R (lenguaje de programación)

R es un entorno y lenguaje de programación con un enfoque al

análisis estadístico.
R
R es una implementación de software libre del lenguaje S pero con
soporte de alcance estático. Se trata de uno de los lenguajes más
utilizados en investigación por la comunidad estadística, siendo
además muy popular en el campo de la minería de datos, la
investigación biomédica, la bioinformática y las matemáticas Desarrollador(es)
financieras. A esto contribuye la posibilidad de cargar diferentes
R Development Core Team
bibliotecas o paquetes con funcionalidades de cálculo y gráficas.
www.r-project.org
R es parte del sistema GNU y se distribuye bajo la licencia GNU Información general
GPL. Está disponible para los sistemas operativos Windows, Extensiones .R, .rda, .Rdata
Macintosh, Unix y GNU/Linux. comunes
Paradigma Multiparadigma: funcional, vectorial,
imperativo, procedural, orientado a
objetos
Índice
Apareció en 1993
Historia
Diseñado Ross Ihaka y Robert Gentleman
Características por
Extensiones y paquetes Última 3.4.4 (15 de marzo de 2018 (6
Ejemplos mínimos versión meses y 11 días))
Ejemplo 1: Instalación y activación de paquetes estable
Ejemplo 2: Elaboración de mapas
Influido por S, Scheme, XLispStat
Ejemplo 3: Estimación de salarios de manera
semilogaritmica Ha influido Gretl (software) Julia (lenguaje)
Proyectos relacionados a
Herramientas de productividad Sistema Multiplataforma
Interfaces gráficas operativo
Editores e IDEs Licencia GPL
Lenguajes de script
[editar datos en Wikidata]
Alternativas libres
Alternativas privativas
Enlaces externos
Documentación en español
Referencias

Historia
Fue desarrollado inicialmente porRobert Gentleman y Ross Ihaka del Departamento de Estadística de la Universidad de Aucklanden
1993.1 Sin embargo, si se remonta a sus bases iniciales, puede decirse que inició en los Bell Laboratories de AT&T y ahora Alcatel-
Lucent en Nueva Jersey con el lenguaje S. Este último, un sistema para el análisis de datos desarrollado por John Chambers, Rick
Becker, y colaboradores diferentes desde finales de 1970. La historia desde este punto es prácticamente la del lenguaje S. Los
diseñadores iniciales, Gentleman y Ihaka, combinaron las fortalezas de dos lenguajes existentes, S y Scheme. En sus propias
palabras: "El lenguaje resultante es muy similar en apariencia a S, pero en el uso de fondo y la semántica es derivado desde Scheme".
2
El resultado se llamó R "en parte al reconocimiento de la influencia de S y en parte para hacer gala de sus propios logros".

Su desarrollo actual es responsabilidad del R Development Core Team. Para saber más al respecto y en el entorno del programa,
puede teclearse contributors(); el la lista desplegada aparecen los nombres de los autores iniciales y los actuales pertenecientes
al R Development Core Team (Equipo Central de Desarrolladores R).

3
A continuación se enumeran algunos hitos en el desarrollo de R:

Versión 0.16: Es la última versión alfa desarrollada esencialmente por Ihaka y Gentleman, que incluye gran parte de
las características descritas en el "White Book".

La lista de correo comenzó su andadura el 1 de abril de 1997.

Versión 0.49 (23 de abril de 1997): Es la versión más antigua de la que se conserva el código (que todavía compila
en algunas plataformasUNIX). En esta fecha arrancó también CRAN con tres espejos que albergaban 12 paquetes.
Poco después aparecieron las versiones alfa paraWindows y Mac OS.

Versión 0.60 (5 de diciembre de 1997): R seintegra oficialmente en elProyecto GNU. El código se versiona a través
de CVS.

Versión 1.0.0 (29 de febrero de 2000): Los

desarrolladores lo consideran suficientemente
estable para su uso en producción.4

Versión 1.4.0: Se introducen los métodos S4y

aparece la primera versión paraMac OS X.

