S

s_agrupada() {resumiR}

¡Atención!
Instalar el paquete resumiR para hacer uso de la función s_agrupada. 

Para ello utilizar el siguiente código:

install.packages("resumiR")

Descripción Argumentos

Devuelve la tabla de frecuencias de una serie univariada de datos numéricos enteros o continuos. En el caso de datos de tipo continuo, es posible especificar los límites y la amplitud de los intervalos de clase. Por defecto, construye los intervalos de clase cerrados por derecha, con la regla de Sturges

Descripción	Argumentos
Devuelve la tabla de frecuencias de una serie univariada de datos numéricos enteros o continuos. En el caso de datos de tipo continuo, es posible especificar los límites y la amplitud de los intervalos de clase. Por defecto, construye los intervalos de clase cerrados por derecha, con la regla de Sturges	x = vector numérico de tipo `"integer"` ó `"numeric"` decimales = el número de posiciones decimales de los resultados. Por defecto es 1. li = límite inferior del primer intervalo de clase, para datos de tipo `"numeric"` ls = límite superior del intervalo de clase superior, para datos de tipo `"numeric"` a = amplitud del intervalo de clase, para datos de tipo `"numeric"` derecha = si los intervalos de clase son cerrados por derecha, para datos de tipo `"numeric"`. Por defecto es `TRUE` grafico = texto indicando el tipo de gráfico a realizar: frecuencias simples, acumuladas o ambas. Los valores posibles son “ninguno”, “fs” y “fa”. Por defecto es “ninguno” frec = texto indicando tipo de frecuencia a utilizar en caso de realizar un gráfico. Los valores posibles son “absoluta” y “relativa”. Por efecto es “absoluta” pf = Sí es `TRUE`, devuelve el polígono de frecuencias en lugar del histograma de frecuencias, cuando x es continua. Por defecto es `FALSE`

x = vector numérico de tipo "integer" ó "numeric"

decimales = el número de posiciones decimales de los resultados. Por defecto es 1.

li = límite inferior del primer intervalo de clase, para datos de tipo "numeric"

ls = límite superior del intervalo de clase superior, para datos de tipo "numeric"

a = amplitud del intervalo de clase, para datos de tipo "numeric"

derecha = si los intervalos de clase son cerrados por derecha, para datos de tipo "numeric". Por defecto es TRUE

grafico = texto indicando el tipo de gráfico a realizar: frecuencias simples, acumuladas o ambas. Los valores posibles son “ninguno”, “fs” y “fa”. Por defecto es “ninguno”

frec = texto indicando tipo de frecuencia a utilizar en caso de realizar un gráfico. Los valores posibles son “absoluta” y “relativa”. Por efecto es “absoluta”

pf = Sí es TRUE, devuelve el polígono de frecuencias en lugar del histograma de frecuencias, cuando x es continua. Por defecto es FALSE

library(resumiR)
# Vector numérico
AT = c(6.05,2.32,2.18,3.08,4.83,6.52,1.06,0.96,5.61,2.12,3.31,7.53,6.28,6.52,2.99,0.87,4.71)
# Tipo de clase 
class(AT)

## [1] "numeric"

# Como es "numeric" definimos valor mínimo y máximo
min(AT)

## [1] 0.87

max(AT)

## [1] 7.53

# Sin establecer li, ls y a
tabla_sin = s_agrupada(x = AT)
tabla_sin$`Tabla de frecuencias`

## # A tibble: 6 × 6
##   Clase        mc    fi   fri    Fi   Fri
##   <chr>     <dbl> <int> <dbl> <int> <dbl>
## 1 [0,9 - 2]   1.4     3   0.2     3   0.2
## 2 (2 - 3]     2.5     5   0.3     8   0.5
## 3 (3 - 4]     3.6     1   0.1     9   0.5
## 4 (4 - 5]     4.8     2   0.1    11   0.6
## 5 (5 - 6]     5.9     3   0.2    14   0.8
## 6 (6 - 8]     7       3   0.2    17   1

