Category: Spanish

Paquetísimo!

Figura 1El programa R tiene funciones básicas que se encuentran enlos paquetes estándar que vienen con el mismo. Para extender estas funciones sedeben instalar paquetes que se descargan a través de internet. El número deestos paquetes es sumamente …

Paquetísimo!

Figura 1
El programa R tiene funciones básicas que se encuentran en los paquetes estándar que vienen con el mismo. Para extender estas funciones se deben instalar paquetes que se descargan a través de internet. El número de estos paquetes es sumamente extenso y crece día a día. Instalaremos el paquete para búsqueda de señales en Farmacovigilancia denominado “PhViD”.
Figura 2
Lo primero es seleccionar la opción “Instalar paquetes…” del menú “Paquetes” (Figura 1). Luego de hacerlo, aparece una ventana para elegir el repositorio desde donde descargar los paquetes (Figura 2). Esto es así, porque existen múltiples servidores en el mundo que alojan el listado de los paquetes de R. En general lo mejor es elegir un servidor geográficamente cercano pues esto hará que la descarga sea más rápida, aunque puede suceder que alguno de ellos no tenga listado un determinado paquete. Si esto ocurriera habría que cambiar de repositorio.
Figura 3
Luego de seleccionar el repositorio y dar OK, aparecerá la lista de paquetes propiamente dicha, se hallan ordenados alfabéticamente y utilizando la barra de desplazamiento podremos llegar al que estamos buscando que en este caso es “PhViD” (Figura 3). Lo seleccionamos y damos OK. Se realizará la instalación automática del paquete mientras en la consola de R aparecerán líneas que así lo indican (Figura 4) hasta que nuevamente aparecerá el símbolo de  línea de comandos “>”.
Figura 4
Luego de esto, podemos comenzar a utilizar las funciones del paquete. Hay que saber que cualquier paquete para ser utilizado debe cargarse en el espacio de trabajo de R independientemente de que se halle instalado. Esto lo veremos desarrollado en el post específico de utilización de PhViD.

R con R

Res un programa estadístico. Probablemente sea el programa más comúnmente usado en ámbitosacadémicos, pero su uso está creciendo exponencialmente y extendiendoel tipo de usuarios de académicos a empresariales o gubernamentales, porejemplo.Su ven…

R con R

R es un programa estadístico. Probablemente sea el programa más comúnmente usado en ámbitos académicos, pero su uso está creciendo exponencialmente y extendiendo el tipo de usuarios de académicos a empresariales o gubernamentales, por ejemplo.
Su ventaja principal es que se trata de software “open source”. Esto quiere decir que además de ser gratuito, cualquiera (bueno, cualquiera que sepa un poco de programación) pueda hacer programitas que funcionen dentro de R, que realicen tareas específicas que antes no se realizaban o modificar los que ya estaban hechos, y distribuirlos como “paquetes” que pueden agregarse al programa como extensiones del mismo. Así hay programas que realizan desde cálculos complejos hasta gráficos impactantes difíciles de crear con otro software.
Esto hizo que en los últimos años la actividad de creación y distribución de paquetes explotara y puede decirse que prácticamente cualquier técnica estadística que uno pueda leer en una publicación, tiene al menos una implementación en R.
La Farmacovigilancia no se quedó afuera de este movimiento, ya que existe un paquete específico para realizar detección de señales llamado “PhViD”.
Las desventajas de R tienen que ver con que su interfase no es amigable ni intuitiva y que si uno tiende grandes volúmenes de datos (digamos, millones de casos), tiende a volverse lento e ineficiente. Esto último puede mejorarse mediante algunos trucos o variantes del programa madre.
Para aquellos a los que nos gustan los datos, la falta de amigabilidad de R se compensa ampliamente con la capacidad de hacer prácticamente cualquier cosa.
Si quieren ir teniendo un panorama de las capacidades gráficas de R, pueden visitar diferentes galerías que aparecen en Internet, como: http://addictedtor.free.fr/graphiques/
O http://research.stowers-institute.org/efg/R/
Los que quieran tener una idea de todo lo que se puede hacer con R, pueden visitar el excelente blog R-bloggers dedicado solamente a él.
Bueno, veremos cómo descargar e instalar R y nociones básicas para operarlo.
Descarga
La página oficial es http://cran.r-project.org/
Desde ahí puede descargarse el instalador. Si eligen la versión para Windows, les dará 2 opciones. Deben elegir la “base” y allí los llevará al link para descargar la última versión.
Instalación
Luego de descargado, le dan doble click al archivo y siguen las instrucciones. Les sugiero que acepten todas las opciones que les da por defecto y no se metan a hacer cambios hasta que conozcan del tema, ya que cualquier opción que hayan elegido durante la instalación puede luego ser cambiada.
Primeros pasos
Voy a mostrar las reglas generales para manejarse en R. No se asusten, al principio es bastante intimidante. Van a ver que después de un rato se van acostumbrando.
Primero que nada, hagamos una operación básica. Escribimos “2+3” y presionamos “Enter”. 
> 2+3 
[1] 5 
El símbolo “>” está siempre al comienzo de una línea en blanco en la consola, la cual se denomina “línea de comando”, y nos indica en qué lugar escribir. 
Lo que sigue son los comandos en sí. Como ven, el hecho de que haya espacios o no entre números y operadores no tiene ninguna importancia. Si están, es para mayor legibilidad. 
La segunda línea muestra el resultado de la operación y vemos que consta de 2 partes. La primera parte es “[1]” y solamente indica el número de elemento correspondiente al primero de la línea.

