aplican a un vector de números y el resultado será un número, un gráco, una tabla, etc. Algunos ejemplos los mencionamos ahora porque van a ser útiles en análisis estadísticos; aunque se hará más hincapié en otras prácticas. Si x es un vector de números, usaremos las siguientes funciones: min(x) max(x) length(x) sum(x) prod(x) mean(x) median(x) var(x) sort(x) summary(x) table(x) hist() selecciona el menor valor de x selecciona el mayor valor de x número de elementos de x suma todos los elementos de x producto de todos los elementos de x calcula la media de x calcula la mediana de x calcula la cuasi-varianza de x ordena los elementos de x ofrece un resumen descriptivo de x ofrece la tabulación de x ofrece el histograma de x Página: 4

5 5.3. Matrices Una matriz es una disposición de datos numéricos en una tabla de dimensión 2. La siguiente gura muestra un ejemplo de construcción de una matriz. Página: 5

6 5.4. Factores Un factor incluye no sólo los valores correspondientes a una variable categórica sino también los niveles posibles de esta variable aunque no estén presentes en los datos. Estos son por defecto los valores únicos observados. Algunos ejemplos se encuentran en la siguiente gura Marco de datos Un marco de datos, hoja de datos o data.frame va a ser una matriz que puede contener columnas de variables de cualquier tipo. Será la estructura para describir experimentos, donde las las representan a los casos o individuos y las columnas a las variables observadas, que pueden ser de cualquier tipo. La función misdatos<-data.frame(v1,...,vk) congura una hoja de datos, que hemos llamado misdatos, con las variables indicadas como argumentos que han de tener la misma longitud. La función attach() conecta la hoja de datos y es util para que los objetos V1,..., Vk aparezcan como variables por sí mismas en la trayectoria de búsqueda. La función detach() tiene el efecto contrario; las variables como tales dejan de existir aunque sí como componentes de la hoja de datos. Cuando se termina un análisis de datos habrá que añadir a la hoja de datos las variables que se hayan creado en el proceso y que se consideren relevantes y por último eliminar del directorio de trabajo las variables que no se deseen conservar. Finalmente, con la función save(misdatos, file=mifichero) podemos salvar en el directorio de trabajo el marco de datos creado, que podremos cargar en otra sesión con la función load(mifichero) Un ejemplo de sesión para crear un marco de datos es el de la siguiente gura. Página: 6

7 Muy importante cuando creamos un marco de datos es poder guardar éste en un archivo. Del ejemplo anterior, la función write.table(datos, ejemplo) exporta el objeto llamado datos a un archivo llamado ejemplo que se guarda en el directorio de trabajo Leyendo datos de un chero La forma usual en la que trabajaremos con datos es leyendo estos desde un archivo. R utiliza el directorio de trabajo para leer y escribir archivos. Para saber cual es este directorio se puede utilizar el comando getwd() (get working directory ) y para cambiar dicho directorio podemos usar la función setwd().. La función read.table se usa para leer un chero de datos. Si en el directorio de trabajo se encuentra el chero iris.dat la orden read.table("iris.dat", header=true)->datos.flores lee el chero iris.dat y almacena su contenido en el data.frame que hemos llamado datos.flores. Se ha usado header=true para que R use la primera línea del chero para proporcionar información de las variables. Otra forma muy común de trabajar con datos es copiándolos del paquete datasets. La orden data() nos ofrece la lista de todos los cheros de datos disponibles. Por ejemplo data(women) carga el chero women en el espacio de trabajo. Página: 7

8 6. Conversión de objetos Algunos objetos mantienen pequeñas diferencias, por lo tanto es relativamente fácil convertir el tipo de un objeto cambiando algunos de sus atributos. La siguiente tabla resume las funciones a usar para la conversión de diferentes tipos. Conversión Función Reglas numérico as.numeric() FALSE 0 TRUE 1 1,2,... 1,2,... A,... NA lógico as.logical() 0 FALSE otros números TRUE FALSE, F FALSE TRUE, T TRUE otros caracteres NA caracter as.character() 1,2,... 1,2,... FALSE FALSE TRUE TRUE Además existen otras funciones para convertir diferentes tipos de objetos, como as.matrix o as.data.frame. La siguiente gura muestra algunos ejemplos. Página: 8

9 7. Prácticas 1. La siguiente tabla contiene los datos bivariantes de casas de dos de sus características, concretamente los metros cuadrados útiles (área) y los precios de compra en miles de euros (precio). área precio a) Crea un marco de datos que contenga tres variables: área, precio de compra y el precio por metro cuadrado con valores enteros en euros. b) Añadir al anterior una variable lógica que indique las casas cuyo precio por metro cuadrado es superior a 3000 euros. c) Salvar la hoja anterior en el directorio de trabajo. d) Obtener los estadísticos básicos de las variables numéricas. 2. La función rep(c(1,2,3),4) devuelve un vector de longitud 12 donde se repite 4 veces el vector (1,2,3), pero la función rep(, ) puede usarse bajo distintos tipos de patrones. a) Analizar la salida rep(c(2,3,5), c(4,3,2)) y comprobar que es la misma que rep(c(2,3,4), 4:2). b) Obtener un vector que contenga 4 cuatros, 4 treses y 4 doses, en ese orden. 3. La expresión 1000 (( ) 5 1) (aquí R actúa como una calculadora) nos proporciona el interés acumulado en 5 años de 1000 euros al 7.5 %. Comprobar la salida 1000 (( ) seq(1,10) 1) y calcula los intereses acumulados, año a año, de euros al 3.5 % durante 15 años. 4. Carga el chero iris con la función data(iris) a) Con los datos de la primera variable numérica construye una matriz de 15 las y 10 columnas. Extrae de ella la la 7, la columna 9 y el elemento (7,9). b) Construye la tabla de frecuencias de la variable Species. c) Construye el vector de medias de las variables numéricas. d) Contruye el histograma de la variable Petal.Length. Página: 9