R - Estadística | Los diagramas de cajas (Box plot)

En la entrada anterior vimos dos test estadísticos para contrastar la hipótesis de normalidad en el entorno de R: el test K-S y el test de S-W. Puedes hacer clic en el siguiente botón para acceder a dicha entrada y recordar el procedimiento. 

La normalidad de los datos de una muestra también se puede estudiar de manera visual. Uno de los gráficos que se suelen usar para ello es el conocido como diagrama de caja y bigotes o simplemente box plot (García-Pérez, 2015). Este diagrama es muy fácil de generar en R y puede ser un buen complemento a los test de normalidad.

Caso práctico

Se ha estudiado la nieve acumulada (en cm) en varios pueblos de la Serranía Conquense: 24,9; 16,6; 26,4; 25; 19,3; 16,3; 15,7; 24,4; 19; 19,9; 9,9 y 17,4. Se desea analizar el supuesto de normalidad de manera visual a través de un box plot.

Para este ejemplo, se empleará directamente el entorno R (versión 4.4.2) en un ordenador Lenovo YB1-X91F (con sistema operativo Windows 10). Este mismo proceso se puede hacer en un ordenador Mac. Además, este mismo ejemplo se puede hacer, si se prefiere, en la aplicación RStudio. Como los datos son tan pocos, se introducirán directamente en una variable vectorial con el nombre nieve.

Procedimiento

En primer lugar, se introducirán los datos en modo de variable vectorial. El nombre que se ha propuesto para este caso práctico es nieve y los datos seguirán el orden del enunciado. Téngase en cuenta que la separación de los valores debe ir con comas y la separación decimal con puntos.

> nieve = c(24,9, 16.6, 26.4, 25, 19.3, 16.3, 15.7, 24.4, 19, 19.9, 9.9, 17.4)

Ahora, con tan solo invocar el nombre "nieve", R nos lanzará los valores introducidos en dicha variable vectorial. 

Para solicitar el diagrama box plot, se empleará la función boxplot (...). Ahora debemos especificar la variable objeto de estudio que contiene los datos dependientes y la función col = seguido de un número que corresponde con un color. El código numérico con el color se muestra en la siguiente imagen. Para este ejemplo, la función quedará:

> boxplot (nieve, col = 4)

Resultados e interpretación

En una ventana nueva, a parte de la consola de R, saldrá el diagrama de caja con el color seleccionado. De esta forma se puede analizar visualmente si estos datos proceden de una distribución normal. No es objeto de esta entrada explicar la forma de interpretar este diagrama. Sin embargo, se puede decir que hay que ver que el diagrama sea lo más asimétrico posible (que significará que será lo más cercano a una distribución normal). A diferencia de los histogramas, que se requiere al menos un tamaño muestral de más de 30 sujetos o elementos para que sea válida su interpretación, los diagramas de cajas se pueden efectuar con muy poca muestra (Rodríguez, 2024).

• Para este ejemplo, podemos concluir que no deberíamos atrevernos a tomar una decisión de normalidad ya que el diagrama puede ser asimétrico. Por tanto, se precisaría efectuar el test de S-W para confirmar que los datos de esta variable no siguen una distribución normal.

Fuente bibliográfica

Referencia en estilo APA-7: 

• García-Pérez, A. (2015). La interpretación de los dato: una introducción a la Estadística Aplicada. Librería UNED.

• Rodríguez, M. (2024). Interpretación de los gráficos de caja en el análisis descriptivo e inferencial. Recuperado de www.qvision.es. 

Seguir aprendiendo

En realidad, los box plot sirven principalmente para analizar visualmente la homocedasticidad. En la siguiente entrada veremos cómo poder hacer un diagrama de cajas cuando tenemos dos grupos; es decir, una misma variable dependiente en dos grupos. Puedes hacer clic en el siguiente botón para acceder a mencionado contenido:

Jacob Sierra Díaz y Alti

R - Estadística | Test estadísticos básicos de normalidad

Existen dos test principales para contrastar la normalidad de una muestra de datos: el test de Kolmogorov-Smirnov (test K-S) y el test de Shapiro-Wilk (test S-W). El primero de los citados se emplea para tamaños muestrales (n) grandes; algunos autores y manuales sitúan esta cifra entorno a los 50 participantes. No obstante, sin ánimo de entrar en detalles aquí, el test de Shapiro-Wilk es el más potente de los dos para detectar la no normalidad de los datos (García-Pérez, 2015). De hecho, este segundo test se suele emplear en muestras reducidas. 