Versión 2.0.0 (4 de octubre de 2004):

Introduce el lazy loading, que permite una
carga rápida de datos con un coste de
memoria mínimo.

Versión 2.1.0: Aparece el soporte para UTF-8

y comienzan los esfuerzos de
internacionalización para distintos idiomas. R efectuando múltiples tareas en Windows, versión 3.2.2.

Versión 2.9.0: El paquete 'Matrix' se incluye

en la distribución básica de R.
Versión 2.11.0 (22 de abril de 2010): Soportepara sistemas Windows de 64 bits.
Versión 2.13.0 (14 de abril de 2011): Añadida una nueva función al compilador que permite acelerar las funciones
convirtiéndolas a byte-code.
Versión 2.14.0 (31 de octubre de 2011): Añadidos espacios de nombres obligatorios para los paquetes. Añadido un
nuevo paquete de paralelización.
Versión 2.15.0 (30 de marzo de 2012): Nuevas funciones de balanceo de cargas. Mejorada la velocidad de
serialización para grandes vectores.
Versión 3.0.0 (3 de abril de 2013): Mejoras en GUI, funciones gráficas, gestión de memoria, rendimiento e
internacionalización.
Versión 3.4.0 (21 de abril de 2017): El compilador de código de bytes JIT ('Just In Time') ahora está habilitado en el
nivel 3 de forma predeterminada.

Características
R proporciona un amplio abanico de herramientas estadísticas (modelos lineales y no lineales, tests estadísticos, análisis de series
temporales, algoritmos de clasificación y agrupamiento, etc.) y gráficas.

Al igual que S, se trata de un lenguaje de programación, lo que permite que los usuarios lo extiendan definiendo sus propias
funciones. De hecho, gran parte de las funciones de R están escritas en el mismo R, aunque para algoritmos computacionalmente
exigentes es posible desarrollar bibliotecas en C, C++ o Fortran que se cargan dinámicamente. Los usuarios más avanzados pueden
también manipular los objetos de R directamente desde código desarrollado en C. R también puede extenderse a través de paquetes
desarrollados por su comunidad de usuarios.
R hereda de S su orientación a objetos. La tarea de extender R se ve facilitada por su permisiva política delexical scoping.5

Además, R puede integrarse con distintas bases de datos y existen bibliotecas que facilitan su utilización desde lenguajes de
programación interpretados comoPerl y Python.

Otra de las características de R es su capacidad gráfica, que permite generar gráficos con alta calidad. R posee su propio formato para
la documentación basado enLaTeX.

R también puede usarse como herramienta de cálculo

numérico, campo en el que puede ser tan eficaz como
otras herramientas específicas tales como GNU Octave
y su equivalente comercial, MATLAB.6 Se ha
desarrollado una interfaz, RWeka7 para interactuar con
Weka que permite leer y escribir ficheros en el formato
arff y enriquecer R con los algoritmos de minería de
datos de dicha plataforma.

Extensiones y paquetes
R forma parte de un proyecto colaborativo y abierto. Regresión y su análisis somero en R versión 3.2.2 y en el
Sus usuarios pueden publicar paquetes que extienden su sistema operativo Windows
configuración básica. Existe un repositorio oficial de
paquetes cuyo número superó en otoño de 2009 la cifra
de los 2000.

Dado el enorme número de nuevos paquetes, estos se han organizado en vistas (o temas), que permiten agruparlos según su
naturaleza y función. Por ejemplo, hay grupos de paquetes relacionados con estadística bayesiana, econometría, series temporales,
etc.

Para facilitar el desarrollo de nuevos paquetes, se ha puesto a servicio de la comunidad una forja de desarrollo que facilita las tareas
relativas a dicho proceso.

