Anexo 2.

Tabla resumen comandos R (estadística univariada)

Concepto Comando
Crear objeto x x <- 10
Definir datos (X <- c(1,2,3,4,5,6))
1:10
Leer ficheros SPSS Cargar librería foreign
library(foreign)
practica = [Link]("[Link]", [Link]=TRUE)
Calcular media de X mean(X)
Calcular varianza de X var(X)
Calcular desviación típica de X sd(X); sqrt(var(X))
Calcular Coeficiente de Variación para edad CV_edad = (sd(practica$edad)/mean(practica$edad)) * 100
Representaciones gráficas
Diagrama de barras barplot(X)
Histograma hist(X)
Diagrama de sectores pie(X)
Diagrama de cajas boxplot(X)
Diagrama de cajas (por grupos) boxplot(practica$estatura ~ practica$fumar)

Resumir estadísticos summary(X)

Analizar solo una variable (media para edad) mean(practica$edad)
Estadísticos solo para una variable (edad) summary(practica$edad)
Distribuciones de frecuencias para edad
Elaborar tablas con frecuencias absolutas t1 = table(practica$edad)
Elaborar tablas con frecuencias relativas t2 = [Link](t1)
Colocar t1 y t2 en una sola tabla [Link](t2)
Elaborar tablas con frecuencias absolutas acumuladas t3 = cumsum(t1)
Elaborar tablas con frecuencias relativas acumuladas t4 = cumsum(t2)
Elaborar Tabla de frecuencias completa [Link](t1, t3, t2, t4)
Centiles (C10, C25, C50, C75 y C90 para edad) quantile(practica$edad, c(.10, .25, .50, .75, .90))
Hacer análisis para varones y mujeres por separado aggregate(practica$edad, by=list(practica$genero), mean)
(similar a “segmentar archivo” en SPSS) aggregate(practica$edad, by=list(practica$genero), sd)
Asimetría y Curtosis Cargar librería moments
library(moments)
skewness(practica$edad)
kurtosis(practica$edad)
Seleccionar casos “solo varones”
(similar a “filtrar” casos en SPSS) practica2 <- [Link](practica, genero=="Varon")

Puntuaciones típicas zedad <- (practica$edad - mean(practica$edad)) /

Xi X sd(practica$edad)
zi  print(zedad)
SX
Escalas derivadas Tedad <- zedad * 10 + 50
Ti  a  zi  b print(Tedad)
Ejemplo para T = 10 * z + 50 (para edad)
Frecuencia absoluta en función de dos parámetros aggregate(practica$inteli,by=list(practica$gen
ero), table)
Pedir los valores de un vector Zestatura[c(5,10,15)]

Nota: todos los ejemplos de la tabla hacen referencia al archivo [Link] del anexo 1.
Anexo 2. Tabla resumen comandos R (estadística univariada)
 Anexo 3. Tabla resumen comandos R (estadística bivariada)

Concepto Comando
Correlación de Pearson cor(notas$nota09, notas$nota10)
Covarianza cov(notas$nota09, notas$nota10)
Diagrama de dispersión plot(notas$nota09, notas$nota10)

Matriz de correlaciones, R cor(practica[, c("extra", "respon", "emocio", "sincer")])

Matriz de Covarianzas, S cov(practica[, c("extra", "respon", "emocio", "sincer")])

Matriz R solo para mujeres cor(subset(practica, genero== "Mujer")[, c("extra",

"respon", "emocio", "sincer")])
Diagrama de dispersión conjunto plot(practica[, c("extra", "respon", "emocio", "sincer")])

Combinaciones lineales de 3 variables T <- X + Y +Z

(y sus propiedades: media y varianza) mean(T)
var(T)
Regresión lineal simple regresion <- lm(peso ~ estatura, data = practica)
Y’i = A + B · Xi summary(regresion) # VD es peso y VI estatura

Gráfico de regresión (con línea superpuesta) plot(practica$estatura, practica$peso, main = "Regresión

Peso sobre Estatura", xlab = "estatura", ylab = "peso")
regresión<-lm(emocio~respon,data=practica)
abline(regresion)
Predicciones del modelo de regresión (Y’i) pre <- predict(regresion, [Link](practica))

Residuos del modelo (Yi – Y’i) res <- resid(regresion)