 

La segunda parte es el resultado en sí, que en este caso es igual a 5.
Ahora bien, seguramente al hacer operaciones más extensas que la suma anterior querremos guardar el resultado para poder usarlo más tarde. Para eso se crea un “objeto” que lo contenga. En principio, el concepto de objeto es similar al concepto de variable. De tal modo, podemos asignar el resultado de la operación anterior a un objeto de la siguiente manera:
> x=2+3
Ahora “x” contiene el resultado de la operación anterior. Cada vez que necesitemos usar ese valor, podemos hacerlo usando su nombre o sea “x”:
> x
[1] 5
Podríamos crear otro objeto con otro valor, por ejemplo:
> y=5+8
> y
[1] 13
Y luego hacer operaciones con esos objetos, por ejemplo:
> y-x
[1] 8
Las variables x e y son objetos de R. Los objetos en R pueden contener todo tipo de elementos y muchas veces contienen varios tipos. Si queremos ver la lista de objetos que estamos usando en la sesión de R podemos usar el método “objects” de la siguiente manera: 
> objects()
[1] "x" "y"
Los métodos se escriben con paréntesis al final. Vemos que este método nos devuelve la lista de objetos en memoria, que está constituida por los elementos, “x” e “y”. El concepto de objeto es bastante complejo en un principio, pero baste decir que pueden albergar diferente tipo de contenidos, no solamente valores sino tablas, listados, matrices, funciones y mucho más. Veremos otros alcances del concepto cuando esto sea necesario.

Para reutilizar comandos anteriores y no tener que tipearlos cada vez que son requeridos, R guarda un historial en memoria. Este historial puede rememorarse usando las flechas del teclado hacia arriba o abajo. Cada vez que presionamos hacia arriba aparece la siguiente instrucción escrita, en el orden inverso en que fueron introducidas. Si queremos reutilizarla presionamos “Enter”. También podemos editarla antes de utilizarla.

También es importante saber que R es sensible a mayúsculas (“case sensitive”). Por ejemplo, no es lo mismo escribir “Objects()” que “objects()”, ni “x” que “X”.

Lo último que explicaré es que cada vez que abrimos una sesión de R, se crea un ambiente que se llama “espacio de trabajo” o “workspace” en inglés. Este workspace contiene todos los objetos y el historial de comandos utilizados. Al finalizar la sesión, R pregunta si queremos guardarla, si decimos que sí guarda todo el contenido del workspace y los objetos estarán allí al reiniciar R.
 

Si esto les parece interesante, ya saben…
Comenten que es bienvenido. 😉

.aR Primer gurpo de usuarios de R en Argentina

Por suerte hace poco se formó el primer grupo de usuarios de R de Argentina por iniciativa de Juan pablo Braña. La primer reunión está prevista para noviembre. Esperemos que se sume gente y se forme algo interesante.Para los que esten interesado, p…

Mapeando las primarias 2011

Una de las cosas que mas me atraen de R, es su capacidad gráfica, y lo (relativamente) fácil que es crear ciertas visualizaciones.Lamentablemente los resultados de las elecciones primarias fueron levantados de la web, supongo que habrá que esperar a…

Sobre el Blog

Con este blog busco tener una suerte de cuaderno de apuntes sobre técnicas computacionales para el estudio de las ciencias sociales, particularmente la ciencia política.Lejos de “dar cátedra” sobre estos temas, mi objetivo principal es aprender, y c…

Conglomerados I

Conglomerar puede entenderse como sinónimo de agrupar, recurrimos al análisis de Cluster/Conglomerados, cuando queremos agrupar a nuestros casos utilizando varios criterios Si tenemos más de un criterio para agrupar lo mejor es que recurramos a estas técnicas. Finalmente lo que buscamos obtener es que los grupos sean lo más homogeneos posible tomando en cuenta todos […]