Otros sistemas de software comerciales que integran con R incluyen: JMP,8 Mathematica,9 MATLAB,10 Spotfire,11 SPSS,12
Statistica,13 Platform Symphony,14 SAS,15 Tableau Software,16 Esri ArcGis,17 Dundas,18 Statgraphics.19 y SQL Server
2017.20

Ejemplos mínimos
Algunos ejemplos mínimos para ver la forma en que se puede introducir el código.

Ejemplo 1: Instalación y activación de paquetes

Para cargar los paquetes que se requieren se debe de seleccionar el espejo (mirror), descargar la paquetería y luego activarla. Para
seleccionar el espejo:

> chooseCRANmirror (graphics =FALSE)

HTTPS CRAN mirror

1: 0-Cloud [https] 2: Algeria [https] 3: Australia (Melbourne ) [https]

4: Australia (Perth) [https] 5: Austria [https] 6: Belgium (Ghent) [https]
7: Brazil (SP 1) [https] 8: Bulgaria [https] 9: Canada (MB) [https]
10: Chile [https] 11: China (Beijing 4) [https] 12: Colombia (Cali) [https]
13: Czech Republic [https] 14: Denmark [https] 15: France (Lyon 1) [https]
16: France (Lyon 2) [https] 17: France (Marseille ) [https] 18: France (Paris 2) [https]
19: Germany (Falkenstein ) [https] 20: Germany (Münster ) [https] 21: Iceland [https]
22: Ireland [https] 23: Italy (Padua) [https] 24: Japan (Tokyo) [https]
25: Malaysia [https] 26: Mexico (Mexico City ) [https] 27: New Zealand [https]
28: Norway [https] 29: Philippines [https] 30: Russia (Moscow ) [https]
31: Serbia [https] 32: Spain (A Coruña ) [https] 33: Spain (Madrid ) [https]
34: Switzerland [https] 35: Taiwan (Chungli ) [https] 36: Turkey (Denizli ) [https]
37: UK (Bristol ) [https] 38: UK (Cambridge ) [https] 39: UK (London 1) [https]
40: USA (CA 1) [https] 41: USA (IA) [https] 42: USA (KS) [https]
43: USA (MI 1) [https] 44: USA (TN) [https] 45: USA (TX) [https]
46: USA (WA) [https] 47: (HTTP mirrors )

Selection :

Al escribir solo chooseCRANmirror()se desplegará una ventana para elegirlo manualmente con el ratón. Lo mismo ocurrirá si
se omite graphics = FALSE o se escribe graphics = TRUE.

Cuando se instalan paquetes para análisis especializados, específicos o que simplemente no tiene predeterminadamente instalados
pero no activados el sistema, se instala. Así pues, en este caso, los paquetes, al ser un entorno con dependencias funcionan mejor con
tales paquetes auxiliares. Lasdependencias pueden ser por ejemplo otros paquetes o bases de datos para que funcione o bien, o mejor
o de hecho lo haga. Algunos paquetes funcionan con dependencias muy específicas, otros con dependencias muy generales; como
sea, a veces la misma instalación, al ser común la dependencia, lo hace de forma automática, pero no en todas las ocasiones. Por esto
para instalar el paquete de interés se escribirá:

install.packages ("deldir" , dep=T) # Para la triangulac ión de Delaunay y teselación de Dirichlet junto con
todas las dependencias

Para activar la librería pueden ser:

library ("deldir" ) # Para el ejemplo anterior.

library ('Benchmarking' ) # Para el [[Análisis de Datos Envolvente]]
require (maps) # Para elaborar mapas. Previa instalación.
require ('plot3D' ) # Para elaborar mapas 3D. Previa instalación.

Todos tanto con comillas dobles (" ") como con comillas simples (' ') o libres. Si se instalaron las arriba mencionadas dependencias,
aparecerán indicaciones luego del comando que describe las dependencias que también se activaron al llamar la librería que se usará.

