Rcommander como aplicación estadística Interfaz gráfica (GUI) para consola del “súper” paquete R – freeware Genera “entorno.

Presentación del tema: "Rcommander como aplicación estadística Interfaz gráfica (GUI) para consola del “súper” paquete R – freeware Genera “entorno."— Transcripción de la presentación:

1 Rcommander como aplicación estadística http://www.rcommander.com/ Interfaz gráfica (GUI) para consola del “súper” paquete R – freeware Genera “entorno amigable”, tipo Windows R commander Plugins http://www.r-project.org/

2 Rcommander como aplicación estadística Instala R en tu equipo: www.r-project.orgwww.r-project.org Windows 7 va bien la versión de 32 bits Instala “paquete Rcmdr” y carga el paquete Puede ocurrir q necesites instalar paquete “Rcmdrmisc” http://www.uv.es/innovamide/l4u/R/R0/R0.wi ki

3 Datos: origen, estructura y lectura EXCEL; guardamos como “csv” (Comma Separated Values) o texto separado por tabulaciones “txt”; es decir: archivos de texto. También podemos importar archivo xls (Excel 97- 2003) – ojo no de la última versión de Excel Cada variable = en una columna Cada fila represente una réplica/caso/objeto Cada columna tiene etiqueta de encabezado (etiqueta de variable) Ojo – no mezclar variables con categorías de variable…veamos un ejemplo

4 Ejemplo NA: datos/casos perdidos Cada columna tiene etiqueta de encabezado (etiqueta de variable) Ojo – no mezclar variables con categorías de variable…

5 Rcommander: leer datos Importamos/leemos datos txt, CSV o xls (Datos/Importar datos) Especificamos si los separadores son “;” o “Tabs” Si el símbolo de decimal es “punto” o “coma” (sólo para archivos txt) Visualizamos los datos Podemos “editar conjuntos de datos”

6 A jugar¡ Estadística descriptiva y frecuencias (lo más básico) ¿Qué análisis? Ya hemos visto…. Definir/tener claro factores…

7 Graficado de datos Rcommander nos da posibilidades de graficado de datos. Algunas gráficas son la mejor muestra de comprobar si el resultado del test estadístico es lógico, p.e. regresión lineal simple. SIEMPRE, coherencia entre lo que grafico y lo que me dice la estadística. Sentido común.

8 Ejemplo 1 Altura y peso (variables continuas) para dos grupos (alumnos de GC vs alumnos TF, factor, variable categórica) Quiero sabes si la altura predice el peso. Quiero saber si hay diferencias en peso entre los 2 grupos: TF Vs GC

9 Dentro de Excel, podemos hacer muchas cosas….graficar e incluso testar cosas… Rcommander – “Estadísticos” - Resúmenes “conjunto de datos activo” y “resúmenes numéricos” (calculo toda la estadística descriptiva para cada variable continua) Distribución de frecuencias Tabla de estadísticas…valores medios por categorías Test de normalidad

10 Ejemplo 2 Rendimiento deportivo (variable continua) En función de fisioterapia (si/no) Para 3 grupos en función del nivel 1 variable respuesta numérica y 2 variables predictoras categóricas

11 Podemos calcular muchas cosas dentro de “Estadísticos” Resúmenes “conjunto de datos activo” (como solo tengo una variable continua, calculo toda la estadística descriptiva para esa variable) Distribución de frecuencias Tabla de estadísticos

12 Contraste de medias Test (t) para una muestra – para saber si p.e. el rendimiento difiere de un valor hipotético, independientemente de los tratamientos Test (t) para 2 muestras independientes…p.e. para comparar rendimiento entre los q se someten a fisioterapia y los q no. ANOVA de 1 factor: ¿diferencias entre los atletas de los 3 grupos independientemente de que reciban o no fisioterapia?

13 Contraste de medias ANOVA de múltiples factores (2 factores en este caso) Test de varianzas – nos sirve para saber si aplicamos técnicas paramétricas o no paramétricas (homogeneidad de varianzas o no) Test no paramétricos (Wilconxon = t-student), KW = ANOVA-1

14 Ajuste de modelos Regresión lineal, incluyendo la logística Regresión logística - muy empleado cuando variable respuesta (dependiente) es categórica, p.e. si/no. Por ejemplo, cuando hacemos encuestas¡¡¡

15 Ejemplo 3 Importamos datos desde Excel “Incidencia lesiones práctica del pádel” (data1) Los vemos en Excel y luego en la consola de Rcommander. Podemos ver la diferencia entre los datos brutos y los “pulidos” “Lesión” (si/no) es nuestra variable respuesta y el resto son predictoras

16 Ajuste de modelos; MLG; función “logit” Seleccionamos la variable dependiente y las predictoras haciendo doble click donde corresponde Interpretamos la salida – nos dice qué variables predictoras influyen la cantidad de lesiones. Interpretemos los resultados con cautela…