Informes con Rmarkdown 2025

(00:02) Hoy continuamos en R, como bien sabéis, así que bueno, si no estáis ya en la plataforma Jupiter Hub podéis ir entrando y recordad que debéis seleccionar R y no Python. Hoy tenemos dos nuevas tutorías a cargo de Nicolás que nos hablará de los cómo realizar informes en R con R Markdown. Y a continuación Areli nos hablará de cómo hacer análisis estadístico en este mismo lenguaje NR.
(00:22) Así que sin más doy ya paso a Nicolás y por favor si puedes presentarte primero. Adelante, tienes la palabra. Muchas gracias. Gracias Marian. Muchas gracias Aira también. E bueno, mi nombre es Nicolás Lois, me dicen Nico Lois en general. Soy biólogo, trabajo en general en la interdisciplina tratando de focalizar o utilizar diferentes herramientas para evaluar la vulnerabilidad de aves y ecosistemas. e trabajo con herramienta de genética, de clima, ocanografía, también algunas cuestiones de química y contaminación,
(01:05) pero siempre con el foco de de estimar la vulnerabilidad y qué chances tienen estas especies o ecosistemas de de extinguirse. En general trabajo con aves, pero eh son eh sistemas que se pueden aplicar a todo, así que si tienen alguna consulta al respecto, por supuesto, estoy dispuesto a comentar eso. Más allá de eso, hoy vengo a contarles una herramienta que ya vienen usando en el a lo largo del del curso, eh que son estos
(01:37) intérpretes multilenguaje, ¿no?, que les permiten usar eh mezclar texto con código y gráficos. Lo vi en las clases de ayer y de antes de ayer también. E y que lo pueden usar muy bien en Jupiter Notebooks, en Python. Hoy lo vamos a ver en R y vamos a ver una potencialidad infinita, digamos, una potencialidad muy grande de avanzar y seguir haciendo eh cuestiones de de desarrollo y de y de ver eh cómo se ven estos códigos de una
(02:09) manera muy muy linda y llegar a presentar informes en PDF que nos permitan eh verlo. Perdón, Marian, ¿querías decir algo? Ah, nada, nada. Ah, perdón, perdón. E entonces, el objetivo del tutorial va a ser muy simple. Vamos a buscar una pregunta muy simple. Vamos a usar un dataset simplificado, no es el foco, el análisis de datos hoy. Hoy la idea es trabajar sobre el informe y cómo paso este, cómo hago un reporte, cómo le comparto a otra persona, no programador, no experto,
(02:45) inclusive podría ser todo el material y todo lo que yo estuve trabajando. Sí. Eh, es muy útil también para los artículos científicos cuando uno tiene que reportar el código, tirar el código así eh como líneas de código y ya es un poco crudo. Solamente algunos podemos entenderlo y a veces hasta nos cuesta a nosotros mismos entender nuestros propios códigos unos años después.
(03:05) Esto es una forma de documentarlo, agregarle metadata, agregarle mucha información que nos permite tener una eh reproducibilidad mucho más eh eh mucho más eficiente. Vamos a hacer la idea de esto es hacer un paso a paso en el que vamos a correr el archivo que está ahí, casi tal cual. Vamos a hacer algunos algunos detalles, pero lo importante es entender qué es lo que estamos haciendo en cada uno de los pasos. Probar algunos pequeños cambios. Sí, vamos a tratar de ver qué input y qué output tenemos de cada una de las
(03:41) líneas y hacer algunos cambios para ver cómo se ve eso. Y al final vamos a tratar de exportar a a a esto a ver cómo se ve ese ese informe. Obviamente el informe que vamos a generar es un poco crudo de alguna manera, no va a ser el informe para presentar a la FAO, por ejemplo, pero la idea es ir trabajando y mejorándolo y aprovechar esta clase para sentar las bases de cómo se tienen que generar estos informes.
(04:02) Al final, si tenemos tiempo, voy a tratarles algunos tips de alguna estética, eh cambiar los títulos, los ejes, las paletas, eh agregar captions, que está bastante lindo en las en las figuras. Pero bueno, vamos a a correr el código. Voy a compartir pantalla a partir de ahora. Eh, si tienen alguna pregunta, no duden en preguntarme. Esperen que pongo la cámara de este lado. Ahí estoy. Tengo el código acá. E a Rally me va a estar haciendo de de asistente y me va a pasar algunas preguntas si las están haciendo en el Discord.
(04:32) No duden también en en interrumpirme si quieren y en abrir el micrófono. Eh, esto va a ser mucho mejor si lo hacemos. [Música] compartido y interactuando, siempre va a ser más más enriquecedor para todos, pero bueno, e también está el espacio del Discord eh y el chat acá, todo todos los elementos que quieran para poder comunicarnos. Bien, hasta acá estamos. Eh, yo me conecté eh al R Studio. Deberían ver una pantalla así. Si no ven una pantalla, mentira, deberían ver esto, pero sin esto debería estar limpio.
(05:06) O con lo que corrieron ayer, con algunos datos que corrieron ayer, lo único que hice fue limpiar el environment para que lo vean tal cual uno abriría eh el R. Nico, perdona, yo lo que estoy viendo son las imágenes, las las cámaras de todo el mundo. Puede ser que compartieras la otra pantalla. Sí, es verdad. La cambié, la cambié de la cambié de lado deada. Ahora sí, gracias. Bien, entonces no deberían ver una pantalla, como dije antes, deberían ver esta pantalla que tienen ahora.
(05:44) Le repito lo que hice antes, fue algo que suelo hacer, que es usar la el la cosita esa que es como un plumero que limpia el environment y nos deja como todo como de alguna manera de cero. Eh, quería saber si hasta acá estábamos todos bien. Levántenme pulgar, creo pueden reaccionar por acá y poner pulgares y estar. Quiero que estemos eh todos acá y la idea va a ser ir haciéndolo, ir corriendo el código eh paso a paso. No voy a eh no voy a pasarlo de corrido, sino que voy a ir acompañando
(06:20) el proceso. Sí, estamos bien. Em mm vamos a ir a en la en las carpetas que le aparecen. Vamos a ir al día 9 de octubre. dentro de talleres intermedios tienen la carpeta 9 de octubre, ¿sí? Eh, y van a elegir la carpeta que dice informe R. Y en esa carpeta van a poder abrir el archivo que se que se llama informe. Que es el archivo este que tenemos de código y van a encontrar un archivo muy parecido a los que estuvieron usando
(07:00) ayer para correr el análisis espacial y las y las series temporales. Va a ser muy parecido. Tiene algunas cositas distintas que algunos seguro ya se empezó a dar cuenta que se ve distinto la pantalla y esas cuestiones. Pero lo primero que quiero que hagan además de eso, además de abrir el archivo RMD, si quieren pueden revisarlo para para que vean que es muy parecido al que al que vieron. Ya está todo corrido, esto no, en realidad podrían ni siquiera correrlo. Lo vamos a hacer paso a paso después.
(07:20) Pero lo que quiero que hablan que hagan es que vayan a archivo, abran new file, archivo nuevo y usen el eh R notebook. hablen, abran un notebook nuevo para que exploren qué información les da el archivo de de notebook nuevo. Está está muy bueno porque el demo que que te viene es un un archivo de notebook que va a tener un montón de eh información ya de entrada para que nosotros vayamos eh llenándola, ¿no? como nos da como una estructura, un template, un e ay no me sale, una
(08:04) plantilla para para empezar a trabajar. Sí. Entonces nos va a decir, bueno, esto es un R madown notebook, bla bla bla, todo en inglés, eh, y esto lo es es texto, ¿no? Entonces, nosotros esto lo podríamos cambiar y y modificar y escribir nuestro propio texto. Sí. Sí. veríamos eh eh cómo va cambiando, nos va a mostrar y nos va a decir, «Bueno, acá dentro uno tiene que que escribir los plots.
(08:30) » Sí, entonces ya nos da como la estructura del del archivo y vemos cómo se utiliza y no nos este mismo archivo nos enseña cómo hacerlo, ¿no? Cómo cómo lo agrego con insert, que es este botoncito. Sí. Entonces, eso es lo que nos lo que nos permite es donde estamos nos va a permitir agregar un pedazo nuevo de código de R, como estuvieron haciendo estos días, nada más que no crearon código, no crearon eso, sino que ya lo tenían armado. Entonces, acá uno podría pegar inclusive el código que ya tiene generado para armar estos informes.
(09:04) Y en toda la parte del texto uno lo que hace es contar una historia, ¿no? Uno lo que busca con estos informes, con estos informes en remarkdown es contar la contar una historia que acompañe al código, ¿sí? que no sea un código crudo, sino que uno trabaja esa historia y esa historia es propia, eso uno la tiene que ir construyendo. Bien, eh, voy a cerrar por ahora esto, no vamos a grabarlo. Sí, esto solamente fue para explorarlo y vamos a ir al documento que cree.
(09:36) Por favor, corrijan el la letra Lois en mi apellido que lleva ese, así queda bien. Eh, esta primera parte es la parte de metadata. Fíjense, eh, perdón, antes que eso quería mostrarles otra cosita. Fíjense que acá no sé cómo lo tenían por default, creo que aparece en formato visual, que es básicamente como una especie de preview que muestra un poco más cómo se vería esto en en cuando uno lo exporta a PDF o a o HTML o a lo que lo quiera exportar.
(10:11) Yo en general uso el formato este que llama sece o fuente porque nos permite entender un poco más el código y vemos absolutamente todo lo que tiene el visual. Lo que hace es muchas veces sacarnos alguna de las de las cositas de las de las líneas de programación y fíjense que esos chanks que aparecían con las tres comillas ahora aparecen como cajitas. Entonces esto es muy personal, cada uno lo usa como le parece. Lo bueno es que esto lo que me permite es seleccionar muchas líneas, copiar y llevármelos a otro texto.
(10:41) Mientras que cuando lo hago con el visual puedo hacerlo, pero a veces cuando lo copio a texto crudo puede ser puede ser que no ande. Entonces, si yo quiero seleccionar varias líneas, solo me puedo quedar adentro de mi chank ese de ese pedacito de código. Sí, detalles. Eh, úsenlo como les parece. Esta es mucho más linda, mucho más amigable con con el ojo. Eh, esta es un poco más cruda, pero creo que es una un nivel de de crudo que uno puede manejar.
(11:12) Bien, vuelvo al principio, como les decía, esta primera parte eh va a ser eh toda la metadata, ¿sí?, todo lo que esté asociado al código que no es código per s, no es ni texto ni código. ¿Si? Entonces, acá uno pone quién eh quién hizo el el archivo, quién quiénes son los autores, perdón, cuál es el título del archivo va a poner la fecha. Uno, en este caso yo pongo la fecha del sistema. Eh, y después uno puede puede definir en qué formatos puede exportar, puede
(11:55) definirlo directamente, ¿sí? Para setear el default. Si eligen output, si descomentan estas estas líneas, perdón, les va a quedar el documento en formato PDF, si no les va a quedar en formato HTML. Por ahora esto dejémoslo comentado porque vamos a probar de correrlo todo de corrido e y no queremos que nos saquen nada por default. Estas son algunas cuestiones que nosotros, yo esto lo puse porque acá es donde uno pone las primeras eh el primer
(12:26) setup del de todo el código. Sí, todo lo que sete acá queda seteado para todo el código. Esto me parece importante. No seteo muchas cosas más que lo que lo que recomienda este paquete NIT R, que NIT R lo que te hace es pasar de R Markdown a HTML. es es como de alguna manera el que hace la impresión de ese de ese código, ¿sí? Entonces, ese paquete lo que nos va a permitir es llevarnos ese archivo a PDF o HTML.
(12:56) Entonces, acá lo que lo que le pido es que me apague todos los mensajes, los ecos, los warnings, todas las cosas, porque si no todo eso me va a aparecer abajo de los chans y yo en este momento para informes no quiero eso. Sí, si no me va a poner, por ejemplo, si ah tenés eh tantos datos por Zelda, por ejemplo, tantos datos, te pone la cantidad de rows que tiene la tabla, no, no quiero eso, quiero el caption de la tabla
(13:22) porque esto es para compartir. Sí. Entonces, todo eso quiero que eh me lo apague. Como siempre, eh levantamos eh paquetes. Estos paquetes ya los tienen instalados. Hay algunos que son medio complicados. Cable extra puede ser complicado. Vamos a ver hoy que vamos a tener problema con látex. Es otro otro paquete que suele tener su complicación. Eh, voy a charlar de algunas opciones para para zafar, entre comillas.
(13:46) Yo lo que suelo hacer es tenerlo en mi en mi R, en mi R Studio y lo tengo eh funcionando bien. Sí, eso suele eh traer estos paquetes suelen traer algún problema. Obviamente estamos tratando de transformar estos códigos en HTML y esa impresión suele ser costosa a nivel eh compatibilidad entre todos los paquetes que estoy usando. Bien, hasta acá eh estamos. Tengo algún comentario relí por ahí en el chat. ¿Alguna? ¿Alguna pregunta? No, todo bien. Excelente. Muy bien. Seguimos.
