`R` es una calculadora demasiado extraña

Introducción a R

Autores

Rodrigo Zepeda-Tello

Última actualización

October 4, 2022

Resumen

Discutimos cómo usar R como si fuera una calculadora así como la lectura de datos, el directorio y la instalación de paquetes.

Warning

Si aún no cuentas con una instalación de R y RStudio ve a la sección de instalación

1 Primeros pasos con `R`

1.1 Cálculos numéricos

R sirve como calculadora para las operaciones usuales. En él puedes hacer sumas,

#Esto es una suma en R
12 + 31

[1] 43

Ada Lovelace (1815-1852), la primera en diseñar un algoritmo computacional ¡y sin tener computadoras!

restas,

#Esto es una resta en R
3 - 4

[1] -1

multiplicaciones,

#Esto es una multiplicación en R
7*8

[1] 56

divisiones,

#Esto es una división en R
4/2

[1] 2

sacar logaritmos naturales \(\ln\),

#Para sacar logaritmo usas el comando log
log(100)

[1] 4.60517

o bien logaritmos en cualquier base,¹

¹ Recuerda que un logaritmo base \(a\) te dice a qué potencia \(b\) tuve que elevar \(a\) para llegar a \(b\). Por ejemplo \(\log_{10}(100) = 2\) te dice que para llegar al \(100\) tuviste que hacer \(10^2\).

#Puedes especificar la base del logaritmo con base 
log(100, base = 10)

[1] 2

también puedes elevar a una potencia (por ejemplo hacer \(6^3\)),

#Así se calculan potencias
6^3

[1] 216

calcular la exponencial \(e\),

#Para exponenciales puedes usar exp
exp(1)

[1] 2.718282

o bien exponenciar cualquier variable \(e^{-3}\),

#O bien exponenciales específicas, e^-3
exp(-3)

[1] 0.04978707

también puedes usar el número \(\pi\).

#Cálculo de pi
pi

[1] 3.141593

No olvides que R usa el orden de las operaciones de matemáticas. Siempre es de izquierda a derecha con las siguientes excepciones:

Primero se evalúa lo que está entre paréntesis.
En segundo lugar se calculan potencias.
Lo tercero en evaluarse son multiplicaciones y divisiones.
Finalmente, se realizan sumas y restas.

Por ejemplo, en la siguiente ecuación

\[ 2 - 2 \cdot \frac{(3^4 - 9)}{(5 + 4)} \]

se resuelven primero los paréntesis \((3^4 - 9) = 81 - 9 = 72\) y \((5 + 4) = 9\); luego se resuelve la división: \(\frac{72}{9}=8\), se multiplica por el \(2\): \(2 \cdot 8\) y finalmente se hace la resta: \(2-8 = -6\).

1.1.1 Ejercicio (operaciones sin contexto)

Determina, sin evaluar, los resultados de los siguientes segmentos de código:

#Primer ejercicio 
(9 - 3)^2 * (2 - 1) - 6

#Segundo ejercicio 
6 * 2 / (7 - 3) * 5

#Tercer ejercicio 
2 * 3 ^ 2 * 2 / (5 - 4) * 1 / 10

Evalúa para comprobar tus respuestas.

1.1.2 Ejercicio (NNT)

El número (de pacientes) que es necesario tratar (NNT) se define como la cantidad total de pacientes a quienes es necesario darles tratamiento para evitar un resultado negativo (es decir a cuántos pacientes debo darles tratamiento para que al menos uno se beneficie).

NNT perfecto

El NNT perfecto es cuando \(NNT = 1\). ¿Por qué es éste el mejor escenario?

Dada la siguiente tabla

		Resultado
		Si	No
Tratamiento	Si	A	B
	No	C	D

para calcular el NNT es necesario calcular la tasa de los eventos en el grupo experimental EER y en el grupo control CER como sigue:

\[ EER = \frac{A}{A+B} \quad \text{y}\quad CER = \frac{C}{C+D} \]

finalmente, el número necesario a tratar NNT se define como

\[ NNT = \frac{1}{|EER - CER|} \]

El ejercicio consiste en calcular en R el NNT para la siguiente tabla:

Resultado

Si No

Tratamiento Si 234 39

No 981 1040

Respuestas

ℹ NNT = 2.69

1.1.3 Ejercicio (círculos)

Calcula en R el área y el perímetro de un círculo de radio 5.

Recuerda que la fórmula del área es \(\pi \cdot r^2\) donde \(r\) es el radio; mientras que la del perímetro es: \(\pi \cdot d\) donde \(d\) es el diámetro (= dos veces el radio).

