RStudio y Posit Cloud

1. R es un lenguaje de órdenes, no de menús Todo lo que se hace se escribe. Al principio cuesta más que apuntar con el ratón; a las dos semanas es mucho más rápido, porque el teclado no obliga a buscar nada.
2. El guion es el trabajo La consola es un borrador: lo que se escribe allí se pierde. El guion —un archivo con extensión .R— es lo que se guarda, se corrige y se entrega.
3. Casi todo son vectores En R, un número suelto es un vector de largo uno. Por eso las funciones trabajan sobre conjuntos enteros de datos sin necesidad de bucles, y por eso el código termina siendo tan corto.

1. Abrir el sitio

   En la barra de direcciones escriba posit.cloud y pulse Enter. Verá la página de bienvenida con dos botones: Sign Up para crear la cuenta y Log In para entrar si ya la tiene.

   posit.cloud

   P posit Cloud Log In Sign Up

   Do, share, teach and learn data science

   Analiza tus datos con RStudio en el navegador. Sin instalar nada.

   Recreación de la pantalla. El botón que interesa es Sign Up, arriba a la derecha.

2. Crear la cuenta

   Puede registrarse con el correo institucional o entrar directamente con una cuenta de Google. Lo segundo es más rápido y evita recordar otra contraseña. Si usa correo, llegará un mensaje de confirmación: hay que abrirlo y pulsar el enlace antes de poder entrar.

   posit.cloud/register

   Crear una cuenta

   Continuar con Google

   Continuar con GitHub

   — o con su correo —

   Correo electrónico

   nombre@institucion.edu.co

   Contraseña

   ••••••••

   Sign Up

   Si el correo de confirmación no aparece, revise la carpeta de correo no deseado: es lo que ocurre casi siempre.

3. Reconocer el espacio de trabajo

   Al entrar aparece Your Workspace, su espacio personal. A la izquierda está la lista de espacios; al centro, los proyectos. La primera vez está vacío, y eso es justamente lo que se espera.

   Si el profesor comparte un espacio del curso, aparecerá debajo con su nombre, y los proyectos que ponga allí los verán todos los estudiantes.

   posit.cloud/content

   P posit Cloud NM Néstor M.

   Spaces

   Your Workspace

   Estadística 2026

   New Space

   Learn

   Guide

   Recipes

   Your Workspace

   New Project

   Aún no hay proyectos aquí.

   El botón New Project, arriba a la derecha, es el que abre el menú del paso siguiente.

4. Crear el proyecto de R

   Pulse New Project y escoja la primera opción: New RStudio Project. Las otras sirven para Python y para copiar proyectos de GitHub; por ahora no hacen falta.

   P posit Cloud NM Néstor M.

   New Project

   New RStudio Project Un proyecto vacío con R y RStudio

   New Jupyter ProjectPara trabajar en Python

   New Project from GitCopia un repositorio

   La primera vez tarda entre veinte y cuarenta segundos: Posit está levantando una máquina con R sólo para usted.

5. Ponerle nombre al proyecto

   Arriba, donde dice Untitled Project, haga clic y escriba un nombre con sentido: Estadistica_2026 o Taller_Regresion. Dentro de un mes habrá seis proyectos y ninguno se llamará «Untitled» por accidente.

   Nombres que se agradecen después

   Sin tildes, sin eñes y sin espacios. Use guion bajo para separar palabras. Es una costumbre que viene de que los nombres de archivo viajan entre sistemas operativos distintos, y los acentos no siempre sobreviven el viaje.

6. Guardar y volver

   Posit Cloud guarda solo, pero conviene pulsar el disquete (Ctrl+S) cada vez que se escribe algo importante. Para salir basta cerrar la pestaña; el proyecto queda donde estaba, con los objetos y los archivos intactos, listo para la próxima sesión.