# Se define li, ls y a
tabla_con = s_agrupada(x = AT,
                       li = 0.80, ls = 8, a = 1.2)
tabla_con$`Tabla de frecuencias`

## # A tibble: 6 × 6
##   Clase        mc    fi   fri    Fi   Fri
##   <chr>     <dbl> <int> <dbl> <int> <dbl>
## 1 [0,8 - 2]   1.4     3   0.2     3   0.2
## 2 (2 - 3]     2.6     5   0.3     8   0.5
## 3 (3 - 4]     3.8     1   0.1     9   0.5
## 4 (4 - 6]     5       2   0.1    11   0.6
## 5 (6 - 7]     6.2     5   0.3    16   0.9
## 6 (7 - 8]     7.4     1   0.1    17   1

tabla_con_graf = s_agrupada(x = AT,
                            li = 0.80, ls = 8, a = 1.2,
                            grafico = "fs")
tabla_con_graf$Grafico

s_simple() {resumiR}

¡Atención!
Instalar el paquete resumiR para hacer uso de la función s_simple. 

Para ello utilizar el siguiente código:

install.packages("resumiR")

Descripción Argumentos

Devuelve medidas de resumen univariadas de los datos numéricos ingresados, discretos o continuos, como series simples. Permite graficar la serie por medio de un gráfico de cajas y bigotes

Descripción	Argumentos
Devuelve medidas de resumen univariadas de los datos numéricos ingresados, discretos o continuos, como series simples. Permite graficar la serie por medio de un gráfico de cajas y bigotes	x = vector numérico de tipo `"integer"` ó `"numeric"` decimales = el número de posiciones decimales de los resultados. Por defecto es 1 recorte = proporción de recorte unilateral de la serie ordenada para la estimación de la media recortada; el máximo valor admitido es 0.25. Por defecto es 0.1 percenteiles = vector numérico de probabilidades acumuladas para el cálculo de percentiles. Por defecto 0.25, 0.5, 0.75 boxplot = Sí es `TRUE` devuelve el gráfico de cajas. Por defecto es `FALSE`

x = vector numérico de tipo "integer" ó "numeric"

decimales = el número de posiciones decimales de los resultados. Por defecto es 1

recorte = proporción de recorte unilateral de la serie ordenada para la estimación de la media recortada; el máximo valor admitido es 0.25. Por defecto es 0.1

percenteiles = vector numérico de probabilidades acumuladas para el cálculo de percentiles. Por defecto 0.25, 0.5, 0.75

boxplot = Sí es TRUE devuelve el gráfico de cajas. Por defecto es FALSE

library(resumiR)
AT = c(6.05,2.32,2.18,3.08,4.83,6.52,1.06,0.96,5.61,2.12,3.31,7.53,6.28,6.52,2.99,0.87,4.71)
resultados = s_simple(x = AT, recorte = 0.05, boxplot = TRUE)
medidas = resultados$Medidas

View(medidas)

Medida	Valor
n0	17.0
n	17.0
Omitidos	0.0
Infinitos	0.0
Media	3.9
Media recortada al 5%	3.9
Min.	0.9
Max.	7.5
25%	2.2
50%	3.3
75%	6.0
Varianza muestral	4.9
Desviación típica muestral	2.2
CV	56.1
ee	0.5
Rango	6.7
RI	3.9
Asimetría (momentos)	0.1
Curtosis (momentos)	1.6
Atipicos	0.0
Extremos	0.0

resultados$Boxplot

sample() {base}

Descripción	Argumentos
Permite realizar muestreos aleatorios	x = un vector de uno o más elementos entre los que elegir, o un número entero postivo size = un n° entero no negativo que indica el número de elementos a elegir replace = ¿el muestreo debe ser con reemplazo?

