Sociedad Ecuatoriana de Estadı́stica
“Análisis de Encuestas por Muestreo con R”
Unidad 2: Data management en R. Análisis descriptivo.
Técnicas de conteo
Andrés Peña M.
[email protected]
Agosto 2021
Tabla de contenidos
1 Data management en R
2 Análisis descriptivo
3 Técnicas de conteo
1. Data management en R
Cómo funciona R
Gráfico. 1 : Funcionamiento de R
R como una calculadora
3*5
## [1] 15
12.3/2.6
## [1] 4.7
sqrt(16)
## [1] 4
R como una calculadora
3*5
## [1] 15
12.3/2.6
## [1] 4.7
sqrt(16)
## [1] 4
Además, cada operación anterior puede ser almacenada en un
“objeto”
a<-3*5
b<-12.3/2.6
D<-sqrt(16)
Instalación de paquetes
Además de las funciones básicas, R tiene un gran número de
paquetes especializados.
Los paquetes se instalan una sola vez y deben ser cargados en
cada inicio de sesión.
Se utiliza la siguiente función:
install.packages("pckgname",dependencies = TRUE)
Una vez instalado, debemos cargarlo con el comando:
library(pckgname)
require(pckgname)
Estructuras de Datos
Las estructuras de datos en R se organizan por:
Dimensionalidad; y
Homogeneidad o heterogeneidad.
Gráfico. 2 : Estructuras de datos en R
Vectores
La estructura de datos básica de R son los vectores, estos se
dividen en:
Vectores atómicos; y
Listas.
Propiedades:
Tipo: ¿Qué es?
typeof(x)
Longitud: Número de elementos.
length(x)
Vectores Atómicos
Los elementos de un vector atómico son del mismo tipo, a
diferencia de los elementos de una lista que pueden ser de diferente
tipo. Los tipos comunes son:
double (numeric);
integer;
character;
logical.
Gráfico. 3 : Función combinar
Un vector es creado mediante la función c( ) (combinar).
vec <- c(1, 2)
vec
## [1] 1 2
Tipos de Vectores Atómicos
Vector double:
dbl_vec <- c(3.5, 2, -1)
Vector entero: Use el sufijo L para crear un vector entero;
int_vec <- c(3L, 7L, 1L)
Vector caracter: Use “ ” para crear un vector caracter;
chr_vec <- c("R", "Users", "Group")
Vector lógico: Use TRUE y FALSE o T y F para crear un
vector lógico.
log_vec <- c(FALSE, TRUE, F, T)
Tipos de Vectores Atómicos
vec <- c(3.5, 2, -1)
is.atomic(vec)
## [1] TRUE
Para determinar el tipo de un vector vec utilizamos typeof(vec).
vec <- c("R", "Users", "Group")
typeof(vec)
## [1] "character"
Para verificar si un vector vec es de un tipo en especı́fico, se
utilizan las funciones “is”:
is.character(vec)
is.double(vec)
is.integer(vec)
is.logical(vec)
Elementos de un vector atómico
La componente i de vec se obtiene mediante vec[i].
Componente 5 de vec:
vec <- c(6, 1, 3, 6, 10, 5)
vec[5]
## [1] 10
Para seleccionar varios elementos utilizamos vec[c(elementos)].
# elementos 2 y 4
vec[c(2, 4)]
## [1] 1 6
Para omitir el elemento i de vec se utiliza vec[-i].
vec[-5]
Generación de secuencias
El operador a:b genera el vector a, a+1, a+2, ..., b.
1:10
## [1] 1 2 3 4 5 6 7 8 9 10
5:-5
## [1] 5 4 3 2 1 0 -1 -2 -3 -4 -5
La función seq( ) genera secuencias controlando: inicio, fin y salto.
seq(from = 1, to = 10, by = 0.5)
## [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0
## [16] 8.5 9.0 9.5 10.0
Coerción
Si combinamos tipos diferentes, serán coercionados al tipo más
flexible dado por la jerarquı́a:
Gráfico. 4 : Coerción de vectores
Para coercionar un vector x a un determinado tipo, se utilizan las
funciones “as”
as.character(x)
as.double(x)
as.integer(x)
as.logical(x)
as.numeric(x)
Listas
Una lista es un vector que puede contener elementos de cualquier
tipo y de distinta longitud.