Abrir Posit Cloud en otra pestaña

# Análisis del consumo de energíalibrary(ggplot2) datos <- read.csv("hogares.csv")modelo <- lm(consumo ~ area, data = datos) summary(modelo)

La ventana de RStudio, recreada con HTML. No es una imagen: los colores del código son los del tema que RStudio trae por omisión, llamado Textmate.

Qué hace cada panel

Lo primero que conviene cambiar

En Tools ▸ Global Options ▸ General hay dos casillas que ahorran disgustos:

1. Escribir en el guion, no en la consola Abra un archivo con Ctrl+Shift+N y escriba ahí. La consola queda para tanteos de un segundo: «¿cuánto da esto?», «¿cómo se llamaba esa columna?».
2. Ejecutar línea a línea mientras se construye Ctrl+Enter manda a la consola la línea del cursor y baja a la siguiente. Así se comprueba cada paso en el momento, que es la forma rápida de encontrar un error: en cuanto aparece.
3. Revisar el entorno Después de cada asignación, mire el panel Environment. Si el objeto no está ahí, o no tiene la forma que esperaba, el problema está en esa línea y no tres líneas después.
4. Antes de entregar, reiniciar y correr todo Ctrl+Shift+F10 reinicia R con la memoria vacía; Ctrl+Shift+Enter ejecuta el guion entero. Si corre limpio de arriba abajo, el análisis es reproducible. Si no, es que algo dependía de un objeto fantasma.

Los atajos que de verdad se usan

No hay que aprenderlos todos. Estos diez cubren el noventa por ciento del tiempo frente a la pantalla. En Mac, Ctrl es Cmd y Alt es Option.

Los cuatro errores que verá esta semana

Ninguno es grave y todos tienen la misma causa: R es literal. Conviene reconocerlos de un vistazo.

Pruébelo: provoque el error a propósito

Ejecute esta celda tal como está. Fallará, y es lo que se busca: hay que acostumbrarse a leer el mensaje y no a temerlo.

Corríjalo usted mismo: cambie notas_taller por Notas_Taller en la última línea y vuelva a ejecutar. Debe responder [1] 3.5.

Los paquetes que vale la pena conocer

Esta es la lista corta: lo que de verdad se usa en un curso de estadística y en una tesis. El autocompletado del editor de este cuaderno conoce las funciones principales de todos ellos.

Dos preguntas que ahorran tiempo

Los cuatro tipos de dato

Verlo funcionando

Esta celda recorre las cuatro estructuras. Ejecútela y vaya comparando cada salida con el comentario que la precede.

Traer datos de afuera

En el curso los datos suelen venir en un archivo. En RStudio hay dos caminos, y conviene usar el primero porque queda escrito en el guion.

1. Subir el archivo al proyecto En Posit Cloud, panel Files ▸ botón Upload. El archivo queda junto al guion, así que basta nombrarlo sin ruta completa.
2. Leerlo con la función correcta Ahí está la trampa colombiana: Excel en español guarda los .csv con punto y coma como separador y coma decimal. Para esos archivos la función es read.csv2(), con el dos al final. Si usa read.csv() le saldrá una sola columna con todo adentro.
3. Comprobar antes de confiar Siempre, sin excepción: str(datos), head(datos) y summary(datos). Si una columna numérica salió como chr, el problema es el archivo, no R.

1 · El centro

2 · La dispersión

Dos grupos pueden tener la misma media y no parecerse en nada. Lo que los distingue es cuánto se alejan los datos de ese centro.

3 · La posición y la forma

Los cuartiles parten la muestra ordenada en cuatro partes iguales. Con ellos se arma el diagrama de caja, que de un vistazo muestra centro, dispersión, asimetría y datos raros.

