PROGRAMACIÓN Y USO DE LIBRERÍAS EN R

Acerca de los autores
Prólogo
Introducción

Capítulo 1. Entorno R y RStudio
1.1. Instalación de R y RStudio
1.2. Entorno de trabajo de RStudio
1.3. Archivos, gráficas, paquetes, ayuda y visor
1.4. Primeros pasos en RStudio
1.5. ¿Quiénes usan R?

Capítulo 2. Procedimientos y manejo de librerías y funciones en R
2.1. Paquetes o librerías de R
2.2. Herramientas para cargar datos (To Load Data)
2.3. Herramientas para manipular datos (To Manipulate Data)
2.4. Herramientas para visualizar datos (To Visualize Data)
2.5. Herramientas para modelar datos (To Model Data)
2.6. Herramientas para informar resultados (To Report Results)
2.7. Herramientas para analizar datos espaciales (For Spatial Data)
2.8. Herramientas para series temporales y datos financieros (For Time Series and Financial Data)
2.9. Herramientas para escribir código R de alto rendimiento (To Write High Performance R Code)
2.10. Herramientas para trabajar con páginas web (To Work With the Web)
2.11. Herramientas para escribir paquetes de R (To Write Your Own R Packages)

Capítulo 3. Programación básica
3.1. Operadores en R
3.1.1. Operadores de asignación
3.1.2. Operadores relacionales
3.1.3. Operadores lógicos (Logical Operators)
3.1.4. Operador de igualdad y desigualdad
3.1.5. Operador de secuencias
3.1.6. Función de concatenación
3.1.7. Operador de corchetes simple
3.1.8. Operador pipe (%>%) o pipeline
3.1.9. Operador %in% en R
3.2. Operaciones matemáticas básicas en R
3.3. Operaciones sobre filas y columnas
3.4. Operaciones básicas y avanzadas con matrices
3.5. Otras operaciones con matrices
3.6. Operaciones matemáticas complejas en R
3.6.1. Introducción a las derivadas e integrales en R
3.6.2. Programación lineal en R
3.6.3. Programación canónica y entera en R
3.6.4. Optimización matemática en R
3.6.5. Ecuaciones diferenciales ordinarias en R
3.6.6. Autovalores y autovectores en R
3.6.7. Descomposición singular, QR y de Cholesky en R
3.7. Operaciones matemáticas avanzadas en R
3.8. Operaciones trigonométricas en R
3.9. Operaciones con conjuntos en R
3.9.1. Leyes de conjuntos

Capítulo 4. Variables, manejo y limpieza de datos y bases de datos
4.1. Variables
4.2. Tipos de datos en R
4.3. Tipos de variables categóricas o factoriales en R
4.4. Tipos de variables cuantitativas en R
4.5. Generación de datos, muestras y muestreo
4.6. Tamaños de muestra
4.7. Cálculo del tamaño de muestra simple (SamplinUtil)
4.8. Cálculo del tamaño de muestras estratificadas
4.9. Cálculo de intervalos de confianza (DescTools)
4.10. Selección de muestras con el paquete PPT (PPS)
4.11. Diseño de muestreos complejos con el paquete Survey
4.12. Preprocesamiento de datos
4.13. Discretización de vectores usando la función cut()
4.14. Detección y tratamiento de outliers
4.15. Detección de valores perdidos (Missing Values)
4.16. Tablas de frecuencia y contingencia

Capítulo 5. Características de las bases de datos (formatos y extensiones)
5.1. Bases de datos Tidy y No Tidy
5.2. Bases de datos precargados en R
5.3. Visualización de las variables de un data-frame
5.4. Documentación de las funciones en R

Capítulo 6. Importación y exportación de bases de datos
6.1. Formatos de bases de datos y funciones en R
6.2. Herramientas de importación de bases de datos
6.3. Tipos de almacenamiento de datos
6.3.1. Almacenamiento de información en archivos
6.4. Importación de bases de datos en R
6.4.1. Importar bases de datos tabulares o de texto
6.4.2. Importación de datos de distintos formatos

Capítulo 7. Exportación de bases de datos desde R / RStudio
7.1. Exportación de datos de hojas de cálculo y texto
7.2. Exportación de archivos creados con R (.RData y .RDS)
7.3. Exportación de ficheros con extensiones SAS, SAV, DTA y JSON
7.4. Exportación de datos y microdatos de instituciones oficiales

Capítulo 8. Scraping and Extracting Data
8.1. Web Scraping con R
8.2. Herramientas de R y la librería rvest para scraping
8.3. Herramientas de desarrollo

Capítulo 9. Funciones matemáticas y económicas en R
9.1. Funciones numéricas
9.2. Funciones matemáticas
9.3. Funciones trigonométricas
9.4. Funciones económicas

Capítulo 10. Estadística descriptiva básica
10.1. Operaciones estadísticas en R
10.2. Medidas de tendencia central en R
10.2.1. Medidas de tendencia central
10.3. Medidas de dispersión y/o variabilidad
10.4. Medidas de tendencia no central
10.5. Tablas de frecuencias o contingencia
10.6. Distribución de los datos: simetría, curtosis y normalidad