Gráfico. 5 : Lista en R
Para crear una lista se utiliza la función list() en lugar de c().
lst <- list(c(1, 2), c(TRUE), c("a", "b", "c"))
lst
## [[1]]
## [1] 1 2
##
## [[2]]
## [1] TRUE
##
## [[3]]
## [1] "a" "b" "c"
Matrices
Una matriz es un vector con el atributo dimensión dim. El atributo
dim es un vector de longitud 2: c(nrow, ncol).
mtx <- matrix (1:12,nrow=3, ncol=4, byrow=FALSE)
# se construye por columnas por default (byrow=FALSE)
mtx
## [,1] [,2] [,3] [,4]
## [1,] 1 4 7 10
## [2,] 2 5 8 11
## [3,] 3 6 9 12
attributes(mtx)
## $dim
## [1] 3 4
Elementos de una matriz:
(mtx <- matrix (1:12, nrow=3, ncol=4, byrow=FALSE))
## [,1] [,2] [,3] [,4]
## [1,] 1 4 7 10
## [2,] 2 5 8 11
## [3,] 3 6 9 12
mtx[1,2] # componente 1, 2
## [1] 4
mtx[,3] # columna 3
## [1] 7 8 9
mtx[1,] # fila 1
## [1] 1 4 7 10
Elementos de una matriz:
(mtx <- matrix (1:12, nrow=3, ncol=4, byrow=FALSE))
## [,1] [,2] [,3] [,4]
## [1,] 1 4 7 10
## [2,] 2 5 8 11
## [3,] 3 6 9 12
mtx[,c(2,4)] # columnas 2 y 4
## [,1] [,2]
## [1,] 4 10
## [2,] 5 11
## [3,] 6 12
mtx[c(1,3),] # filas 1 y 3
## [,1] [,2] [,3] [,4]
## [1,] 1 4 7 10
## [2,] 3 6 9 12
Factores
Es la estructura de datos utilizada para almacenar variables
categóricas. ¿Por qué utilizar factores?
Un vector c(Femenino, Masculino) (factor) presenta mayor
información que un vector c(1, 2).
Un vector character c(”Femenino”, ”Masculino”) no pueden
ser incluido en modelos de regresión, un factor c(Femenino,
Masculino) si.
Gráfico. 6 : Ejemplo de factor en R
Factores
Si se dispone de un vector integer:
vec <- c(1, 2, 2, 1, 2, 1, 2)
vec
## [1] 1 2 2 1 2 1 2
La función factor asigna labels a los levels (o categorı́as) de la
variable. Los levels del vector vec son los valores 1, 2.
# Creación de un factor
fac <- factor(vec, levels=c(1,2), labels = c("Femenino",
"Masculino"))
fac
## [1] Femenino Masculino Masculino Femenino Masculino Femenin
## Levels: Femenino Masculino
Factores
Para realizar conteos por categorı́a, se utiliza la función table().
fac <- factor(vec, levels=c(1,2), labels = c("Femenino",
"Masculino"))
# frecuencias
table(fac)
## fac
## Femenino Masculino
## 3 4
# porcentaje
prop.table(table(fac))
## fac
## Femenino Masculino
## 0.43 0.57
Data Frame
Es una lista en la cual todos los elementos tienen la misma
longitud. A diferencia de las matrices, pueden almacenar vectores
atómicos de cualquier tipo. Presenta varios atributos adicionales
class, rownames, names. Es la estructura de datos más utilizada
para almacenar data tabulada.