Las órdenes, en una tabla

Al ejemplo 1: describir el consumo de 30 hogares

Qué vamos a calcular y por qué

1. El tamaño de muestra Siempre primero. Un resumen sin \(n\) no se puede interpretar: no es lo mismo una media de treinta hogares que de tres.
2. Media y mediana, juntas Comparar las dos revela de inmediato si hay asimetría. Si la media supera a la mediana, unos pocos consumos altos están empujando el promedio, y entonces el «hogar típico» no es el promedio.
3. Desviación estándar y coeficiente de variación La desviación dice cuánto se aparta un hogar del centro, en kWh. El coeficiente de variación lo pone en porcentaje y permite comparar este barrio con otro aunque los niveles de consumo sean distintos.
4. Cuartiles y la regla de Tukey Para responder la tercera pregunta con un criterio objetivo, y no «a ojo».
5. Dos gráficos El histograma muestra la forma del reparto; el diagrama de caja, el centro, la dispersión y los atípicos. Juntos cuentan la historia completa.

La teoría, en cuatro símbolos

Una tabla de frecuencias tiene siempre las mismas cuatro columnas. Vale la pena fijar la notación porque es la que usan todos los textos.

Qué hace cada parte del guion

1. Construir la variable con rep() En lugar de escribir 120 palabras, se indica cuántas veces se repite cada categoría. Es la forma habitual de meter en R una tabla que ya viene resumida.
2. Declararla como factor Con levels se fija el orden en que aparecerán las categorías. Sin ese argumento R las ordena alfabéticamente, que casi nunca es el orden que uno quiere.
3. Contar y convertir table() cuenta, prop.table() divide entre el total y cumsum() acumula. Tres funciones, tres columnas.
4. Armar la tabla y comprobarla Se juntan las columnas en un data.frame y se verifica que sumen \(n\) y 1.
5. La moda which.max() devuelve la posición del máximo, no su valor; por eso se usa para indexar el vector de nombres. Es el error más común al buscar la moda en R.
6. Los gráficos Barras para comparar magnitudes y pastel para mostrar la composición del total.

La convención que vale para toda distribución

Aquí está la idea que ahorra memorizar cien funciones. En R, el nombre de toda función de probabilidad se arma con un prefijo y el nombre de la distribución:

La distribución binomial

La distribución normal

Dos caminos para la misma respuesta

Toda probabilidad se puede obtener de dos maneras: con la fórmula exacta o simulando muchas veces el experimento. La segunda es más lenta pero siempre funciona, incluso cuando no hay fórmula. Las dos deben coincidir, y comprobarlo es la mejor manera de verificar que uno entendió el modelo.

Al ejemplo 3: el lote de bombillos

Qué calcula cada bloque del guion

1. Probabilidades puntuales con dbinom dbinom(0, 20, 0.05) es exactamente \(\binom{20}{0}(0{,}05)^0(0{,}95)^{20}\). La función hace el número combinatorio por usted.
2. Probabilidades acumuladas con pbinom Devuelve \(P(X\le q)\). Para la cola derecha hay dos caminos: 1 - pbinom(2, ...) y pbinom(2, ..., lower.tail = FALSE). Dan el mismo número, pero el segundo es más preciso cuando la probabilidad es muy pequeña, porque evita restar dos cantidades casi iguales.
3. Esperanza y desviación teóricas \(E(X)=np\) y \(\mathrm{DE}(X)=\sqrt{np(1-p)}\). Se calculan a mano para tenerlas con qué comparar.
4. Toda la distribución de un golpe dbinom(0:6, 20, 0.05): la función recibe un vector y devuelve siete probabilidades. Así se trabaja en R.
5. La comprobación por simulación Se generan 10 000 lotes con rbinom() y se cuenta qué fracción tiene tres o más defectuosos. Debe parecerse mucho al valor exacto; si no se parece, hay un error en alguna parte.

El puntaje z, y por qué importa

La orden (170 - mu) / sigma del guion calcula el puntaje z de una estatura de 1,70. El resultado, 1,82, significa que esa mujer está 1,82 desviaciones estándar por encima de la media. Ese número es el que permite comparar cosas incomparables: una estatura con una nota, un salario con un tiempo de reacción. Todo lo que se tipifica vive en la misma escala.