Respuestas

ℹ Área = 78.54 y Perímetro = 31.42

1.1.4 Ejercicio (R0)

El \(R_0\) se interpreta como el promedio de casos nuevos que genera un infectado en una enfermedad infecciosa. En su forma más sencilla se puede modelar como:

\[ R_0 = \text{Transmisibilidad} \times \text{Promedio de tasa de contactos} \times \text{Duración del periodo infeccioso} \]

donde la transmisibilidad es la probabilidad de contagio si hay un contacto entre un individuo infectado y uno susceptible, el promedio de contactos es el promedio de interacciones entre un infectado y un susceptible que ocurran y la duración es la cantidad de tiempo que un individuo infectado dura contagioso.

Calcula en R el \(R_0\) para una enfermedad con \(10\) días de duración de periodo infeccioso, un promedio de \(2\) contactos por día y una transmisibilidad de \(0.07\).

Resultado

ℹ R_0 = 1.4

1.1.5 Variables

R es un programa orientado a objetos; esto quiere decir que R almacena la información en un conjunto de variables que pueden tener diferentes clases y opera con ellos según su clase. Por ejemplo, un conjunto de caracteres, entre comillas, es un Character (R lo piensa como texto)

#Un conjunto de caracteres es un char
"Hola"

[1] "Hola"

Un número (por ejemplo 2 tiene clase numeric)². Hay que tener mucho cuidado con combinar floats con Strings:

² Puede ser float, int, double pero no nos preocuparemos por eso.

#Código que sí funciona porque ambos son números
2 + 4

[1] 6

#Código que no funciona porque uno es caracter
2 + "4"

Error in 2 + "4": non-numeric argument to binary operator

Si lo piensas, este último error ¡tiene todo el sentido! no puedes sumar un número a un texto. ¿O qué significaría 'Felices' * 4 ?

La magia de R comienza con que puedes almacenar valores en variables. Por ejemplo, podemos asignar un valor a una variable:

#Asignamos x = 10
x <- 10

Hay dos formas de asignar valores, una es con la flecha de asignación \(\leftarrow\) y otra con el signo de igual:

#Podemos asignar valores con el signo de =
y = 6

Nota que, cuando realizamos operaciones, la asignación es la última que se realiza:

#Aquí z = 106
z <- y + x^2

Los valores que fueron asignados en las variables, R los recuerda y es posible calcular con ellos:

#Podemos realizar una suma
x + y

[1] 16

#O bien podemos realizar una multiplicación
3*y - x

[1] 8

Podemos preguntarnos por el valor de las variables numéricas mediante los operadores == (sí, son dos iguales), != (que es un \(\neq\)) >, >=, <= y <:

#Podemos preguntarnos si x vale 4
x == 4

[1] FALSE

Warning

El operador de asignación también se puede utilizar al revés \(2 \rightarrow x\) pero no lo hagas, por favor.

Nota que no estamos asignando el valor de x:

[1] 10

Podemos preguntarnos por diferencia:

x != 4

[1] TRUE

Así como por mayores, menores incluyendo posibles igualdades (i.e. los casos \(\geq\) y \(\leq\))

#Nos preguntamos si x > y
x > y

[1] TRUE

#Nos preguntamos si x >= 10
x >= 10

[1] TRUE

#Nos preguntamos si y < 6
y < 6

[1] FALSE

#O bien si y <= 6
y <= 6

[1] TRUE

En todos los casos los resultados han sido TRUE ó FALSE. La clase de variables que toma valores TRUE ó FALSE se conoce como booleana. Hay que tener mucho cuidado con ellas porque, puedes acabar con resultados muy extraños:

#MALAS PRÁCTICAS, NO HAGAS ESTO
#Cuando lo usas como número TRUE vale 1
100 + TRUE

[1] 101

#MALAS PRÁCTICAS, NO HAGAS ESTO
#Cuando lo usas como número FALSE vale 0
6*FALSE

[1] 0

Warning

Aquí puedes encontrar una lista de malas prácticas en computación a evitar.