Ejemplo 2: Elaboración de mapas

Para elaborar un mapa de Estados Unidos que sea sobre la tasa de desempleo de 2009 por condados (municipios) y que estos estén
marcados por densidad de color se usará lo que a continuación se presenta. Basado en la solución J del "Choropleth Challenge". La
referencia completa se encuentraacá. Se puede obtener este ejemplo (en inglés y con los colores originales) enexample(map)

Para el ejemplo en español:

require (maps) # activación de librería

require (mapproj ) # se usará para projection="polyconic"
# Cargar los datos
# unemp incluye datos para condados de los Estados Unidos continentales. Se excluyen Alaska, Hawaii,
Puerto Rico, y pequeñas ciudades de Virginia
data(unemp) # Datos de desempleo
data(county.fips ) # mapa de los condados

# Se define la paleta de colores. Escala de grises en este caso. En el original, rosas y magenta.
colors = c("#F1EEF6" , "#D3D3D3" , "#B9B9B9" , "#787878" , "#2E2E2E" , "#111111" ) # Colores
unemp$colorBuckets <- as.numeric (cut(unemp$unemp, c(0, 2, 4, 6, 8, 10, 100))) # Rangos de desempleo
leg.txt <- c("<2%", "2-4%" , "4-6%" , "6-8%" , "8-10%" , ">10%" ) # Etiquetas de los rangos

# Se alinean los datos con definiciones de mapa (parciales) de emparejamientos de estados,

# nombre de condados, que incluyen varios polígonos para algunos condados
cnty.fips <- county.fips $fips[match(map("county" , plot=FALSE)$names, county.fips $polyname )]
colorsmatched <- unemp $colorBuckets [match(cnty.fips , unemp $fips)]

# Se dibuja el mapa. Luego se guarda en JPEG.

jpeg("desempleo Estados Unidos 2009.jpg" , width = 1024, height =750) # Crea imagen de 1024 x 750 pixeles.
map("county" , col = colors [colorsmatched ], fill = TRUE, resolution = 0, lty = 0, projection =
"polyconic" ) # Mapa general del desempleo en grises
map("state" , col = "white" , fill = FALSE, add = TRUE, lty = 1, lwd = 0.2, projection ="polyconic" ) # Mapa
de los estados sobre puesto
title(main="Desempleo por condado, año 2009" , cex.main = 3,
sub ="Creado con información de la solución de J del 'Choropleth Challenge'
 más info en http://blog.revolutionanalytics.com/2009/11/choropleth-challenge-result.html" )
# Se creó el título del mapa
legend ("top", leg.txt , horiz = T, fill = colors , bg="#F1F1F1" , cex=1.5) # Indicación de los colores por
su rango
map.axes () # Para colocar ejes con la latitud y longitud
dev.off ()
# Para ver los límites del condado débiles, vaya a RGui : File/SaveAs/PDF

Lo anterior da como resultado el mapa de la imagen inferior

.

Ejemplo 3: Estimación de salarios de manera semilogaritmica

El siguiente ejemplo es tomado del libro de Kleiber y Zeileis intitulado Applied Econometrics with R. El ejemplo que abajo se
expondrá no es tomado al pie de la letra, se le agregaron algunos cambios por el tipo de licencia; no obstante, el fin es el mismo. Se
agregan muchas cosas para hacer más didáctico el código y permitir exponer la flexibilidad del paquete estadístico R.

library (AER) # Para el compendio de datos del libro de Kleiber & Zeileis (2008)
library (scales ) # Para las transparencias de los elementos de color.
library (quantreg ) # Para usar las regresiones por cuantiles

