R (lenguaje de programación)

Ir a la navegaciónIr a la búsqueda
Para otros usos de este término, véase R (desambiguación).

Desarrollador(es)

R Development Core Team

https://www.r-project.org

Información general

Extensiones .R, .rda, .Rdata

comunes

Paradigma Multiparadigma:

funcional, vectorial, imperativo, procedural, orientado

a objetos

Apareció en 1993

Diseñado Ross Ihaka y Robert Gentleman

por

Última 3.6.0 (26 de abril de 2019 (3 meses y 8 días))

versión
estable

Influido S, Scheme, XLispStat

por

Ha influido Gretl (software) Julia (lenguaje)

a

Sistema Multiplataforma
operativo
 Licencia GPL

[editar datos en Wikidata]

R es un entorno y lenguaje de programación con un enfoque al análisis estadístico.

R nació como una reimplementación de software libre del lenguaje S, adicionado con
soporte para alcance estático. Se trata de uno de los lenguajes de programación más
utilizados en investigación científica, siendo además muy popular en el campo de
la minería de datos, la investigación biomédica, la bioinformática y las matemáticas
financieras. A esto contribuye la posibilidad de cargar diferentes bibliotecas o paquetes con
funcionalidades de cálculo y graficación.
R es parte del sistema GNU y se distribuye bajo la licencia GNU GPL. Está disponible para
los sistemas operativos Windows, Macintosh, Unix y GNU/Linux.

Índice

 1Historia
 2Características
 3Extensiones y paquetes
 4Ejemplos mínimos
o 4.1Ejemplo 1: Instalación y activación de paquetes
o 4.2Ejemplo 2: Elaboración de mapas
o 4.3Ejemplo 3: Estimación de salarios de manera semilogaritmica
 5Proyectos relacionados
 6Herramientas de productividad
o 6.1Interfaces gráficas
o 6.2Editores e IDEs
o 6.3Lenguajes de script
 7Alternativas libres
 8Alternativas privativas
 9Referencias
 10Enlaces externos
o 10.1Documentación en español

Historia[editar]
Fue desarrollado inicialmente por Robert Gentleman y Ross Ihaka del Departamento de
Estadística de la Universidad de Auckland en 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". El
resultado se llamó R "en parte al reconocimiento de la influencia de S y en parte para
hacer gala de sus propios logros".2
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).
A continuación se enumeran algunos hitos en el desarrollo de R:3

 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 plataformas UNIX). En esta fecha arrancó
también CRAN con tres espejos que albergaban 12 paquetes. Poco después
aparecieron las versiones alfa para Windows y Mac OS.

 Versión 0.60 (5 de diciembre de 1997): R se integra oficialmente en el Proyecto GNU.

El código se versiona a través de CVS.

R efectuando múltiples tareas en Windows, versión 3.2.2.

 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 S4 y aparece la primera versión para Mac
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.

 Versión 2.9.0: El paquete 'Matrix' se incluye en la distribución básica de R.

 Versión 2.11.0 (22 de abril de 2010): Soporte para 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[editar]
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 Una Herramienta Util.
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 de lexical scoping.5
Además, R puede integrarse con distintas bases de datos y existen bibliotecas que facilitan
su utilización desde lenguajes de programación interpretados como Perl 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 en LaTeX.

Regresión y su análisis somero en R versión 3.2.2 y en el sistema operativo Windows

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 privativo: 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[editar]
R forma parte de un proyecto colaborativo y abierto. Sus usuarios pueden publicar
paquetes que extienden su 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[editar]
Algunos ejemplos mínimos para ver la forma en que se puede introducir el código.
Ejemplo 1: Instalación y activación de paquetes[editar]
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. Las dependencias 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 triangulación 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 [editar]
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 encuentra acá. Se puede obtener este ejemplo (en inglés y con los
colores originales) en example(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[editar]
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 agregan 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[editar]
 Bioconductor, un conjunto de paquetes para el análisis de datos en genómica.
 Rmetrics, orientado al análisis de los mercados financieros y la valoración de
instrumentos de inversión.