Aquí es el investigador o el analista de datos el que deberá decidir qué test quiere emplear. En muchas ocasiones, se suelen ejecutar los dos y corroborar que los p-valores sean mayores o menores a 0,050. Hoy vamos a aprender a realizar este test en el entorno de R y para entenderlo mejor, usaremos un ejemplo ficticio.

Caso práctico

Doce participantes han realizado un test de esfuerzo físico que consistía en mantener una plancha el mayor tiempo posible (echándose en el suelo boca abajo, doblando los codos 90º y manteniendo la cabeza en línea recta con todo el cuerpo). Los resultados obtenidos han sido el tiempo en segundos y milisegundos que cada participante ha aguantado en plancha: 17,3; 8,3; 11; 7; 13,2; 12; 13,3; 15,2; 17,1; 18,4; 14,5 y 10,7. ¿Podemos aceptar la normalidad de esta muestra?

Para este ejemplo, se empleará directamente el entorno R (versión 4.4.2) en un ordenador Lenovo YB1-X91F (con sistema operativo Windows 10). Por supuesto, este mismo proceso se puede hacer en un ordenador Mac. Además, este mismo ejemplo se puede hacer, si se prefiere, en la aplicación RStudio. Como los datos son tan pocos, se introducirán directamente en una variable vectorial con el nombre esfuerzo.

Procedimiento

En primer lugar, se introducirán los datos en modo de variable vectorial. El nombre que se ha propuesto para este caso práctico es esfuerzo y los datos seguirán el orden del caso práctico. Téngase en cuenta que la separación de los valores debe ir con comas y la separación decimal con puntos.

> esfuerzo = c(17.3, 8.3, 11, 7, 13.2, 12.0, 13.3, 15.2, 17.1, 18.4, 14.5, 10.7)

Ahora, con tan solo invocar el nombre "esfuezo", R nos lanzará los valores introducidos en dicha variable vectorial. 

En primer lugar, solicitaremos el test de Kolmogorov-Smirnov con la función ks.test (...). Ahora debemos especificar la variable objeto de estudio que contiene los datos dependientes y las instrucciones "pnorm", seguido de mean (...) y sd (...) en el que pondremos también los nombres de la variable objeto de estudio. Por tanto, la función de este test debe quedar de la siguiente forma:

> stem (esfuerzo, "pnorm", mean (esfuerzo), sd (esfuezo))

Para solicitar el test de Shapiro-Wilk simplemente usaremos la función shapiro.test (...). Aquí, a diferencia del otro test, solo tendremos que especificar el nombre de nuestra variable objeto de análisis. En este caso:

> shapiro.test (esfuerzo)

Resultados

Cada vez que ejecutemos (con la tecla Intro) una función, saldrán los resultados. En ambos tests, veremos el nombre de la prueba, el nombre de la variable objeto de estudio, el estadístico D (para el test de K-S) o el W (para el test S-W) y el p-valor. Es el p-valor lo que nos interesará analizar.

• Cuando el p-valor de ambos test sea mayor de 0,050 podemos asumir que la muestra procede de una distribución normal. Por tanto, un valor mayor de 0,050 será lo deseable en este caso (ya que de esta forma se puede continuar efectuando pruebas estadísticas más potentes).

En este ejemplo, se ha decidido hacer los dos test. Se puede observar en la imagen superior que los p-valores de ambas pruebas son distintos. En concreto, el test de S-W es mucho más restrictivo a la hora de asegurar una distribución normal (observando que el p-valor es más bajo). No obstante, para este ejemplo se puede concluir que la muestra de doce participantes procede de una distribución normal ya que ambas pruebas apuntan al mismo resultado de la hipótesis; en otras palabras, ambar pruebas mantienen la hipótesis nula.

Fuente bibliográfica

Referencia en estilo APA-7: 

• García-Pérez, A. (2015). La interpretación de los dato: una introducción a la Estadística Aplicada. Librería UNED.

Seguir aprendiendo

En la siguiente entrada veremos un complemento a este análisis. Haz clic en el siguiente botón para acceder a cómo hacer en el entorno de R un diagrama de caja (box plot en inglés):

Jacob Sierra Díaz y Alti

R - Estadística | Medidas de posición y dispersión

Uno de los conceptos más importantes de la rama de la Estadística Descriptiva es el de las medidas de tendencia central (también llamada medidas de posicionamiento o promedios) y las medidas de dispersión. Estas medidas son la base para análisis estadístico de los datos cuantitativos más complejos. Hoy vamos a ver las funciones básicas de cada uno de estos grupos.

