##
## Pairwise comparisons using Wilcoxon rank sum test with continuity correction
##
## data: data.kruskal$MOT and data.kruskal$afluentes
##
## Archibarca Cerro Overo
## Cerro Overo 0.00023 -
## Rosario 0.02044 2.2e-06
##
## P value adjustment method: bonferroni
paste() {base}
Descripción
Argumentos
Concatena vectores después de convertirlos en caracteres
… = dos o más objetos R luego de convertir los objetos en caracter
sep = indica de qué manera se separan los elementos de los objetos
collapse = indica de qué manera se separan los resultados obtenidos de la concatenación
paste(... =c("MA","RI","A"), c("RIA","TA","NA"))
## [1] "MA RIA" "RI TA" "A NA"
En este ejemplo hay dos objetos R y se obtiene una salida con tres nombres. Los nombres (resultados obtenidos) están separados por comillas (““) y los elementos de los objetos por un espacio en blanco ( )
En este ejemplo se utilizaron 3 objetos y los resultados están separados por un guión
pbinom() {stats}
Descripción
Argumentos
Calcula la función de probabilidad acumulada
q = el valor de x para el cual se desea estimar la probabilidad acumulada
size = el tamaño de la muestra
prob = la probabilidad de “éxito”
lower.tail = TRUE o FALSE. Por defecto, devuelve la probabilidad acumulada por izquierda (TRUE)
x =3n =6p =0.13pbinom(q = x,size = n, prob = p, lower.tail = T)
## [1] 0.9965587
#Probabilidad acumulada por izquierdapbinom(q = x,size = n, prob = p, lower.tail = F)
## [1] 0.003441315
#Probabilidad acumulada por derecha
pchisq() {stats}
Descripción
Argumentos
Calcula la función de probabilidad acumulada
q = vector de cuantiles
df = grados de libertad
lower.tail = TRUE o FALSE. Por defecto, devuelve la probabilidad acumulada por izquierda (TRUE)
pchisq(1, df =3)
## [1] 0.198748
pchisq(1, 3, lower.tail = F)
## [1] 0.801252
plot() {graphics}
Descripción
Argumentos
Permite realizar gráficos en R
x = las coordenadas x de los puntos del gráfico
y = las coordenadas y de los puntos del gráfico
type = indicar el tipo de gráfico
main = título del gráfico
xlab = título para el el eje x
ylab = título para el eje y
cex.main = tamaño de texto del título
cex.lab = tamaño de etiquetas en ejes
Cuando type = ...
"p" para puntos,
"l" para líneas,
"b" para ambos,
"c" para la parte de líneas solo de "b",
"o" para ambos 'sobretrazados',
"h" para líneas verticales tipo "histograma" (o "alta densidad"),
"s" para escalones,
"n" para no trazar.
Devuelve la probabilidad acumulada hasta un determinado valor de q
q = cuantil o valor de la variable cuya probabilidad acumulada se desea conocer
lower.tail = TRUE o FALSE. Por defecto, devuelve la probabilidad acumulada por izquierda (TRUE)
mean = es el valor de la media. Por defecto mean=0
sd = es el valor del desvío estándar. Por defecto, sd=1
media =27210sigma =3000x =28000pnorm(q = x, mean = media, sd = sigma, lower.tail =FALSE) # Probabilidad acumulada por derecha
## [1] 0.3961468
pnorm(q = x, mean = media, sd = sigma, lower.tail =TRUE) # Probabilidad acumulada por izquierda
## [1] 0.6038532
points() {graphics}
Descripción
Permite agregar puntos a un gráfico existente
boxplot(datos$PT) # Boxplot para polifenoles totales (PT)points(mean(datos$PT)) # En este caso se agrega la media como punto en el boxplot anterior
ppois() {stats}
Descripción
Argumentos
Calcula la función de distribución acumulativa
q = el valor de x para el cual se desea estimar la probabilidad acumulada
lambda = el valor del parámetro
lower.tail = TRUE o FALSE. Por defecto, devuelve la probabilidad acumulada por izquierda (TRUE)
x =5l =4ppois(q = x,lambda = l)
## [1] 0.7851304
predict() {stats}
Descripción
Permite ajustar los valores observados a la recta de regresión o bien para estimar los valores de la variable respuesta cuando la variable predictora asume determinados valores. En el segundo caso, es necesario especificar los valores de la variable predictora en formato de tabla o data.frame por medio del argumento newdata
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)predict(modelo)
##
## Balanced one-way analysis of variance power calculation
##
## k = 3
## n = 52.3966
## f = 0.25
## sig.level = 0.05
## power = 0.8
##
## NOTE: n is number in each group
##
## Balanced one-way analysis of variance power calculation
##
## k = 3
## n = 10
## f = 0.25
## sig.level = 0.05
## power = 0.1951401
##
## NOTE: n is number in each group