(14:19) Bueno, entonces vamos a empezar agregar texto. Sí, perfecto. Entonces, agregamos texto. Bien. Esto estoy en el formato visual. Sí. Entonces, fíjense que ya tengo dos formatos distintos acá. Esto es raro. Tengo como formato grande, negrita, medio título de alguna manera, que se llama informe de cómo crear informes. Sí, ese es como el título de mi informe. Y si se fijan acá a la derecha deberían ver el outline. Si no lo ven, aprienlo para verlo.
(14:44) Eh, es como un navegador. Sí, esto es lo mismo que en los PDF. Vieron que pueden ir navegando por el por el archivo y fíjense que tienen como un título adentro de un título adentro de un título esos niveles. Bien, ¿cómo seteó eso? Vamos a source y vamos a ver cómo está eso seteado. Bien, numeral. Sí, lo que antes usábamos para comentar código y decir esto no lo leas. Por ejemplo, no leas cable extra.
(15:15) Sí, cuando lo escribo por fuera de los chans de código dentro de lo que es el texto, me lo va a poner como un título. Fíjense, hacemos el la pequeña prueba, eh, vamos a visual. Fíjense que ese informe de crear informes ahora se ve como texto. Vuelvo de nuevo al source, a la fuente, le agrego el numeral. Sí. Y fíjense que también con ese pequeño cambio, fíjense cómo cambia también el outline a la vez. Sí, informe de cómo crear informes.
(15:50) Si lo borro, pim, desaparece ese título y ya no es un título. Bien, esos títulos pueden tener varios niveles. ¿Cómo defino los niveles? No, este es el informe. Dentro del informe vamos a ahora voy a explicarlo un poquitito, analizar barcos que pasan por la zona zona económica exclusiva de la isla de Pascua. ¿Sí? Entonces, eso está dentro de el título grande que era informe. Entonces, ¿cómo hago? Le agrego un numeral más. Si yo le saco ese numeral, está al mismo nivel.
(16:17) Y fíjense que quedó ahora exactamente en el mismo nivel. Le agrego otro y me lo va. Vamos, ahí está. Voy a apretar. me lo va a correr un poquitito para que quede dentro de lo que es el análisis de perdón, dentro de lo que es el informe. Vuelvo al análisis y vuelvo a visual ahora y fíjense que se ve ligeramente más chiquito el título ese que les estaba comentando. Y si voy al otro, al de ahora, creamos una figura, fíjense que es aún más pequeño todavía. Sí.
(17:05) Entonces, esas son los la primero que uno tiene que definir es la estructura de la historia que quiere contar, ¿no? Entonces, esa estructura seguramente va a tener algún tipo de anidamiento, una un texto sobre otro. Y esta es la manera, ¿sí? Con numerales. Bien, más datos del R Markdown. Entramos adentro nuevamente del fuente y fíjense, asterisco, asterisco, ¿qué hace? Sí, cursiva.
(17:38) ¿Lo ven? Y si le pongo el doble asterisco, doble asterisco me lo muestra como negrita. ¿Sí? Entonces, uno puede aplicarle formato desde source. Obviamente si vamos acá y le decimos format bolt a demostrando. Sí. a la palabra demostrando también lo puedo hacer. ¿Y qué va a pasar en source? Automáticamente esto está vinculado y me va a agregar el eh doble asterisco necesario para que eso se vea así. Y yo puedo editar desde cualquiera de los dos lugares y voy a ver eh siempre lo mismo,
(18:23) ¿sí? O sea, siempre voy a ver está siempre referido al mismo código fuente que es este source. Nico, una pregunta. Dime, el tipo de fuente es fijo o puedo estar utilizando otras en el resultado. Bien, en el cr Buenísima la pregunta. Gracias, Reli. Uno en el crudo, así como viene, viene en esta tipografía. Para cambiar el formato necesito usar un paquete. Para cambiar el color del texto también uso otro paquete.
(18:49) Eh, no me iba a meter en eso, pero al final de la clase si tenemos un ratito lo muestro alguna de las de los paquetes. Igual todo esto está todo documentado dentro de lo que es remarkdown en en lo van a tener absolutamente todo documentado. El paquete es eh X color. Me permite jugar con todas estas eh cuestiones. Buenísima la pregunta. Sí. Em, algo que me gusta mucho a mí agregar y a veces no me acuerdo cómo es, digo, e, por ejemplo, este documento para crear el remard
(19:25) crear un informe en eh con con el paquete NIT Nit R, ¿sí? El paquete NIT R. Esto en general, los paquetes nitre quedan lindos cuando uno lo escribe como así, ¿no? Que es muy lindo, queda como ese formato medio de esta es una línea línea de código o podremos hacer para este ejercicio tienen que cargar el environment. Sí. Entonces ponen, no sé, supongan ser que lo tienen en cona, cona activate my environment. Y todo esto lo pueden poner como línea de código.
(20:03) Eso queda muy muy lindo. Sí. Entonces queda como bien separado de lo que estoy contando y yo no quiero hacer eh no quiero poner en el código, en el crudo quizás eh el la línea de código de subir my environment, ¿no? Entonces uno lo pone en el texto porque no hace falta correr eso. Sí. Bien, voy a source y me fijo, no me acordaba cómo era. Ah, cierto, era con la comilla invertida, comilla, cierro comilla invertida y todo eso me queda como en formato eh código.
(20:41) Bien, vamos, vamos, vamos. Bueno, la pregunta, ¿qué tenemos que trabajar hoy? Hoy la propuesta es discutir esta cuestión de qué barcos pasan por la isla de Pascua en un mes, creo que era en en julio de tal eh tal año. Sí, los datos ya lo tienen descargados, e lo tienen acá en data. Eh, fíjense que acá ya lo ya tienen cómo llamarlo y todo. Obviamente esto es de prueba totalmente, no es eh nada.
(21:06) Acá tienen de dónde descargamos los datos. Fíjense que puedo agregar un link. Sí. Está muy lindo esto, ahora después se los muestro, pero la idea es ver qué barcos pasan y bueno, vamos a tratar de resumir un poco esa información. Sí, va a haber muchos datos de de barcos en ese CSB. La idea es resumirlos de alguna manera y tratar de ver qué tipos de barco pasan, en qué momento. ¿Sí? Bien, les muestro esto un segundito, lo del link que está buenísimo. Vamos a source y veamos cómo se pone el link.
(21:36) Sí, fíjense con los brackets esos, lo mayor y menor, eh, con esos simbolitos uno puede eh agregar eh el link. Bien, volvemos al visual. Eh, entonces, bien, ¿cómo corro el código? Porque yo también quiero ir corriendo el código y quiero ir probándolo. Bien, entonces vamos a ir un poquito más desde arriba para correr todo, porque yo empecé de cero. Entonces este botoncito de play me permite correrlo paso por paso.
(22:09) Vayan al primer chank que aparece, que es el de ese que tiene nit R, que está arriba de todo, y córanlo, no deberían tener problemas. Y fíjense que corre tal cual corría antes, ¿no? Va a la consola y manda acá el las líneas de código, ¿no? Lo único que hace es decir, todas estas líneas de código, correlas todas de corrido. Lo lindo que tiene es que no es no corre línea por línea, sino que me corre todo el chunk ese completo.
(22:33) ¿Sí? Entonces sigo, corro a las libraries, perfecto, todo okay, todo instalado. Todo esto no lo tengo que correr porque es texto. Sí, entro a la zona, a lo a lo de la zona económica exclusiva Isla de Pascua. A ver qué barcos están por ahí. Cargo los datos como siempre. Eh, y ahora vamos a usar la primera función de de PLIR, que básicamente lo que nos va a a ordenar es la tabla por algo. Acá podemos jugar. Eh, la propuesta es que lo ordenemos por bandera y tipo.
(23:11) Después si quieren podemos probar otros estilos y otras formas de hacerlo. Entonces, uno va a ordenar la tabla por eh horas totales. ¿Sí? O sea, no vamos a decirle que horas totales es la cuánto tiempo está un barco en particular eh en la zona económica exclusiva. Entonces, me va a sumar todas las horas eh que estuvo y me lo va a ordenar eso por bandera y tipo de barco. Hay una clasificación de si es pesquero, si es de turismo, qué tipo de barco es. Entonces, nos los va a mostrar.
(23:43) Le decimos, «Bórrame los los NA. no los consideres. Perfecto. Entonces, esto va a ser una tabla resumen. Fíjense que cuando corro esto, ese bandera y tipo es un elemento que queda ahí en memoria y todo, pero yo no lo veo, ¿no? Sí, eso está muy bueno, pero yo quiero tratar de verlo, ¿no? Yo quiero ver cómo cómo se ve eso. Entonces, ahí entra esta esta empiezan a aparecer hay muchos paquetes.
(24:16) Este paquete en particular, este K en particular, lo que me va a mostrar es una tabla un poquito más linda, ¿sí?, que las que solemos ver. Y uno la puede llevar un poco a estos formatos de informe típicos que conocemos en los que eh le ponemos un título, le ponemos, bueno, un caption si quieren, es el caption, no es el título de la tabla. Eh, y esto lo que nos va a mostrar es la cantidad de horas que estuvieron cada uno de los tipos de barco por bandera, ¿no? Porque por el
(24:50) país eh que estuvo y me lo ordena, me tira creo que los primeros 10 en este caso. Pero bueno, de esta manera uno puede ordenar su su tabla, perdón, puede ordenar sus datos con TEPLIR, salir con una tabla muy bonita, ¿sí? que no es la tabla esa cruda, que es el data frame crudo que sale del eh del R. Esto está bueno porque me permite verlo de una manera un poquito más estética. Sí, pero que estemos bien por ahora.
(25:17) Entonces, corrimos esto, chequeamos que ande. Excelente. Y lo último que que les que les muestro es cómo creamos a partir de esto una figura. ¿Sí? Entonces, vamos a ir ahora aishi plot. No vamos a usar el plot típico de R, el crudo, ¿sí? Sino vamos a este Yishi plot que lo que nos permite es ponerle un poquito más de eh de magia. Sí. Y ahí está, no lo veía. Podemos correr el el plot. Me lo va a mostrar acá.
(25:51) Sí, pero digo, «Che, ¿qué cómo hago para ponerle algún algún pie de figura, un caption de figura?» Bueno, eso lo hago desde acá, horas de presencia, embarcaciones eh por país y tipo. Y entonces uno puede agregar también el caption en en estos en estos eh chans de R. Eh, y estos chans lo que van a permitir es eh tener como configuraciones para cada uno. ¿Se acuerdan que al principio les mostré que teníamos una configuración general que era el setup este? Y después dentro de cada chan.
(26:33) Entonces, fíjense, queremos que esté alineado al centro. No quiero que la figura me quede alineada ni a la derecha ni al al perdón, ni a la izquierda, eh, ni justificado. Quiero que me quede en el centro de la figura. Eh, el tamaño es quiero que uses el 100% de la hoja y además eh te digo cuál es el el caption.
(26:53) Bien, fíjense que eso todo acá, todo eso acá no lo veo, no aparece porque eso solo va a aparecer cuando lo exportemos. Entonces, ahora lo que los invito a ver si anda, porque esto es donde solemos tener algún que que otro problema es si corrió todo, si estamos okay y vamos a render. Sí, uno debería eh poder ver el render, perdón, eh botón en las flechitas. Lo hice, lo hice directo y fíjense que ahí el PDF no anduvo. Eh, vayan a render HTML. Sí, el HTML es mucho más robusto que el eh que el PDF y debería Eso es porque
(27:37) estoy conectado porque estoy conectado en otro. Ese try again que aparece es porque eh uno está conectado en varias instancias o vino conectado en varias instancias y vino probando eh cosas, entonces no les va a permitir correr. Sí. Entonces, de nuevo van a a render, render HTML en la flechita para abajo, render HTML. Y esto va a correr unos unos segundos y les va a salir en otra ventana el informe eh finalizado.
(28:05) ¿Sí? Bien, esto es un informe, bueno, qué sé yo, un poquito crudo de alguna manera, pero fíjense, fíjense el caption de la tabla. Ahora, qué lindo queda. Tiene estas tablitas que son muy prolijas, formato informe. Y creamos el gráfico. Y fíjense que también ya me agregó el caption con el formato nativo este que viene. Sí, bien. Hasta acá. el crudo. Hasta acá lo el paso a paso de cómo eh hacemos el informe.
(28:44) ¿Alguna pregunta, alguna duda, algún comentario o alguna cuestión que che, me gustaría ver esto o aquello o alguna cosita más? Esto son las bases mínimas para poder correr el eh el código. ¿Se ve el informe? Se ve, ¿no? Arí. Sí, lo ves en Sí. Y también aquí dicen que muy bien, que que se ve muy bien el HTML. Funciona. Excelente. Bien. Excelente. Bien. Vieron que tuve un problema. No sé si alguno intentó ya correr el PDF.
(29:15) Vamos a mirar cuál es el error, que es lo que les comentaba al principio. El problema del PDF es siempre, siempre, siempre el mismo. Eh, para correr en PDF voy a necesitar en algún momento levantar una instancia de látex y levantar las instancias de látex. Lo instalamos con Emilio y todo, pero tenemos algún problema cuando configuramos el R el R Markdown y lo fuimos corriendo. Me olvidé de volver a probar el PDF y suele eh generar conflictos. Esto se resuelve muy fácil.