Capítulo 11. Probabilidades en R
11.1. Tablas de frecuencias
11.2. Variables aleatorias
11.3. Combinatorias y permutaciones
11.4. Probabilidad utilizando funciones
11.5. Tabla de contingencia
11.6. Probabilidades y frecuencia relativa
11.7. Valor esperado
11.8. Probabilidad condicionada
11.9. Teorema de Bayes
11.10. Coeficiente de variación (CV)
11.11. Tipificación de una variable
11.12. Teorema de Markov y las cadenas de Markov
11.13. Sucesión de variables aleatorias
11.13.1. Convergencia en probabilidad de sucesiones
11.13.2. Convergencia en distribución de sucesiones
11.14. Variables aleatorias bidimensionales
11.15. Integrales y derivadas avanzadas en R
11.15.1. Cálculo de integrales en R
11.15.2. Cálculo de derivadas en R

Capítulo 12. Distribuciones de probabilidad en R
12.1. Distribuciones de probabilidad discretas
12.1.1. Distribución de probabilidad binomial
12.1.2. Distribución de probabilidad de Poisson
12.1.3. Distribución de probabilidad geométrica
12.1.4. Distribución de probabilidad hipergeométrica
12.1.5. Distribución de probabilidad binomial negativa
12.1.6. Distribución Ji-cuadrado en R
12.2. Distribuciones discretas empíricas
12.3. Distribuciones de probabilidad continuas
12.3.1. Distribución de probabilidad normal
12.3.2. Distribución t-Student
12.3.3. Distribución F de Snedecor
12.3.4. Distribución Beta
12.3.5. Distribución Weibull
12.3.6. Distribución exponencial

Capítulo 13. Inferencia estadística en R
13.1. Inferencia sobre la media en distribuciones normales
13.2. Validación de las hipótesis de normalidad
13.3. Solución automática con R
13.4. Imprimir resultados y redondeo de cifras

Capítulo 14. Contraste paramétrico de hipótesis
14.1. Contraste para la media de una población normal
14.2. Comparación de dos medias (muestras independientes, poblaciones normales)
14.3. Comparación de varianzas
14.4. Comparación de medias
14.5. Comparación de dos medias con datos pareados en poblaciones normales
14.6. Contrastes para una proporción
14.7. Comparación de dos proporciones (muestras independientes)

Capítulo 15. Contrastes no paramétricos de hipótesis
15.1. Test de bondad de ajuste: test Ji-cuadrado
15.2. Test exactos y/o aproximados
15.2.1. Test binomial
15.2.2. Test multinomial
15.3. Test de signos
15.4. Test de independencia en tablas de contingencia
15.5. Prueba de aleatoriedad o rachas de Wald-Wolfowitz
15.6. Prueba de la mediana

Capítulo 16. Estructuras de programación y creación de funciones en R
16.1. Estructuras de programación
16.2. Creación de funciones en R
16.3. Creación de funciones matemáticas
16.4. Funciones con un número variable de argumentos

Capítulo 17. Visualización de imágenes
17.1. Gráficas y visualización de gráficas en R
17.1.1. Personalizar gráficas en R Base – Parte 1
17.2. Gráficas unidimensionales y bidimensionales en R
17.2.1. Gráficos unidimensionales
17.2.2. Gráficas bidimensionales en R
17.3. Gráficas con el paquete ggplot2
17.4. Funciones avanzadas (Datametría)

Referencia general
Material adicional

Este libro ofrece una guía completa, práctica y actualizada para el aprendizaje y uso de R y RStudio, dos de las herramientas más importantes en el análisis de datos, la investigación científica y la docencia universitaria. A lo largo de sus capítulos, el lector recorrerá desde la instalación y configuración del entorno de trabajo hasta el dominio de técnicas avanzadas para la manipulación, análisis e interpretación de datos. La obra aborda de manera didáctica las principales librerías del ecosistema R, explicando cómo cargar, transformar, visualizar y analizar información mediante ejemplos reproducibles, ejercicios prácticos y casos de aplicación reales. Asimismo, desarrolla conceptos fundamentales de estadística descriptiva e inferencial, técnicas de muestreo, distribuciones de probabilidad, contrastes de hipótesis y herramientas de programación que permiten crear funciones personalizadas y automatizar procesos analíticos. El contenido también profundiza en el tratamiento de grandes volúmenes de datos, la aplicación de algoritmos de modelización, la generación de visualizaciones profesionales y el uso de metodologías de Business Intelligence orientadas a la toma de decisiones. Gracias a su estructura progresiva y su enfoque eminentemente práctico, esta obra se convierte en un recurso indispensable para estudiantes, docentes, investigadores y profesionales que buscan aprovechar el potencial de R como una herramienta flexible y poderosa para el desarrollo de proyectos científicos, sociales, empresariales y de análisis de datos.