Fórmulas que ayudan en el R commander

Fórmulas que ayudan en el R commander A pedido del público que estaba esperando esta información con muchas ansias, acá van algunas fórmulas que ayudan bastante a hacer análisis estadísticos en el R. Lo principal es instalar el R commander. ACÁ un instructivo. * Cargar datos Hay varias formas de ingresar los datos. Una es manualmente Datos -> Nuevo conjunto de datos. Pero lo más recomendable es importar los datos desde una planilla de cálculos (Calc, Excel, etc.). Las dos opciones más fáciles son: 1. En la planilla de cálculos, marcar y copiar todos los datos, incluidos los nombres de las columnas y en el R commander Datos -> Importar datos -> desde archivo de texto, portapapeles o URL..., en Localización del archivo de datos eligen Portapapeles y en Separador de campos eligen Tabuladores. 2. Guardar los datos desde la hoja de cálculos en formato "Texto separado por comas (.csv)". En el R commander Datos -> Importar datos -> desde archivo de texto, portapapeles o URL... y en Separador de campos eligen Comas * Lógica de las funciones El R lo que hace generalmente es definir objetos y guardarlos en la memoria (o no sé dónde) para usarlos cuando los necesitemos. Los objetos se los nombra de la siguiente manera: NOMBRE_DEL_OBJETO<-FÓRMULA donde la fórmula variará dependiendo de lo que uno quiera hacer (ver más abajo algunos ejemplos). * Ejecutar instrucciones La ventana de más arriba es la Ventana de instrucciones. En ella se ponen las instrucciones (obvio) que después procesará el R. Las instrucciones se pueden poner a mano como si fuera la consola del R, o a partir de cualquier menú del R commander. Lo bueno que tiene el R commander es que uno puede escribir, copiar, pegar, borrar o editar todas las instrucciones que quiera, que no se ejecutarán hasta que uno así lo disponga. Para ejecutar las instrucciones hay que posicionarse en el renglón de la instrucción y apretar el botón Ejecutar. Si uno quiere que se ejecuten varias o todas, basta con marcar las deseadas y después apretar el botón Ejecutar. En el ejemplo de abajo se ve el resultado de marcar y ejecutar el llamado al grupoY (las instrucciones las van a entender si siguen leyendo). * Seleccionar filas Un caso muy común es querer hacer algún test estadístico, pero que no se aplique a toda la matriz de datos sino a una parte en particular. Por ejemplo, evaluar la normalidad de los datos del grupo Z (ver la primera figura). Como todo en el R, hay mil formas de hacerlo, algunas más convenientes en algunos casos y otras en otros. La que es más útil sobre todo cuando los datos que nos interesan no están todos juntos es: grupoZ<-Datos[grep("Z",Datos$Var2),] donde grupoZ es el nombre que le di yo al objeto que va a tener los datos de la matriz pero sólo de las filas que sean del grupo Z; Datos es mi matriz de datos original (el nombre se lo di al importarlos, ver la segunda figura), grep es la función para filtrar los datos según un criterio dado, "Z" es el criterio de selección, Datos$Var2 le dice en qué columna (Var2) del objeto Datos tiene que buscar a "Z". La razón de los corchetes y esa coma sin nada después se explica abajo. Para confirmar que una selección se ha programado bien, basta con llamar al objeto de la selección (grupoZ en este ejemplo, grupoY en la imagen anterior) y ver en la Ventana de resultados si la selección es correcta (ver la figura anterior). * Seleccionar filas y/o columnas contiguas Cuando se quiere especificar las filas o columnas de un objeto, simplemente lo que tiene que hacer es lo siguiente OBJETO[FILAS, COLUMNAS] donde OBJETO es el nombre del objeto, FILAS es la fila o el rango de filas a seleccionar y COLUMNAS lo mismo que FILAS pero para las columnas. Si es un rango se escribe así FILA_O_COLUMNA_INICIAL : FILA_O_COLUMNA_FINAL). Si se quiere seleccionar a todas las fila o columnas, se deja ese campo vacío y listo. Por ejemplo, para seleccionar las columnas de la 1:8 y todas las filas del objeto Obj hay que poner Obj[,1:8] * Seleccionar filas y/o columnas aisladas En este caso hay que seguir la misma lógica del punto anterior, pero en la parte de definir las columnas o filas (dentro de los corchetes), poner c(FILA_O_COL,FILA_O_COL,FILA_O_COL). Por