Permite realizar muestreos aleatorios

x = un vector de uno o más elementos entre los que elegir, o un número entero postivo

size = un n° entero no negativo que indica el número de elementos a elegir

replace = ¿el muestreo debe ser con reemplazo?

sample(x= letters[1:5],
       size = 4,
       replace = TRUE)

## [1] "c" "c" "a" "d"

scheffe.test() {agricolae}

¡Atención!
Instalar el paquete agricolae para hacer uso de la función scheffe.test. 

Para ello utilizar el siguiente código:

install.packages("agricolae")

Descripción	Argumentos
Realiza la prueba Scheffe	y = modelo (aov o lm) trt = tratamiento del modelo alpha = nivel de significancia group = TRUE o FALSE console = TRUE (sí se quiere ver la salida en la consola) o FALSE

#El modelo corresponde al planteado en la función duncan.test()
library(agricolae)
scheffe = scheffe.test(
  y = modelo.d,
  trt = "Tratamiento",
  alpha = 0.05,
  group = TRUE,
  console = TRUE)

## 
## Study: modelo.d ~ "Tratamiento"
## 
## Scheffe Test for Duración 
## 
## Mean Square Error  : 0.08227 
## 
## Tratamiento,  means
## 
##               Duración       std  r         se  Min  Max    Q25   Q50    Q75
## defilippii       0.916 0.2859371 10 0.09070281 0.56 1.45 0.7525 0.825 0.9750
## loyca            1.323 0.3469246 10 0.09070281 0.86 1.86 1.0350 1.370 1.4450
## superciliaris    1.194 0.2114080 10 0.09070281 0.82 1.46 1.0600 1.210 1.3725
## 
## Alpha: 0.05 ; DF Error: 27 
## Critical Value of F: 3.354131 
## 
## Minimum Significant Difference: 0.3322315 
## 
## Means with the same letter are not significantly different.
## 
##               Duración groups
## loyca            1.323      a
## superciliaris    1.194     ab
## defilippii       0.916      b

sd() {stats}

Descripción
Calcula el desvío estándar de un conjunto de datos

sd(datos$pH)

## [1] 0.60377

select() {dplyr}

¡Atención!
Instalar el paquete dplyr para hacer uso de la función select. 

Para ello utilizar el siguiente código:

install.packages("dplyr")

Descripción
Selecciona variables en un marco de datos, utilizando un minilenguaje conciso que facilita la referencia a las variables según su clasificación (categóricas o numéricas)

colnames(datos)

## [1] "Departamento"    "Variedad"        "Brix"            "pH"             
## [5] "AT"              "PT"              "Caracterización"

# Seleccionar variables por su nombre
library(tidyverse)
library(dplyr)
datos %>% 
  select(Brix)

##    Brix
## 1  10.5
## 2  10.0
## 3  11.0
## 4   8.0
## 5  17.0
## 6  10.0
## 7  12.0
## 8  15.0
## 9   9.0
## 10 16.0
## 11 10.0
## 12 12.0
## 13  9.0
## 14 12.0
## 15 14.5
## 16 12.0
## 17 16.0

Seleccione varias variables separándolas con comas. Observe cómo el orden de las columnas está determinado por el orden de las entradas:

datos %>% 
  select(pH, Departamento)

##      pH Departamento
## 1  2.97      Tumbaya
## 2  3.72      Tumbaya
## 3  3.70      Tumbaya
## 4  3.59      Tumbaya
## 5  3.38    Humahuaca
## 6  3.40    Humahuaca
## 7  4.71    Humahuaca
## 8  4.86    Humahuaca
## 9  3.17    Humahuaca
## 10 4.79    Humahuaca
## 11 3.94    Humahuaca
## 12 3.42    Humahuaca
## 13 3.28    Humahuaca
## 14 3.49    Humahuaca
## 15 3.74    Humahuaca
## 16 4.73    Humahuaca
## 17 3.95    Humahuaca

seq() {base}

Descripción	Argumentos
Generar secuencias regulares	from = valor inicial de la secuencia to = valor final de la secuencia by = ¿cada cuánto se incrementa la secuencia?