(29:49) En su compu instalan un buen paquete de látex. Eh, yo en general no uso este que me recomienda. suele usar el eh Textl, ese que me recomienda abajo, eh que anda muy bien, se instala muy fácil, se instala dentro de una dependencia de R y no tienen no tiene ningún problema. Siempre tienen problema cuando se lo pasan a otro y el otro tiene otra distribución de látex, ahí es donde empiezan los problemas. Sí.
(30:11) Pero bueno, esto lo que les recomiendo que para seguir explorando es que se lo se descarguen el el repo eh lo clonen a su a su compu y desde su compu prueben eh cómo eh llegar a a exportar en en PDF. El PDF se ve eh exactamente igual que el Claro, obviamente porque lo cerré. El PDF se ve exactamente igual que el HTML. Lo único que tiene son páginas, ¿no? Que lo separan y lo ordena en páginas.
(30:47) Eh, si se fijan, cuando intento abrir el other Format PDF, que me lleva el link del PDF, no está. Entonces, bien, hasta acá eh mi clase para correr el código, mi cierre con esta para por qué hacer todo esto, porque esto lleva tiempo, ¿no? Esto le estoy diciendo, tienen que buscar todos estos paquetes, instalarlos. Eh, de hecho, ya uno puede empezar a programar directamente de esta manera, ¿no? Uno podría programar con esto y y ponerse comentarios a sí mismo, pero igual aún así cuando uno tiene que
(31:24) pasarlo a a la cabeza del otro que lo va a leer, siempre cuesta y siempre tiene un esfuerzo. Yo mi forma de ver esto y de por qué dedicarle tiempo a esto es la ciencia está en una crisis de reproducibilidad terrible. Está muy difícil, es muy complejo, eh, que podamos hacer lo que dicen los papers que se hizo. Entonces, esto para mí es central para poder generar documentos asociados, artículos asociados a informes, asociados a a libros de texto que sean
(31:58) autoexplicativos. ¿Sí? Entonces, este documento es autoexplicativo y no, yo voy acá a mi informe y la verdad que no sé cómo llegué a este gráfico. Entonces, acá uno puede poner y detallar, bueno, utilicé tales datos, utilicé tal paquete, le puse tal configuración. Obviamente uno después puede ir al código, le puede pasar el código al crudo y puede revisar el código, pero la idea para mí es que esto también sea autoexplicativo, ¿sí? Que el informe sea
(32:23) autoexplicativo. Sí, esa es mi un par de preguntas. Sí, Esteban te pregunta si le puedes agregar imagen institucional en el encabezado y no sé quién es el siguiente, eh, dice que si hay algún problema con el peso de las imágenes, si hay limitantes para imples. Sí, sí, sí, sí, a a todo a todo que sí, eh, todo se puede. pueden elegir eh un archivo desde eh este botoncito de imagen y lo pueden agregar. Fíjense dónde lo agregan.
(32:55) Sí, agréguenlo en un lugar que más o menos vean dónde están y fíjense qué es lo que hace, ¿sí? Cómo llama a esa imagen, ¿sí? Y después de ahí pueden volver a al código, al código fuente, como siempre les digo, y revisar. Sí. Ah, bueno, perfecto. Esto esto se agrega de esta manera. Vamos a una pequeña prueba. Voy a hacerlo con, déjenme buscar algú imagen simple que tenga. Eh, Ocean Hick. A ver si consigo una imagen linda.
(33:39) A ver. Excelente. Esto debería funcionar. Ahí me traje mi imagen. Vamos a probar esto. Estoy probándolo como en vivo, así que puede fallar y está muy bien que falle, pero vamos a ponerlo por acá. Arriba. Center sin caption. Bien, agregué el logo de Hwick y vamos a ver en source cómo lo llama. Sí. Entonces, lo que hace es poner este simbolito.
(34:23) Esto es el caption, ¿sí? Y lo que hace es traer lo que esté en este link. Sí, hasta acá. Sí, todo lo que esté en ese link me lo trae y lo agrego. ¿Sí? Entonces, vamos a ver ahora si funciona y se agrega como siempre puede fallar, pero no. Perfecto. Entonces ahí le estoy agregando el logo de la Ocean Hckwick. Le puedo poner texto a esta imagen, le puedo poner lo que le parece para cambiar el tamaño. Creo que pueden hacerlo a mano. No me acuerdo si lo pueden hacer a mano. A ver, déjen probar. No recuerdo esto.
(35:12) De wid y height. Sí pueden sacarle el lock ratio y deformarlo. No queremos hacer eso. Lo vamos a chicar. Sí lo podemos. Hay una forma de hacer el wrap text. Ahora me fijo si me lo recuerdo. Perfecto. El width, fíjense, si el wid 178, eso es que tiene el wid eh cambiado. Sí. Entonces, lo achicamos un poquito y en vez de ponerlo en el eh, no, vamos a dejarlo en el centro para ver cómo cómo queda.
(35:42) Ahí volvemos a a render el HTML y vemos que ahora se achicó y tiene un tamaño un poco más amigable con lo que queríamos. Responde la pregunta. Espero que sí, pero sí todo después, o sea, ahora tengo un montón de de tips si quieren para pasarles. Les pasé niveles de títulos. Ah, listas. Les puedo pasar listas. Bien. Em, pero bien. Respondió. Estamos bien. Vuelvo. Sí, todo muy bien. Ahora parece que hay otra, pero ahora te digo. Dale. Excelente.
(36:18) Mientras les muestro, mientras les muestro cómo hacer una lista de tipo bullet points con asterisco espacio y ponen el primer primer íem. Pero segundo ítem, a ver si me sale bien. Y Nico por acá se está entrando un poquito más a cosas más complicadas que si se podemos hacer un markdown interactivo con Markdown solo. Pero fíjense bien, me gusta la pregunta, me sirve, me sirve la pregunta con Mark solo eh no sé si conocen cuadro.
(37:02) Cuadro es una herramienta que se le puede sumar a estos informes y estos informes pueden tener, por ejemplo, elementos como gifts que se mueven. Se puede tener elementos que uno hace clic en algo y ese HTML nos lleva a otro HTML dentro embebido dentro de ese gran de ese gran HTML y me llega como a otra página u otro dominio de la página. Todo eso se puede hacer. Lo que pasa es que no se hace directamente en Mark o yo no sé hacerlo en Mark, perdón. Eh, creo que no se puede hacer en Mark.
(37:33) Sí se puede hacer con esta herramienta cuadro, que de hecho la estamos usando en este momento, pero por lo bajo. Si se fijan, cuando hacen el A ver si se ve acá. Déjenme chequear si está. ¿Ven? Sí, cuando estoy usando cuarto preview es que en algún momento estoy usando en el en el background estoy usando esta herramienta. Esa herramienta es muy muy potente. Búsquenla. Es cuarto. A ver, ahí les paso el link por el Discord, ¿eh? Acá les pego en el Discord.
(38:29) Eso es otro mundo. O sea, no les yo no les mostré casi nada eh comparado con lo que se puede hacer en cuarto, o sea, el nivel de profundidad que se le puede agregar. La respuesta es sí. Hay que hay que embo que dedicarle tiempo a eh a la práctica, pero pero sí, todo esto eh se puede explorar ahí usando e cuarto bastante bastante fácil. E y hay muy buenos tutoriales también.
(38:57) Dime acá otra pregunta relacionada con la salida que sí se pueden generar informes en formato Word o PowerPoint que si necesitan otro paquete o qué hay que hacer. No, yo lo yo los exportaría siempre en PDF y de ahí los pasaría a eh a cualquier otro formato. Para PowerPoint sí, pero ahí lo que tienen que hacer es usar RCDown para PowerPoint, que no es eh la clase esta, si quieren se los muestro, es bastante simple, pero sería una clase totalmente totalmente distinta, un poquito distinta en la que uno puede hacer file new file
(39:35) R markdown, ¿sí? Y acá en vez de usar document usen el default de presentation, ¿sí? Y pueden usar el default de PowerPoint, ¿sí? Que que lo lee cualquier PowerPoint o Open Office, ¿sí? Y cuando crean esto, van a ver que es ligeramente distinto. Sí, van a ver que Chusmelo e fíjense cómo cómo se se escriben los códigos. ¿Sí? Entonces, la forma de codear es relativamente similar, pero a ver si cómo se ve.
(40:20) Si ya se ve lindo, ¿no? Claro, todavía no se ve como como PowerPoint. No me esto no me va a andar seguro si lo niteo. No, no me va. Eh, este podría ser. Estoy probando algo muy muy preliminar, pero posiblemente no ande. Quería ver si llegábamos a ver. Bueno, tuve suerte. Em, fíjense que lo que lo que me va a mostrar es el plot de lo que tenga generado. Esto debe ser los datos de pressure de de del R, los que vienen de base instalados con la con la instalación de R.
(41:16) Y fíjense que eh les genera una le genera, les pueden generar slides. Lo perdí. Ah, no, no lo vieron ustedes. No, no lo vieron. Ahí, ahí lo No lo vieron porque están viendo otra viendo otra ventana. Me pareció tipo popup. No lo viste. No, Argelí, no pasó. A ver si carga. Si no les comparto la otra ventana. No le voy a compartir la otra ventana, pues no va a cargar. es esta. Ahora sí, ahí lo pueden ver. Perfecto. Bueno, este es el este es el formato.
(42:19) Uno puede configurar, puede jugar, pero como ven es otra forma de eh de trabajar el el remarkon. Obviamente es el mismo lenguaje, es parecido, pero hay que encontrarle ahí la vueltita para que funcione, pero sí se puede hacer, se puede hacer. Eh, cuarto también tiene bastantes cosas de de esto, pero todo es de file, new file, Rackdown y ahí pueden eh trabajar bastante bien. Bien, más preguntas o sigo con algún tip más. No sé cuánto tiempo me queda.
(42:57) Ah, me quedo un ratito. Sí, adelante. Sin novedad. algunos detalles más para ir eh sumando. Estoy Sí, no estoy compartiendo. Estoy bien. Estamos en el Están viendo mi R Studio, ¿no? Sí. Bien, perfecto. Sigo eh agregando algunos detallecitos que uno puede sumarle a esto. Eh, cuando escriben los códigos. Estábamos con la lista. Sí. de primer ítem, segundo ítem, cuando quieren hacer una lista numerada es uno punto espacio. Sí.
(43:36) Y ponen también primer ítem. Muy bien. Sí. Dos punos espacio, segundo íem. Voy al visual y voy a ver una lista muy prolijita con los numeritos. E, ¿qué otro tip tengo? Eh, ecuaciones en látex. Esto no va a funcionar, me la juego, pero igual se los muestro porque es eh eh bastante fácil. Entonces digo, uso la siguiente ecuación y debería ser muy simple, que es poniendo pesos pesos. Eso me hace una eh ecuación, ¿sí? Y esto ahora vamos a
(44:28) hacer la ecuación de el área igual, ¿sí? Eh, contraarra y nadie la sabe. Pior radio al cuadrado. Como hacía el el este pi por radio al cuadrado. Sí. Vamos a ver en el visual se debería ver, pero si hago el render me parece que no va más arriba. Ah, mira. Mm. Vamos a probar, vamos a probar, pero le tengo muy poca fe. Eso es porque no no tengo una de alguna manera rompí la instalación de de látex. Bien, no están dando. Sí.
(45:20) Entonces el la simbología es bastante fácil. Es con el símbolo de pesos. Este, ¿sí? No, no hay f. Bueno, bueno, a ver, a ver, a ver. Vamos de nuevo. Eh, la simbología es esa, es con pesos, pesos, dice. Todo esto léelo con látex. No lo hizo tamban bien, pero bueno, va por ahí. Eh, estoy definitivamente tenemos algún problema con el con el con la instalación o con la con la distribución de que estoy usando de látex o algo rompí yo en el código cuando antes de correrlo.
(46:05) Eh, pero bueno, con el pesos pesos puedo poner ecuaciones y quedan muy lindas. E y no tengo es es casi como viene, ¿no? El default ya es muy bonito y con esa forma de matemática. Eh, listas. Les dije, eh, terminar una línea con dos. Ah, perfecto. Termin espacios me lleva a siguiente al siguiente párrafo. Sií. Entonces, si yo, perdón, en source me voy a eh alguna parte que tenga texto, por ejemplo, acá si yo termino así, o sea, si yo hago un solo enter y voy a visual, vamos a ver
(46:51) qué pasa. Fíjense que me lo pone de corrido. Ahora, si yo termino la línea esa de nit R, ¿sí? Le pongo un enter y termino en ITR con dos espacios y voy a visual. Van a ver que me salta al siguiente párrafo. ¿Sí? Entonces, siempre que terminen las líneas y quieran eh mantener el código así apretado, es dejar dos espacios. Pueden ser dos, puede ser un espacio, o sea, el enter y otro enter más.
(47:19) pueden ser dos espacios que para que quede ordenadito así, para que quede en la misma como en la misma línea. Y si eh quieren saltar como a otros en realidad a otro párrafo con interlineado, lo que tienen que hacer es apretar eh dos veces el enter. ¿Sí? Entonces eh ahí terminó nitre, enter, enter. Y van a visual y van a ver que se escribe igual que el anterior, pero fíjense que me lo separó. Sí, como que me dio como un espacio más. Ese espacio me da, lo doy con el doble enter.