Medidas de tendencia central

Este conjunto de medidas consisten en un valor que representa o resume un conjunto de datos. Por no hacer compleja esta entrada, aquí nos centraremos en dos de las más importantes: la media aritmética y la mediana. A continuación, se muestra una definición de cada una de estas medidas acompañadas con la función básica en el entorno R.

Por ejemplo, Mariano es un alumno de 2º de Educación Secundaria que ha sacado las siguientes calificaciones en el primer trimestre: Matemáticas = 5; Lengua Castellana = 9; Inglés = 7,8; Francés = 6,4; Tecnología = 7,5; Ciencias Sociales = 8; Ciencias de la Naturaleza = 4; Música = 8 y Plástica = 6,6. Para calcular su media aritmética en R deberemos crear una nueva variable vectorial con cada una de sus notas (con el nombre notas) y a continuación solicitar la función mean (notas). Se recuerda que la marca decimal debe ir en puntos y que la separación de valores va en comas.

> notas <- c(5, 9, 7.8, 6.4, 7.5, 8, 4, 8, 6.6)

> mean (notas)

[1] 6.922222

Para obtener la mediana de las calificaciones de Mariano, deberemos usar la función median (notas). Nótese que ya no se pone la variable vectorial nuevamente ya que se ha introducido anteriormente.

> median (notas)

[1] 7.5
 

Medidas de dispersión

Las medidas de tendencia central deben venir acompañadas siempre de alguna medida de dispersión. De manera general, las medidas de dispersión sirven para observar lo concentrado que están los datos entorno a alguna medida de posición (como, por ejemplo, una media). Aquí vamos a ver la varianza (o, mejor dicho, la cuasivarianza) y la desviación típica (o, mejor dicho, la cuasidesviación típica). A continuación, se muestra una imagen con una breve definición de ambas medidas:

En efecto, las funciones básicas de R para la varianza (var (...)) y la desviación típica (sd (x)) son en realidad el cálculo para la cuasivarianza y la cuasidesviación típica. Lo cierto es que si el tamaño muestral es grande, apenas hay diferencias entre la varianza y la cuasivairanza, y entre la desviación típica y la cuasidesviación típica (García-Pérez, 2015). Tal es así que muchos autores y manuales omiten el prefijo cuasi- y prefieren usar los nombres más conocidos.

Siguiendo con el ejemplo del alumno Mariano, se quiere calcular la cuasivarianza y la cuasidesvicación típica de sus notas del primer trimestre. Para ello, como ya hemos metido sus datos previamente, simplemente solicitaremos ambas medidas con las funciones descritas anteriormente:

En primer lugar la cuasivarianza: 

> var (notas)

[1] 2.544444

Y, a continuación, la cuasidesviación típica:

> sd (notas)

[1] 1.595131

Fuente bibliográfica

Referencia en estilo APA-7: 

• García-Pérez, A. (2015). La interpretación de los dato: una introducción a la Estadístic Aplicada. Librería UNED.

Seguir aprendiendo

En la siguiente entrada veremos la manera en la que se realizan los test de contraste de hipótesis sobre la normalidad de los datos. Puedes acceder a la entrada haciendo clic en el siguiente botón:

Jacob Sierra Díaz y Alti

R - Estadística | Diagrama de tallo y hojas

Sin el ánimo de profundizar en las características de esta representación, se puede decir que el diagrama de hojas y ramas (García-Pérez, 2015) o también llamado gráfico de tallo y hojas es otra forma para representar variables de tipo cuantitativas. Este tipo de representación recuerda a un histograma pero girado 90º. De hecho la interpretación visual es exactamente igual que el histograma.

Su mayor diferencia frente al histograma es que este diagrama permite recuperar todas las observaciones. En otras palabras, mientras que en el histograma los datos se agrupan en intervalos, aquí, podemos obtener cada uno de los datos. 

En R se puede generar un diagrama de tallo y hojas con la función stem (...). Para entender mejor la forma de crear este gráfico, se propondrá un ejemplo práctico ficticio para contextualizar el proceso.