Descomposición de la varianza del criterio var(practica$peso) # varianza de la VD
2 2 2
S Y =S Y’ +S Y·X var(pre) # varianza explicada
var(res) # varianza no explicada

Tablas de contingencia (frecuencias absolutas) tc <- ftable(practica$genero,practica$fumar)

Añadir marginales addmargins(tc)
addmargins([Link](tc))
Tablas de contingencia (frecuencias relativas [Link](tc)
conjuntas)
Tablas de contingencia (frecuencias relativas [Link](tc,1)
condicionales por filas)
Tablas de contingencia (frecuencias relativas [Link](tc,2)
condicionales por columnas)
Gráfico de barras para Tabla de Contingencia barplot(tc, main = "Grafica Tabaquismo y Genero", xlab =
"Mujer: negro, Varon: gris", ylab = "frecuencias")

Nota: todos los ejemplos de la tabla hacen referencia al archivo [Link] del anexo 1.

179
Anexo 4. Tabla resumen comandos R (Probabilidad)

Concepto Comando
Definir Binomial Xb <- seq(0, 12, by = 1)
Ejemplo X ~ B(12; 0,20) fb <- dbinom(Xb, 12, .20)
barplot(fb)
Función de probabilidad para una Binomial (dbinom(0, 12, .20)) # f(0) en una B(12; 0,20)
Función de distribución para una Binomial (pbinom(5, 12, .20)) # F(5) en una B(12; 0,20)

Área derecha para una Binomial (pbinom(5, 12, .20, [Link]=FALSE)) # 1-F(5)
Área comprendida entre 2 valores en una Binomial sum(dbinom(2:4, 12, .20))
Valor de x para una Binomial conocida F(x) = p (qbinom(p, 12, .20)) # Valor de X que corresponde al
F(x) = p en una B(12; 0,20)

Definir Normal x <- seq(-3, 3, by=0.01)

Función de densidad y representación gráfica de la f <- dnorm(x)
Campana de Gauss plot(x, f, type="l", lwd=1.5)
Función de densidad de probabilidad para una x <- seq(70, 130, by=0.1) # Generar valores entre 70 y
N(100; 15) 130 en intervalos de 0.1 puntos
f1 <- dnorm(x, mean=100, sd=15) # Función de densidad
Función de distribución para una z de una Normal pnorm(z) # requiere definir antes la z
También puede hacerse con:
pnorm(X, , ) # se pone directamente la Xi, la  y la 
Área derecha para una z de una Normal pnorm(z, [Link]=FALSE)
Valor de la z según F(x) = p en una Normal qnorm(p) # z para F(x) = p
qnorm(p, [Link]=FALSE) # z para 1 - F(x) = p
Definir una Chi-cuadrado con k grados de libertad x2 <- seq(0, 60, by=0.1)
Función de densidad y representación gráfica f1c <- dchisq(x2, 10)
para una 210 plot(x2, f1c, type="l", lwd=1.5, ylim=c(0, 0.10),
ylab="densidad")
Función de distribución para 210= 3,94 pchisq(3.94, 10)
Área derecha para 210= 3,94 pchisq(3.94, 10, [Link]=FALSE)
Valor de la 2 según una F(x) = p qchisq(p, k)
k

Definir una t de Student con k grados de libertad T <- seq(-3, 3, by=0.1)

Función de densidad y representación gráfica f1t <- dt(T, 10)
para una t10 plot(T, f1t, type="l", lwd=1.5, ylim=c(0, 0.40),
ylab="densidad")
Función de distribución para t10 = 2 pt(2, 10)
Área derecha para t10 = 2 pt(2, 10, [Link]=FALSE)
Valor de la tk según una F(x) = p qt(p, k)

Definir F de Snedecor con m y n grados de libertad F <- seq(0, 5, by=0.1)

Función de densidad y representación gráfica f1f <- df(F, 5, 15)
para una F5,15 plot(F, f1f, type="l", lwd=1.5, ylim=c(0, 0.99),
ylab="densidad")
Función de distribución para F10,15 = 2,544 pf(2.544, 10, 15)
Área derecha para F10,15 = 2,544 pf(2.544, 10,15), [Link]=FALSE)
Valor de la Fm, n según una F(x) = p qf(p, 10, 15)

180