(48:00) Eh, bueno, y a partir de ahora es jugar, ¿no? O sea, de nuevo, yo esto lo lo mi foco está puesto en eh contar una historia. Son dos cosas, perdón. Una es contar una historia en este en este juego y el otro punto central que tiene esto es reproducibilidad, ¿no? O sea, contar la historia de cómo construí esto que les voy a mostrar y además hacerlo reproducible como con el código asociado, ¿no? Tengo todo el código asociado en este mismo formato.
(48:26) Las figuras son muy honestas porque la figura no puedo hacer nada más que lo que me permite hacer R. Entonces, cuando comparta ese código viene con el con el código de R atrás. Si yo quiero modificar y cambiar esa figura, voy y modifico el código. Y por otro lado me da estos, a ver si todavía está acá, me da e los informes. Eh, ah, lo dejé de compartir. Última vez que cambi la compartir. Este, perfecto.
(49:01) Entonces estos me da estos informes que son útiles, ordenados, muy prolijitos y si uno se pone como estábamos hablando recién con cuarto y se pone a jugar puede llegar a niveles de detalles hermosos. Realmente hay informes, búsquenlos después hay informes de ejemplos muy muy bonitos. Em, eso es lo que tengo para compartirles. Eh, podemos, tenemos tiempo para preguntas si quieren para sumar eh algún detalle más. No sé cómo venimos. Sí, estamos bien. Una horita.
(49:39) Pues acá Giovanni se queja, bueno, se tuvo un problema de red y volvió a entrar. Entonces, no sé, Giovanni, si quieras que te actualicen en algo que te hayas perdido. Eso y pregunten, eh, pregunten detalles, empiecen a probar a un ejercicio que les quería proponer el del día anterior, lo de lo de espaciales. Alguien me preguntó algo. Ah, bueno, en la clase en en las clases de ayer pueden agarrar los códigos de RKdown de ayer y transformarlos en eh informes lindos.
(50:16) Sí, pueden jugar con usando los dos códigos, tratar de unir y ver, ah, bien, mira lo que le agregó Nico acá para que quede un poquito más lindo. Y van jugando con eso para eh generar informes lindos de lo que viene haciendo eh NR desde ayer o lo que hagan ahora eh con Rel de estadístico. Para mí, para estadística, es esto es espectacular. Así que si después quieren agarrar el código que les comparta Relí y generar un informe lindo con Markdown, va a quedar
(50:54) va a estar muy bueno porque para estadística uno si no cuenta y muestra solo los plots no se entiende nada. Entonces, esto es un muy buen recurso para contar esa historia asociada a los datos y a los análisis que yo estoy haciendo, sin tener que ir a leer una metodología s extensa y qué s, solamente poniendo puntitos justo antes de el plot que te voy a mostrar, la tabla que te voy a mostrar. Me parece que es un un muy buen muy buena herramienta.
(51:21) Acá tenemos una pregunta que de Juan Carlos, ¿cómo incorporamos en el texto un valor un valor calculado? Por ejemplo, la media se haya calculado en un chonk. Eh, a ver si entendí. Eh, yo la yo le agregaría como una tabla, ¿no? Haría un cable y generaría una tabla que me haga eh, por ejemplo, los el resumen estadístico, calcularía los estadísticos esos y los pondría en una tabla. Si quieres un solo valor.
(51:53) Ajá. Me imagino como que quieres reportar la media observada en no sé qué en esto que presentabas de las horas fue de tanto y entonces t ta ta no sea como que sea insertado en el párrafo. Sí, si hacen un chank, a ver, un chank, lo que pasa es que les va a generar como un enter, ¿no? Sería como la la lo que se me ocurre, ¿no? Nunca lo había pensado. La media reportada dos puntos es dos puntos.
(52:15) Eh, y cuando la cuando agregan el chanc, acuérdense que pueden eh generar un valor que sea media igual, ¿no? La calcularon, ¿no? Pero supongan que media igual 0,03. Si ponen media, esto va a imprimir el valor medio. Sí, pero no va a quedar lindo. Vamos a ver cómo queda esto. La respuesta es no lo sé. Yo yo me acuerdo haberlo hecho en algún momento, pero no exactamente la verdad.
(52:47) Y creo que se usaba como el el labável que usabas en el chonk y cuando estaba en el en el texto lo ponías igual como el las las estas comillas, luego R y ah, como llamándolo. Como llamándolo. Ajá. No recuerdo exacto. Bien. Eso que muestro a mí no me gusta. No me gusta para nada. Esto, la media reportada de 0,3, no es eh lo que lo que queremos. Ah, te lo debo te lo puedo mandar por Discord en un ratito cuando esté a relí trabajando y mostrándolo.
(53:30) Es buena la pregunta. Es muy buena. Si alguien dice que con un print, pero pues yo tampoco me acuerdo. Aquí Javier Matos sugiere que con un print, pero tampoco. Dale, prueba el print. Prueba el print. por print, pero sigue siendo lo mismo, ¿no? O sea, va a quedar como en un quedar abajo, sí, como en un un enter separado. Vamos a ver cómo se ve en el HTML, pero supongo que se va a ver igual. Es igual.
(54:08) e a menos que le ponemos configuración de nuevo, o sea, podemos ponerle print y ponerle texto media, pero va a quedar de nuevo siempre como eh este, ¿no? En formato, en letra eh de cos. Yo creo que lo que quería, no me acuerdo quién fue, eh es que acá aparezca el valor. Sí. Ay, no sé. Yo yo siento que lo he hecho, pero no recuerdo. Lo voy a hacer. Lo voy a ahora lo hago en en un ratito. En un ratito lo hago. Estoy seguro que se puede. Perdón.
(54:48) Pues ya no hay más preguntas por aquí, entonces no sé si sí eh si no sé cómo lo ves. E Mariano Zaira, ¿les parece que sigamos? De última si surgen más preguntas en el Discord, yo después puedo me quedo acá, eh, y podemos seguir trabajándolas. Eh, sí, sí, a mí me parece perfecto. Si queréis cambiamos a la siguiente tutoría ya con Areli, que nos va a hablar de análisis estadístico.
(55:15) Cualquier otra cosa, de todas formas estamos por el chat, así que si hay más preguntas para Nico también podemos continuar con este tema. Adelante, Areli, recuerda, preséntate primero y luego ya adelante con tu ah tu tutoría. Gracias. Hola a todos, mucho gusto. Es la primera vez que participo en el en el Ocean Week. Eh, yo de formación soy completamente diferente, creo que a la mayoría de ustedes. Soy actuaria y después con especialidad en estadística, la maestría y el doctorado. Siempre he trabajado con estadística aplicada.
(55:51) Empecé trabajando la primer parte de recién acabada licenciatura en seguros y después en medicina. y ahora estoy en el Centro Interdisciplinario de Ciencias Marinas cambiando a través de temas radicalmente, ¿no? Temas marinos. Aquí en el Cisimar he trabajado un poco con temas de edad y crecimiento, con algo de distribución de especies, eh algunos modelos de de seguimiento de lobo marino para modelar su movimiento y bueno,
(56:22) básicamente cualquier cosa que me inviten. La lo que tengo de ventaja, por así decirlo, es que mi formación es estadística y entonces puedo participar de manera activa en varios proyectos. Claro que cada uno tiene un problema y a mí, por ejemplo, el simple hecho de haber cambiado de la medicina a la biología fue un tener que aprender muchas metodologías que en la medicina, por supuesto, no se usan.
(56:44) Y en seguros, sorprendentemente es un poco más parecido las cosas que se usan en seguros con las que se usan en biología, por ejemplo, para las abundancias. Pero bueno, el tema que les voy a presentar al final me quedé en estadística descriptiva con datos espaciales. El título con el que se anunció era análisis estadístico y el análisis estadístico es bastante bastante amplio. Entonces decidí escoger un tema aplicado justamente a datos espaciales, pero de manera muy descriptiva.
(57:18) Eh, a mí me gustaría que participaran todos o bueno, no todos, pero que participaran de viva voz si se puede, o claro en el Discord que voy a estar al tanto y también Nico me va a ayudar porque si hay ciertas preguntitas que quisiera que me respondieran. Hay cosas de estadística básica que quisiera saber si las si las conocen y si las entienden. Entonces, les voy a compartir mi pantalla.
(57:46) El tienen que entrar al taller de al día de hoy, al taller de ahí en cuál será, el screen uno o el screen dos. Areli, no estás. Ah, bueno, ahora no estaba dudando qué pantalla tenía que compartir y me voy a poner acá el Discord por si acaso también. al tanto. Y bueno, eh vamos a empezar con el tema. Los datos son completamente inventados, los generé aleatoriamente, por lo que probablemente para ustedes no tengan ningún sentido. Traté de tener de plantear el problema en donde eh se muestrearan alturas de algas, de
(58:39) estas algas que entiendo que hay unas que son supergotas y crecen muy rápido, que no recuerdo el nombre. y quería ver si ese crecimiento de alguna manera lo podía explicar con la temperatura y la clorofilia. Entonces, esas van a ser mis variables e en la primer parte del Rarddown, que yo soy empezado recién a usarlo, entonces ahorita aprendí bastantes cosas con con Nico. No soy usuaria diaria del R Mardown ni del R estudio, de hecho, pero bueno. Entonces, vamos a a ver cómo sale esto.
(59:05) les voy a presentar en en el en la vista de Sours y vamos a ir corriendo los chonks uno a uno y tratamos de explicar qué es lo que nos está sacando el el el R, ¿no? Las salidas. Corremos la primer parte. La primer parte simplemente es los paquetes que necesito y además le puse un condicional. Si ya los tengo instalados, pues no me los instala. Pero los que no están instalados eh me crea una variable en donde me dice, «Ah, mira, estos no los instalaste, los tienes que instalar.» Y de manera automática me la hace.
(59:45) Y en lo con los libraries, pues ya los llamo, ya los tengo instalados, los llamo. Eh, y bueno, aquí les puse más o menos para qué es cada uno. Pensando en datos espaciales, pues van a necesitar prácticamente las tres primeras librerías, son como las específicas para este tipo de datos. Y después tenemos una la de Bioplot, que es simplemente para hacer gráficas de violín, que no sé si les suene y que han estado últimamente como muy de moda, por así decirlo.
(1:00:11) Luego para hacer algunos gráficos de correlación bonitos y el GG Plot porque hace los gráficos pues también bastante más bonitos que el R base, ¿no? Vamos a llamar a los datos que le puse tal cual datos marinos y a mí me gusta siempre eh después de leerlos mandar que me imprima el head y el summary. ¿Por qué hago esto? Pues porque me interesa saber si se leyeron bien, si mis columnas que son numéricas de verdad me están mandando números y
(1:00:45) las que son categóricas que espero que a la práctica no lo hagan. es ideal tener datos capturados con texto y después mandarlos llamar en un software, pero bueno, de esa manera yo me enteraría si se leyó bien o no mi mis datos, ¿no? Entonces, viendo el el head con que siempre me imprime las seis primeras líneas, pues podemos ver mis variables, la temperatura, la clorofila, altura y mis coordenadas, longitud y
(1:01:13) latitud. Pues todo parece bien, todos son numeritos. Y acá con el summary me imprime el mínimo, el primer cuartil, la mediana, la media, el tercer cuartil y el máximo. Y yo acá les pregunto, eh, ¿qué tipo de variables contiene mi data frame? Así de manera general, ¿cómo llamaría yo esas variables? Numéricas, continuas. numéricas continuas. Exacto. No. ¿Y qué estadístico les echan en falta en esta salida? Susumari, ¿qué les está diciendo? Sus sumari les presenta
(1:01:59) dos medidas de centro, la media y la mediana. Y luego, eh, si las vemos en conjunto, pues algo de dispersión. Les enseña el mínimo, el máximo, el primer cuartil y el tercer cuartil. ¿Qué cosa les faltaría para que su sumari estuviera completo? Un estadístico, un desvío. Ajá. La desviación estándar, ¿no? Eso sería el algo que que sería un buen descriptor. ¿Por qué me interesa tener tanto las e estadísticas de centro como las de dispersión? Pues porque nos da una foto completa,
(1:02:45) ¿no? Nos da una foto completa de nuestros datos, un vistazo rápido eh de cómo están eh dispersos o cómo se distribuyen. También, ¿qué otra cosa puedo ver con mi Sumari? Pues sí tengo outers. Si mi máximo en la altura fuera eh, yo que sé, 3000 o 4000 y yo sé que lo que yo estoy midiendo es simplemente no puede llegar a esa medida, pues algo está mal con mis datos, ¿no? Entonces es un primer acercamiento a lo que a lo que tengo capturado y a cómo se y a cómo se
(1:03:18) distribuye, a cómo se ve. Y lo mismo, ¿no?, con los mínimos y tal. ¿Saben que es el primer cuartil y el tercer cuartil? Si me ponen manitas también puede ser. Si los que sepan me pueden poner manitas para arriba. Creo que en las reacciones pueden ponerlo. Pues aquí parece que sí hay gente. ¿Alguno de los que sabe se quisiera animar a explicarlo? o los comprometo. Bueno, sigamos entonces. Andrea, Andrea te dice por el por el Discord que es el 25 y 75% de los datos.