Caso práctico

Una investigación ha medido la puntuación de una prueba de tiro en 20 participantes noveles en el uso de armas de fuego. La puntuación máxima que se puede obtener es de 75 puntos. Ordenando los datos por puntuación ascendente, los participantes obtuvieron los siguientes resultados: 12, 15, 16, 21, 24, 29, 30, 31, 32, 33, 45, 46, 49, 50, 52, 58, 60, 63, 64 y 65. Se quiere elaborar un gráfico, en este caso, un diagrama de hojas y ramas, sobre estos datos para presentarlos en una comunicación oral de un congreso sobre armas.

Para este ejemplo, se empleará directamente el entorno R (versión 4.3.1) en un ordenador MacBook Pro (MacOS Ventura). Se recuerda que este mismo proceso se puede realizar en un ordenador con sistema operativo Windows. Además, este mismo ejemplo se puede hacer, si se prefiere, en la aplicación RStudio. Como los datos son tan pocos, se introducirán directamente con el nombre calificación.

Procedimiento

En primer lugar, se introducirán los datos en modo de variable vectorial. El nombre que se ha propuesto para este caso práctico es calificación y los datos seguirán el orden del enunciado del caso práctico. Téngase en cuenta que la separación de los valores debe ir con comas y la separación decimal con puntos.

> calificación = c(12, 15, 16, 21, 24, 29, 30, 31, 32, 33, 45, 46, 49, 50, 52, 58, 60, 63, 64, 65)

Ahora, con tan solo invocar el nombre "grasa", R nos lanzará los valores introducidos en dicha variable vectorial. Para solicitar el diagrama de hojas y ramas de estos datos, deberemos usar la instrucción stem (...). En nuestro caso, sustituiremos los tres puntos por el nombre de la variable introducida.

> stem (calificación)

Resultados

El resultado se mostrará a continuación de la instrucción solicitada (parte izquierda de la siguiente imagen). Sin embargo, este diagrama es un tanto confuso. Podemos ver que si extrajésemos cada caso, tomando la parte decimal donde está cada | tendríamos observaciones completamente distintas a nuestros datos del ejemplo: 0,2; 0,5; 0,6... 6,4 y 6,5. 

Realmente el gráfico no está equivocado, simplemente R ha agrupado cada fila (llamada también tallo) en varios valores. Por ejemplo, la segunda fila del diagrama se ha agrupado con los valores 2X y 3X. Entonces, es necesario introducir una instrucción dentro de la función stem que haga que se modifique la altura del gráfico y que cada tallo represente un único valor decimal. Esta instrucción se llama scale = x, donde x es un número, que suele ser 2. Cuanto más grande sea el número, más alto será el diagrama. Entonces, para obtener el diagrama de hojas y ramas más intuitivo, deberemos escribir:

> stem (calificación, scale = 2)

Entonces, sin ajustar el ancho del diagrama, obtendremos una figura más parecida al histograma. Sin embargo, ajustando el ancho su interpretación será mucho más intuitiva. Por tanto, ya que estos resultados se mostrarán en una comunicación oral a un congreso, se recomienda usar el segundo diagrama que se ha obtenido.

Fuente bibliográfica

Referencia en estilo APA-7: 

• García-Pérez, A. (2015). La interpretación de los dato: una introducción a la Estadístic Aplicada. Librería UNED.

Seguir aprendiendo

En la siguiente entrada veremos los ejes vertebradores de la Estadística: las medidas de posición y de dispersión. Puedes hacer clic en el siguiente botón para acceder al contenido.

Jacob Sierra Díaz y Alti

R - Estadística | Histograma

Los histogramas pueden ser una forma adecuada de representar datos de tipo cuantitativo. Se trata de una representación de los datos en varios rectángulos con un área (altura si todos los rectángulos tienen la misma base) igual al del número de individuos identificado en el intervalo (García-Pérez, 2015).

En R se puede generar un histograma básico con la instrucción hist (...). Para entender mejor la generación de este diagrama, tal y como ya se realizó con el diagrama de sectores, emplearemos un ejemplo práctico.

Caso práctico

Una investigación ha medido los porcentajes de grasa corporal al inicio de un curso intensivo de resistencia aeróbica en los que participaron 23 hombres. Los datos (en %) de los participantes son los siguientes: 8,1; 8,3; 9,5;  21; 23,4; 15,9; 16,3; 9,3; 28; 28,4; 18,5; 10,0; 24,5; 25,6; 17,3; 18,8; 19,7; 24; 21,4; 22,2; 12; 12,4; 11,2. Se quiere elaborar un gráfico sobre estos datos para introducirlos en un informe del club deportivo.