Herramientas de productividad[editar]
Existen diversas interfaces que facilitan el trabajo con R.
Interfaces gráficas[editar]

 JGR o Java GUI for R, una terminal de R multiplataforma basada en Java.

 R Commander (Rcmdr), una interfaz gráfica multiplataforma basada en tcltk.
 RExcel, que permite usar R y Rcmdr desde Microsoft 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[editar]
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[editar]
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[editar]
Otras alternativas a R son las que abajo se presentan. Cabe recordar que pueden tener
cierto sesgo a especializarse en algún tema específico, como R lo hace con la biología,
fisiología o similares, por ejemplo con el proyecto Bioconductor. 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 (como R) 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[editar]
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  Minitab  Statistica
 Archivado el 10 de abril de 2008 en la Wayback Machine.  SAS  Stata
 SPSS

Referencias[editar]
1. ↑ A Brief History 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 (1ra edición).
Springer Science+Business Media. p. 15. ISBN 978-0-387-77316-2.
3. ↑ What's new in R? What's new in R?
4. ↑ Peter Dalgaard. «R-1.0.0 is released». Consultado el 6 de junio de 2009.
5. ↑ Jackman, Simon (Spring 2003). «R For the Political Methodologist» (PDF). The Political
Methodologist (Political Methodology Section, American Political Science
Association) 11(1): 20-22. Archivado desde el original el 21 de julio de 2006. Consultado el
3 de agosto de 2006.
6. ↑ «Speed comparison of various number crunching packages (version 2)». SciView.
Archivado desde el original 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». Kurt Hornik, Achim Zeileis,
Torsten Hothorn and Christian Buchta. Consultado el 2009.
8. ↑ JMP (2013). «Analytical Application Development with JMP». SAS Institute Inc.
Consultado el 19 de septiembre de 2013.
9. ↑ «New in Mathematica 9: Built-in Integration with R». Wolfram. 2013. Consultado el 18 de
septiembre de 2013.
10. ↑ Henson, Robert (23 de julio de 2013). «MATLAB R Link». The MathWorks, Inc.
Consultado el 18 de septiembre de 2013.
11. ↑ Gibson, Brendan (8 de marzo de 2010). «Spotfire Integration with S+ and R». Spotfire.
Archivado desde el original el 19 de marzo de 2012. Consultado el 19 de septiembre de
2013.
12. ↑ Clark, Mike (octubre de 2007). «Introduction to SPSS 16». University of North
Texas Research and Statistical Support. Consultado el 19 de septiembre de 2013.
13. ↑ StatSoft (n.d.). «Using the R Language Platform». StatSoft Inc. Archivado desde el
original 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». 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)».
Consultado el 20 de septiembre de 2013.
16. ↑ Tableau (17 de diciembre de 2013). «R is Here!». Consultado el 29 de enero de 2015.
17. ↑ «Building a Bridge to the R Community». Esri. 20 de julio de 2015. Consultado el 14 de
abril de 2016.
18. ↑ Dundas. «R Integrated with Dundas BI». Consultado el 30 de julio de 2015.
19. ↑ «Statgraphics R Interface».
20. ↑ «Editions and supported features of SQL Server 2017». 15 de marzo de 2018.
 21. ↑ «Cantor - Description». 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, Bluefish
website, retrieved 9 July 2008.
23. ↑ Stephan Wahlbrink. «StatET: Eclipse based IDE for R». Consultado el 26 de septiembre
de 2009.
24. ↑ Jose Claudio Faria. «R syntax». Consultado el 3 de noviembre de 2007.
25. ↑ «Syntax Highlighting». Kate Development Team. Archivado desde el original el 7 de julio
de 2008. Consultado el 9 de julio de 2008.
26. ↑ «Integrated Development Environment (IDE) for R». RStudio, Inc. Consultado el 16 de
marzo de 2012.
27. ↑ «Página proyecto RKWard».
28. ↑ NppToR: R in Notepad++
29. ↑ RPy home page
30. ↑ Statistics::R page on CPAN
31. ↑ RSRuby GitHub project
32. ↑ F# R Type Provider
33. ↑ littler web site

