Las herramientas de programación en R son usadas con dos fines
principales:
* Construir funciones que realicen tareas no contempladas en un paquete
de R, o combinar funciones existentes para dar origen a otras
nuevas.
* Reducir el número de operaciones que debe realizar el operador humano,
por ejemplo al hacer simulaciones o al aplicar una misma función a
numerosos sets de datos.
Se realiza mediante la función function. Esta función requiere de dos grupos de argumentos: aquellos sobre los cuales esa función actuará (los datos, parámetros a usar, etc.) que se introducen entre paréntesis, y las operaciones a realizar con esos argumentos, que se introducen entre llaves.
El índice de diversidad de Shannon para un sitio se define por la fórmula
\[H' = - \sum{p_i ln(p_i)}\]
Donde p_i es la abundancia relativa de cada especie. Primero mostraremos el desarrollo para calcular H’ en un conjunto de datos consistentes en un vector donde cada valor corresponde al número de individuos de una especie diferente. Luego, construiremos una función para que la fórmula utilice cualquier set de datos.
DAT <- c(13, 2, 4, 0, 36, 3, 2, 7, 1, 11) # datos originales (inventados)
dat <- (DAT[DAT>0]) # elimino los 0 (por los log)
N <- sum(dat) # total de individuos
p <- dat/N # abundancias relativas
H <- -sum(p*log(p))
H # resultado
# construcción de la función
# notar las similitudes y diferencias con los pasos de arriba.
shann <- function(x) {
z <- (x[x>0])
N <- sum(z)
p <- z/N
H <- -sum(p*log(p))
H # la última línea es lo que mostrará la función
}
# probamos la función con el set de datos original
shann(DAT)
# probamos la función con el otro set de datos
Y <- c(67, 8, 1, 6, 8, 5, 9, 7, 10, 1, 0, 1, 2,0, 2, 1)
shann(Y)En muchos casos en estas rutinas usamos datos simulados utilizando, por ejemplo, rnorm. Estas funciones forman una familia donde la primera letra informa si son una distribución de probabilidad (p), de densidad (d) o una muestra al azar (r) y la segunda parte informa sobre la distribución (norm = normal, unif = uniforme, poiss = poisson, etc.).
# simulación de datos
X <- rnorm(100, mean = 4, sd = 0.5)
hist(X)
# probabilidad de observar el valor z < 5.4 bajo la distribución simulada arriba
pnorm(5.4, mean = 4, sd = 0.5)
# valor del percentil 75 bajo la misma distribución
qnorm(0.75, mean = 4, sd = 0.5)Por otra parte, la función básica de muestreo en R es sample. En el caso de que queramos que otro usuario obtenga exactamente los mismos resultados que nosostros en una simulación debemos fijar la “semilla” con set.seed().
# Exploración de las utilidades de sample
AA <- c(1:10)
AA
# sólo cambio el orden: permutación
sample(AA, size = 10, replace = FALSE)
# muestreo aleatorio sin remplazo
sample(AA, size = 5, replace = FALSE)
# muestreo aleatorio con remplazo
sample(AA, size = 5, replace = TRUE)
# idem, pero de igual n que la muestra original, base del bootstrap
sample(AA, size = 10, replace = TRUE)
?sample Una ventaja de R es la posibilidad de programar una serie de análisis para que se ejecuten de manera sucesiva, sin necesidad de muchos conocimientos técnicos sobre programación, ya que el lenguaje de R es comparativamente sencillo. Una manera de realizar una serie de funciones repetitivas es mediante bucles (“loops”). Las principales funciones que realizan bucles son for e if. Para evitar realizar bucles pueden utilizarse las funciones de la serie apply.
for posee la estructura general: para (cada elemento en un vector) {realizar x acción}. Si necesitamos que los resultados de la acción sean guardados, es necesario crear un vector vacío antes de ejecutar la función y luego rellenarlo con el resultado del bucle.
Dat <- runif(1000)
vec <- numeric(length=50)
vec # vector vacío antes del loop
for(i in 1:50) {vec[i] <- mean(sample(Dat, 20))}
vec # vector luego de aplicar el loop
plot(density(vec)) if agrega una condición: si (condición) entonces hacer X, en caso contrario hacer Y.
# construir una distribución normal truncada
X1 <- rnorm(1000, mean= 3, sd=5)
X2 <- numeric(1000)
for (i in 1:1000) if (X1[i] < 0) X2[i] <- NA else X2[i] <- X1[i]
hist(X2)while crea un bucle que se detiene al alcanzar cierta condición
i <- 0
while(i < 10) {
i <- i + 1
}
i
apply aplica una función a las columnas o filas de una matriz. Por ejemplo, para obtener la media de cada columna de una matriz de 5 columnas y 40 filas, con números generados al azar desde una distribución normal. Existen funciones similares como lapply, tapply, sapply (ver ayuda de la función apply para conocer la utilizadad de cada una).
m <- rnorm(200)
X <- matrix(m, 40, 5)
apply(X, 2, mean)
apply(X, 1, mean)Siempre que sea posible, es preferible aplicar una función apply (o álgebra sencilla) en vez de un bucle hecho con for.
# ejemplo 1
A <- c(8, 23, 11, 10)
B <- c(15, 3, 2, 1)
#con loop (MAL)
C <- numeric(4)
for(i in 1:4) C[i] <- A[i] + B[i]
C
# vectorizado (BIEN)
C <- A + B
C
# ejemplo 2
m <- rnorm(200)
X <- matrix(m, 40, 5)
# con loop (MAL)
med <- numeric(5)
for(i in 1:5) med[i] <- mean(X[, i])
med
#vectorizado (BIEN)
med<-apply(X, 2, mean)
med\[SE = \frac{s} {\sqrt{n}} \]
| Especie | A1 | A2 | A3 | A4 | A5 | A6 | A7 | A8 | A9 | A10 | A11 | A12 | A13 | A14 | A15 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Sitio 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 1 |
| Sitio 2 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 1 |
Construir una función para calcular el índice de Sørensen para datos de presencia/ausencia, según la fórmula
\[Q_{s} = \frac{2C} {A + B}\]
Donde A y B es el número de especies de los sitios 1 y 2, respectivamente, y C es el número de especies compartidas por los sitios 1 y 2. Probar la eficacia de la función con otro set de datos.
Fulanite solicitó un crédito para comprar una vivienda, con una
tasa fija nominal anual del 5%. Pidió $50000000 al banco y
acordó un pago mensual fijo de $258000. Calcular cuánto pagará Fulanite
hasta que pueda cancelar el crédito. (Ejercicio tomado del curso
programación en Python UNSAM).
Simule una población de 1000 observaciones donde dos variables (X e Y) se encuentren relacionadas de forma que \(Y = 0.2 - 1.5 X + 0.85 X^2 + \epsilon\) donde X es una variable de distribución normal con media = 2 y varianza = 0.6 y \(\epsilon\) es un error de distribución normal y varianza = 0.7. Luego genere un gráfico, divida la población al azar en dos grupos (training y test), ajuste un modelo a los datos de training y use el modelo para predecir los valores de Y en los datos de test. Calcule la suma de cuadrados de los residuos de la predicción.