Para este ejemplo, se empleará directamente el entorno R (versión 4.3.1) en un ordenador MacBook Pro (MacOS Ventura). Se recuerda que este mismo proceso se puede realizar en un ordenador con sistema operativo Windows. Además, este mismo ejemplo se puede hacer, si se prefiere, en la aplicación RStudio; opción que dará el mismo resultado. Como los datos son tan pocos, se introducirán directamente con el nombre grasa.

Procedimiento

En primer lugar, se introducirán los datos en modo de variable vectorial. El nombre que se ha propuesto para este caso práctico es grasa y los datos seguirán el orden del enunciado del caso práctico. Téngase en cuenta que la separación de los valores debe ir con comas y la separación decimal con puntos.

> grasa = c(8.1, 8.3, 9,5, 21, 23.4, 15.9, 16.3, 9.3, 28, 28.4, 18.5, 10, 24.5, 25.6, 17.3, 18.8, 19.7, 24)

Ahora, con tan solo invocar el nombre "grasa", R nos lanzará los valores introducidos en la variable vectorial. Para solicitar el histograma de estos datos, deberemos usar la instrucción hist (...). En nuestro caso, sustituiremos los tres puntos por el nombre de la variable introducida.

> hist (grasa)

Resultados

Una vez que se haya puesto la sintaxis descrita anteriormente y se haya pulsado Intro, se generará el histograma, tal y como se ha visto en la imagen anterior. Se recuerda que a partir de ahora, cada vez que se realice algún cambio en el histograma gráfico mediante la consola, se cambiará directamente en la ventana del gráfico.

Un histograma, aparecerá sin título y con los colores grises. Esto se puede personalizar con las siguientes instrucciones.

• Título. Poner la instrucción main = "..." dentro del paréntesis de pie (...) separado con comas. Se debe recordar que cualquier tipo de texto debe ir entre comillas. Así, en este ejemplo:

        > hist (grasa, main = "Porcentaje de grasa corporal")

• Color de los rectángulos. Cada rectángulo puede ir de un color distinto en función de un código numérico establecido por defecto. Lo único se se debe hacer es contar el número de intervalos que se han generado y por orden poner el código de color que queramos usar para cada uno de ellos. Para ello, podremos usar la instrucción col = c(código de color para cada rectángulo). Esta instrucción deberá ir integrada dentro de la sintaxis hist (...). Los códigos de colores se muestran en la siguiente ilustración. guiendo un patrón numérico (que se muestra en la siguiente imagen), se debe escribir en una nueva variable vectorial los colores deseados en el mismo orden en los que se han introducido los datos primarios. Luego, en el paréntesis de  se debe escribir la instrucción col = "..." .

Para el presente ejemplo hemos seleccionado los colores gris (8), amarillo (7), azul (4) y verde (3). Nótese que el segundo rectángulo no aparecerá coloreado ya que no hay ningún valor. Entonces, la función será: 

> hist (grasa, col = c(8,5,7,4,3))

• Nombres al eje X y al eje Y. Con la instrucción xlab = "..." e ylab = "..." es posible poner un nombre a los ejes x e y respectivamente. Normalmente, en el eje X se representa los intervalos de la variable objeto de estudio (porcentaje de grasa en este caso) y en el eje Y la frencuencia. Se recuerda que cualquier letra debe ir entre comillas, cada instrucción se separa con comas y ambas instrucciones deben estar dentro de la función hist (...)

> hist (grasa, xlab = "Grasa", ylab = "Frecuencia")

Por supuesto que todo lo visto en los puntos anteriores se debe integrar en una única función hist (...)

> pie (datos, main = "[título]", col = c(código de colores), xlab = "[nombre del eje X]", ylab = "[nombre del eje Y]")

Para el presente ejemplo (véase el histograma de la imagen anterior) la sintaxis que debemos poner será:

> hist (grasa, main = "Porcentaje de grasa corporal", col = c(8, 5, 7, 4, 3), xlab = "Grasa", ylab = "Frecuencia")


Ahora solo quedaría copiar el histograma y pegarlo en el informe del club deportivo.

Fuente bibliográfica

Referencia en estilo APA-7: 

• García-Pérez, A. (2015). La interpretación de los dato: una introducción a la Estadístic Aplicada. Librería UNED.