(1:04:14) Ajá. No, o sea, y la mediana entonces 50, la mitad. La mitad. Entonces, lo que hago es tengo mis datos, mi variable numérica, por supuesto, esto funciona para variables numéricas. Las voy a ordenar, después voy a ver hasta dónde acumulo el 25% y el numerito que eh donde se acumula el 25%, ese es mi primer cuartil. Luego voy a seguir acumulando en frecuencia hasta que acumule el 50% de mis datos y ese va a ser mi mediana o mi segundo cuartil. Ahorita lo vemos con un dibujito.
(1:04:44) Luego voy a seguir acumulando. Cuando llego al 75% de los datos, veo cuál fue ese número y ese es mi tercer cuartil. Entonces, vamos ahora haciaí a la parte gráfica, ¿no? Los números son bonitos para describir cosas quizá en el texto, para darnos una idea general, pero de donde podemos sacar quizá más información es de los gráficos o al menos más inmediata, más directa.
(1:05:11) Entonces, lo que hago en el siguiente chonk es eh hacer dos gráficas que son o dos eh pues sí, dos gráficos que son como estándar. Básicamente esto debería de ser eh igual en rutinario cuando estamos analizando nuestros datos, hacerles su histograma y hacerles un boxplot. Pues lo voy a correr. Además acá le puse un for para no estar escribiendo histograma de la variable este altura histograma de la variable tal. Entonces ya de una hago un bucle y piensen que mi base de datos tiene cinco variables, pero pueden tener una matriz
(1:05:56) de datos con n cantidad de columnas. Entonces mucho más rápido meterse a hacer un bucle que estar escribiendo eh cada vez los el código. Entonces voy a hacer un Bueno, no lo voy a correr que ya estaba de hecho. Y como quiero interpretar a la vez mi inicio mi for, le meto este que es el par y el mf row en donde le digo, mira, ábreme una ventana gráfica en donde quiero que tengas una fila y dos columnas.
(1:06:29) La primera, la combinación 1 vas a meter el histograma y la combinación 1 do vas a meter el boxplot. Y es lo que se ve acá, ¿no? Y lo mandé a hacer solamente para las variables eh temperatura, clorofila y altura, ¿no? La longitud y latitud no me está interesando en este momento. ¿Cómo se interpreta esto? ¿Qué me podrían decir? Yo les mando esta figura y les digo, cuéntenme algo acerca de la temperatura. ¿Qué me pueden decir? que hola. de la temperatura.
(1:07:16) Parece que el rango va entre unos valores un poquito más bajos de 20, que será 10 hasta 40, que la mayoría de los valores están entre 25 y 30 con una frecuencia que superan los 40. Está bien, estamos bien. Yo yo le sumaría que tiene una leve asimetría negativa. Además, son asimétricos, ¿cierto? Y si quisiéramos eh hablar del histograma y del boxplot a la vez, o sea, si ven, prácticamente dice la misma información, ¿no? Aquí no le cambié el
(1:08:06) el rango de donde van los ejes, pero eso pues ya son detallitos estéticos, ¿no? Bueno, y también quizá hubieran sido más útiles haber puesto el que la X empezara desde cero y que acabara hasta el máximo y tal. Eso lo va voy a pasar por alto ahora, pero efectivamente no nos da un vistazo rápido y nos dice, «Ah, mira, tienes valores eh mayores con mucho más frecuencia que con que temperaturas pequeñitas, ¿no? En el boxplot se ve exactamente lo mismo en nuestra caja, la
(1:08:37) raya que nos indica del boxplot, la mediana. La mediana y el tamaño de la caja es nuestro primer cuartil y nuestro tercer cuartil. Entonces, si ven, básicamente se ve lo mismo. La mediana está tirada más hacia la derecha, lo mismo que se ve en el histograma. Nuestros datos están más hacia ese lado. ¿Qué otra cosa podemos ver en el histograma? Es como un poquito más discreto, no se ve tanto, pero también se ve este booter, ¿no? Este puntito.
(1:09:02) En el histograma es esta barrita chiquitita que está acá. Entonces decimos, hay un valor pequeñito o hay valores, porque no sé cuántos valores hay aquí dentro de esta barra, que son eh que toma hay una temperatura que es muy poco frecuente y que además es muy pequeñita, ¿no? Es es outers. Entonces, básicamente podemos ver casi que lo mismo en uno o en otro. Y los bigotes, pues nos dicen un poco más sobre la dispersión.
(1:09:38) Los bigotes se calculan como el para este extremo que es el cuartil un es el cuartil 1 menos 1.5 veces el rango intercuartílico y el bigote del otro lado pues es el tercer cuartil más 1.5 veces el rango intercuartílico, donde el rango intercuartílico no es más que la diferencia entre el cuartil 3 y el cuartil uno, o sea, no, eso sería nuestra medida de dispersión. Si ven, yo ahorita no me he metido ni con la media ni con la desviación estándar.
(1:10:09) Todo lo estamos viendo en función de la de qué tan acumulados están los datos en un lado o en otro. ¿Qué creen que me serviría aquí para describir de tendencia central la temperatura? ¿La media o la mediana? Perdona, Rel, te interrumpo un segundo. En esa misma línea están diciendo en el en el Discord que los datos de temperatura siguen una distribución normal. Creo que te sirve para discutir esa pregunta. Sí, le ustedes les parece que se ven muy normales o que no.
(1:10:43) Les voy a enseñar los de los otros dos. Este es el de clorofila y este es el de altura. ¿Por cuál votan que sea normal? ¿Cuál de los tres? Ah, ojo, claro, eh, no vamos a hacer pruebas ni nada parecido. El de altura se ve un poquito más normal. ¿Por qué? Porque la se parece más una clásica forma de campana, ¿no? Se ve más simétrica, más más puntos en el centro y con las colas estas, ¿no? Las e los puntos extremos son frecuentes, pero no tanto.
(1:11:20) No pero no tanto. Esta de plano ni de chiste, no. No, ni cerca. Y esta pues yo lo dudaría a ojo, pero a lo mejor si le si usáramos otra también es eso lo que tienen los histogramas que a veces la forma se puede ver e distorsionada dependiendo del número de barritas que yo use. Entonces en nuestra función East bien podríamos cambiar el número de break. A ver si me acuerdo si de verdad lo hace con esto. Vamos a ponerle 20.
(1:12:06) Entonces, ya le puse que me segmentara bastante más las cosas. Entonces, ¿qué puedo ver? Pues puedo ver más detalle. Hace rato, cuando teníamos más barras, estas dos eh modas no se veían, ¿no? No veía que esto lo veía como si fuera completamente una curva, una resbaladilla, por así decir. No sé cómo se diga en otros países donde los niños se avientan, se deslizan. Y esta pues yo lo voy dudando más, ¿no? Aquí todavía puede que
(1:12:42) Pero sí, efectivamente lo de la normalidad, entonces yo puedo usar de manera indistinta la media, la mediana y la moda cuando nuestros datos son normales. ¿Por qué? Porque la media, ¿qué defecto tiene? Pues que se deja influenciar por valores extremos. Si yo calculara la media de, por ejemplo, la clorofila, ¿qué tal que me queda por acá? Porque estos valores están jalando un montón. Tengo un valor extremo de este lado.
(1:13:07) Bueno, todo toda esta colita, ¿no? Todo lo que se nota acá en el boxplot, me iba a jalar la media. Y en cambio, si me quedo con la mediana, mi mediana sí me como es acumulando datos hasta donde el 50% de ellos eh se acumula, pues mi mediana me iba a quedar por acá, que será un tres o no sé cuánto quedaba. Eh, numéricamente, este era, ¿cuál era? La clorofila, la Sí. 2.3 versus 3. Entonces, básicamente así como no sé si como regla, porque también se oye muy feo, pero si los datos a mí me gusta más la mediana, o sea, a mí me gusta reportar
(1:13:56) mediana, no importa qué, porque si los datos son normales, pues la mediana me dice lo que es y si mis datos no son normales, pues también es un mejor descriptor porque no me está no se está dejando influenciar por valores extremos ni a la derecha ni a la izquierda. Entonces, me gusta más siempre mediana. No importa lo que suceda. Y como medida de dispersión, pues no puedo usar la desviación estándar. Porque, ¿cómo se calcula la desviación estándar? Como cada valor menos su media.
(1:14:21) Y yo ya dije que la media no me está representando bien mis datos. Entonces es si reporto media, reporto desviación estándar. Si reporto mediana, pues uso los cuartiles. Pongo mi mediana y entre paréntesis pongo su medida de variación que va a ser cuartil, ya sea que pongan el rango intercuartílico como tal calculado o que pongan los dos cuartiles, ¿no? El cuartil uno y el cuartil tres. Y bueno, ya sacamos un montón de información solamente de dos de dos de pues sí, de dos gráficos.
(1:14:56) Y ahora vienen a ver los violines. Te te interrumpo antes de que pases el siguiente. Hay un par de un comentario que dice que los datos ambientales raramente son normales. Coincido. Y después que e me dicen que me nos preguntan cómo que los gráficos salen en vertical. Eh, a mí también me salieron en vertical. Eh, entiendo que vos tenés comentada esa parte del L apply que que está en el código. Ah, sí, el L Apply acá.
(1:15:30) Claro, estamos nosotros estamos viendo el L apply ahí, eh, no tenemos la parte la parte de arriba, me parece. Creo que es por eso. Pero me preguntan en realidad cómo dar vuelta a los gráficos y mostrarlos como como los estás mostrando vos. Es que, bueno, yo le hice un cambio ayer en la noche, quizás no hicieron el la actualización. No sé. en el box plot se puede poner con esta con este argumento horizontal igual a true. Si no, por default te lo pone en vertical. Ahí está. Excelente.
(1:15:59) Esa era la prom y el y en el L apply pues era como una versión mucho más bruta, ¿no? Era tal cual. Agárrame eh las columnas de la tres a la 5 de mi de mi data frame y aplicale histograma. Y de hecho, cuando lo corren en la en la parte de la consola les aparece un montón de información, les aparecen dónde están los quiebres, les aparece cuál es el centro de la barra, les aparece mucha información. Toda esa información la pueden ver qué significa si ustedes se van a la ayuda.
(1:16:31) Entonces, la ayuda siempre es el el este de interrogación cerrando y luego pues el nombre de la función, ¿no? Y entonces acá ya pueden ver que es todo todos los argumentos de la función y en la parte de detalle ya les dice en la salida qué es lo que les está enseñando. Perfecto. Y vámonos a los violines. Los violines son bonitos porque si ven, si esta cosa, si el histograma ustedes lo pues lo mueven, lo rotan, eh esto es lo que les da.
(1:17:13) Bueno, aquí en el en el Bioplot primero les puse el primero en horizontal para que vean, ¿no? Es prácticamente la misma forma que tiene mi histograma. y está puesto así, ¿no? Por default el violín sale de manera vertical, que son las siguientes dos, la clorofila y la para la altura. Pero se ve exactamente lo mismo en la clorofila, que era la que estaba más tendida hacia valores pequeñitos, pues acá se nota lo mismo.
(1:17:48) Y la y hasta dónde se va la la cola, por así decirlo, pues es hasta el valor máximo. Estas cosas son completamente customizables, tuneables. le puedes decir que te ponga o no la cosita esta negra que es un box plot y el puntito sigue siendo sigue siendo la mediana con la función esta bioplot tiene varias opciones está comentada e en donde le puedes decir ponme o no ponme la caja, ponme la media, agrégame incluso los puntitos, que estas son otras gráficas, los he ponen un puntito.
(1:18:28) por cada una de sus observaciones, pues tiene muchas opciones y también está la versión de Digplot para violines, que también tiene un montón de de gracias que le pueden eh pegar para hacer su gráfico más pues más bonito y más autoexplicativo quizá. Ahorita está toda esta parte como muy hecha a lo a lo bruto. Entonces, podemos ver exactamente lo mismo que les enseñé arriba, pero en un solo gráfico. Tengo un gráfico de densidad, que es prácticamente que es la curva y tengo mi gráfico de boxplot.
(1:19:06) Simplemente se ve de otra manera. ¿Qué otra ventaja tiene el los violines? Pues supongamos que yo muestre en dos veces en el año, pues de un lado de la curva yo le puedo decir que me que me aparezcan solamente los datos del primer año y en la segundo lado, o sea, la segunda pancita va a ser la del segundo año. Entonces, yo puedo ver qué tan diferentes qué tanto se movieron esa esa distribución de mi variable en en función de otra variable. Entonces se ve bastante bastante bonito.
(1:19:42) Y bueno, hasta ahora hemos evaluado las cosas de manera individual, ¿no? Simplemente nos hemos centrado en ver eh las características de nuestras variables, su medión, su máximo, su mínimo, si tengo valores raros y no y ya está. Pero, ¿qué tal que quiero ver ahora las relaciones que existen entre ellas? Y supongo que esta también lo conocerán, que es la correlación.