data("CPS1985" , package = "AER") # Carga los datos del paquete AER

cps <- CPS1985 # Renombra la variable como cps
cps_lm <- lm(log(wage) ~ experience + I(experience ^2) + education , data = cps) # Hace la regresión simple
cps_rq <- rq(log(wage) ~ experience + I(experience ^2) + education , data = cps, tau = seq(0.2, 0.8, by =
0.15)) # Regresión por cuantiles
cps2 <- data.frame (education = mean(cps$education ), experience = min(cps$experience ):max(cps$experience ))
# Crea un "data frame" con los datos pertinentes
cps2 <- cbind(cps2, predict (cps_lm , newdata = cps2, interval = "prediction" )) # Se agragan los valores
requeridos al "data frame" anterior
cps2 <- cbind(cps2, predict (cps_rq , newdata = cps2, type = "")) # Se agregan los valores
"tau" a cps2. Los valores de los cuantiles
jpeg("salarios.jpeg" , width = 924 , height =924) # Crea una imagen en el directorio actual con 924x924 px
de cada lado
# Se hace la gráfica con:
plot(log(wage) ~ experience , data = cps, # Crea el mapeo principal de datos en el gráfico
pch =20, col="#234DEA" , cex=2, # Se crean los puntos azules rellenos
 axes =F, # se eliminan los ejes
ylab = "", xlab= "") # Se eliminan los nombres de los ejes
box(lty=2, col="#424242" , lwd=2) # Agregada una caja gris punteada
# Sigue agregar el eje de las abscisas (de las x) y el de las ordenadas
axis(1, col="#610B21" , lwd=3, col.axis ="#610B21" , cex=2)
axis(2, col="#610B21" , lwd=3, col.axis ="#610B21" , las=2)
# Se agregan las leyendas a los ejes
mtext("Experiencia" , side=1, cex=1.7, col="#610B21" , line=2)
mtext("Logaritmo del salario" , side=2, cex=1.7, col="#610B21" , line=2)
for(i in 6:10) lines(cps2[,i] ~ experience , data = cps2, # hace el mapeo de las líneas
predeterminadas
col =alpha("#FFFF00" , .75), lwd=5) #líneas amarillas gruesas con un 75% de
transperencia
title("Estimación de los salarios en forma semi-logarítmica" , cex.main =2.7, col.main ="#2E2E2E" ,
sub="Con base en el libro de Kleiber & Zeileis (2008) y con datos de Brendt (1991)" ,
col.sub ="#FF0000" , font.sub =4, cex.sub =1.3)
# Se crearon el título y subtítulo con los colores y tipo de texto correspondientes
dev.off () # Se cierra el archivo de imégen, JPEG en este caso

Acá abajo aparece la imagen que se generó con el código de arriba. Además, cualquier error que en la imagen venga no es culpa de
los autores del libro citado. Los propietarios de los derechos de autor son totalmente los autores del libro.

Proyectos relacionados
 Bioconductor, un conjunto de paquetes para el análisis de datos engenómica.
Rmetrics, orientado al análisis de los mercados financieros y la valoración de instrumentos de inversión.

Herramientas de productividad
Existen diversas interfaces que facilitan el trabajo con R.

Interfaces gráficas
JGR o Java GUI for R, una terminal de R multiplataforma basada enJava.
R Commander (Rcmdr), una interfaz gráfica multiplataforma basada en tcltk.
RExcel, que permite usar R y Rcmdr desdeMicrosoft Excel.
rggobi, una interfaz a GGobi para visualización.
RKWard, basado en KDE.
Sage
Statistical Lab
nexusBPM, una herramienta de automatización
RStudio
Cantor21

Editores e IDEs
Entre los editores de texto e IDEs con soporte para R se cuentan:

Bluefish,22 Crimson Editor, ConTEXT, Eclipse,23 Emacs (Emacs Speaks Statistics), Geany, jEdit,24 Kate,25 RStudio,26
RKWard,27 Syn, TextMate, Tinn-R, Vim, gedit, SciTE, WinEdt (R Package RWinEdt), notepad++ y Visual Studio.28

Sweave es un procesador de documentos que puede ejecutar código de R incrustado en código de LaTeX y para insertar código,
resultados y gráficos en el documento escrito en LaTeX. LyX puede usarse para crear y compilar documentos desarrollados en
Sweave. El paquete odfWeave es similar, generando documentos en el formato OpenDocument (ODF); extensiones en estado
experimental también permiten generar documentos del tipo presentación u hoja de cálculo.

