R es un lenguaje de programación y entorno computacional dedicado a la estadística.

Decimos que es un lenguaje de programación porque nos permite dar instrucciones, usando código, a nuestros equipos de cómputo para que realicen tareas específicas (además de que es Turing Completo, pero profundizaremos en ello); para ello sólo necesitamos un intérprete para este código y es a esto a lo que llamamos un entorno computacional.

Cuando instalamos R en nuestra computadora en realidad lo que estamos instalando es el entorno computacional, y para que podamos hacer algo en ese entorno necesitamos conocer la manera de escribir instrucciones que el software pueda interpretar y ejecutar. Eso es lo que aprenderemos a hacer en este curso.

R es diferente a otros lenguajes de programación que por lo general están diseñados para realizar muchas tareas diferentes; esto es porque fue creado con el único propósito de hacer estadística. Esta característica es la razón de que R sea un lenguaje de programación peculiar, que puede resultar absurdo en algunos sentidos para personas con experiencia en otros lenguajes, pero también es la razón por la que R es una herramienta muy poderosa para el trabajo en estadística, puesto que funciona de la manera que una persona especializada en esta disciplina desearía que lo hiciera.

Para entender mejor estas peculiaridades, nos conviene conocer un poco de los orígenes de este lenguaje de programación.

¿Quién usa R?

R es un lenguaje relativamente joven pero que ha experimentado un crecimiento acelerado en su adopción durante los últimos 10 años.

En septiembre de 2017, de acuerdo al TIOBE programming community index (2017), que es uno de los índices de más prestigio en el mundo en relación popularidad en el uso de lenguajes de programación, R era el lenguaje número 11 en popularidad, después de haber sido el lenguaje número 18 en el 2016. Esto es sobresaliente si consideramos que R es un lenguaje dedicado únicamente a la estadística, mientras que lenguajes como Python (número 5 en 2017) o Java (número 1) son lenguajes que pueden ser usados para todo tipo de tareas, desde crear sitios web hasta programar robots.

La adopción de R se debe en gran medida a que permite responder preguntas mediante el uso de datos de forma efectiva, y como es un lenguaje abierto y gratuito, se facilita compartir código, crear herramientas para solucionar problemas comunes y que todo tipo de personas interesadas en análisis estadísticos puedan participar y contribuir al desarrollo y uso de R, no sólo aquellas que tengan acceso a licencias de software cerrado.

Incluso compañías e instituciones que no tendrían ninguna dificultad para financiar el costo de licencias de software cerrado utilizan R.

R, por citar un ejemplo, es usado por Facebook para analizar la manera en que sus usuarios interactúan con sus muros de publicaciones para así determinar qué contenido mostrarles. Esta es una tarea muy importante en Facebook, pues las interacciones de los usuarios con publicidad y contenido pagado son la principal fuente de ingreso de esta compañía. Además de que su división de recursos humanos emplea esta herramienta para estudiar las interacciones entre sus trabajadores.

Google usa R para analizar la efectividad las campañas de publicidad implementadas en sus servicios, por ejemplo, los anuncios pagados que te aparecen cuando “googleas” algo. Nuevamente, esta es la principal fuente de ingresos de esta compañía. R También es usado para hacer predicciones económicas y otras actividades.

Microsoft adquirió y ahora desarrolla una versión propia de R llamada OpenR, que ha hecho disponible para uso general del público. OpenR es empleada para realizar todo tipo de análisis estadísticos, por ejemplo, para empatar a jugadores en la plataforma de videojuegos XBOX Live (así que puedes culpar a R cuando te tocan partidas contra jugadores mucho más hábiles que tú).

Otras compañías que usan R de modo cotidiano son American Express, IBM, Ford, Citibank, HP y Roche, entre muchas más (Bhalla, 2016; Level, 2017; Microsoft, 2014).