Generar secuencias regulares

from = valor inicial de la secuencia

to = valor final de la secuencia

by = ¿cada cuánto se incrementa la secuencia?

seq(from = 24, to = 50, by = 6)

## [1] 24 30 36 42 48

set.seed() {base}

Descripción	Argumentos
Genera números aleatorios	seed = un valor único, interpretado como un entero, o NULL

#Creación de 10 valores aleatorios con set.seed()
set.seed(seed = 3)
rnorm(n = 10)

##  [1]  0.5923025  0.2886310 -0.9557791  0.7484320 -0.4597529  0.0983391
##  [7]  0.7095290 -1.1960426 -2.3115612 -0.7886402

#Creación de 10 valores aleatorios sin set.seed()
numeros = rnorm(n = 10)
numeros

##  [1]  0.04360146 -0.82151149 -0.10486316  0.22540480  0.12635188  0.27743014
##  [7]  0.56331893 -0.26021739  0.31437626 -1.78086737

#Creación de 10 valores aleatorios con set.seed()
set.seed(seed = 3)
numeros = rnorm(n = 10)
numeros

##  [1]  0.5923025  0.2886310 -0.9557791  0.7484320 -0.4597529  0.0983391
##  [7]  0.7095290 -1.1960426 -2.3115612 -0.7886402

shapiro.test() {stats}

Descripción	Argumentos
Realiza la prueba de normalidad de Shapiro-Wilk. La hipótesis nula es que los datos se distribuyen normalmente	x = vector numérico de valores de datos

modelo = lm (pH ~ Departamento, datos)
shapiro.test(resid(modelo))

## 
##  Shapiro-Wilk normality test
## 
## data:  resid(modelo)
## W = 0.89194, p-value = 0.04988

skewness() {moments}

¡Atención!
Instalar el paquete moments para hacer uso de la función skewness. 

Para ello utilizar el siguiente código:

install.packages("moments")

Descripción
Calcula la asimetría de un conjunto de datos

library(moments) #Primero llamar al paquete
skewness(datos$pH)

## [1] 0.6679828

sort() {base}

Descripción Argumentos

Ordena una secuencia de vector tipo numérico

Descripción	Argumentos
Ordena una secuencia de vector tipo numérico	decreasing = `TRUE` (Ordena de mayor a menor); `FALSE` (Ordena de menor a mayor) Sí no se especifica este argumento por defecto ordena la serie en forma ascendente (`FALSE`)

decreasing = TRUE (Ordena de mayor a menor);

FALSE (Ordena de menor a mayor)

Sí no se especifica este argumento por defecto ordena la serie en forma ascendente (FALSE)

a = c(2,6,1,5,4)
sort(a, decreasing = TRUE) #Serie en forma descendente

## [1] 6 5 4 2 1

a = c(2,6,1,5,4)
sort(a, decreasing = FALSE)#Serie en forma ascendente

## [1] 1 2 4 5 6

a = c(2,6,1,5,4)
sort(a)                    #Serie en forma ascendente por defecto

## [1] 1 2 4 5 6

sqrt() {base}

Descripción
Calcula la raíz cuadrada de x

sqrt(25)

## [1] 5

stat_pvalue_manual() {ggpubr}

¡Atención!
Instalar el paquete ggpubr para hacer uso de la función stat_pvalue_manual. 