ejemplo, si uno quiere seleccionar las filas 1, 4, 8 y 10 y las columnas 1 y 3: aisladas<-Datos[c(1,4,8,10),c(1,3)] * Unir objetos - si tenemos objetos de igual cantidad de filas y los queremos pegar uno al lado del otro: PEGADOS_AL_LADO<-cbind(OBJETO_1,OBJETO_2) donde PEGADOS_AL_LADO es el nombre del objeto nuevo, cbind es la función para unir columnas y OBJETO_1, OBJETO_2, etc, son los objetos que se quieren unir. SZiguiendo con el ejemplo del principio, podría ser algo así grupoYyZ<-cbind(grupoY,grupoZ) -si lo que queremos es unir uno sobre otro, tienen que tener igual cantidad de columnas y basta con reemplazar en la fórmula anterior a cbind por rbind, por ejemplo grupoYyZvertical<-rbind(grupoY,grupoZ) * Aplicar funciones del R commander a objetos definidos por el usuario si uno quiere hacer un test de normalidad con el R commander, sólo lo puede hacer desde el menú para columnas enteras. No para una de las selecciones como las que venimos haciendo. Entonces, lo que conviene hacer para no tener que acordarse la fórmula de memoria es simplemente hacer el test de normalidad desde el menú Estadísticos -> Resúmenes -> Test de normalidad de Shapiro-Wilk.... eso nos va a copiar algo como esto en la Ventana de instrucciones shapiro.test(Datos$Valores) Gracias a eso podemos ver cómo se da la instrucción para hacer un test de normalidad. Ahora sólo queda cambiar en la Ventana de instrucciones el objeto sobre el cual hacer el test, por ejemplo: shapiro.test(grupoZ$Valores) esto se puede hacer cambiando el texto introducido por el R commander en la Ventana de instrucciones, o bien copiando esa fórmula y pegándola una línea abajo y recién ahí cambiándola (por si después queremos guardar todos los pasos de los análisis) * Tukey para ANOVA de múltiples factores Para hacer un ANOVA de más de 2 o más factores hay que ir al menú Estadísticos -> Medias -> ANOVA de múltiples factores..., elegir los factores deseados y ponerle un nombre al modelo (AnovaModel.1 en el ejemplo de abajo). Como se ve en la imagen, para hacer el ANOVA utiliza la función lm. Sin embargo, el test de Tukey no se puede aplicar sobre una función lm. Por eso, para hacer el test de Tukey en un diseño con dos o más factores (con un factor se puede hacer desde el menú), hay que copiar el renglón de la fórmula, en este caso: AnovaModel.1 <- (lm(Valores ~ Var1*Var2, data=Datos)) pegarlo en un nuevo renglón en el final de la Ventana de instrucciones, cambiar el nombre del objeto (por ejemplo, AnovaModel.1 por AoV.1 y cambiar la función lm por aov. Lo que quedaría así: AoV.1 <- (aov(Valores ~ Var1*Var2, data=Datos)) y para hacer el test de Tukey hay que aplicar la función TukeyHSD sobre el objeto del ANOVA calculado con la función aov, o sea, AoV.1 en este ejemplo, lo que quedaría así: TukeyHSD(AoV.1) * Test de Levene para ANOVA de múltiples factores Con un diseño de dos o más factores como el de este ejemplo, es fácil hacer el test de Levene (homogeneidad de varianzas) para cada uno de los factores desde el menú Estadísticos -> Varianzas -> Test de Levene.... Sin embargo, no está en el menú la opción para hacer la comparación de los cuatro grupos posibles de la interacción entre los dos factores (A-Y, A-Z, B-Y y B-Z). Para hacerlo hay que seguir unos pasos parecidos a los del test de normalidad. Primero hacer el test de Levene para un factor (por ejemplo, Var1), lo que quedaría así: leveneTest(Datos$Valores, Datos$Var1, center=median) Después hay que copiar la fórmula resultante y pegarla en el final de la Ventana de instrucciones y cambiar el objeto del análisis, o sea, cambiar Datos$Valores, Datos$Var1 por AnovaModel.1 o AoV.1, da lo mismo cualquiera de los dos. Con lo que debería quedar algo así: leveneTest(AnovaModel.1, center=median) Bueno, hasta acá por hoy, después si me acuerdo de alguna otra cosa básica para agregar, la agrego. Obviamente esto es de lo más básico de lo básico del R (y por lo tanto del R commander), pero es una aproximación para entender un poco más el funcionamiento del programa. ACÁ pueden encontrar un manual con mucha más información. Espero que a alguno le sirva. ¡Suerte! Fuente: muchas horas perdidas frente a la pantalla, pero acá van algunas que sirven, Selección de datos Modelos de ANOVA