1. No category

CURSO
Análisis de Datos Univariados y Multivariados
con R Commander
FECHA DE INICIO: 23 Noviembre 2015
FECHA DE TÉRMINO: 26 Noviembre 2013
DURACIÓN: 20 horas.
TITULAR:
Dr. Jorge A Navarro Alberto
Universidad Autónoma de Yucatán
Mérida, Yucatán, MÉXICO
ADJUNTO:
Lic. Sarai Gómez Camacho
Instituto de Ciencia Animal
San José de las Lajas, Mayabeque, CUBA
ÍNDICE
Tema
Introducción
Objetivo general
Sesión 1
Sesión 2
Sesión 3
Sesión 4
Bibliografía
Configurando R, R Commander (Rcmdr) y
Deducer. Introducción al lenguaje R.
Métodos descriptivos e inferenciales univariados
en Rcmdr
Modelos lineales generales y generalizados en
Rcmdr
Métodos estadísticos multivariados en R en
Rcmdr
Página
2
2
4
5
6
7
8
1
INTRODUCCIÓN
En la formación profesional de veterinarios y zootecnistas ciertamente
se dedica tiempo al aprendizaje en el uso de software, principalmente en tareas
acostumbradas como la captura de información para la conformación de bases
de datos y su análisis estadístico, y otras no tan frecuentes como la modelación
matemática y simulación de procesos. Si bien existen incontables programas
comerciales para tal fin, recientemente ha cobrado auge un popular lenguaje
de programación para análisis estadístico de datos y modelación llamado R.
Desde su creación en 1996, este lenguaje está siendo usado por un número
creciente de científicos, técnicos y analistas de datos de instituciones
académicas y de investigación en todo el mundo. R es relativamente fácil de
usar, es gratuito y de código abierto; por ello se está convirtiendo en un
lenguaje de alcance universal. Técnicamente hablando, utiliza un versátil
enfoque de programación orientada a objetos, es independiente de la
plataforma de sistema operativo, y gracias a las contribuciones de "usuarios de
R" repartidos en todo el orbe, los paquetes de R permiten ejecutar
prácticamente cualquier procedimiento para el manejo y análisis de datos o de
modelación y simulación para las ciencias biológicas.
Con base en lo anterior surge la necesidad de fomentar en los
profesionistas de la ciencia animal la adopción de R como herramienta versátil
y actual para el manejo, resumen y análisis de información, y así incrementar
sus capacidades en la solución de problemas dentro de su desempeño
profesional. La transición requerida para migrar al lenguaje R requiere que los
usuarios se desliguen poco a poco de programas con interfaces (ambientes)
gráficos de usuario (GUIs) a base de menús “amigables”. Esto es posible si se
hace uso de paquetes de R que incluyan ambientes GUI y que, simultáneamente,
permitan la visualización de los comandos que se estén ejecutando. Ejemplos
de estos paquetes son R Commander y Deducer. Conjuntamente con otras
herramientas de R permiten, al científicos no especialista en programación,
acceder al aprendizaje del lenguaje R de manera eficaz.
Se espera que con este curso el participante incremente sus capacidades
en la solución de problemas relacionados con el acopio, resumen y análisis de
información en su área de interés, mediante la adopción de R como
herramienta computacional poderosa, actual y generalizada.
OBJETIVO GENERAL
Al finalizar el curso, el alumno desarrollará habilidades para manejar y
analizar datos univariados y multivariados en ciencia animal, a través de la
ejecución de scripts del lenguaje R y de procedimientos del paquete R
Commander.
2
Prerrequisitos
Estadística básica a nivel Licenciatura; capacidades en el manejo de
computadoras y de, por lo menos, un sistema operativo (Windows, Mac OS,
Linux o similares); capacidad para manejo básico de datos en algún programa
de hojas reticuladas de cálculo.
Calendario de Actividades
Sesiones teórico-prácticas con trabajo constante frente.
Horario de las sesiones: Lunes a Viernes de 9:00 AM a 13:00 PM
Número de participantes.
Mínimo: 12, Máximo: 15. Se podrá extender a 20 participantes, si el espacio
físico lo permite.
3
SESIÓN 1.
CONFIGURANDO R, R COMMANDER (RCMDR) Y DEDUCER. INTRODUCCIÓN
AL LENGUAJE R.
Hora
9:00 - 10:30
10:30 - 11:00
11:00 - 12:30
12:30 - 13:00
Estrategia de
enseñanza/aprendizaje
1.1 La interfaz de usuario Método expositivo (Zuur et al
gráfica de (GUI) de R. 2009). Instalación y exploración
Paquetes de R e introducción de Rcmdr. Manual de Rcmdr.
Ejercicios
al paquete Rcmdr
Receso
1.2 Comandos básicos de R y Práctica en computadora de
configuración de Deducer.
comandos básicos de R
(Capítulo 2 del Teetor (2011)
Configuración de Deducer
Ejercicios..