Seguir aprendiendo

En la siguiente entrada veremos otra forma de representar datos cuantitativos a través del diagrama de hojas y ramas. Puedes hace clic en el siguiente botón para acceder a dicho contenido:

Jacob Sierra Díaz y Alti

R - Estadística | Diagrama de sectores

El diagrama de sectores es una buena forma de representar datos de tipo cualitativo. Consiste en dividir un círculo en tantos sectores como sectores posea la variable cualitativa, asignando a cada sector un ángulo (y por ende un tamaño) proporcional al número de individuos que representa dicho valor en la investigación (García-Pérez, 2015).

En R se puede generar un diagrama de sectores con la instrucción pie (...). Para entender mejor la generación de este diagrama, lo haremos a través del siguiente caso práctico:

Caso práctico

En una investigación sobre las razones por las que un grupo de 605 personas deciden fumar se encuentran: la depresión (n = 115), la costumbre desde que eran jóvenes (n = 220), el entorno fumador (n = 200) y no el no saber exactamente por qué (n = 70). Se desea representar estos datos de una manera gráfica mediante un diagrama de sectores. 

Para este ejemplo, se empleará directamente el entorno R (versión 4.3.1) en un ordenador MacBook Pro (MacOS Ventura). Este mismo ejemplo se puede hacer si se prefiere en la aplicación RStudio, opción que dará el mismo resultado. Como los datos son tan pocos, se introducirán directamente con el nombre causas.

Procedimiento

En primer lugar, se introducirán los datos en modo de variable vectorial. El nombre que se ha propuesto para este caso práctico es causas y los datos seguirán el orden del enunciado del caso práctico.

> causas = c(115, 220, 200, 70)

Ahora, con tan solo invocar el nombre "causas", R nos lanzará los cuatro valores introducidos, tal y como se muestra en la siguiente imagen. Para solicitar el diagrama de sectores, deberemos usar la instrucción pie (...). En nuestro ejemplo:

> pie (causas)

Resultados

Una vez que se haya puesto la sintaxis descrita anteriormente y se haya pulsado Intro, se generará un diagrama de sectores. En MacOS aparecerá en la ventana Quartz y en Windows en la ventana R Graphics Device. Cada vez que realicemos algún cambio del gráfico mediante sintaxis, se cambiará directamente en dichas ventanas.

Un diagrama por defecto, aparecerá sin título, con números y con los colores que se muestran en la imagen superior. Por supuesto que todo esto se puede personalizar.

• Título. Poner la instrucción main = "..." dentro del paréntesis de pie (...) separado con comas. Se debe recordar que cualquier tipo de texto debe ir entre comillas.

• Nombres de los sectores. Previamente se debe escribir los caracteres en el mismo orden en el que se hayan introducido los datos de la variable vectorial objeto de estudio [nombre de la variable = c(x, y, z)]. Luego, en el paréntesis de pie (...) se debe hacer alusión a esta variable vectorial con la instrucción label = "...". Se recuerda que a la hora de introducir nombres (y no números) estos deben ir entre comillas. Cada nombre se separará por comas.

• Color de los sectores. Siguiendo un patrón numérico (que se muestra en la siguiente imagen), se debe escribir en una nueva variable vectorial los colores deseados en el mismo orden en los que se han introducido los datos primarios. Luego, en el paréntesis de pie (...) se debe escribir la instrucción col = "..." .

Para el presente caso práctico, el orden que se debe seguir es: 115, 220, 200 y 70, que corresponden con depresión, costumbre, entorno y no sabe respectivamente. Esto se tiene que tener en cuenta para nombrar los sectores en una nueva variable vectorial que vamos a llamar "nombre".

> nombre = c("depresión", "costumbre", "entorno", "no sabe")

Ahora, se debe poner el color a cada uno de los sectores. Por ejemplo, la "depresión" irá en rojo, la "costumbre" en azul, el "entorno" en verde y el "no sabe" en amarillo. Consultando la siguiente tabla, podemos saber qué número o código corresponde a cada color.

Entonces, se debe generar una nueva variable vectorial con los códigos de colores deseados:

> color = c(2, 4, 3, 7)

Una vez introducidas las variables vectoriales (en este caso se han introducido dos más la variable de los datos primarios), debemos insertarlo dentro de la función pie (...), teniendo en cuenta los nombres de las variables vectoriales que se han ido introducido. Dentro de esta instrucción podremos introducir el título al gráfico.