(1:20:01) ¿Qué valores puede tomar mi correlación? La de Pierson, la de toda la vida. ¿De qué valores? ¿A qué valores va? de -1 a 1. De -1 a 1, ¿no? En donde lo que nos va a indicar ese entre más pegado al -1 esté, pues tenemos una relación en donde cuando mi variable del eje de las x crece, pues la eh la otra decrece y cuanto más cercano esté al uno, pues cuando una crece la otra también. Ahorita vemos el gráfico. Entonces, acá en el en el R les estoy poniendo la salida uno de la matriz de
(1:20:48) correlaciones, que son los numeritos como tal. Entonces, pensando que -1 y 1 es la relación perfecta y que cuando se acerquen a cero es que están como nada que ver o poco que ver. ¿Cuál de las variables está relacionada? ¿Quién con quién podría decirse que está ahí medio relacionada? Clorofila con altura tienen la mayor correlación positiva. Clorofila con altura, ¿no? Ajá. Y además es positiva.
(1:21:18) Y luego la más chiqu la que nada que ver, pues la clorofilia y la temperatura, ¿no? Esas dos están en el otro extremo. Con la función pers hacemos lo mismo que acá, pero de manera visual. Eso hacemos los gráficos de dispersión combinando cada una de mis variables, todas contra todas, básicamente. Entonces, si piensan esto como una matriz en donde e mi primera columna es la temperatura, la segunda clorofila y la tercera altura, pues en mi primer renglón esta gráfica sería temperatura
(1:21:57) versus clorofila. Luego esta sería temperatura versus altura. Esta la A23 sería clorofila versus altura. Y como es lo mismo hay que calcular la correlación de temperatura con clorofila que de clorofila con temperatura, pues la parte de abajo es es lo mismito, ¿no? Es simétrico básicamente. Entonces, nos podemos quedar solamente con un lado de la eh por arriba o por abajo de nuestra diagonal y se ve lo que lo que sacamos numéricamente, ¿no? O sea, la clorofil y
(1:22:29) la temperatura. que es este. Se ven como si hubiéramos aventado así puntos, ¿no? Nada que ver uno con otro, ¿no? Pareciera que la clorofila se mueve como más le gusta y la temperatura hace lo que lo que quiera, ¿no? No hay una relación directa. Y la que parecía más que era la de ¿Cuál quedamos? Altura y clorofila, que es esta. Pues así con viéndola con muy buenos ojos, ¿no? Porque sí se puede ver una tendencia ahí como que cuando esta crece, esta parece que también, pero si
(1:23:04) se imaginan aquí una recta, pues ah, ¿no? Entonces eh el punto 52 pues sí es como representativo de lo que está sucediendo. Luego tenemos este que se llama core plot, que también este tiene infinidad de maneras de presentar los datos, de que te salgan bolitas, de que le quites la parte inferior, infinidad de cosas le puedes cambiar a esta salida. Y es bonita porque pues nos presenta los numeritos, pero además nos asocia el tamaño de la bolita y del color con el
(1:23:43) grado de de correlación que hay. Entonces, visualmente es directa, nos es muy fácil de leer porque además nos pone acá la guía. Si hubiera alguna bolita en color rojo, pues nos diría que o tendiendo al rojo naranjita o así, nos diría que hay alguna correlación negativa, pero todas son verdes, entonces todas son positivas, pero de eso a que sean buenas pues ya es diferente, ¿no? Entonces que está en punto 52, pues está como entre que sí,
(1:24:11) que no. Y si se dan cuenta, en la diagonal, como es la correlación de la variable consigo misma, o sea, temperatura con temperatura, pues es una. También hay manera de decirle, «Oye, no me pongas esto porque me está me distrae, ¿no? O sea, no me está aportando información. Yo ya sé que la correlación de de una variable consigo misma es uno. Este gráfico también es bien útil cuando tienen un montón de variables.
(1:24:29) Es super rápido verlo. Incluso le pueden poner el gráfico de dispersión aquí adentro. Entonces, si quieren ver eh después la ayuda o los tutoriales de esta función de Corplot, pues lo pueden buscar y hay bastantes tutoriales buenos en internet. Entonces, ya vimos de manera univariada, eh, multivariada. ¿Y a qué variables no les hemos hecho ni caso? A la latitud y a la longitud. Latitud y a la longitud.
(1:25:05) ¿Y por qué no las puedo dejar de lado? ¿Por qué no puedo hacer? Ahorita lo estamos viendo así todo muy por encima. Pero, ¿qué información me está dando eso? Esas dos variables me interesaría resumirlas con media o mediana o para qué las tengo para georreferenciar tus datos. Exacto. No, eso es para lo que están esas variables. Entonces, necesito modelos espaciales, necesito cosas espaciales.
(1:25:37) Lo mismo que le acabamos de hacer antes, pero ahora pensando en que no son individuos independientes. O sea, no es como que nosotros nos hayamos formado en una fila y nos preguntaran, «¿Cuántos años tienes?» Ninguno de nosotros tiene nada que ver uno con otro. Pero estos son puntos geolocalizados. ¿Y qué pasa con eso? que si yo muestreo puntos que están cercanos, pues muy probablemente tengan las mismas propiedades y si los que están lejanos, pues lo contrario. Entonces eso nos mete ruido a nuestras estimaciones.
(1:26:08) El no podemos pasar de lado que no son datos independientes. Entonces, ¿tenemos dependencia espacial o tenemos dependencia temporal? que creo que en los casos de ustedes tienen las dos casi siempre, ¿no? Siempre tienen una serie temporal o son datos de de satélite o de yo que sé que están tienen dependencia espacial, ¿no? Acá les pongo algunos otros casos. Por ejemplo, cuando cuentan abundancia de peces o si van a medir contaminación en diferentes partes del océano, pues lo más probable es que las zonas que son cercanas y que además eh reciben las
(1:26:48) mismas corrientes, pues tengan ciertas características similares. Entonces, los modelos más básicos como la regresión lineal, o sea, tal cual regresión lineal, ¿qué hace? explicar una variable en función de otras, ¿no? Por ejemplo, en este caso, yo quisiera explicar la altura en función de clorofila y temperatura. Puedo hacer una regresión lineal de toda la vida. Puedo. ¿Qué problema hay? que mis datos son dependientes.
(1:27:13) Entonces, primero tengo que probar demostrar de alguna manera que esa esa dependencia no me va a afectar ni mis estimadores ni mis residuales. Entonces, lo que se suele hacer es eh, hacer regresiones y después ver si los residuales tienen ciertos patrones. Yo creo que lo más normal es irte directo a modelos espaciales en donde ya puedas captar completamente esa pues esa variabilidad y ya si le meten lo temporal pues ya más complicado, ¿no?
(1:27:52) Entonces, voy a usar esta función que es de alguna de las librerías que les puse arriba para decirle que mis datos están son datos espaciales y voy a hacer dos grafiquitos con el R base, tal cual en bruto de lo que me de lo que me sale. La primera le estoy diciendo, grafícame altura y pues nada más le estoy diciendo que me cambie el bueno, que los puntos sean eh pues los rombitos, ¿no? Y que tenga un eh un degradado, ¿cómo se llama esto? la
(1:28:29) barrita esta donde este nos va indicando si los valores son eh pequeños o grandotes. Y así ojo, pues tenemos más puntitos azules, por lo tanto tengo valores más tendidos a a bajos y creo que sí es lo que veíamos igual en el histograma, ¿no? Lo que pasa es que ya lo exploteé, o sea, mi eje X y ya son mis coordenadas y en el segundo gráfico es lo mismo. Lo único que le cambié fue que el que los cuadritos me estuvieran reflejando el tamaño.
(1:29:04) Entonces, yo observé eh aquí la altura en estos dos cuadritos fue más pequeñita que en estos dos. Entonces, el tamaño me va a dar información de cómo están distribuidas esas alturas. se ve muy feo y además no tengo un mapa, pero así como un primerx, pues digamos, ¿no? Entonces ya cambiando hacer mapas más bonitos que el G, usando el GG Plot en la primer parte, lo bueno del GG Plot es que lo pueden ir corriendo si quieren a partes y van viendo qué hace cada
(1:29:45) sumando, por así decirlo. Entonces, acá le estoy diciendo que me ponga el los bordes del mundo y hasta por acá hace el corte y ya me hace la solamente la la baja la Baja California. Y tengo la misma información que acá, solamente que ahora ya tengo una referencia, ¿no? Ya sé en dónde están esos puntitos, pero me dice exactamente lo mismo. Tengo un degradado que me va indicando la altura de mis algas.
(1:30:11) Eh, están llamando y pues vemos lo mismo, ¿no? También el degradado me va diciendo justo eso, ¿dónde tengo eh algas más grandotas o más chiquitas? El anterior que había floteado igual altura. Y luego en el que sigue, bueno, para en la siguiente comentario que les puse era, ¿qué le cambio para qué en lugar de que me grafique altura? pues me grafique las otras dos variables, pues lo único que tengo que hacer es irme acá a donde dice color altura, pues ahí le
(1:30:53) cambio el nombre y podemos hacer lo mismo o ver lo mismo con respecto a la otra variable. Entonces, si bien con el histograma y con el boxplot veíamos una manera global de cómo es nuestra variable, cualquiera de nuestras variables, pues ahora con el mapa y usando la información extra de las otras dos variables, vemos dónde tenemos eh más concentración de puntos con valores pequeñitos o grandotes, pero ya está, es lo único que estamos haciendo, plotearlos.
(1:31:17) No estamos viendo que si quién es mejor, que si cuál qué variación hay, ¿no? Simplemente les estoy graficando e los valores de mi variable georreferenciados. Y luego acá, bueno, acá plotea la clorofila y aquí, ¿qué me pueden decir? Al sur, ¿ven algún patrón en norte y sur de que haya valores de clorofila más grandotes o más chiquitos? ¿En dónde se concentran los valores de clorofila más pequeños? Pues yo digo que en ningún lado, ¿no? O sea, no existe un patrón, no existe una nube de puntos aquí que sea
(1:32:05) mayoritariamente azul y que acá estén los más rojos. O sea, realmente los puntos azules y los rojos están dispersos eh de manera igual. Entonces, al menos eh podemos ver que espacialmente parece ser que que no cambia y con la altura quizás sí, ¿no? Quizá con la altura así como que siendo un poco optimistas en esta parte es donde están eh las algas con mayor altura y con las chiquitas pues por acá, no sé, por acá quizá.
(1:32:38) Y si puedo calcular cuantiles de mis variables numéricas, pues también lo puedo plotear, también puedo ver este mismo gráfico, pero ahora pensando en que mis puntitos va a ser a qué cuartil pertenece. Entonces, eso lo hago con esta con esta función, con la cod number, bueno, un argumento de de del gigg plot cod number y no lo veo, no lo veo aquí. Acá está.
(1:33:08) Entonces, cuando le digo que me ploté los puntos, que es con el G on point, le digo que el color va a ir en función de la altura y le digo que quiero que me lo parta en cuatro. Entonces, va a ser lo mismo que hacíamos con el histograma. va a ordenar mis datos, los va a ir acumulando y cuando se acumule el 25% ese va a ser un punto de corte. Va a seguir, va a seguir. Cuando acumule el 50 es mi otro punto de corte y así. Y entonces ahora mi escala de color pues ya no va a ser continua, ya no tengo ese degradado, sino que ya lo agrupé.
(1:33:44) Y les quiero hacer una pregunta. ¿Saben por qué el paréntesis le sale en uno curvito y el otro cuadrado? ¿Saben qué significa? Que contiene o no contiene el número que está al lado, ese intervalo. Entonces, cuando es redondo, ese número no está contenido y cuando es cuadrado, sí. Por eso cuando está acá el 627 en el primer cuartil en el los colores rojos está cuadrado y cuando salta el que sigue el 627 está con el redondo.
(1:34:20) Entonces es a partir del 627 punto, yo que sé, ¿no? El 627 como tal no está en no está en el segundo grupo y así para todos. Entonces ahora tengo otra manera de ver mis datos. ¿Dónde tengo los valores más cercanos a la mediana? pues que sería básicamente el color naranjita, ¿no? Estos datos que genera están demasiado aleatorios, no se ven patrones por ningún lado, no están completamente dispersos. Quizá los del cuartil uno, uy, no sé si siendo muy optimistas pudrían sí estar acá, como habíamos visto.