1.3 ¿Cómo citar a R en
Método expositivo. (Zuur et al
publicaciones?
2009). Ejercicios de búsqueda.
Contenido
Actividades
1.1 En esta sección se describen las características de R como lenguaje de
programación orientado a objetos. Se muestra cómo instalar y configurar
R en Windows. Se propondrá el uso de editores de scripts de R para
propiciar ambientes de programación amigables y cómo aumentar las
capacidades de manejo de datos y análisis en R a través del acceso a
páginas de ayuda y la instalación de paquetes (packages o libraries).
Además el participante instalará y ejecutará la biblioteca Rcmdr que
permite el uso de R como programa GUI a base de menús. El participante
explorará el contenido de RCmdr e identificará su utilidad como un GUI
de transición para la programación en R.
1.2 En esta sección se describirá brevemente la forma en que R trabaja a través
de códigos (programas) conjuntados en scripts, los cuales deberán
contener ciertos elementos mínimos de estilo para su comprensión, de
manera que puedan ser compartidos. Se instalará el paquete Deducer para
facilitar el manejo de datos y como opción para analizar datos a través de
un GUI de Java
1.3 Se presentarán listados de referencias bibliográficas impresas y en línea
para el aprendizaje de R, así como las indicaciones para citar R o paquetes
de R en publicaciones.
4
SESIÓN 2.
MÉTODOS DESCRIPTIVOS E INFERENCIALES UNIVARIADOS Y BIVARIADOS EN
RCMDR
Hora
9:00 - 10:00
10:00 – 10:30
10:30 - 11:00
11:00 - 12:00
12:00 - 13:00
Contenido
2.1 Creando, manipulando e
importando bases de datos
en R y Rcmdr: marcos de
datos (data frames)
2.2 Funciones simples de R
para producir estadísticos
resumen
de
variables.
Resúmenes en Rcmdr
Receso
2.3 Tomando el control de
qué graficar con la función
plot y sus opciones; gráficos
exploratorios en Rcmdr
2.4 Pruebas de hipótesis y
alternativas
no
paramétricas
univariadas
para una y dos muestras.
Correlación de dos variables
cuantitativas
Estrategia de
enseñanza/aprendizaje
Método expositivo. Capítulo 2
(secc 2.1) del Zuur et al (2009).
Ejercicios del Capítulo 2 del
Zuur et al (2009)
Método expositivo. Capítulo 4
del Zuur et al (2009). Ejercicios
del mismo capítulo.
Método expositivo. Capítulo 5
del Zuur et al (2009). Ejercicios
del mismo capítulo. Manual y
ayudas de Rcmdr
Método expositivo. Cap 9
del Teetor (2011) y Capítulo
7 del Kobacoff (2011).
Ejercicios.
Actividades
2.1. Creará bases de datos pequeñas a través de funciones de R ejecutadas en
scripts. También importará y guardará datos en distintos formatos para
manejarlos en R o en otros programas, a través de las distintas formas de
los comandos read.table y write.table para crear o guardar data
frames, o bien con el menú de lectura de datos, importación y
alamcenamiento de datos en Rcmdr y Deducer.
2.2 En esta sección el participante ejecutará funciones simples de R a través
de Rcmdr para producir estadísticos-resumen aplicados a vectores
independientes o contenidos en data frames.
2.3 Producirá graficas de datos cualitativos y cuantitativos cargados en el
ambiente de Rcmdr y explorará la función plot y otras funciones de
graficación básicas para tomar el control activo de qué graficar, usando
variados parámetros de la función plot.
5
2.4 Ejecutará funciones de R y Rcmdr para realizar inferencias estadísticas
acerca de datos biológicos cuantitativos en las formas de estimación por
intervalos y de pruebas de hipótesis paramétricas para una y dos muestras
de una sola variable, y sus alternativas no paramétricas correspondientes.
También usará las funciones de R incluidas en Rcdmr para calcular
coeficientes de correlación lineal y monótona.
SESIÓN 3.
MODELOS LINEALES GENERALES Y GENERALIZADOS EN RCMDR
Hora
9:00 – 10:00
10:0 – 10:30
10:30 – 11:00
11:00 – 12:00
12:00 – 13:00
Contenido
3.1 Regresión lineal
simple ordinaria por
cuadrados mínimos con la
función lm
3.2 Fórmulas para escribir
modelos estadísticos en R.
Regresión múltiple con la
función lm.
3.3 ANOVA: Regresión con
variables declaradas como
factores. Comparaciones
múltiples
3.4 Modelos lineales
generalizados: logística,
tablas de contingencia y
regresión Poisson
Estrategia de
enseñanza/aprendizaje
Método expositivo. Cap 7 del
Kobacoff (2011). Ejercicios.
Método expositivo. Capítulo
8 del Kobacoff (2011).
Ejercicios.
Método expositivo. Cap 9 del
Kobacoff (2011). Ejercicios.
