C
c() {base}
Descripción | Argumentos |
---|---|
Combina los valores de la variable separados por coma en un vector o lista | Entre paréntesis () se indican los objetos a concatenar |
## [1] 1 2 4 7 2 5
Se combinaron 6 valores en el objeto numeros
. La asignación se realizó de derecha a izquierda empleando el símbolo igual (=
).
## [1] 1.5 2.6 3.5
## [1] 4.5 6.5 6.3
La asignación también se puede realizar empleando el símbolo “<-
” (cuando es de derecha a izquierda) o”->
” (cuando es de izquierda a derecha. En R, se emplea el punto como separador decimal
## [1] 2.97 3.72 3.70 3.59 3.38 3.40 4.71 4.86 3.17 4.79 3.94 3.42 3.28 3.49 3.74
## [16] 4.73 3.95 1.02 1.03 1.30 0.77 0.90 1.27 0.95 0.33 1.01 1.79 0.86 1.41 0.83
## [31] 0.98 0.64 1.18 2.05
En este caso se combinan en el objeto dosvariables
los valores de las variable pH y PT de la Tabla 1: Datos
cbind() {base}
Descripción | Argumentos |
---|---|
Une vectores, matrices o data frames por columnas. Permite combinar varios vectores de la misma longitud por columnas. La función devolverá una matriz con tantas columnas como vectores y tantas filas como elementos tengan los vectores | Entre paréntesis () se indican los vectores, matrices, data frame |
## col1 col2
## [1,] "C1" "2"
## [2,] "C2" "4"
## [3,] "C3" "6"
## [4,] "C4" "9"
ceiling() {base}
Descripción | Argumentos |
---|---|
Redondea números hacia arriba al entero más cercano | x= vector numérico |
## [1] 4
## [1] 6
chisq.test() {stats}
Descripción | Argumentos |
---|---|
Realiza pruebas de tablas de contingencia chi-cuadrado |
|
## A B C
## A 762 327 468
## B 484 239 477
##
## Pearson's Chi-squared test
##
## data: T
## X-squared = 30.07, df = 2, p-value = 2.954e-07
Estadístico (X-squared): el valor del estadístico de la prueba chi-cuadrado.
## X-squared
## 30.07015
Parámetro (parameter): los grados de libertad de la distribución chi-cuadrado.
## df
## 2
p.valor (p.value
) el valor p de la prueba.
## [1] 2.953589e-07
Método (method): una cadena de caracteres que indica el tipo de prueba realizada.
## [1] "Pearson's Chi-squared test"
datos.nombre (data.name): una cadena de caracteres que indica el nombre o nombres de los datos.
## [1] "T"
Observado (observed): los recuentos observados.
## A B C
## A 762 327 468
## B 484 239 477
Esperado (expected): los recuentos esperados bajo la hipótesis nula.
## A B C
## A 703.6714 319.6453 533.6834
## B 542.3286 246.3547 411.3166
class() {base}
Descripción |
---|
Permite verificar la clase del objeto |
## [1] "numeric"
pH
es un objeto de tipo “numeric
”
Se podría haber llamado al objeto vectorial con cualquier otra denominación. Lo importante es utilizar nombres claros y descriptivos que permitan identificar rápidamente qué contiene el objeto. Los nombres de los objetos pueden incluir letras, números (siempre y cuando estén precedidos por una letra), guión bajo y puntos (antes o después de las letras). No se pueden utilizar símbolos especiales (“*”, “:”, “-”, “~”,“$”, entre otros) en la denominación de un objeto.
coef() {stats}
Descripción | Argumentos |
---|---|
Extrae coeficientes del modelo de los objetos devueltos por funciones de modelado | object= un objeto para el cual la extracción de coeficientes del modelo es significativa |
x = c(1038,1039,958,962,1067,960,1099,1033,975,1002,1228,1076)
y = c(391,300,352,317,221,337,521,154,483,269,549,356)
modelo = lm(y~x)
coef(object = modelo)
## (Intercept) x
## -334.9598793 0.6649126
colnames() {base}
Descripción | Argumentos |
---|---|
Muestra los nombres de las columnas de un objeto de datos, como un data frame o una matriz | x= objeto R |
## [1] "Departamento" "Variedad" "Brix" "pH"
## [5] "AT" "PT" "Caracterización"
contrast() {emmeans}
¡Atención!