Finalmente, nota que es posible reescribir una variable y cambiar su valor:

#Aquí x vale 10, como antes
x

[1] 10

#Aquí cambianos el valor de x y valdrá 0.5
x <- 0.5
x

[1] 0.5

1.1.6 Ejercicios de variables (para confundir)

Determina el valor que imprime R en cada caso, sin que corras los siguientes pedazos de código. Después, verifica tu respuesta con R:

Ejercicios `R BÁSICO`

#Primer ejercicio
x <- 100
y <- 3
x > y

#Segundo ejercicio
z <- (4 - 2)^3
z <- z + z + z
z

#Tercer ejercicio
x <- 3
y <- 2
z <- x * y
x <- 5
y <- 10
z

#Cuarto ejercicio
variable1 <- 1000
variable2 <- 100
variable3 <- variable1/variable2 <= 10
variable3

#Quinto ejercicio
"2" - 2

#Sexto ejercicio
(0.1 + 0.1 + 0.1) == 0.3

Ejercicios `R` intermedio

Determina, sin correr el programa, qué regresa la consola en este caso

x <- 2 
x <- 5 + x -> y -> x
x <- x^2
x

x <- TRUE
if (x > FALSE){
  x <- x^(FALSE)^(TRUE)
} else {
  x <- x^(FALSE)^(TRUE)
}
x

Comprueba con la consola tus resultados; puede que encuentres respuestas poco intuitivas.

1.2 Observaciones sobre la aritmética de punto flotante

Si hiciste el penúltimo ejercicio (el cual, obviamente hiciste y comprobaste con la consola) podrás haber notado una trampa. Analicemos qué ocurre; quizá hicimos mal la suma

#Veamos si este lado está mal
(0.1 + 0.1 + 0.1)

[1] 0.3

#O si éste es el que tiene la trampa
0.3

[1] 0.3

Aparentemente no hay nada malo ¿qué rayos le pasa a R? La respuesta está en la aritmética de punto flotante. Podemos pedirle a R que nos muestre los primeros 100 dígitos de la suma 0.1 + 0.1 + 0.1:

Réplica de la Z3, la primer computadora con punto flotante (1941).

#Veamos qué pasa con la suma
options(digits = 22) #Cambiamos dígitos
(0.1 + 0.1 + 0.1)    #Sumamos

[1] 0.3000000000000000444089

Warning

El comando options(digits = 22) especifica que R debe imprimir en la consola 22 dígitos. No más. Si quieres devolverlo a como lo tenías haz options(digits = 7).

¡Ahí está el detalle! R no sabe sumar. En general, ningún programa de computadora sabe hacerlo. Veamos otros ejemplos:

4.1 - 0.1 #Debería dar 4

[1] 3.999999999999999555911

3/10      #Debería ser 0.3

[1] 0.2999999999999999888978

log(10^(12345), base = 10) #Debería dar 12345

[1] Inf

El problema está en cómo las computadoras representan los números. Ellas escriben los números en binario. Por ejemplo, 230 lo representan como 11100110 mientras que el 7 es: 111. El problema de las computadoras radica en que éstas tienen una memoria finita por lo que números muy grandes como: \(124765731467098372654176\) la computadora hace lo mejor por representarlos eligiendo el más cercano:

#Nota la diferencia entre lo que le decimos a R
#y lo que resulta
x <- 124765731467098372654176
x

[1] 124765731467098377420800

Warning

Un error de punto flotante en la vida real ocasionó en los años noventa, la explosión del cohete Ariane 5. Moraleja: hay que tener cuidado y respeto al punto flotante.

No olvides cambiar la cantidad de dígitos que deseas que imprima R en su consola de vuelta:

options(digits = 7) #Cambiamos dígitos

El mismo problema ocurre con números decimales cuya representación binaria es periódica; por ejemplo el \(\frac{1}{10}\) en binario se representa como \(0.0001100110011\overline{0011}\dots\). Como es el cuento de nunca acabar con dicho número, R lo trunca y almacena sólo los primeros dígitos de ahí que, cada vez que escribes 0.1, R en realidad almacene el 0.1000000000000000055511 que es casi lo mismo pero no es estrictamente igual. Hay que tener mucho cuidado con esta inexactitud de las computadoras (inexactitud estudiada por la rama de Análisis Numérico) pues puede generar varios resultados imprevistos.

1.2.1 ¿Cómo checar un `if`?

