Bienvenida e introducción
Conociendo R Markdown y organizando los hallazgos del análisis en un documento PDF.
Clase 34 de 35 • Curso de Fundamentos de R
Contenido del curso
Variables, tipos de datos y estructuras
EDA: Exploratory data analysis
- 13
Qué es EDA: Exploratory Data Analysis
04:46 - 14
Gráficas de dispersión e histogramas.
04:31 - 15
Box Plot y su interpretación
07:08 - 16
EDA con dataset proyecto - Gráficas de dispersión.
08:09 - 17
EDA con histogramas.
10:37 - 18
EDA con dataset proyecto - histogramas - ggplot2
07:20 - 19
EDA con box plot- ggplot2
11:29 - 20
EDA con dataset proyecto - box plot- ggplot2 - dplyr
11:36 - 21
EDA con gráficas de dispersión con más de dos variables - ggplot2
07:48 - 22
EDA con dataset proyecto usando gráficas de dispersión con más de dos variables - ggplot2 - plotly
10:41
La estadística de los datos
- 23
Buscando correlaciones con pairs
13:49 - 24
Confirmando correlaciones con la función cor
05:08 - 25
Buscando correlaciones con pairs en dataset proyecto
07:20 - 26
Confirmando correlaciones con la función cor en dataset proyecto.
07:35 - 27
Protegiéndonos de los peligros del promedio.
08:02 - 28
Eliminando los NA's para hacer los cálculos.
08:01 - 29
Estadística y visualización aplicada a análisis de datos de mercadeo.
01:45
Ajustando los datos
Mejorando la visualización
Organizar visualizaciones y código con R Markdown
Conclusiones Finales
Resumen
Es momento de generar nuestro documento con todas las gráficas y observaciones que hemos realizado a nuestro dataset, para ello necesitamos instalar el paquete rmarkdown: install.packages(“rmarkdown”).
R Markdown nos permite generar archivos en formato HTML, PDF y Word. La mejor opción es trabajar en un formato HTML para compartirlo por internet y posteriormente convertirlo ya sea a PDF o Word.
Dentro de nuestro archivo de R Markdown iremos escribiendo con sintaxis de markdown el archivo y cuando escribamos código por si solo se va a ejecutar y añadir las gráficas o cálculos a nuestro archivo.