1.1 El lenguaje y entorno estadístico R

R es un lenguaje de programación desarrollado específicamente para el análisis estadístico y la visualización de datos.

• El lenguaje R es interpretado (similar a Matlab o Phyton) pero orientado al análisis estadístico (fórmulas modelos, factores,…).

  • derivado del S (Laboratorios Bell).

• R es un Software Libre bajo las condiciones de licencia GPL de GNU, con código fuente de libre acceso.

  • Además de permitir crear nuevas funciones, se pueden examinar y modificar las ya existentes.

• Multiplataforma, disponible para los sistemas operativos más populares (Linux, Windows, MacOS X, …).

1.1.1 Principales características

Se pueden destacar las siguientes características del entorno R:

• Dispone de numerosos complementos (librerías, paquetes) que cubren “literalmente” todos los campos del análisis de datos.

• Repositorios:

  • CRAN (9705, 14972, 19122, …)

  • Bioconductor (1289, 1741, 2183, …),

  • GitHub, …

• Existe una comunidad de usuarios (programadores) muy dinámica (multitud de paquetes adicionales).

• Muy bien documentado y con numerosos foros de ayuda.

• Puntos débiles (a priori): velocidad, memoria, …

Aunque inicialmente fue un lenguaje desarrollado por estadísticos para estadísticos:

Figura 1.2: Rexer Data Miner Survey 2007-2015

Hoy en día es muy popular:

Figura 1.3: IEEE Spectrum Top Programming Languages, 2019

R destaca especialmente en:

• Representaciones gráficas.

• Métodos estadísticos “avanzados”:

  • Data Science: Statistical Learning, Data Mining, Machine Learning, Business Intelligence, …

  • Datos funcionales.

  • Estadística espacial.

  • …

• Análisis de datos “complejos”:

  • Big Data.

  • Lenguaje natural (Text Mining).

  • Análisis de redes.

  • …

En el Apéndice A se detallan los pasos para la instalación de R y el entorno de desarrollo RStudio. En la Sección Enlaces de las Referencias se incluyen recursos adicionales, incluyendo algunos que pueden ser útiles para el aprendizaje de R.