En general lo que hacen las computadoras para comparar valores es que verifican que, en valor absoluto, el error sea pequeño. Recuerda que el valor absoluto de \(x\), \(|x|\), regresa siempre el positivo:

\[ |4| = 4 \qquad \textrm{y} \qquad |-8| = 8 \]

Para verificar que algo es más o menos \(0.3\) suele usarse el valor absoluto³ de la siguiente manera:

³ En R el comando abs toma el valor absoluto.

abs( (0.1 + 0.1 + 0.1) - 0.3 ) < 1.e-6

[1] TRUE

donde 1.e-6 es notación corta para 0.000001 (también escrito como \(1\times 10^{-6}\)). La pregunta que nos estamos haciendo es que si el error entre sumar \(0.1+0.1+0.1\) y \(0.3\) es muy pequeño \(< 0.000001\):

\[ | (0.1 + 0.1 + 0.1) - 0.3 | < 0.000001 \]

1.3 Leer y almacenar variables en `R`

Para terminar esta sección, aprenderemos cómo guardar variables en R. Para eso, el concepto de directorio es uno de los más relevantes. En general, en computación, el directorio se refiere a la dirección en tu computadora donde estás trabajando. Por ejemplo, si estás en una carpeta en tu escritorio de nombre Ejercicios_R probablemente tu directorio sea \~/Desktop/Ejercicios_R/ (en Mac) o bien \~\\Desktop\\Ejercicios_R\\ en Windows⁴. La forma de saber tu directorio (en general) es ir a la carpeta que te interesa y con clic derecho ver propiedades (o escribir ls en la terminal Unix).

⁴ Windows usa backslash. Y hay toda una historia detrás de ello

R tiene un directorio default que quién sabe dónde está (depende de tu instalación, generalmente está donde tu Usuario). Usualmente lo mejor es elegir un directorio para cada uno de los proyectos que hagas. Para ello si estás en RStudio puedes utilizar Shift+Ctrl+H (Shift+Cmd+H en Mac) o bien ir a Session > Set Working Directory > Choose Directory y elegir el directorio donde deseas trabajar tu proyecto. Pensando que elegiste el escritorio (Desktop en mi computadora) notarás que en la consola aparece el comando setwd("~/Desktop") (o bien con ‘\’ si eres Windows). Mi sugerencia es que copies ese comando en tu Script para que, la próxima vez que lo corras ya tengas preestablecido el directorio.

#Si eres Mac/Linux
setwd("~/Desktop") 

#Si eres Windows
setwd("C:\Users\Rodrigo\Desktop") #Rodrigo = Mi usuario

Podemos verificar el directorio elegido con getwd():

getwd()

Warning

En general es buena práctica en R establecer, hasta arriba del Script, el comando de directorio. Esto con el propósito de que, cuando compartas un archivo, la persona a quien le fue compartido el archivo pueda rápidamente elegir su propio directorio en su computadora.

Probemos guardar unas variables en un archivo dentro de nuestro directorio. Para ello utilizaremos el comando save.

#Crear las variables
x <- 200
y <- 100

#Los archivos de variables de R son rda
save(x,y, file = "MisVariables.rda")

Si vas a tu directorio, notarás que el archivo MisVariables.rda acaba de ser creado. De esta forma R puede almacenar objetos creados en R que sólo R puede leer (más adelante veremos cómo exportar bases de datos y gráficas). Observa que en tu ambiente (si estás en RStudio puedes verlas en el panel 3) deben aparecer las variables que hemos usado hasta ahora:

[1] "x" "y" "z"

Podemos probar sumar nuestras variables y todo funciona súper:

x + y #Funciona magnífico

[1] 300

Limpiemos el ambiente. El comando equivalente al clear all en R es un poco más complicado de memorizar:

#EL clear all de R
rm(list = ls())

Ahora, si vuelves a ver el ambiente, éste estará vacío: ¡hemos limpiado el historial! Nota que si intentamos operar con las variables, R ya no las recuerda:

x + y #Error

Error in eval(expr, envir, enclos): object 'x' not found

Warning

Así como hay que lavarse las manos antes de comer, es buen hábito limpiar todas las variables del ambiente de R antes de usarlo.

Podemos leer la base de datos usando load:

#Leemos las variables
load("MisVariables.rda")

#Una vez leídas podemos empezar a jugar con ellas
x + y #Ya funciona

[1] 300

Por último, es necesario resaltar la importancia del directorio. Para ello crea una nueva carpeta en tu escritorio de nombre "Mi_curso_de_R". Mueve el archivo "MisVariables.rda" dentro de la carpeta. Borra todo e intenta leer de nuevo el archivo:

#Borramos todo
rm(list = ls())

#Intentamos leer el archivo de nuevo
load("MisVariables.rda")

Este error es porque R sigue pensando que nuestro directorio es el escritorio y está buscando el archivo ahí sin hallarlo. Para encontrarlo hay que cambiar el directorio a través de RStudio (ya sea Ctrl+Shift+H o Session >Set Working Directory > Choose Directory) o bien a través de comandos en R:

#Si eres Mac/Linux
setwd("~/Desktop/Mi_curso_de_R") 

#Si eres Windows
setwd("C:\Users\Rodrigo\Desktop\Mi_curso_de_R") #Rodrigo = Mi usuario

Error in file.move(paste0(subdir, "/", "MisVariables.rda"), "MisVariables.rda"): could not find function "file.move"

#Aquí sí se puede leer
load("MisVariables.rda")

1.3.1 Ejercicio

Responde a las siguientes preguntas:

¿Qué es el directorio y por qué es necesario establecerlo?
Si R me da el error 'No such file or directory' ¿qué hice mal?
En RStudio, ¿qué hace Session > Restart R? ¿cuál es la diferencia con rm(list = ls())?
¿Qué hace el comando cat("\014")? (Ojo puede que no haga nada). Si funciona, ¿cuál es la diferencia con rm(list = ls()) y con Restart R?

1.4 Instalación de paquetes

Un paquete de R es un conjunto de funciones adicionales elaboradas por los usuarios, las cuales permiten hacer cosas adicionales en R. Para instalarlos requieres de una conexión a Internet (o bien puedes instalarlos a partir de un archivo, por ejemplo, mediante una USB). El comando de instalación es install.packages seguido del nombre del paquete. Por ejemplo (y por ocio) descarguemos el paquete beepr para hacer reproducir sonidos en la computadora⁵. Para ello:

⁵ En los siguientes capítulos descargaremos paquetes más interesantes; pero no desprecies la utilidad de beepr yo lo he usado en múltiples ocasiones para que la computadora me avise que ya terminó de correr un código.

install.packages("beepr")

[...]
* DONE (beepr)

The downloaded source packages are in
    ‘/algun/lugar/downloaded_packages’

Esto significa que el paquete ha sido instalado. Nos interesa usar la función beep que emite un sonido (??beep para ver la ayuda). Si la llamamos así tal cual, nos da error:

beep(3)

Error in beep(3): could not find function "beep"

R es incapaz de hallar la función porque aún no le hemos dicho dónde se encuentra. Para ello podemos llamar al paquete mediante la función library y decirle a R que incluya las funciones que se encuentran dentro de beepr:

library(beepr)
beep(3) #Esto produce un sonido

El comando library le dice a R ¡hey, voy a usar unas funciones que creó alguien más y que están dentro del paquete beepr! De esta manera, al correr beep(3), R ya sabe dónde hallar la función y por eso no arroja error.

1.4.1 Ejercicios

R BÁSICO

Instala el paquete ggplot2 en R así como ggformula, readr y readxl (son 4 paquetes distintos).
Con ggplot2 haz lo necesario para que el siguiente bloque de código te arroje una gráfica:

#Aquí tienes que hacer algo
#
# RELLENA AQUÍ
#

#Esto genera un histograma
set.seed(1364752)
mis.datos <- data.frame(x = rnorm(1000))

#Las siguientes funciones viven en el paquete ggplot2
ggplot(mis.datos, aes(x = x)) +  
  geom_histogram(bins = 50, fill = "deepskyblue3") +
  ggtitle("Histograma generado por el código")

Error in ggplot(mis.datos, aes(x = x)): could not find function "ggplot"

¿Qué es un paquete para R?

R INTERMEDIO

Instala el paquete devtools (para hacerlo probablemente necesites instalar más cosas en tu computadora; averigua cuáles)
Usa devtools para instalar el paquete emoGG desde Github.
Verifica que tu instalación fue correcta haciendo la siguiente gráfica:

library(emoGG)

Loading required package: ggplot2

ggplot(mtcars, aes(wt, mpg)) + geom_emoji(emoji="1f697")

1.5 Comentarios adicionales sobre el formato

Así como en el español existen reglas de gramática para ponernos todos de acuerdo y entendernos entre todos, en R también existen sugerencias a seguir para escribir tu código. Las sugerencias que aquí aparecen fueron adaptadas de las que utiliza el equipo de Google.