Instalar el paquete emmeans para hacer uso de la función contrast.
Para ello utilizar el siguiente código:
install.packages("emmeans")
Descripción | Argumentos |
---|---|
Realiza análisis de contrastes o comparaciones por pares |
|
#Importación de datos
datos.c = data.frame(
CO2 = factor(
rep(
c("0.0","0.083","0.29","0.50","0.86"),
each = 10
)
),
respuesta = c(
62.6,59.6,64.5,59.3,58.6,64.6,50.9,56.2,52.3,62.8,
50.9,44.3,47.5,49.5,48.5,50.4,35.2,49.9,42.6,41.6,
45.5,41.1,29.8,38.3,40.2,38.5,30.2,27.0,40.0,33.9,
29.5,22.8,19.2,20.6,29.2,24.1,22.6,32.7,24.4,29.6,
24.9,17.2,7.8,10.5,17.8,22.1,22.6,16.8,15.9,8.8
)
)
#Construcción del modelo
modelo.c = lm(respuesta ~ CO2, data = datos.c)
#Objeto emmGrid
library(emmeans)
medias.modelo.c=emmeans(object = modelo.c,
specs = ~CO2)
class(medias.modelo.c)
## [1] "emmGrid"
## attr(,"package")
## [1] "emmeans"
#Definición de los contrastes
c1 = c(4,-1,-1,-1,-1)
c2 = c(0,3,-1,-1,-1)
c3 = c(0,0,2,-1,-1)
c4 = c(0,0,0,1,-1)
contrastes.c = list(c1, c2, c3,c4)
#contrast()
library(emmeans)
contrast(object = medias.modelo.c,
contrastes.c)
## contrast estimate SE df t.ratio p.value
## c(4, -1, -1, -1, -1) 112.16 7.45 45 15.060 <.0001
## c(0, 3, -1, -1, -1) 59.76 5.77 45 10.359 <.0001
## c(0, 0, 2, -1, -1) 30.99 4.08 45 7.597 <.0001
## c(0, 0, 0, 1, -1) 9.03 2.36 45 3.834 0.0004
cor.test() {stats}
Descripción | Argumentos |
---|---|
Realiza la prueba de hipótesis para estimar 𝜌. Devuelve los valores del estadístico t, sus grados de libertad, el p-valor asociado, el intervalo de confianza (por defecto a un nivel de confianza del 95%) y r |
|
x = c(1038,1039,958,962,1067,960,1099,1033,975,1002,1228,1076)
y = c(391,300,352,317,221,337,521,154,483,269,549,356)
cor.test(x = x ,
y = y ,
alternative = "greater")
##
## Pearson's product-moment correlation
##
## data: x and y
## t = 1.5272, df = 10, p-value = 0.07885
## alternative hypothesis: true correlation is greater than 0
## 95 percent confidence interval:
## -0.0822048 1.0000000
## sample estimates:
## cor
## 0.4348756
crossprod() {base}
Descripción | Argumentos |
---|---|
Efectúa una suma de productos entre dos objetos R |
|
## [,1]
## [1,] 46
## [1] 46
cumsum() {base}
Descripción | Argumentos |
---|---|
Devuelve el vector suma acumulada, a partir de otro vector numérico | x= vector numérico |
## [1] 2 8 12 21
cut() {base}
Descripción | Argumentos |
---|---|
Divide el rango de un vector en intervalos, y clasifica a cada elemento del vector en función del intervalo en el que caen |
|
## [1] [2.5,3.1] (3.7,4.3] (3.1,3.7] (3.1,3.7] (3.1,3.7] (3.1,3.7] (4.3,4.9]
## [8] (4.3,4.9] (3.1,3.7] (4.3,4.9] (3.7,4.3] (3.1,3.7] (3.1,3.7] (3.1,3.7]
## [15] (3.7,4.3] (4.3,4.9] (3.7,4.3]
## Levels: [2.5,3.1] (3.1,3.7] (3.7,4.3] (4.3,4.9]
# Formato tabla
table(cut(pH,
breaks = seq(2.5,5,0.6), # Cortes arbitrarios
right = TRUE,
include.lowest = TRUE))
##
## [2.5,3.1] (3.1,3.7] (3.7,4.3] (4.3,4.9]
## 1 8 4 4