Lo anterior ilustra algunas de las aplicaciones específicas de este lenguaje y de manera general podemos decir que R es usado para procesar, analizar, modelar y comunicar datos.

Aunque R está diseñado para análisis estadístico, con el paso del tiempo los usuarios de este lenguaje han creado extensiones a R, llamadas paquetes, que han ampliado su funcionalidad. En la actualidad es posible realizar en R minería de textos, procesamiento de imagen, visualizaciones interactivas de datos y procesamiento de Big Data, entre muchas otras cosas.

Así que, empecemos a usar R.

[R para principiantes – Mendoza]

Para comenzar, descarga R Studio gratuito desde aquí te compartimos una lista de libros:

  1. R para Ciencia de Datos by Garrett Grolemund and Hadley Wickham
  2. Libro Vivo de Ciencia de Datos by Pablo Casas
  3. Ciencia de datos para curiosos by Martín Montané
  4. Ciencia de Datos con R by Ruben Sanchez Sancho
  5. Manual de R by Freddy Hernández y Olga Usuga
  6. R para principiantes by Juan Bosco Mendoza Vega
  7. Aprender R: iniciación y perfeccionamiento by François Rebaudo
  8. AnalizaR Datos Políticos by Francisco Urdinez y Andrés Cruz Labrín (editores)
  9. Introducción a R para el análisis de datos en Ciencias Sociales by Eduardo Bologna
  10. Introducción a estadística con R by Matias Andina
  11. R para profesionales de los datos: una introducción by Carlos J. Gil Bellosta
  12. Laboratorio de Estadística y Probabilidad con R by Jose Mari Eguzkitza Arrizabalaga
  13. El arte de programar en R: un lenguaje para la estadística by Julio Sergio Santana y Efraín Mateos Farfán
  14. Introducción a la programación estadística con R para profesores by José Miguel Contreras García, Elena Molina Portillo y Pedro Arteaga Cezón
  15. Estadística básica con R-Commander by Antonio Matas Terrón, Pablo Daniel Franco Caballero y Lucía Atorrasagasti Alcaraz
  16. Fundamentos estadísticos para investigación. Introducción a R. by Antonio Maurandi López, Laura del Río Alonso y Carlos Balsalobre Ródríguez
  17. Econometría aplicada utilizando R by ALuis Quintana Romero y Miguel Ángel Mendoza (Coordinadores)
  18. Análisis espacial con R: Usa R como un Sistema de Información Geográfica by Jean-François Mas
  19. Modelos Lineales Aplicados en R by Juan Aparicio, Ma Asunción Martínez Mayoral y Javier Morales
  20. Análisis exploratorio y visualización de datos con R by Francisco Charte Ojeda
  21. Análisis de datos con R by François Husson, Sébastien Lê, Jérôme Pagès
  22. Modelos estadísticos en lenguaje R by JLucas Alejandro Garibaldi, Facundo José Oddi, Francisco Javier Aristimuño, Aliosha Nicolás Behnisch
  23. Introducción a la estadística Bayesiana by Juan Carlos Correa Morales y Carlos Javier Barrera Causil
  24. Introducción a los Métodos Numéricos. Implementaciones en R by Walter Mora F.
  25. Introducción a los métodos cuantitativos en arqueología con R by Marcelo Cardillo
  26. Introducción al análisis de datos con R y R Commander. en psicología y educación by Jorge López Puga
  27. Fundamentos básicos para manejo de R en Estadística Descriptiva by Suárez Cifuentes Julio Fernando and Rojas Medina Ricardo Alfredo
  28. Bioinformática Estadística. Análisis estadístico de datos Ómicos by Guillermo Ayala
  29. Estadística Básica by Guillermo Ayala
  30. Análisis de datos con R by Guillermo Ayala
  31. R desde el principio: curso cero de R by Emilio López Cano
  32. Estadística Básica Edulcorada by Alejandro Quintela del Rio
Fuente: Formación y Asesoría Estadística