Capítulo 13 del Kobacoff
(2011). Ejercicios
Actividades
3.1 Ejecutará la función lm y funciones asociadas a objetos generados por lm
para el análisis de regresión lineal simple de datos biológicos con errores
normales. También ejecutará procedimientos para ajustar modelos
estadísticos accediendo a las opciones presentes en los menús
"Estadísticos" y "Modelos" de Rcmdr.
3.2 Se revisará la terminología de diseños experimentales y la sintaxis de
escritura de modelos en R necesarias para abordar el análisis de
experimentos usando R y a través de las opciones presentes en Rcmdr, para
ajustar y analizar modelos de regresión lineal múltiple.
6
3.3 Ejecutará comandos de Rcmdr y del paquete agricolae para producir
análisis de varianza de uno o varios factores fijos así como pruebas de
comparación múltiple entre medias de tratamientos.
3.4 Se ejecutarán comandos de R y Rcmdr de modelos lineales generalizados
para datos categóricos y datos cuantitativos no normales.
SESIÓN 4.
MÉTODOS ESTADÍSTICOS MULTIVARIADOS EN R EN RCMDR
Hora
9:00 – 10:00
10:00 – 10:30
10:30 – 11:00
11:00 – 12:00
12:00 – 13:00
Contenido
4.1 Matrices en R. Análisis
exploratorio de datos
multivariados en Rcmdr y
R.
4.2 Pruebas de hipótesis
multivariadas:
T2
de
Hotelling,
Levene
y
MANOVAs
Receso
4.3
Análisis
de
componentes principales
y
escalamiento
multidimensional
no
métrico
4.4 Análisis de
clasificación
Estrategia de
enseñanza/aprendizaje
Método expositivo. Cap 2 del
Everitt (2005). Ejercicios.
Método expositivo. Capítulo 7
del Everitt (2005). Ejercicios
Método expositivo. Capítulos
3 y 5 del Everitt (2005).
Ejercicios.
Capítulo 6 del Everitt (2005).
Ejercicios.
4.1 Los participantes efectuarán operaciones con matrices en el lenguaje de R
y usarán Rcmdr para producir gráficos multivariados de exploración de
datos.
4.2 Accederán a las funciones de R presentes en varios paquetes para realizar
los cálculos involucrados en la prueba de hipótesis multivariadas para dos
o más muestras.
4.3 Realizarán análisis de componentes principales y escalamiento
multidimensional no métrico a través de comandos de R, del paquete
vegan y accediendo a los menús de Rcmdr y el plugin FactoMiner de Rcmdr
4.4 Ejecutarán comandos del R para clasificar unidades muestrales por medio
de métodos de clasificación aglomerativos jerárquicos y no jerárquicos.
7
4.6 Con base en un cuestionario, cada participante evaluará el curso y
externará sus sugerencias. Al finalizar la evaluación, se hará entrega de
las constancias de participación y se clausurará el curso.
BIBLIOGRAFÍA
Adler, J. (2010). R in a Nutshell. A Desktop Quick Reference. O'Reilly:
Sebastopol, EE.UU. 611 p.
Everitt, B. S. (2005). An R and S-PLUS® Companion to Multivariate Analysis.
London, Springer-Verlag. 221 p.
Faria, J. C., Grosjean, P., Jelihovschi, Pietrobon, R. & Farias, P.H. (2015). Tinn-R
Editor - GUI for R Language and environment. Version 4.00.02.01. EDITUS Editora da UESC: Bahia, Brazil.
Fellows, I. (2012). Deducer: A Data Analysis GUI for R. Journal of Statistical
Software, 49(8), 1-15. URL http://www.jstatsoft.org/v49/i08/.
Fox, J. (2005). The R Commander: A Basic Statistics Graphical User Interface to
R.
Journal
of
Statistical
Software.
14(9):
1--42.
URL:
http://www.jstatsoft.org/v14/i09
Husson, F., Josse, J. & Le, S. (2014). RcmdrPlugin.FactoMineR: Graphical User
Interface for FactoMineR. R package version 1.5-0. http://CRAN.Rproject.org/package=RcmdrPlugin.FactoMineR
Kaps, M. & Lamberson, W.R. (2009). Biostatistics for Animal Science. An
Introductory Text, 2nd Edition. CABI: Oxforshire, RU. 504 p.
Kobacoff, R. (2011) R in Action. Data Analysis and graphics with R. Manning
Publications Co.: Shelter Island, EE.UU. 447 p.
Logan, M. (2010). Biostatistical Design and Analysis Using R. A Practical Guide.
Chichester, Wiley-Blackwell. 546 p.
R Core Team (2013). R: A language and environment for statistical computing.
R Foundation for Statistical Computing, Vienna, Austria. http://www.Rproject.org.
Teetor, P. (2011). R Cookbook. O'Reilly: Sebastopol, EE.UU. 413 p.
Zuur, A.F., Ieno, E.N. & Meesters, E.H.W.G. (2009). A Beginner's Guide to R.
Springer: New York. 218 p.
8