(1:34:54) Y los más grandotes que acá se notaba un poco más diferente. Bueno, acá se veía lo más rojo. Pues acá los azules también parece que predominan, ¿no? En la parte sur quizás se ve un poquito más claro usando ahora los guartiles. Y ahora, ¿qué tal que no quiero cuartiles, quiero los desciles? ¿Qué significa que quiera los deciles? Pues si el los cuartiles me lo parten en cuatro, los deiles en cuánto me lo partirán. En 10. En 10. En 10. ¿Por qué me interesaría eso? pues quiero algo mucho más parecido quizá al histograma, ¿no? Un histograma en donde
(1:35:50) cada barra me representa las frecuencias y también hay variables que de manera consensuada, por así decirlo, se presenta eniles. Por ejemplo, si ustedes ven los periódicos Estudios sobre el salario, casi siempre se presentan deciles para poder hacer una diferenciación mejor entre las clases más bajas, pero que no eches en el mismo saco a los bajos y a los medios y luego a los más ricos, ¿no? Sino que va segmentando mucho más los salarios para ver esas esos matices, esas diferencias
(1:36:22) en los en los salarios. Esta sería el asunto de usar deiles en lugar de cuartiles. Y acá si ven que están pues los que pertenecen al último deil, ahora yo los noto como más por acá y ya no tanto por acá, ¿no? O sea, hace rato los que se llevaban a lo quité. Bueno, los que se llevaban como el mayor cuartil era casi toda esta parte, pero sí, pero es que pertenecían quizá a este o a este, pero realmente los que están hasta el extremo,
(1:36:57) hasta el extremo de los datos mayores, pues parece ser que están más por acá. Entonces, también estamos obteniendo información de dónde. Puedo hacer lo mismo para todas mis variables, por supuesto, ¿no? Y qué tal que ahora las quiero combinar. Ahora quiero saber cómo eh influye una variable sobre otra igual de manera descriptiva completamente. Pues combino ahora con en la plot le digo que no solamente eh me varíe el color en función de una variable que es la temperatura, sino que
(1:37:34) el tamaño del punto vaya en función de la altura. Entonces, ahora me pone dos guías de este lado en donde uno está completamente eh diciéndome el valor de mi temperatura, el color y el tamaño del puntito, el tamaño del de la altura. Aquí sí que ya se ve un patrón quizá no. En la parte de abajo hay puntos eh amarillos, o sea, la temperatura fue menor que arriba, que digo mayor, sí, porque si no iba a estar medio raro, pero en la altura de
(1:38:11) los de las algas pues no es que se vean puntitos más chiquitos en un lado que en otro, ¿no? O sea, imagínense que si lo hubiera, entonces yo vería quizá acá puntos más grandotes y de este lado puntos más chiquitos. Y yo podría decir que en apariencia, porque no estoy haciendo ningún test, no estoy haciendo nada, en apariencia parece ser que la temperatura sí influya en el tamaño del de de mi alga, ¿no? Si es que pudiéramos ver esos patrones.
(1:38:45) Y puedo hacer exactamente lo mismo que hice hace rato, partir mi variable clorofila, ahora estoy usando la clorofila y siempre respecto la altura. ¿Por qué? Porque pues la altura es lo que yo quiero explicar, por eso la estoy manteniendo acá. Le dije que me lo partiera en dos. Ahora, ¿qué? Entonces, ¿qué es lo que me está pintando? Si estoy usando solamente eh el que pertenezca a un grupo o que pertenezca al otro, ¿cuál es mi punto de corte? ¿Cuál es ese numerito? ¿El que
(1:39:17) esté por por encima o por arriba de qué? De la media. De la mediana. La mediana. De la mediana. Y eso es lo que estoy destacando en este gráfico, ¿no? ¿Cuáles puntos están por arriba o por abajo? Eh, siempre pensando en la altura. Y bueno, esto ya se los pregunté y luego como veo, o sea, ahorita lo he visto todo gráfico ahí. Eso, ¿dónde me sale? Acá en el agregate. ¿Por qué no me lo imprimió? Acá está el agregate, pero no lo sé. ¿Por qué? Bueno, el agregate es simplemente el concentrado de datos.
(1:40:03) ¿Por qué no me lo sale? Eh, me está poniendo el agregate. La la que yo le tengo que pasar es en primer lugar la variable que quiero explicar y luego, como sabrán, el R usa mucho la viborita para decir en función de qué quieres que te explique esa variable. y le paso la misma función, el codber eh de clorofila en cuartiles y quiero y en la en el tercer argumento le paso qué función quiero. Puede ser la media, la mediana, lo que yo quiera.
(1:40:31) Le puse en sumary y le digo de dónde vienen mis variables, dónde lo tengo guardado. Entonces, acá lo que me está diciendo es que la altura, cuando la clorofila está en su primer cuartil, la altura la altura mínima es de 354, la mediana de 714, la media de 600 y así, ¿no? Cuando la clorofila está en el segundo cuartil, pues mi altura mínima ya subí un poquito, ya es 415. Si me paso al tercer cuartil ya es 45 y si me paso al último, pues ya es 540. No estoy viendo el mínimo, pero podríamos ver pues directamente la media o la mediana,
(1:41:21) eh, y ver si nuestros si nuestros estadísticos de centro cambiaron o no, ¿no? Entonces, ya aquí ya lo vemos numéricamente si de verdad lo que observábamos o no pudimos alcanzar de observar bien acá sucede o no. De nuevo, todo es descriptivo, no hemos hecho ningún test de nada. ¿Y qué otra cosa me pudiera interesar? Pues los outliers. ¿Cómo veo outliers gráficamente? Que creo que sí, creo que sí es esta
(1:41:55) parte. Pues este es un truco, lleva un poquito más de de trabajo. Aquí estoy simplemente guardando la variable clorofilia en una nueva. ¿Por qué? Por simplicidad. Porque si después lo quiero hacer por la temperatura, pues nada más le cambio el nombre acá y ya está. y no tengo que ir cambiando el argumento en todo mi siguiente código. Y el que usa nombres tan cortos, pues también es de formación, porque cuando yo aprendí R no había autocompletador,
(1:42:25) no había nada, entonces era lo más eficiente y más rápido era poner nombres cortos, aunque después sufra en cómo se llamaba, por qué le puse así, ¿no? Pero facilita el código. Con la siguiente línea estoy calculando los eh los cuartiles. Si ven, la función se llama cuantil, porque cada cualquier numerito donde yo vaya acumulando cosas es un cuantil.
(1:42:49) Después están los cuartiles que son cuatro, los destiles que son 10, los quintiles que son cinco, pero de manera general son cuantiles. Y aquí le estoy diciendo, calcúlame el cuantil de mi variable clorofila en estos puntos. Y es props, porque al final, si ustedes se imaginan, eh, si nos regresamos acá, ver acá, si acá eh si esto lo pensáramos como una función de densidad, pues cuando yo voy acumulando, cuando yo quiero calcular la probabilidad, la calculo en función de cuánta área bajo la curva quiero y el numerito que está aquí abajo es lo que me dice que es lo que sucede.
(1:43:28) Por eso se llama cuantil y por eso abajo le pongo props, porque es la probabilidad acumulada. Así es como calculo las probabilidades. Luego calculo los bigotes a mano, que como quedamos era el cuantil 1 menos el 1.5 el rango intercuartílico y luego el el superior como cuantil 3 + 1.5 veces el rango intercuartílico. Luego parto mi variable, la esta que le puse VB. y la voy a guardar en mi mismo data frame, pero le voy a llamar boxcat.
(1:44:07) Y ahora uso esta función COD que hace lo mismo prácticamente que la que usa arriba, la cod number. Solamente que aquí le tengo que especificar dónde quiero que me haga los cortes. Entonces le digo que de menos infinito al menor, luego del menor al cuartil uno, ta ta ta. Así no. le creo unos labels para cada uno de esos puntos de corte que estoy haciendo. Y este es para que me incluya aquí le tengo que lo tengo que incluir para que sepa si me incluye si va a asignar un paréntesis cuadrado o uno redondo.
(1:44:39) O sea, si me incluye ese valor o no. Básicamente en cuando vaya cortando, este es simplemente para el rango del mapa y hago mi plot, mi plot igual que hace rato en donde el color donde está a ver que estoy pasando aquí le estoy pasando el DM, le digo latitud longitud mi variable va a ser boxcat. El color va a ir en función de esa variable y pues ya está, ¿no? Entonces hago mi Lo que no veo es que variable que la
(1:45:16) clorofila y ahora ya me pinta los los este los puntitos en función de si estuvieron dentro de las clasificación esta ficticia que yo hice. En este caso no aparece el extremo inferior, quiere decir que no hubo puntos. en ese extremo, pero sí que hubo puntos en el extremo alto. Entonces, yo ya puedo ver visualmente, o sea, tal cual, redundante, eh, dónde están esos valores extremos, dónde observé esos puntos eh que puedo considerar como outlyer.
(1:45:50) Estuvieron por arriba de ese bigote que creé artificial. Entonces, estos puntos que están en color muy oscuro serían mis outers. Y me tocaría a mí decir o explicar el por qué creo que en esta zona eh me toca me salieron estos puntos. ¿Qué condiciones puede haber en esta zona que propicien que tenga valores extremos? Y bueno, le pueden cambiar para ver en todas las en todas las otras variables, no lo voy a hacer.
(1:46:23) Y acá viene el pero y lo que les puse acá, ¿no? El gráfico anterior únicamente permite identificar los valores atípicos globales, ¿no? En general, donde tengo valores más grandotes o más chiquitos de lo usual. Pero, ¿qué tal que hay outers locales? ¿Qué tal que aquí todos son muy parecidos, pero resulta que este rojito es atípico a sus vecinos? Eso podría pasar que no sea un outer general. Pero sí es un layer local, no se parece a lo que está cerca de él.
(1:46:57) ¿Y cómo hacemos eso? Pues primero tenemos que decir quiénes son mis vecinos. ¿Cómo voy a decir eh si me parezco o no me parezco a alguien? Y bueno, esto es lo mismo que les acabo de decir y esto que les puse acá de dependencia espacial es como lo que se podría esperar, ¿no? Yo esperaría que puntos cercanos se parezcan, pero también pudiera pasar que los de alrededor no se parezcan. Y es en lo que en la literatura le llaman como un patrón ajedrezado, ¿no? Si se imaginan un tablero de ajedrez en donde el blanco
(1:47:40) y el negro eh indican el que te parezcas o no, pues eso también puede pasar. O como ha pasado en estos datos que quedaron demasiatorios, pues que no se vea ningún patrón, que cada zona haya puntos chicos, puntos grandes, puntos de todo tipo y que no que no pueda haber nada más allá. Entonces, como les decía, pues ahora me hace falta decir quiénes son mis vecinos, qué puntos de mi mapa voy a decir, «Ah, si tú eres mi vecino.
(1:48:05) Este puntito rojo, pues a lo mejor no puede ser vecino de este, ¿no? O sea, está muy lejos. Entonces, ¿a quién puedo considerar vecino? Hay e estas maneras de definirlo. Una manera es por contiguidad, que es tal cual si tuviéramos polígonos. Si en lugar de puntitos yo tuviera polígonos, por ejemplo, en en las divisiones territoriales de los países, esos son polígonos. Y yo puedo decir si lo que pasa en mi estado afecta a mi estado vecino o no.
(1:48:40) Eso sería por contiguidad. De nuevo pensando en economía, que lo que me sale este si el si la tasa de paros y el desempleo en mi ciudad está relacionada con la tasa de empleo de los estados circundantes o de los municipios circundantes o que si mi estado es un acaparador, ¿no? de la gente vecina va a mi estado y por lo tanto hace que mi tasa de empleo sea eh sea baja, ¿no? Eso es lo que se vería con contigüidad cuando tengo barreras definidas y puedo definir si con que colinden en una parte
(1:49:27) es mi vecino o no. Luego tenemos por distancia, simplemente tomo un punto, trazo un radio y digo a los que estén dentro de este radio son mis vecinos. Y la última, que es la que vamos a usar es definir eh quiero cinco vecinos, pues agárrate los más cercanos. Y ya esa es otra manera de definir vecindades. Eh, ¿cómo lo hacemos en R? pues con la función esta que es can near neighborhood prácticamente de esta librería.
(1:50:01) Y lo que va a hacer es si piensan ustedes en su matriz de datos en donde los renglones son individuos, pues eh como que internamente va a decir, «Ah, mira, este pertenece al mismo vecindario.» Entonces, va a etiquetar un 1 un 1 a los que son vecinos, luego dos do 2 do a los que son otros vecinos, 3 tres y así, ¿no? Básicamente eso es lo que hace.
(1:50:21) Entonces acá pues son simplemente cuentas y este es el de la línea 340 que es definirlo por distancia con esta función que es de near neighbor. Le paso las coordenadas y le digo a qué distancia. Y la que vamos a usar es esta, la de por cantidad de de individuos que quiero tomar que vivan cerca. Le puse cuatro. Evidentemente eso es arbitrario. Yo puedo ir probando con varios valores y de hecho el el pues el comando que es KNN pues a lo mejor le es suena a lo que se usa con clusters, ¿no? es eh camins, donde también definimos de alguna manera
(1:51:09) ritar ya cuántos grupos tengo y pues vamos a graficarlo nada más para que vean cómo se Entonces el primero, el azulito, es cuando uso lo de distancia. Entonces, por ejemplo, el que se ve más clarito es el superior, ¿no? El de hasta arriba, que se ven los puntitos unidos. A esos los considero vecinos porque estaban a una distancia de menos de pun. Eh, ahí sí les debo la unidad, no me acuerdo cómo lo mide, pero seguro lo pueden ver en la ayuda.
(1:51:41) Y en cambio, en la siguiente, en la de cuántos vecinos eh yo decidí que quería, pues se ven las uniones mucho más, ¿no? Porque cada puntito va a ir a cuatro y luego otro puntito también va a ir otros cuatro y así. Entonces, ya no se ven las divisiones como en como en este caso. Los resultados, por supuesto, pueden cambiar de de esa elección, tanto de la elección en la que defino mis vecinos como de qué radio uso o cuántos vecinos quiero.