No escribas líneas de más de 80 caracteres (si se salió de tu pantalla, mejor continúa en el siguiente renglón).
Coloca espacios entre operadores +,*,/,-,<-,=, <, <=, >, >=, == y usa paréntesis para agrupar:

#Esto no se ve muy bien
abs(3*5/(4-9)^2-60/100-888+0.1*8888-4/10*2) < 1.e-6

#Los espacios permiten distinguir el orden de las operaciones
abs( (3 * 5) / (4 - 9)^2 - 60 / 100 - 888 
      + (0.1 * 8888) - (4 / 10) * 2 ) < 1.e-6

Intenta alinear la asignación de variables para legibilidad:

#Esto no tanto
altura <- 1.80
peso <- 80
edad <- 32

#Esto se ve bien
altura <- 1.80
peso   <- 80
edad   <- 32

Utiliza nombres que evoquen la variable que representas

#Cuando regreses a esto no sabrás ni qué
x <- 10
y <- 2
z <- 3.14
W <- z * x^y #¿Qué calculé?

#Es mejor especificar la variable
radio        <- 10
potencia     <- 2
pi_aprox     <- 3.14
area_circulo <- pi_aprox * radio^potencia

No utilices un nombre demasiado similar para cosas diferentes.

#Aquí, seguro eventualmente te vas a equivocar
altura <- 10   #Altura del edificio
Altura <- 1.8  #Mi altura
ALTURA <- 2000 #La altitud de la CDMX

#Siempre elegir nombres claros, aunque largos
altura.edificio <- 10   #Altura del edificio
altura.Rodrigo  <- 1.8  #Mi altura
altura.CDMX     <- 2000 #La altitud de la CDMX

Comenta:

#¿Qué hace esto?
x <- 168
x <- x/100
y <- 71.2
print(y/x^2) 
  
#Es mejor así
altura <- 168        #en centímetros
altura <- altura/100 #en metros
peso   <- 71.2       #peso en kg
print(peso/altura^2) #índice masa corporal

Trad: Un periodista se acerca a un programador a preguntarle ¿qué hace que un código sea malo? -Sin comentarios.

Siempre pon las llamadas a los paquetes y el directorio al inicio de tu archivo para que otro usuario sepa qué necesita.

Código limpio y legible:

#Asumiendo aquí inicia el archivo:
setwd("Mi directorio")

#Llamamos la librería
library(beepr)
library(tidyverse)

#Analizamos una base de datos de R
data(iris) #Base de datos de flores

#Agrupamos la base por especie
iris.agrupada <- group_by(iris, Species)

#Obtenemos la media por longitud de sépalo
iris.media    <- summarise(iris.agrupada, SL.mean = mean(Sepal.Length))

#Avisa que ya terminó
beep(5)

es siempre preferible a código escrito con prisas :

Yo, leyendo mi código no comentado y con mala edición 6 meses después de haberlo hecho.

data(iris);setwd("Mi directorio")
library(tidyverse);x<-group_by(iris,Species  )
#Aquí hacemos esto
iris.means=summarise( x,SL.mean=mean(Sepal.Length));library(beepr);beep(5)#FIN

Siempre escribe tu código pensando que alguien más (y ese alguien más puedes ser tú) va a leerlo. ¡No olvides comentar!

1.6 Continuación

¡Felicidades! Ya terminaste esta sección. Puedes ir a:

Graficación con ggplot2.

1.7 Ejercicios de cierre de la sección

El siguiente código crea una variable que se llama enfermedad a la cual se le asigna el valor (caracter) "Polio". Sin embargo el código no corre. Arréglalo para que funcione

enfermedad == POLIO

¿Cuál es la diferencia entre R y RStudio?
Corre el siguiente código el cuál se encarga de generar una variable de nombre viento, crear un archivo MIVIENTO.rda, guardarlo en otro directorio y decirte en qué directorio lo guardó. Cambia el directorio con setwd y lee el archivo usando load

#Genera una variable viento y la guarda en un archivo rda. Córreme completo
set.seed(2734)
directorio <- tempdir() 
viento     <- rexp(1)
save(viento, file = file.path(directorio, "MIVIENTO.rda"))
rm(viento)
message(paste("Guardé MIVIENTO.rda en el directorio;",directorio))
#Ahora usa setwd para ir al directorio y leer "MIVIENTO.rda"

El siguiente código se encarga de clasificar los resultados de un test de A1C (porcentaje) de una persona en tres: diabetes (si AIC es mayor o igual a 6.5%), prediabetes (5.7 a 6.4%) y normal (menor a 5.7%). Sin embargo el código tiene varios errores y sin importar la persona a todos les dice que tienen diabetes. Corrige el código para que funcione

#Aquí cambia el usuario cambia el nivel de AIC según el resultado de cada persona:
nivel_AIC <- 5.4 

