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

numeros = c(1,2,4,7,2,5)
numeros

## [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 (=).

n <- c(1.5,2.6,3.5)
n

## [1] 1.5 2.6 3.5

c(4.5,6.5,6.3) -> n
n

## [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

dosvariables = c(datos$pH,datos$PT)
dosvariables

##  [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 = c("C1","C2","C3","C4")
col2 = c(2,4,6,9)
cbind(col1,col2)

##      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

x = 3.14
ceiling(x= x)

## [1] 4

ceiling(5.6)

## [1] 6

chisq.test() {stats}

Descripción	Argumentos
Realiza pruebas de tablas de contingencia chi-cuadrado	x = vector numérico o matriz

#Crear una tabla
T = as.table(rbind(c(762, 327, 468), c(484, 239, 477)))
T

##     A   B   C
## A 762 327 468
## B 484 239 477

#Función chisq.test
Xsq = chisq.test(x = T)
Xsq

## 
##  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.

Xsq$statistic

## X-squared 
##  30.07015

Parámetro (parameter): los grados de libertad de la distribución chi-cuadrado.

Xsq$parameter

## df 
##  2

p.valor (p.value) el valor p de la prueba.

Xsq$p.value

## [1] 2.953589e-07

Método (method): una cadena de caracteres que indica el tipo de prueba realizada.

Xsq$method

## [1] "Pearson's Chi-squared test"

datos.nombre (data.name): una cadena de caracteres que indica el nombre o nombres de los datos.

Xsq$data.name

## [1] "T"

Observado (observed): los recuentos observados.

Xsq$observed

##     A   B   C
## A 762 327 468
## B 484 239 477

Esperado (expected): los recuentos esperados bajo la hipótesis nula.

Xsq$expected

##          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

class(datos$pH)

## [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

colnames(x= datos) # Nombre de las columnas de la Tabla 1: datos

## [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	object = objeto de clase emmGrid objeto que contiene los contrastes a comparar

#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 = vectores numéricos de valores de datos y = vectores numéricos de valores de datos x e y deben tener la misma longitud alternative = una cadena de caracteres que especifica la hipótesis alternativa. "two.sided" (por defecto), prueba bilateral, "greater" (prueba unilateral por derecha) o "less" (prueba unilateral por izquierda). Puede especificar sólo la letra inicial

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	x = vector numérico y = vector numérico

x = c(1,5,6)
y = c(2,4,4)
crossprod(x,y) #Opción 1

##      [,1]
## [1,]   46

sum(x*y)       #Opción 2

## [1] 46

cumsum() {base}

Descripción	Argumentos
Devuelve el vector suma acumulada, a partir de otro vector numérico	x = vector numérico

x = c(2,6,4,9)
cumsum(x = x)

## [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	x = vector numérico breaks = es un vector numérico incluyendo los “cortes” de cada intervalo right = TRUE o FALSE. Indica si los intervalos son cerrados por derecha include.lowest = TRUE o FALSE. Cuando es TRUE, el primer intervalo de clase es cerrado por izquierda. Por defecto es FALSE

cut(datos$pH,
    breaks = seq(2.5,5,0.6), # Cortes arbitrarios
    right = TRUE,
    include.lowest = TRUE)

##  [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(datos$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