Lenguajes de script
La funcionalidad de R puede ser invocada desde código desarrollado en otros lenguajes de script tales como Python (mediante
RPy29 ), Perl (mediante Statistics::R30 ), Ruby31 y F#.32 También pueden desarrollarse scripts en R directamente usando littler33 o
Rscript, que forma parte de la distribución básica de R desde la versión 2.5.0.

Alternativas libres
Otras alternativas libres a R son las que abajo se presentan. Cabe recordar que pueden tener cierto sesgo a especializarse en algún
tema específico, comoR lo hace con la biología, fisiología o similares, por ejemplo con el proyectoBioconductor. En el caso de estos
sesgos positivos puede mencionarse a GNU Octave, que es más matemático, o Gretl que se centra más a series de tiempo (usadas en
econometría).

No obstante los sesgos temáticos, hay amplísimos grupos que usan todas las alternativas para usos eclécticos. Econometría, biología,
edafología, topología, estadística pueden ser algunas de las ramas que cada vez están usando más las alternativas libres de software o
lenguajes de programación (comoR) para su aplicación teórica o práctica.

Además, los paquetes se desarrollan para R conforme las investigaciones o publicaciones, como el caso del ejemplo 3 líneas arriba.
Otro ejemplo es el paquete de Benchmarking de R elaborado por Peter Bogetoft y Lars Otto, ambos investigadores y especialistas
del tema. Es decir, los productores de estos paquetes con, casi siempre, especialistas e investigadores que desean compartir los
conocimientos aplicados a la comunidad de usuarios.

La naturaleza de los paquetes libres permiten que se testeen rápido y sean sinérgicas las opiniones para un avance pronto. Entonces,
existen ámbitos positivos en este caso también tanto como en las siguientes alternativas, las privativas.

GNU Octave
Maxima
RStudio [1]
Gnumeric
Gretl
WinBUGS
Tinn-R [2]
PSPP [3]

Alternativas privativas
No obstante las poderosas alternativas libres mencionadas arriba, existen opciones que son privadas o empresariales. En este caso,
pueden presentarse lenguajes de programación con comunidades que comparten códigos. En éste caso, Stata es un fuerte ejemplo. Es
decir, un especialista puede desarrollar un paquete especial para ese programa y luego compartirlo usualmente con la empresa autora;
entonces, la empresa puede distribuirla primero a manera de prueba y luego de forma gratuita (o con montos monetarios especiales) y
con el respaldo de la calidad avalada.

Existen puntos a favor de que las empresas distribuyan con cierto aval los códigos o paqueterías: se asegura del óptimo
funcionamiento de las mismas, se evitan los bugs que eventualmente pueden ser comunes en ciertos códigos de las alternativas libres
y otras más.

S-Plus (enlace roto Minitab Statistica

disponible en Internet SAS Stata
Archive; véase el historial y la
última versión ).
SPSS

Enlaces externos
Wikimedia Commons alberga una categoría multimedia sobreR.
Página oficial
The R Reference Manual - Base Package, R Development Core Team. ISBN 0-9546120-0-0 (vol. 1), ISBN 0-
9546120-1-9 (vol. 2)
Colección de paquetes en CRAN (Comprehensive R Archive Network)
R-Wiki
Interfaz Web para R
R Graph Gallery, una colección de gráficos creados con R.
Proyecto R UCA, Universidad de Cádiz