#Hacemos la clasificación:
clasif    <- "diabetes"
if (nivel_AIC > 6.5){
  clasif <- "diabetes"
} else if (nivel_AIC < 6.5 & nivel_AIC > 5.7){
  clasif1 <- "prediabetes"
} else {
  clasif2 <- "normal"
}

message(paste0("Sus niveles corresponden a ", clasif))

¿Qué significan los signos de + en el siguiente input de la consola?

x <- 
+  "Ho
+  la"

El primer signo de + indica que a lo que estuviera en x se le agregan los caracteres "Ho".
El segundo signo de + indica concatenación de caracteres y está juntando el Ho con el la para formar un Hola.
El segundo signo de + está dentro del caracter por lo que estamos escribirndo Ho+la.
El signo de + le indica al usuario que hay un error en la línea previa.
El signo de + le indica al usuario que la línea previa está incompleta.

¿Qué es el directorio que ponemos con setwd?

Es la carpeta donde vive R.
Es la carpeta donde viven los paquetes de R.
Es la carpeta donde viven los archivos que estoy usando para mi proyecto actual en R.

Genera un RScript de nombre IMC.R en el cual las personas almacenen en una variable su peso (kilos), en otra su altura (metros) y les calcule su índice de masa corporal IMC con la siguiente fórmula:

\[ \text{IMC} = \frac{\text{Peso}}{\text{Altura}^2} \]

1.8 Sistema

sessioninfo::session_info()

─ Session info ───────────────────────────────────────────────────────────────
 setting  value
 version  R version 4.2.1 (2022-06-23)
 os       macOS Big Sur ... 10.16
 system   x86_64, darwin17.0
 ui       X11
 language (EN)
 collate  en_US.UTF-8
 ctype    en_US.UTF-8
 tz       America/Mexico_City
 date     2022-10-04
 pandoc   2.19.2 @ /Applications/RStudio.app/Contents/MacOS/quarto/bin/tools/ (via rmarkdown)