(1:52:13) Y bueno, tenemos que seguir con nuestra matriz de pesos. Y acá les puse algo de látex y ya vi que en la manera, en el visual sí se ve. Yo no sabía que existía esa vista. hasta hoy lo descubrí. Ya está. Eh, tenemos que calcular una matriz de pesos en donde me diga eh es una matriz en donde en las filas van los individuos, en las columnas también y entonces es una matriz indicadora prácticamente, ¿no? Bueno, de inicio.
(1:52:47) Eh, el individuo uno es vecino con el uno, pues cero porque soy yo. El vecino uno es vecino, es el individuo uno es vecino con el individuo dos. En este caso sí, con el tres, ta ta ta, ¿no? Entonces va 01 y después se hace una ponderación. Lo que se suele hacer, eh, ponderar para que nos quede ya en en decimales, en porcentajes. Y al final lo que obtengo, o sea, yo ya tengo mi matriz de pesos y esa la puedo multiplicar por la variable que me
(1:53:22) interesa, en este caso la altura. Entonces, si hago eh mi multiplicación de matrices, que no sé si sepan, pero bueno, las matrices se multiplican renglón por columna, entonces hago 0 * 10, por lo tanto anulo al primero, que soy yo. Luego punción que está de este lado, y es eh y obtengo un nuevo valor para el primer individuo. Ahora tengo 25, 20 y 15.
(1:53:50) No, sería como calcular la media usando solamente a los individuos que son mis vecinos, porque siempre voy a terminar multiplicando en algún lado por cero y ese valor se va a anular y me voy a regresar a la otra vista. Y vean, acá se ve con el código de de látex y visual. Ay, sí lo puso. En mi compu no en mi compu no se veía así. Y pues, ¿qué más? Entonces, eso ya está, ¿no? Paso uno, definir quiénes son mis vecinos. Paso dos, eh, calcular mi matriz de distancias.
(1:54:23) Y entonces ya puedo otra vez de manera gráfica decir eh cómo se comporta mi vecindario. Eh, y una manera de ver eso, esta es famosa, famosísima, que es la IDE Moran, que nos sirve para ver el la dependencia espacial. Yo no la voy a calcular directamente, creo que no lo calculo. La uso simplemente para definir estas nuevas estas nuevas categorías en donde voy a decir la high hig high. Pues un valor alto está rodeado de altos, un valor bajo está rodeado de bajos o lo contrario, un valor alto tiene vecinos con valores bajos o un
(1:55:11) eh un individuo con valores bajos tiene vecinos con valores altos. Y a esto se le llama indicador local de asociación de moras. Si lo buscan el su siglas en inglés, Lisa, les podrá salir más información al respecto. Y ahora sí podremos ver nuestros outers, pero sabiendo cómo son los demás. Ya no van a ser mis outer globales, mis variables así nada más a secas y pensar que que así se comporta todo.
(1:55:33) Ahora va a ser utilizando la información que tengo, que es lo espacial. Y aquí ya se ve más bonito, ¿no? Ya no se ve tan aleatorio como los otros gráficos que habíamos que habíamos hecho. Ya se ven quizá patrones mucho más este más formados, grupos más formados. Este grupo se sigue viendo que en los otros gráficos se notaba los puntitos rojos siempre eran más más frecuentes en esta zona, pero ahora aquí ya se ve claramente que efectivamente no, acá los
(1:56:11) eh los puntitos están rodeados por valores altos y en esta zona pues tenemos ahora valores rodeados de low height, ¿no? Este azulito claro. Y acá pues bueno, estos los quizás los más frecuentes son estos, ¿no? Los low low, donde se ven grupos más. Y esto lo podría combinar con los gráficos que hicimos antes de de meterle además la temperatura o la clorofila y podría darme mucha más información sobre por qué está pasando eso.
(1:56:44) Y hasta aquí es lo que les preparé, pero la parte espacial hay un montón de cosas que hacer. Hay otros gráficos que se llaman de Moran Plot, que no sé si al final les puse por ahí el código, pero creo que no. En donde se ve el lag espacial. Eh, ¿hasta dónde e hasta dónde está ese ese lag? Los correlogramas. Bueno, eso esos eran los que notaban, ¿no? O sea, tal cual. Si yo definí cuatro vecinos y vuelvo a ser como otro vecindario más grande, si mi la influencia mía va
(1:57:20) solamente hacia mi primer vecindario o si se va extendiendo, como piénsenlo, como una serie de tiempo, ¿no? Cuando analizan una serie de tiempo, ustedes eh tratan de relacionar el valor actual con los previos y a eso le llaman lag. Entonces, el lag puede ir hacia un año o la unidad que sea o 2 años o 3 años o 4 años. Pues lo mismo sucede con el espacial. Podemos ver hasta dónde llega ese lag.
(1:57:44) Eh, por supuesto, los modelos lineales de regresión tienen su parte eh e espacial, o sea, una casos más más especiales, más específicos, en donde podemos eh encontrar los SAR, los SEM, en donde el primer caso es solamente la la variable de respuesta es la que tiene una dependencia espacial. Luego el SEM, lo que su pues lo que su supuesto es que el el error espacial o la dependencia espacial la puedo explicar directamente de los errores, o sea, de variables que yo no eh que no recogí y que no que no tengo
(1:58:28) manera de decir de dónde salió o los combinados y por supuesto la heterosedasticidad, que quizá es la parte más importante en muchos estudios. estudios, ¿no? Si hay demasiada variabilidad en los datos y mucho en biología, la heterosacidad se tiene que estudiar y podemos verla también de manera espacial, saber cuáles zonas es donde pues más varían mis datos y es tratar de darles explicación a eso y pues ya está. Si tienen dudas, preguntas, aunque no sea este tema también.
(1:59:07) Buenísimo, Mareli, hay una sola pregunta en el chat está hace un rato, es es cuando estabas mostrando lo de los lo de los cuartiles e que preguntas si para si tengo que ver percentiles eh si los tendría que calcular previamente. Creo que lo mostraste, pero quizás puedes eh volver a mostrar exacto en esta parte. Si uso la función directa esta del gigg plot, del cod number, con que le cambie yo aquí este numerito al que quiero que me lo haga, lo hace.
(1:59:40) Pero si lo hago usando la función COD, aquí le tendría que decir como Q es el argumento que le digo para que me corte esta cosa, los cuartiles. Si ven aquí el el que va indexado es el Q, que es Q y el el como pongo entre corchetes el uno, pues es el primer cuartil, segundo cuartil y los estos pues son los extremos. Si yo quisiera hacerlo más chiquito, pues le podría poner acá, por ejemplo, bueno, lo voy a meter a mano, pueden usar alguna
(2:00:14) función, ¿no? Eh, punto dos, pueden usar un sec o un no sé que le apachurré. Pueden usar cualquiera de las funciones de R para crear secuencias y ya lo pueden hacer. Lo voy a correr así. Ay, pero me va a faltar. Voy a correr así nada más y vemos. Entonces, aquí le estoy diciendo que ahora los cortes me los haga cada 10 y estos los dejé igual. Y ay, claro, acá también tendría que cambiar los Claro, todas las cosas, ¿no? Pero básicamente
(2:00:56) eso es lo que tendría que hacer. Como eh mi Q ahora mide, mi Q ahora mide cinco, ya no mide los tres que yo había puesto acá, pues los tengo que incluir 3 coma cua [Música] u 5 coma y debería de correr ahora, ¿no? Pues aquí me faltó alguno. Los intervalos. Ah, los las labels siempre tiene que coincidir el el número de puntos de quiebre con el label. Eso es detallitos del R, ¿no? Si lo comento. A ver si comento este para que no me esté diciendo.
(2:01:44) Y ya puse los cinco. Ta ta ta. Y bueno, acá me manda un error que no sé qué sea, igual algún cálculo, habría que hacerlo un poquito más más lento, pero esa es esa es la idea, ¿no? En mi función COD lo que hace es eso, cortar. Entonces, yo le tengo que decir cuáles son mis puntos de quiebre y cómo hacerla. Igual por aquí me faltó algún numerito que no estoy viendo. Si alguien ve un error me puede decir porque no lo veo ahora mismo.
(2:02:15) Lo más práctico, pues claro, es con esta con esta función que simplemente le paso el argumento acá. Perfecto, creo que responde perfecto. No sé si alguien quiere decir algo más. Yo creo que comentar que eh me pone muy feliz que te hayas ido de la medicina a la biología, así te tenemos por acá porque nada, estuvo muy bueno toda tu explicación. Agradezco mucho tu tiempo y en lo personal me sirvió un montón porque no por ahí hace análisis donde
(2:03:02) evalúa si existe autocorrelación temporal o espacial y usas un paquete que tiene todo eso tras bambalinas y por ahí te perdés un poco todo lo la parte esta más específica de qué es lo que haces. Entonces, por ahí vos mostraste una forma de por nuestra cuenta desagregar un poquito esos pasos y por ahí encontrarle alguna vueltita más, algún patrón de dependencia que si por ahí si no lo ves así espacialmente nos lo perdemos. Así que en lo personal me encantó y me sumo un montón.
(2:03:27) Muchas gracias. Gracias. Pues ahí está mi contacto. Cualquier cosa de dudas de Ro o de esto. Muchas gracias. Me he echado mucho, me ha gustado mucho tu comentario, Micaela. Yo he pensado algo parecido también. La verdad que ha sido un inicio de presentación. Sí, sí, muy interesante. Eh, si tenéis alguna otra pregunta para Nico o para Areli o cualquier comentario, veo que alguien está escribiendo, así que quizás esperamos unos minutitos.
(2:04:12) Eh, mientras os voy comentando que, bueno, ya sabéis, mañana no hay tutoría, tenemos la siguiente sesión síncrona, serían lunes y martes de la semana que viene, eh, que se tendríamos sesión de dudas de R con Jorge el lunes y sesión de dudas de Python con Julia en eh de Python con Julia el martes. Os, como os comentaba el lunes, os aconsejo que comencéis ya a trabajar en la evaluación, en el trabajito que tenéis que hacer, porque eso, bueno, si
(2:04:44) os surgen dudas, os va a ayudar el tener a Jorge y a Julia lunes y martes. Así que bueno, si lo comenzáis y tenéis ocasión o tiempo para hacerlo ahora ya estos días, pues creo que mejor que os os puedes resultar útil tener estas sesiones de dudas y en general, bueno, para cualquier duda que os haya surgido durante esta semana, pues eh para eso están estas tutorías. Eh y nada más, no sé si tenéis preguntas, vuelvo al Discord.
(2:05:05) Eh, nada, eh, os agradecen a todos vuestras tutoriales, la verdad que has estado muy bien todas las de esta semana, pero eh está el día de hoy también, Nicolás y y Areli, muchas gracias por las presentaciones y no sé si tenéis alguna duda sobre la el trabajito que tenéis que hacer, lo que os comenté, la evaluación sería un ejemplo sencillo de elegís Ro Python y hacéis un poco que muestre lo que habéis aprendido esta
(2:05:40) semana, pues hacer un un plot espacial, un plot eh temporal eh o algo de lo que ha explicado Areli hoy de cómo hacer un análisis estadístico. Eh y con ello, bueno, ponerle un poquito de contexto en texto para que se vea también eh de qué tratan esos pls, de dónde habéis sacado los datos y hacer un informe también con ello, como habéis aprendido esta semana o en Ron Python, cómo hacer un informe y esto lo tenéis que subir a vuestro a vuestro a un
(2:06:10) repositorio en vuestro GitHub. Entonces, lo que tenéis que enviar es el enlace al gitub para que yo vea ahí lo que habéis subido también. Eso pues prueba que tenéis práctica con git, por eso es lo de subir al github. Y nada más, no sé si alguien quiere comentar algo más. Yo sumo, voy a eh comparto ahí en el Discord lo que lo que habíamos hablado, eso de cómo cómo engancho el el en texto algún valor. Eh, es con las comillas, era comilla invertida.
(2:06:36) Después agrego la R y pongo el nombre de la variable R espacio y el nombre de la variable, por ejemplo, en ese caso ahí se los pegué con la media, por ejemplo. Entonces ponen comilla invertida, rpacio media. Cierro con la comilla invertida y eso me aparece en línea con el texto. Si si lo prueban, eh, debería andar muy bien. A mí me apareció la media es 0,3, todo en línea, como habían como habían preguntado.
(2:07:07) [Música] Eh, Jonathan pregunta si el trabajo lo hacen en la plataforma. La verdad es que la podéis utilizar si queréis o lo podéis hacer en vuestro ordenador, pero la cosa es que luego tiene que estar subido ahí en vuestro en vuestro gitub, en vuestro repositorio. Solo menciona que la plataforma va a estar disponible e todo este tiempo. Como siempre, si tienen algún problema nos preguntan por Discord. Bien, veo que hay algún comentario más.
(2:07:42) Mientras le quería preguntar a Zaira, entiendo que será lunes y martes, será el mismo enlace de de Teams, ¿verdad? Para entrar. Sí, mantenemos el mismo enlace, María. Perfecto. Antes de irnos, eh, creo que hoy va a ser el último día en que vamos a estar todos aquí e porque tal vez no todos van a asistir a la las preguntas de R o las preguntas de Python. Yeah.