El criterio: mínimos cuadrados

El catálogo de curvas

Estos son los cinco modelos que aparecen en los ejemplos siguientes. Cuatro de ellos se ajustan con el mismo lm(), porque admiten una transformación que los vuelve lineales.

La linealización, y su precio

Tomar logaritmos convierte una curva en una recta, y eso permite usar lm(). Pero hay que saber qué se está haciendo:

Cuando la respuesta es sí o no: la regresión logística

Elegir entre varios modelos

Al ejemplo 5: el géiser Old Faithful

El orden de las cosas

1. Conocer los datos antes de modelarlos str(), head() y summary(). Saber cuántas filas hay y en qué unidades están las variables evita disparates después.
2. Mirar la nube de puntos Antes de cualquier ajuste. Una recta sobre datos curvos da coeficientes perfectamente calculados y completamente inútiles. Aquí, además, el gráfico revela algo interesante: hay dos grupos de erupciones, cortas y largas.
3. Medir la fuerza con la correlación cor() da el número; cor.test() añade la prueba de hipótesis y el intervalo de confianza.
4. Ajustar con lm() y leer summary() La fórmula waiting ~ eruptions se lee «espera explicada por duración».
5. Pronosticar, con su intervalo Un pronóstico sin margen de error no es un pronóstico. Y hay que escoger bien cuál de los dos intervalos se informa.
6. Revisar los supuestos Dos gráficos de residuos. Si fallan, los valores p del summary() no son de fiar.

Tres modelos, tres decisiones

1. La recta, para tener con qué comparar lm(dist ~ speed) da \(R^2 = 0{,}651\). No está mal, pero el gráfico muestra que los puntos se curvan hacia arriba.
2. La parábola completa lm(dist ~ speed + I(speed^2)). El I() es obligatorio: dentro de una fórmula de R, el símbolo ^ tiene otro significado —indica interacciones— y sin I() el modelo no sería el que se cree.
3. La parábola que obliga la física lm(dist ~ 0 + speed + I(speed^2)). El cero quita el intercepto y fuerza a la curva a pasar por el origen.
4. Comparar y decidir Con AIC() entre los tres y con anova() entre los dos anidados.
5. Traducir los coeficientes a física Convirtiendo millas por hora a pies por segundo, los dos coeficientes se vuelven un tiempo de reacción y una desaceleración.

El recorrido del guion

1. Los 23 vuelos completos Con daño y sin daño. Ésta es la corrección decisiva respecto de lo que se miró aquella noche.
2. La primera señal: tapply() Compara la temperatura media de los vuelos con daño y sin daño. Es un indicio, no una prueba.
3. El modelo con glm() family = binomial es lo único que cambia respecto de un lm().
4. Traducir el coeficiente a razón de momios exp(coef(modelo)). El coeficiente crudo está en logaritmos y no se informa nunca tal cual.
5. Pasar a probabilidades predict(..., type = "response"). Sin ese argumento, R devuelve el logit, y más de un informe ha confundido las dos cosas.
6. La curva, con la línea de los 31 °F El gráfico que resume todo el caso.

Qué hacer esta semana

1. Abrir el proyecto y no cerrarlo Cree un único proyecto en Posit Cloud para todo el curso y trabaje siempre ahí. Los paquetes se instalan por proyecto, y cambiar de proyecto obliga a reinstalar.
2. Repetir los diez ejemplos en RStudio Cada celda trae el botón Copiar para RStudio. Péguelos, ejecútelos y compruebe que las cifras coinciden con las de aquí. Ese ejercicio cierra el círculo entre el cuaderno y el entorno real.
3. Cargar un archivo propio Suba un .csv suyo al panel Files, léalo con read.csv2() y hágale str(), summary() y un histograma. Ahí empieza el trabajo de verdad.
4. Aprender el tidyverse Cuando los verbos de R base se queden cortos, dplyr y ggplot2 son el paso siguiente. El libro R for Data Science está en línea y es gratuito.

Para seguir leyendo

Plataformas hermanas

Sobre los datos de los ejemplos