Documentación en español
R para Principiantes, la versión en español deR for Beginners, traducido por Jorge A. Ahumada (PDF).
Versión en español de An Introduction to R por Andrés González y Silvia González (PDF).
Estadística Básica con R y R-Commander(libro libre)
Gráficos Estadísticos con Rpor Juan Carlos Correa y Nelfi González (PDF).
 Cartas sobre Estadística de la Revista Argentina de Bioingenieríapor Marcelo R. Risk (PDF).
Introducción al uso y programación del sistema estadístico R por Ramón Díaz-Uriarte, transparencias preparadas
para un curso de 16 horas sobre R, dirigido principalmente a biólogos y especialistas en bioinformática (PDF).
Lista de correo R-help-es en españolLista de correo oficial de R en español.
Referencias
1. A Brief History (http://cran.r-project.org/doc/html/interfa
ce98-paper/paper_2.html) R: Past and Future History,
Ross Ihaka, Statistics Department, The University of
Auckland, Auckland, New Zealand, available from the
CRAN website
2. Kleiber, Christian; Zeileis, Achim (2008). Applied
Econometrics with R (http://www.springer.com/us/book/
9780387773162) (1ra edición). Springer
Science+Business Media. p. 15. ISBN 978-0-387-77316-2.
3. What's new in R? (http://www.r-project.org/news.html)
What's new in R?
4. Peter Dalgaard. «R-1.0.0 is released» (https://stat.ethz.
ch/pipermail/r-announce/2000/000127.html).
Consultado el 6 de junio de 2009.
5. Jackman, Simon (Spring 2003). «R For the Political
Methodologist» (https://web.archive.org/web/20060721
143309/http://polmeth.wustl.edu/tpm/tpm_v11_n2.pdf)
(PDF). The Political Methodologist (Political
Methodology Section, American Political Science
Association) 11 (1): 20-22. Archivado desde el original
(http://polmeth.wustl.edu/tpm/tpm_v11_n2.pdf)el 21 de
julio de 2006. Consultado el 3 de agosto de 2006.
6. «Speed comparison of various number crunching
packages (version 2)» (https://web.archive.org/web/20
071016130210/http://www.sciviews.org/benchmark/).
SciView. Archivado desde el original (http://www.scivie
ws.org/benchmark) el 16 de octubre de 2007.
Consultado el 3 de noviembre de 2007.
7. «RWeka: An R Interface to Weka. R package version
0.3-17» (http://CRAN.R-project.org/package=RWeka).
Kurt Hornik, Achim Zeileis, Torsten Hothorn and
Christian Buchta. Consultado el 2009.
8. JMP (2013). «Analytical Application Development with
JMP» (http://www.jmp.com/applications/analytical_app
s/). SAS Institute Inc. Consultado el 19 de septiembre
de 2013.
9. «New in Mathematica 9: Built-in Integration with R» (htt
p://www.wolfram.com/mathematica/new-in-9/built-in-int
egration-with-r/). Wolfram. 2013. Consultado el 18 de
septiembre de 2013.
10. Henson, Robert (23 de julio de 2013). «MATLAB R
Link» (http://www.mathworks.com/matlabcentral/fileexc
hange/5051). The MathWorks, Inc. Consultado el 18
de septiembre de 2013.
11. Gibson, Brendan (8 de marzo de 2010). «Spotfire
Integration with S+ and R» (https://web.archive.org/we
b/20120319050518/http://spotfire.tibco.com/communit
y/blogs/stn/archive/2010/03/08/spotfire-integration-with
-s-and-r.aspx). Spotfire. Archivado desdeel original (htt
p://spotfire.tibco.com/community/blogs/stn/archive/201
0/03/08/spotfire-integration-with-s-and-r.aspx) el 19 de
marzo de 2012. Consultado el 19 de septiembre de
2013.
12. Clark, Mike (octubre de 2007). «Introduction to SPSS
16» (http://www.unt.edu/benchmarks/archives/2007/oct
ober07/rss.htm). University of North Texas Research
and Statistical Support. Consultado el 19 de
septiembre de 2013.
13. StatSoft (n.d.). «Using the R Language Platform» (http