Gráfico. 7 : Data Frame en R
Data Frame
Para crear un data frame se utiliza la función data.frame(). Con
los siguientes vectores atómicos:
dbl_vec <- c(1, 2, 3)
chr_vec <- c("R", "S", "T")
log_vec <- c(TRUE, FALSE, TRUE)
Creamos el data frame df:
df <- data.frame(dbl_vec, chr_vec, log_vec)
df
## dbl_vec chr_vec log_vec
## 1 1 R TRUE
## 2 2 S FALSE
## 3 3 T TRUE
Un data frame es una lista:
typeof(df) # Tipo de un data frame
Elementos de un data frame:
Mediante df[i, j] se obtiene la componente i, j del data frame.
Gráfico. 8 : Extracción de elementos de un Data Frame
Elementos de un data frame:
nomb <- c("John", "Paul", "George", "Ringo")
nac <- c(1940, 1941, 1943, 1940)
instr <- c("guitar", "bass", "guitar", "drums")
df <- data.frame(nomb, nac, instr)
df[2, c(2,3)]
## nac instr
## 2 1941 bass
print(df)
## nomb nac instr
## 1 John 1940 guitar
## 2 Paul 1941 bass
## 3 George 1943 guitar
## 4 Ringo 1940 drums
Elementos de un data frame:
df[2, 2] # componente 2, 2
## [1] 1941
df[3, 1] # componente 3, 1
## [1] George
## Levels: George John Paul Ringo
df[3, ] # fila 3
## nomb nac instr
## 3 George 1943 guitar
df[c(1, 4), ] # filas 1, 4
## nomb nac instr
## 1 John 1940 guitar
## 4 Ringo 1940 drums
Elementos de un data frame:
Importante: Filtrado o subsetting:
df[ , 3]=="guitar" # columna 3 de df igual a "guitar"
## [1] TRUE FALSE TRUE FALSE
f_guitar <- df[ , 3]=="guitar"
Filas donde la columna 3 es igual a ”guitar”
df[f_guitar, ]
## nomb nac instr
## 1 John 1940 guitar
## 3 George 1943 guitar
Elementos de un data frame:
Columna de nombre ”nac”
df[ , "nac"] # equivalente a df[ , 2]
## [1] 1940 1941 1943 1940
Columnas de nombres ”nomb y nac”
df[ , c("nomb", "nac")] # equivalente a df[ , c(1, 2)]
## nomb nac
## 1 John 1940
## 2 Paul 1941
## 3 George 1943
## 4 Ringo 1940
Lectura de datos
R puede acceder a información almacenada en distintos formatos:
Archivos de excel .xls, .xlsx, .csv;
Archivos de texto plano .txt;
Archivos de spss .sav;
Archivos de la web;
Archivos de bases de datos, etc.
Gráfico. 9 : Varios formatos que lee el R
Directorio de trabajo
Working directory (wd). Es la dirección donde se almacenan, leen
y escriben los archivos utilizados y generados mediante R. getwd()
permite obtener el wd actual:
getwd()
## [1] "C:/Users/usuario/Desktop/RUGE/TIIE_RUGE_2018/TIIE_RUGE_u
setwd() permite setear un nuevo wd, por ejemplo:
setwd("C:/Users/Andres/Desktop/TIIE_RUGE_2018")
dir() enlista los nombres de los archivos en el wd actual.
dir()
¿Cómo leer archivos en R?
Gráfico. 10 : Cómo lee los archivos el R
Lectura de archivos .txt
Se requiere leer un archivo en formato txt: archivo.txt. Se utiliza la
función read.table()
data_txt <- read.table(file = "archivo.txt",sep = "\t",
dec = ",", header = TRUE)
str(data_txt)
Parámetros:
file: nombre del archivo (incluida extensión);
sep: caracter utilizado para separar columnas (variables);
dec: caracter utilizado para decimales;
header: TRUE, si la primera fila contiene los nombres de las
columnas.
str() describe la estructura de datos.