1.7 Instalar R
Para instalar R debemos dirigirnos a la colección de paquetes en CRAN (del
inglés, Comprehensive R Archive Network). CRAN es un repositorio global
donde se puede acceder al software y a los paquetes que la comunidad
produce. Veremos pronto que R provee limitada funcionalidad de base y los
paquetes son una parte fundamental del uso diario.

1. La instalación comienza entrando en https://cran.r-project.org/

2. Seleccionar el link correcto de descarga. El link depende del sistema
operativo.

Links para descargar R en CRAN

3. Hacer clic en Install R for the first time (instalar R por primera vez).
 Instalar por primera vez

4. Hacer clic en Download R 3.4.3 for Windows para descargar el ejecutable. Al

momento de escribir este libro la versión 3.4.3 es la última disponible en
CRAN.

Descargar

5. Instalar desde el .exe (El cuádro de dialogo permite seleccionar idioma

español).

1.7.1 Terminal de R
Si fantaseamos con escribir desde un terminal, es posible ejecutar R de ese
modo. En mi caso, el acceso al terminal se encuentra en C:\Program
Files\R\R-3.4.0\bin y la aplicación es Rterm. Como pueden ver, estoy
utilizando una versión desactualizada, R version 3.4.0 (2017-04-21) -- "You
Stupid Darkness".

Terminal de R en mi sistema
 1.7.2 Interfaz gráfica
Si bien el terminal (o consola) es seductor, en muchas ocasiones es
conveniente tener una interfaz gráfica. Podemos acceder a la
interfaz RGui desde C:\Program Files\R\R-3.4.0\bin\i386 o directamente si
hemos creado un acceso directo en el escritorio durante nuestra instalación.
La interfaz gráfica se ve de este modo:

Interfaz Gráfica de R

Como podemos ver, la interfaz permite acceso a mayores opciones pero, en

esencia, se asemeja al terminal. Afortunadamente, existe una versión
ampliamente mejorada de esta experiencia, se llama Rstudio (ver Instalar
Rstudio). Rstudio es la interfaz gráfica que utilizaremos en este libro.

1.8 Instalar Rstudio

Rstudio es un software que integra una serie de herramientas gráficas y
variabilidad de opciones a R. De este modo, ganamos versatilidad y
comodidad en el uso. En el día a día, abrir Rstudio es, a fines prácticos, abrir
R. Para instalar Rstudio, podemos seguir los siguientes pasos:

1. Ir a https://www.rstudio.com/products/rstudio/download/
2. Hacer clic en Descargar software.
3. Seleccionar la version compatible con el sistema operativo.
4. Instalar desde el .exe descargado.
Descargar Rstudio

1.8.1 La experiencia
Al abrir Rstudio nos encontraremos con un programa que tiene
principalmente dos áreas, una de entrada (consola) y una de salida
(exploradores):

Rstudio al abrir

Podemos hacer un intento rápido para graficar el histograma de una

distribución Normal con media 0 y desvío estándar 1. Puedes copiar y pegar
el siguiente código en la consola.
set.seed(123)
ejemplo <- rnorm(n = 10000, mean = 0, sd = 1)
 hist(ejemplo, col='orange', breaks=40,
ylab = "Frecuencia", main = "Histograma ejemplo")

En la ventana de Rstudio se vería así:

Así se ve en Rstudio

Normalmente usaremos Rstudio con 4 zonas principales:

 Editor de scripts.
 Terminal o consola.
 Explorador de entorno e historial.
 Explorador de archivos y gráficos.

Rstudio al iniciar un script

En los próximos capítulos ahondaremos en la funcionalidad de cada uno.