> pie (datos, labels = [nombre etiquetas], col = [color de sectores], main = "[título]")

Para el presente ejemplo será:

> pie (causas, labels = nombre, col = color, main = "Motivos fumadores")

Entonces, lo que ponemos en el entorno R para este caso práctico será lo que se muestra a continuación:

Ahora solo quedaría guardar el gráfico de sectores para ponerlo en el informe final o en el sitio que los investigadores estimen oportuno.

Fuentes bibliográficas

Referencia en estilo APA-7: 

• García-Pérez, A. (2015). La interpretación de los dato: una introducción a la Estadístic Aplicada. Librería UNED.

Seguir aprendiendo

En la siguiente entrada veremos una de las maneras de representar datos cuantitativos a través del histograma. Haz clic en el siguiente botón para acceder a dicho contenido:

Jacob Sierra Díaz y Alti

RStudio | "Home tour" y apariencia básica

Antes de comenzar, conviene recordar que la interfaz de este programa es similar en ordenadores con sistemas operativos Windows y MacOS. De hecho, las imágenes que se muestran en esta entrada procederán indistintamente de ambos sistemas operativos.

Esta es la apariencia de RStudio cuando lo abrimos por primera vez en un ordenador con Windows 10:

R se compone principalmente de un menú principal, una barra horizontal de herramientas y varios sectores o ventanas de trabajo. Lo primero que nos puede llamar la atención en esta interfaz, es que la ventana izquierda es la consola de R, que es la que aparecería si usásemos directamente el entorno R. Por supuesto, desde aquí ya podremos trabajar directamente con el programa R (aunque como veremos en esta sección de RStudio, lo recomendable será usar la presente interfaz).

• La consola de R funcionará exactamente igual que si cargamos el entorno de R directamente. Por ejemplo, se puede pedir que desde esta consola se hagan operaciones aritméticas básicas como 112 + 23.

El R Script

Lo más interesante de RStudio es lo que se denomina R Script (Guión de R, en español) que es una especie de documento que permite editar y guardar las acciones, comandos o instrucciones de una manera mucho más sencilla que los códigos que se deben poner en la consola de R. Una de las ventajas que presenta este sistema es que podemos cambiar alguna parte de la sintaxis incluso una vez que se haya ejecutado. 

El R Script se abre desde File, New File y R Script, tal y como se muestra en la siguiente imagen.

A continuación, se creará una nueva ventana en RStudio, lo que hará que ahora haya 4 ventanas distintas. La siguiente imagen muestra la apariencia original de RStudio en Mac:

Ventanas de trabajo

Vamos a ver brevemente cada opción que podemos hacer en cada una de las ventanas de RStudio (McGrath, 2018):

• Ventana de editor de código. Es donde se escribe y edita los códigos de R en forma de RScript, que es una especie de documento. Haciendo clic sobre RUN se ejecutará todo el código (mostrando los resultados en la Consola de R).

•  Consola de R. Se observan dos pestañas principales:
• Console. Muestra la consola original de R. Desde aquí también se puede introducir instrucciones en R aunque no tiene tanta riqueza de edición como en la ventana de editor de código que acabamos de ver.

• Terminal. Esta es la terminal del sistema operativo. Desde aquí se pueden pedir instrucciones directas al ordenador. Para el análisis de datos, rara vez se realizan instrucciones aquí.

• Espacio de trabajo. Es una ventana auxiliar que contiene varias pestañas:
• Environment (Entorno). Es aquí donde se mostrarán los datos como las variables o las bases de datos cargadas en la sesión.

• History (Historial). Es una lista de los comandos que se hayan ejecutado en la Consola de R. 

• Connections (Conexiones). Permite trabajar conexiones entre los objetos y los datos introducidos.

• Cuaderno. Es una ventana auxiliar que contiene las pestañas:
• Files (Archivos). Navegador que muestra los ficheros del ordendador.

• Plots (Trazos). Desde aquí aparecerán los gráficos y diagramas o tablas que se generen en R.

• Packages (Paquetes). Muestra los paquetes activos o por activar de RStudio.

• Help (Ayuda). Desde aquí se mostrará ayuda técnica de la interfaz de RStudio.

• Viewer (Visualizador). Desde aquí se puede ver en local el contenido html que haya sido escrito en la aplicación.

Fuentes bibliográficas

Referencia en estilo APA-7: 

• McGrath, M. (2018). R for data analysis in easy steps (covers R Programming essentials). In Easy Steps.