s://web.archive.org/web/20130612060237/http://www .s
tatsoft.com/solutions/r-language-platform/). StatSoft
Inc. Archivado desde el original (http://www.statsoft.co
m/solutions/r-language-platform/) el 12 de junio de
2013. Consultado el 20 de septiembre de 2013.
14. Parmar, Onkar (31 de marzo de 2011). « "R" integrated
with Symphony» (http://platformcomputing.blogspot.co
m/2011/03/r-integrated-with-symphony.html). Platform
Computing Corporation. Consultado el 20 de
septiembre de 2013.
15. SAS (11 de noviembre de 2010). «Calling Functions in
the R Language (SAS/IML)» (http://support.sas.com/do
cumentation/cdl/en/imlsstat/63545/HTML/default/viewe
r.htm#statr_toc.htm). Consultado el 20 de septiembre
de 2013.
16. Tableau (17 de diciembre de 2013). «R is Here!» (htt
p://www.tableau.com/about/blog/r-integration).
Consultado el 29 de enero de 2015.
17. «Building a Bridge to the R Community» (https://blogs.
esri.com/esri/esri-insider/2015/07/20/building-a-bridge-t
o-the-r-community/). Esri. 20 de julio de 2015.
Consultado el 14 de abril de 2016.
18. Dundas. «R Integrated with Dundas BI» (http://www.du
ndas.com/). Consultado el 30 de julio de 2015.
19. «Statgraphics R Interface» (http://www.statgraphics.co
m/webinars).
20. «Editions and supported features of SQL Server 2017»
(https://docs.microsoft.com/en-us/sql/sql-server/edition
s-and-components-of-sql-server-2017). 15 de marzo
de 2018.
21. «Cantor - Description» (http://edu.kde.org/cantor/). The
KDE Education Project. Consultado el 4 de noviembre
de 2012.
22. Customizable syntax highlighting based on Perl
Compatible regular expressions, with subpattern
support and default patterns for..R, tenth bullet point,
Bluefish Features (http://bluefish.openoffice.nl/features.
html), Bluefish website, retrieved 9 July 2008.
23. Stephan Wahlbrink. «StatET: Eclipse based IDE for R»
(http://www.walware.de/goto/statet). Consultado el 26
de septiembre de 2009.
24. Jose Claudio Faria. «R syntax» (http://community.jedit.
org/?q=node/view/2339). Consultado el 3 de
noviembre de 2007.
25. «Syntax Highlighting» (https://web.archive.org/web/200
80707062903/http://www.kate-editor.org/downloads/sy
ntax_highlighting). Kate Development Team. Archivado
desde el original (http://kate-editor.org/downloads/synt
ax_highlighting) el 7 de julio de 2008. Consultado el 9
de julio de 2008.
26. «Integrated Development Environment (IDE) for R»(htt
p://www.rstudio.org/). RStudio, Inc. Consultado el 16
de marzo de 2012.
 s/Statistics-R-0.02/lib/Statistics/R.pm)CPAN
27. «Página proyecto RKWard» (http://rkward.sourceforge. 31. RSRuby GitHub project (https://github.com/alexgutterid
net/). ge/rsruby)
28. NppToR: R in Notepad++ (http://sourceforge.net/projec 32. F# R Type Provider (http://bluemountaincapital.github.i
ts/npptor/) o/FSharpRProvider/)
29. RPy home page (http://rpy.sourceforge.net) 33. littler web site (http://dirk.eddelbuettel.com/code/littler.h
30. Statistics::R page on (http://search.cpan.org/~gmpasso tml)
s/Statistics-R-0.02/lib/Statistics/R.pm)CPAN

Obtenido de «https://es.wikipedia.org/w/index.php?title=R_(lenguaje_de_programación)&oldid=110519529
»

Esta página se editó por última vez el 9 sep 2018 a las 13:09.

El texto está disponible bajo laLicencia Creative Commons Atribución Compartir Igual 3.0 ; pueden aplicarse cláusulas
adicionales. Al usar este sitio, usted acepta nuestrostérminos de uso y nuestra política de privacidad.
Wikipedia® es una marca registrada de laFundación Wikimedia, Inc., una organización sin ánimo de lucro.