Análisis estadístico de datos usando R

Abstract

Este libro está destinado a ser una guía para el análisis estadístico de datos a través del lenguaje de programación R para la computación estadística. R, a su vez, es un entorno que incorpora una implementación del lenguaje de programación S, lo que lo hace potente, flexible y con excelentes instalaciones gráficas (R Development Core Team, 2016). El objetivo de este libro es, pues, ofrecer descripciones relativamente breves y sencillas acerca de cómo realizar una gran variedad de análisis estadísticos utilizando R. Cada capítulo aborda el análisis apropiado para uno o varios conjuntos de datos, a su vez con sus aplicaciones. En cada capítulo, por tanto, se incluye una breve descripción de los antecedentes estadísticos relevantes, junto con las referencias apropiadas, pero nuestro enfoque principal es cómo usar R y cómo interpretar los resultados. Esperamos que el libro proporcione a los estudiantes e investigadores de diferentes disciplinas de las ciencias un medio autónomo para utilizar R y para analizar sus datos. R es un proyecto de código libre, desarrollado por decenas de voluntarios durante muchos años y está disponible en Internet bajo la Licencia Pública General. Por eso mismo, R se ha convertido en el lenguaje de la informática estadística más popular y diverso. En algunas comunidades científicas, R ya es el principal instrumento para análisis estadísticos de datos porque las fuentes del sistema R están abiertas y disponibles para todas las personas; y por su poderoso lenguaje y capacidades gráficas el R ha comenzado a convertirse en el principal motor de investigación estadística. Con este libro se pretende que los estudiantes e investigadores cuenten con una herramienta sencilla para iniciarse en el uso del R y que lo usen como instrumento fundamental en el análisis de datos. Así, el lector podrá reproducir todos los análisis, figuras y tablas sin necesidad de volver a escribir un código de R. El libro inicia con un capítulo dedicado a análisis de gráficos, continúa con distribuciones de probabilidad, sigue con un capítulo en torno al índice de diversidad ecológica y, por último, cierra con uno que incluye una sección de simulaciones de variables aleatorias discretas y continuas

This book is intended to be a guide to statistical data analysis through the R programming language for statistical computing. R, in turn, is an environment that incorporates an implementation of the S programming language, which makes it powerful, flexible, and with excellent graphic facilities (R Development Core Team, 2016). The goal of this book is thus to provide relatively short and straightforward descriptions of how to perform a wide variety of statistical analyzes using R. Each chapter addresses the appropriate analysis for one or more data sets, in turn with its applications. In each chapter, therefore, a brief description of the relevant statistical background is included, along with appropriate references, but our main focus is how to use R and how to interpret the results. We hope that the book will provide students and researchers from different disciplines of the sciences with a self-contained means of using R and analyzing their data. R is an open source project, developed by dozens of volunteers over many years, and is available on the Internet under the General Public License. For this reason, R has become the most popular and diverse statistical computing language. In some scientific communities, R is already the main instrument for statistical data analysis because the sources of the R system are open and available to everyone; and because of its powerful language and graphic capabilities, R has begun to become the main statistical research engine. This book is intended for students and researchers to have a simple tool to start using R and to use it as a fundamental tool in data analysis. Thus, the reader will be able to reproduce all the analyses, figures and tables without the need to rewrite an R code. The book begins with a chapter devoted to graph analysis, continues with probability distributions, continues with a chapter on the ecological diversity index, and finally closes with a chapter that includes a section on simulations of discrete and continuous random variables.