Para ello utilizar el siguiente código:

install.packages("ggpubr")

Descripción	Argumentos
Añade manualmente valores p a un ggplot	data = data.frame que contiene los resultados de pruebas estadísticas hide.ns = Si es `TRUE`, oculta el símbolo ns al mostrar los niveles de significación

Ejemplo práctico disponible en letra G, función ggboxplot() {ggpubr}

stepfun() {stats}

Descripción	Argumentos
Permite crear funciones escalonadas. Una función escalonada es una función matemática que toma un valor constante dentro de intervalos específicos y cambia instantáneamente su valor en los límites de estos intervalos	x = es un vector que especifica los puntos de quiebre de la función escalonada y = es un vector que especifica los valores que toma la función dentro de cada intervalo

x = c(1,2,3,4)
y = c(7,5,3,4,1)
a = stepfun(x, y)
print(a)

## Step function
## Call: stepfun(x, y)
##  x[1:4] =      1,      2,      3,      4
## 5 plateau levels =      7,      5,      3,      4,      1

plot(a,
     main = "Gráfico escalonado")

str() {utils}

Descripción
Muestra la estructura de una base de datos. Indica el número de filas, columnas y el nombre de las variables

str(datos)

## 'data.frame':    17 obs. of  7 variables:
##  $ Departamento   : Factor w/ 2 levels "Humahuaca","Tumbaya": 2 2 2 2 1 1 1 1 1 1 ...
##  $ Variedad       : chr  "Granny Smith" "Red Delicius" "Red Delicius" "Red Delicius" ...
##  $ Brix           : num  10.5 10 11 8 17 10 12 15 9 16 ...
##  $ pH             : num  2.97 3.72 3.7 3.59 3.38 3.4 4.71 4.86 3.17 4.79 ...
##  $ AT             : num  6.05 2.32 2.18 3.08 4.83 6.52 1.06 0.96 5.61 2.12 ...
##  $ PT             : num  1.02 1.03 1.3 0.77 0.9 1.27 0.95 0.33 1.01 1.79 ...
##  $ Caracterización: chr  "Acidulado" "Dulce" "Dulce" "Dulce" ...

sum() {base}

Descripción
Realiza la operación suma. Su equivalente es el +. Los dos procedimientos son equivalentes

1+2+3+4+5

## [1] 15

sum(1:5)

## [1] 15

summarise() {dplyr}

¡Atención!
Instalar el paquete dplyr para hacer uso de la función summarise. 

Para ello utilizar el siguiente código:

install.packages("dplyr")

Descripción
Crea un nuevo marco de datos. Devuelve una fila por cada combinación de variables de agrupación. Si no hay variables de agrupación, la salida tendrá una sola fila que resumirá todas las observaciones en la entrada. Contendrá una columna para cada variable de agrupación y una columna para cada una de las estadísticas de resumen que haya especificado

library(dplyr)
datos %>% 
  group_by(Departamento) %>% 
  summarise(Media.AT = mean(AT),
            Media.pH = mean(pH),
            Media.PT = mean(PT))

## # A tibble: 2 × 4
##   Departamento Media.AT Media.pH Media.PT
##   <fct>           <dbl>    <dbl>    <dbl>
## 1 Humahuaca        4.10     3.91     1.09
## 2 Tumbaya          3.41     3.50     1.03

summary() {base}

Descripción
Permite obtener un agregado de medidas de tendencia central

summary(datos)

##     Departamento   Variedad              Brix            pH       
##  Humahuaca:13    Length:17          Min.   : 8.0   Min.   :2.970  
##  Tumbaya  : 4    Class :character   1st Qu.:10.0   1st Qu.:3.400  
##                  Mode  :character   Median :12.0   Median :3.700  
##                                     Mean   :12.0   Mean   :3.814  
##                                     3rd Qu.:14.5   3rd Qu.:3.950  
##                                     Max.   :17.0   Max.   :4.860  
##        AT              PT        Caracterización   
##  Min.   :0.870   Min.   :0.330   Length:17         
##  1st Qu.:2.180   1st Qu.:0.860   Class :character  
##  Median :3.310   Median :1.010   Mode  :character  
##  Mean   :3.938   Mean   :1.078                     
##  3rd Qu.:6.050   3rd Qu.:1.270                     
##  Max.   :7.530   Max.   :2.050