Lectura de archivos .csv
Se requiere leer un archivo en formato csv: archivo.csv, se utiliza
las función read.csv que presenta por defecto los argumentos: sep
= ”,”, dec = ”.”, , header = TRUE
data_csv <- read.csv(file = "archivo.csv")
read.csv2(): Se debe especificar los argumentos: sep, dec, header
data_csv2 <- read.csv2(file = "archivo.csv",sep = ",",
dec = ".", header = TRUE)
Lectura de archivos .xls, .xlsx
Se requiere leer un archivo en formato xls o xlsx: archivo.xlsx. Se
utiliza la función read excel() del paquete readxl
install.packages("readxl", dependencies = TRUE)
library(readxl)
ls("package:readxl")
Lectura del archivo archivo.xlsx:
data_xlsx <- read_excel("archivo.xlsx",sheet = "datos",
col_names = TRUE, na="")
read.table("clipboard",sep = "\t",header = FALSE)
Parámetros:
sheet: Nombre de la hoja que contiene la data (recibe
también el número de hoja);
col names: TRUE si la primera fila contiene los nombres de
las columnas;
na: los caracter que se coerciona a NA.
Lectura de archivos .sav
Se requiere leer archivos desde spss, es decir en formato .sav:
archivo.sav. Se utiliza la función read.spss() del paquete foreign.
install.packages("foreign", dependencies = TRUE)
library(foreign)
ls("package:foreign")
data_sav <- read.spss(file="archivo.sav",
use.value.labels = TRUE,
to.data.frame = TRUE)
Parámetros:
file: nombre del archivo (incluida extensión);
use.value.labels: TRUE, si se consideran las etiquetas de las
variables;
to.data.frame: TRUE, para coercionar el archivo leı́do a data
frame.
2. Análisis descriptivo
Medidas de resumen de la información
Medidas de posición de tendencia central
Relación entre media, mediana y moda
Medidas de posición de tendencia no central
Medidas de dispersión
Medidas de dispersión
Medidas de dispersión
Medidas de Forma
Descriptivos en R
e −λ λx
x! para x = 0, 1, 2, 3... λ ∈ (0, ∞)
f (x) =
0 en caso contrario
X<-rpois(1000, 3)
0.20
Density
0.00
0 2 4 6 8 10
Descriptivos en R
#Medidas de posición
mean(X)
## [1] 3
quantile(X, probs = 0.5)
## 50%
## 3
quantile(X)
## 0% 25% 50% 75% 100%
## 0 2 3 4 11
Descriptivos en R
#Medidas de dispersión
var(X)
## [1] 3.2
sd(X)
## [1] 1.8
sd(X)/mean(X)
## [1] 0.6
Descriptivos en R
#Medidas de forma
install.packages("e1071", dependencies = TRUE)
library(e1071)
skewness(X)
## [1] 0.71
kurtosis(X)
## [1] 0.83
3. Técnicas de conteo (repaso)
Variaciones con repetición
#Permutaciones y combinaciones
install.packages("gtools", dependencies = TRUE)
Usado en muestreo con reemplazo:
VRnN = N n
(x<-1:4)
## [1] 1 2 3 4
4^2 #Duplas posibles con repetición de una población de 4
## [1] 16
Variaciones con repetición
library(gtools)
permutations(n=4,r=2,v=x,repeats.allowed=T)
## [,1] [,2]
## [1,] 1 1
## [2,] 1 2
## [3,] 1 3
## [4,] 1 4
## [5,] 2 1
## [6,] 2 2
## [7,] 2 3
## [8,] 2 4
## [9,] 3 1
## [10,] 3 2
## [11,] 3 3
## [12,] 3 4
## [13,] 4 1
## [14,] 4 2
## [15,] 4 3
## [16,] 4 4
Combinaciones sin repetición
Usado en muestreo sin reemplazo:
N N!
CnN = =
n n!(N − n)!
choose(4,2) #Duplas posibles sin repetición
## [1] 6
combinations(4, 2, v=x)
## [,1] [,2]
## [1,] 1 2
## [2,] 1 3
## [3,] 1 4
## [4,] 2 3
## [5,] 2 4
## [6,] 3 4
Gracias!!!
