Group items tagged

la fortaleza de R en un contexto empresarial es su capacidad para modificarse y adaptarse a sus necesidades de modelos de datos

Si no puede encontrar el gráfico, modelo o manipulación que necesita en los

Incorporación de R en el mundo empresarial

El análisis de los grandes datos en forma de datos de medios sociales es un ejemplo

Si bien otro software de análisis puede realizar funciones similares, R le brinda un medio para explorar los datos de formas diferentes, rápidamente, en un entorno, luego compartirlo con otros de forma gráfic

Se trata de un proyecto de software libre, resultado de la implementación GNU del premiado lenguaje S

Para los programadores que trabajan con Big Data, el lenguaje R tiene dos ventajas primordiales, a decir de Smith: “Está diseñado para trabajar con datos y para construir modelos con datos”. Los programadores, añadió, pueden pasar de un concepto a un modelo funcional en una fracción del tiempo que toma con sistemas heredados.

La segunda ventaja es el diseño de código abierto del lenguaje R. “Tiene una comunidad completa de estadísticos y científicos de datos quienes realmente extienden los límites del acceso a datos, de plataformas de datos como Hadoop, de técnicas de análisis de datos y también de la visualización de datos, que es una parte cada vez más importante de la historia

Proporcionar un punto de encuentro a los usuarios de R Fomentar la colaboración entre ellos en un ambiente multidisciplinar Divulgar el conocimiento del lenguaje y sus posibilidades Promover el uso de R

el creciente número de publicaciones y libros sobre R o sus aplicaciones la cantidad de jornadas y conferencias sobre R que tienen lugar en todo el mundo los grupos de usuarios de R que se han constituido en diversas ciudades y países su creciente uso en la empresa, instituciones públicas, etc.

Es el nombre de un proyecto de código abierto consistente en un lenguaje de programación y un software de código abierto. Este software nos permite poder analizar datos de múltiples formas.

Es un software de uso común en departamentos de business intelligence dentro de las empresas, pero también es utilizado en investigación. 

Al tratarse de un software de código abierto, podemos decir que está vivo. La comunidad de R trabaja constantemente en desarrollar nuevas versiones mejoradas y en elaborar paquetes específicos para diferentes tipos de análisis. Así podemos encontrar paquetes de todo tipo (4293 a fecha de hoy), desde específicos para biólogos o genetistas, hasta modelos de hábitos de compra para marketing, pasando evidentemente por paquetes estadísticos de todo tipo y calidad.

A robust, vibrant community. With thousands of contributors and more than two million users around the world, if you've got a question about R chances are, someone's answered it (or can). There's a wealth of community resources for R available on the Web, for help in just about every domain.

What makes R particularly powerful is that statisticians and statistically minded people around the world have contributed packages to the R Group and maintain a very active news group offering suggestions and help. The growing collection of packages and the ease with which they interact with each other and the core R is perhaps the greatest advantage of R

Using R in 12 simple steps for personality research (These steps are not meant to limit what can be done with R, but merely to describe how to do the analysis for the most basic of research projects and to give a first experience with R). Install R on your computer or go to a machine that has it. Download the psych package as well as other recommended packages from CRAN using the install.packages function, or using the package installer in the GUI. To get packages recommended for a particular research field, use the ctv package to install a particular task view. Note, these first two steps need to be done only once! Activate the psych package or other desired packages using e.g., library(psych). This needs to be done every time you start R. Or, it is possible to modify the startup parameters for R so that certain libraries are loaded automatically. Enter your data using a text editor and save as a text file (perhaps comma delimited if using a spreadsheet program such as Excel or OpenOffice) Read the data file or copy and paste from the clipboard (using, e.g., read.clipboard). Find basic descriptive statistics (e.g., means, standard deviations, minimum and maxima) using describe. Prepare a simple descriptive graph (e.g, a box plot) of your variables. Find the correlation matrix to give an overview of relationships (if the number is not too great, a scatter plot matrix or SPLOM plot is very useful, this can be done with pairs.panels. If you have an experimental variable, do the appropriate multiple regression using stan- dardized or at least zero centered scores. If you want to do a factor analysis or principal components analysis, use the factanal or fa and principal function To score items and create a scale and find various reliability estimates, use score.items and perhaps omega. Graph the results.