─ Packages ───────────────────────────────────────────────────────────────────
 package     * version  date (UTC) lib source
 assertthat    0.2.1    2019-03-21 [1] CRAN (R 4.2.0)
 audio         0.1-10   2021-11-25 [1] CRAN (R 4.2.0)
 beepr       * 1.3      2018-06-04 [1] CRAN (R 4.2.0)
 bitops        1.0-7    2021-04-24 [1] CRAN (R 4.2.0)
 boot          1.3-28   2021-05-03 [1] CRAN (R 4.2.1)
 cellranger    1.1.0    2016-07-27 [1] CRAN (R 4.2.0)
 class         7.3-20   2022-01-16 [1] CRAN (R 4.2.1)
 cli           3.4.0    2022-09-08 [1] CRAN (R 4.2.0)
 colorspace    2.0-3    2022-02-21 [1] CRAN (R 4.2.0)
 data.table    1.14.2   2021-09-27 [1] CRAN (R 4.2.0)
 DBI           1.1.3    2022-06-18 [1] CRAN (R 4.2.0)
 DescTools     0.99.46  2022-09-01 [1] CRAN (R 4.2.0)
 digest        0.6.29   2021-12-01 [1] CRAN (R 4.2.0)
 dplyr         1.0.10   2022-09-01 [1] CRAN (R 4.2.0)
 e1071         1.7-11   2022-06-07 [1] CRAN (R 4.2.0)
 emoGG       * 0.0.2    2022-08-14 [1] Github (dill/emoGG@22fe650)
 evaluate      0.16     2022-08-09 [1] CRAN (R 4.2.0)
 Exact         3.1      2021-11-26 [1] CRAN (R 4.2.0)
 expm          0.999-6  2021-01-13 [1] CRAN (R 4.2.0)
 fansi         1.0.3    2022-03-24 [1] CRAN (R 4.2.0)
 fastmap       1.1.0    2021-01-25 [1] CRAN (R 4.2.0)
 generics      0.1.3    2022-07-05 [1] CRAN (R 4.2.0)
 ggplot2     * 3.3.6    2022-05-03 [1] CRAN (R 4.2.0)
 gld           2.6.5    2022-06-29 [1] CRAN (R 4.2.0)
 glue          1.6.2    2022-02-24 [1] CRAN (R 4.2.0)
 gtable        0.3.1    2022-09-01 [1] CRAN (R 4.2.0)
 htmltools     0.5.3    2022-07-18 [1] CRAN (R 4.2.0)
 htmlwidgets   1.5.4    2021-09-08 [1] CRAN (R 4.2.0)
 httr          1.4.4    2022-08-17 [1] CRAN (R 4.2.0)
 jsonlite      1.8.0    2022-02-22 [1] CRAN (R 4.2.0)
 knitr         1.40     2022-08-24 [1] CRAN (R 4.2.0)
 labeling      0.4.2    2020-10-20 [1] CRAN (R 4.2.0)
 lattice       0.20-45  2021-09-22 [1] CRAN (R 4.2.1)
 lifecycle     1.0.2    2022-09-09 [1] CRAN (R 4.2.0)
 lmom          2.9      2022-05-29 [1] CRAN (R 4.2.0)
 magrittr      2.0.3    2022-03-30 [1] CRAN (R 4.2.0)
 MASS          7.3-57   2022-04-22 [1] CRAN (R 4.2.1)
 Matrix        1.4-1    2022-03-23 [1] CRAN (R 4.2.1)
 munsell       0.5.0    2018-06-12 [1] CRAN (R 4.2.0)
 mvtnorm       1.1-3    2021-10-08 [1] CRAN (R 4.2.0)
 pillar        1.8.1    2022-08-19 [1] CRAN (R 4.2.0)
 pkgconfig     2.0.3    2019-09-22 [1] CRAN (R 4.2.0)
 png           0.1-7    2013-12-03 [1] CRAN (R 4.2.0)
 proto         1.0.0    2016-10-29 [1] CRAN (R 4.2.0)
 proxy         0.4-27   2022-06-09 [1] CRAN (R 4.2.0)
 purrr         0.3.4    2020-04-17 [1] CRAN (R 4.2.0)
 R6            2.5.1    2021-08-19 [1] CRAN (R 4.2.0)
 Rcpp          1.0.9    2022-07-08 [1] CRAN (R 4.2.0)
 RCurl         1.98-1.8 2022-07-30 [1] CRAN (R 4.2.0)
 readxl        1.4.1    2022-08-17 [1] CRAN (R 4.2.0)
 rlang         1.0.5    2022-08-31 [1] CRAN (R 4.2.0)
 rmarkdown     2.16     2022-08-24 [1] CRAN (R 4.2.0)
 rootSolve     1.8.2.3  2021-09-29 [1] CRAN (R 4.2.0)
 rstudioapi    0.14     2022-08-22 [1] CRAN (R 4.2.0)
 scales        1.2.1    2022-08-20 [1] CRAN (R 4.2.0)
 sessioninfo   1.2.2    2021-12-06 [1] CRAN (R 4.2.0)
 stringi       1.7.8    2022-07-11 [1] CRAN (R 4.2.0)
 stringr       1.4.1    2022-08-20 [1] CRAN (R 4.2.0)
 tibble        3.1.8    2022-07-22 [1] CRAN (R 4.2.0)
 tidyselect    1.1.2    2022-02-21 [1] CRAN (R 4.2.0)
 utf8          1.2.2    2021-07-24 [1] CRAN (R 4.2.0)
 vctrs         0.4.1    2022-04-13 [1] CRAN (R 4.2.0)
 withr         2.5.0    2022-03-03 [1] CRAN (R 4.2.0)
 xfun          0.33     2022-09-12 [1] CRAN (R 4.2.0)
 yaml          2.3.5    2022-02-21 [1] CRAN (R 4.2.0)

 [1] /Library/Frameworks/R.framework/Versions/4.2/Resources/library

──────────────────────────────────────────────────────────────────────────────

1 Primeros pasos con R

1.1 Cálculos numéricos

1.1.1 Ejercicio (operaciones sin contexto)

1.1.2 Ejercicio (NNT)

Respuestas

1.1.3 Ejercicio (círculos)

Respuestas

1.1.4 Ejercicio (R0)

Resultado

1.1.5 Variables

1.1.6 Ejercicios de variables (para confundir)

Ejercicios R BÁSICO

Ejercicios R intermedio

1.2 Observaciones sobre la aritmética de punto flotante

1.2.1 ¿Cómo checar un if?

1.3 Leer y almacenar variables en R

1.3.1 Ejercicio

1.4 Instalación de paquetes

1.4.1 Ejercicios

1.5 Comentarios adicionales sobre el formato

1.6 Continuación

1.7 Ejercicios de cierre de la sección

1.8 Sistema

1 Primeros pasos con `R`

Ejercicios `R BÁSICO`

Ejercicios `R` intermedio

1.2.1 ¿Cómo checar un `if`?

1.3 Leer y almacenar variables en `R`