![MATRICES
Una operación muy común es hacer referencia a una
submatriz o a un elemento de la matriz, se realiza indicando
los índices de los elementos a los que se hace referencia.
Una fila matrix[i, ], o a una matrix[ , j].
Si queremos un elemento concreto indicamos los dos
índices matrix[i,j]](https://image.slidesharecdn.com/cursor-cga2-240729032517-cbb2c28f/85/Curso-R-CGA2-lenguaje-r-curso-para-programar-pdf-8-320.jpg)
Curso R-CGA2 lenguaje r curso para programar.pdf
- 1. R PROBABILIDAD Y ESTADÍSTICA 18-I UAM-C Sesión 2 Guillermo Chacón Acosta
- 2. MATRICES • Matriz. Una matriz es realmente un vector con un atributo adicional (dim) el cual a su vez es un vector numérico de longitud 2, que define el número de filas y columnas de la matriz.
- 3. MATRICES • Una manera sencilla de crear matrices es juntando vectores:
- 4. MATRICES • Una manera sencilla de crear matrices es juntando vectores:
- 5. MATRICES Existe también la función “matrix”
- 6. MATRICES
- 7. MATRICES Es posible dar nombres a las columnas y/o filas de la matriz a través del parámetro “dimnames”
- 8. MATRICES Una operación muy común es hacer referencia a una submatriz o a un elemento de la matriz, se realiza indicando los índices de los elementos a los que se hace referencia. Una fila matrix[i, ], o a una matrix[ , j]. Si queremos un elemento concreto indicamos los dos índices matrix[i,j]
- 9. MATRICES Las misma operaciones aritméticas que con vectores son posibles con matrices
- 11. MATRICES R tiene predeterminadas ciertas operaciones entre matrices:
- 12. MATRICES R tiene predeterminadas ciertas operaciones entre matrices:
- 13. MATRICES “diag”
- 14. MATRICES “solve” Es un comando que calcula la inversa de una matriz si se le da un solo argumento. Cuando se le da una matriz en el primer argumento y un vector en el segundo R interpreta un sistema de ecuaciones lineales y da su solución:
- 15. MATRICES La función “eigen” calcula los autovalores y autovectores de una matriz cuadrada, el resultado es una lista de dos componentes llamados values y vectors. Con la función “det” calculamos el determinante de una matriz cuadrada.
- 16. MATRICES
- 17. VARIABLES MULTI- INDEXADAS • La generalización de los vectores y matrices son las variables multiindexadas, denominadas arrays. • Los vectores y matricesson casos particulares. • Una variable indexada (array) es una colección de datos etiquetados por varios índices. • R permite crear y manipular variables indexadas con “array(data, dim, dimnames)” donde “dim” es un vector de dimensiones. • Además podemos hacer referencia a cualquier subconjunto de la misma, de modo similar a las matrices.
- 19. EJERCICIOS
- 20. EJERCICIOS • Utilizando la función array, crear un array tridimensional 4*4*4, llenándolo con los números del 1 al 64. Hacer una sub-selección de los índices 2 y 4 de la primera dimensión y 1 y 3 de la tercera. Mirar las dimensiones del nuevo array. Convertir el resultado de esta subselección en un vector, y después construir con ese mismo vector una matriz 4 * 4, llenándola por filas. • Utilzando la matriz 4 * 4 del problema anterior, invertir el orden de sus columnas y transponerla. A todos superiores a 30 de esta nueva matriz cambiarles el signo. Hacer el producto matricial de la matriz original por la que acabamos de obtener.
- 21. LISTAS Y MARCOS DE DATOS • R puede leer datos guardados como archivos de texto (ASCII) con las siguientes funciones: “read.table”, “scan” y “read.fwf”. • En particular “read.table”puede crear marcos de datos de manera implícita. • También es posible hacerlo con la función “data.frame”. Los vectores incluidos como argumentos deben ser de la misma longitud. • La diferencia fundamental con la matriz es que este objeto no tiene que estar compuesto de elementos del mismo tipo. Los objetos pueden ser vectores, factores, matrices, listas e incluso otras hojas de datos. • Los marcos de datos tienen un atributo similar al dim de las matrices. • Si se incluye un factor en un marco de datos, el factor debe ser de la misma longitud que el vector (o vectores). • Es posible cambiar el nombre de las columnas con data.frame(A1=x, A2=n). También se pueden dar nombres a las filas con la opción row.names que debe ser un vector de modo carácter con longitud igual al número de líneas en el marco de datos.
- 22. LISTAS Y MARCOS DE DATOS
- 23. LISTAS Y MARCOS DE DATOS
- 24. LISTAS Y MARCOS DE DATOS
- 25. LISTAS Y MARCOS DE DATOS • Lista. Una lista se crea de manera similar a un marco de datos con la funcion list(). • A diferencia de data.frame(), los nombres de los objetos no se toman por defecto
- 26. LISTAS Y MARCOS DE DATOS
- 27. EJERCICIOS
- 28. EJERCICIOS i) Crear una lista donde guardare información de 10 personas. La lista tendrá́ 4 componentes, que serán vectores: nombre (carácter), edad (numérico), género (factor, H – M), y una variable que indica si esa persona trabaja. ii) Crear un data.frame que guarde la misma información que la lista anterior. Primero crearlo partiendo de cero y después utilizando la lista anterior. iii) Añadir un nuevo vector a la lista que indique la profesión de cada persona. Hacer lo mismo con el data.frame. Hacerlo todo sin rehacer ni la lista ni el data.frame de nuevo. Asegurarse que la nueva información tenga su nombre correspondiente.
- 29. MISCELÁNEA Series de tiempo La función ts crea un objeto de clase "ts” (serie de tiempo) a partir de un vector (serie de tiempo unica) o una matriz (serie multivariada). Las opciones que caracterizan un objeto de este tipo son: ts(data = NA, start = 1, end = numeric(0), frequency = 1, deltat = 1, ts.eps = getOption("ts.eps"), class, names)
- 30. MISCELÁNEA
- 31. MISCELÁNEA Expresión. • Los objetos de clase expresión juegan un papel fundamental en R. • Una expresión es una serie de caracteres que hace sentido para R. • Todos los comandos válidos son expresiones. • Cuando se escribe un comando directamente en el teclado, este es evaluado por R y ejecutado si es válido. • Las expresiones pueden manipularse • Las expresiones se pueden usar, entre otras cosas, para incluir ecuaciones en gráficos
- 32. MISCELÁNEA