Capítulo 1 Introducción

1.1 Introducción a R y RStudio

El primer paso para comenzar a trabajar con R, un lenguaje de programación especializado en estadística, ciencia de datos y visualización, es instalarlo en tu computadora. R es compatible con los principales sistemas operativos, incluyendo Windows, macOS y Linux.

1.1.1 ¿Qué es R?

R es un lenguaje de programación y un entorno de software libre dedicado al análisis estadístico y la generación de gráficos. Su potencia radica en una gran variedad de paquetes estadísticos, su comunidad activa y su capacidad de integración con otras herramientas como Python, SQL, y plataformas de visualización como Power BI o Tableau.

A continuación, se indican los enlaces oficiales para descargar (paso a paso) R:

Descargar R

• Página oficial del proyecto R (https://cran.r-project.org):

Figura 1.1: Software R

En esta página puedes seleccionar tu sistema operativo:

• Para Windows: https://cran.r-project.org/bin/windows/base/
• Para macOS: https://cran.r-project.org/bin/macosx/
• Para Linux: https://cran.r-project.org/bin/linux/

Se realizará el proceso para la instalación de R para el sistema operativo Windows

Figura 1.2: Paso a paso de la instalación de R (izquierda a derecha)

1.1.2 ¿Qué es RStudio?

RStudio es un entorno de desarrollo integrado (IDE) que proporciona una interfaz gráfica intuitiva y muy funcional para trabajar con R. Entre sus características destacan:

• Editor de scripts con resaltado de sintaxis.
• Consola interactiva para ejecutar comandos.
• Panel de visualización de datos y objetos en memoria.
• Gráficos integrados.
• Soporte para proyectos y versiones de R.
• Integración con Git, Markdown, Quarto y Shiny.

Aunque se puede usar R sin RStudio, la mayoría de los usuarios prefieren trabajar dentro de este entorno por su productividad, organización y facilidad de uso.

A continuación, se indican los enlaces oficiales para descargar (paso a paso) RStudio:

Descargar RStudio

• Página oficial de RStudio (ahora llamado Posit, https://posit.co/download/rstudio-desktop/):

Figura 1.3: Desarrollo de entorno integrado (IDE) RStudio

Selecciona la versión gratuita de RStudio Desktop y descarga el instalador correspondiente a tu sistema operativo.

Se realizará el proceso para la instalación de RStudio para el sistema operativo Windows:

Figura 1.4: Paso a paso de la instalación de RStudio

Una vez finalizada la instalación, puedes iniciar RStudio desde el acceso directo en tu escritorio o buscándolo en el menú de inicio.

Figura 1.5: Visualización de RStudio

Al abrir RStudio por primera vez, se presenta un entorno dividido en cuatro paneles:

• Script o editor de código (arriba a la izquierda): donde se escriben los scripts .R o .Rmd.
• Consola (abajo a la izquierda): donde se ejecutan los comandos directamente.
• Entorno / Historial (arriba a la derecha): muestra los objetos cargados y el historial de comandos.
• Archivos, gráficos, paquetes, ayuda y visor (abajo a la derecha): herramientas auxiliares para explorar y trabajar eficientemente.

Puedes verificar que R y RStudio están funcionando correctamente ejecutando una operación simple en la consola, como:

Code

2 + 3

1.2 Introducción a Git y GitHub

1.2.1 ¿Qué es Git?

Git es un sistema de control de versiones distribuido que permite gestionar y registrar los cambios realizados en archivos de un proyecto a lo largo del tiempo. Fue creado por Linus Torvalds y se ha convertido en el estándar para el desarrollo de software y proyectos colaborativos. El enlace es https://git-scm.com/.

Figura 1.6: Sotfware Git

Ventajas principales de Git

• Permite llevar un historial detallado de versiones.
• Facilita la colaboración en proyectos con múltiples personas.
• Permite trabajar en ramas (branches) para desarrollar funcionalidades de forma aislada.
• No depende de internet para el trabajo local.

1.2.1.1 Pasos para instalar Git

Daremos una guía para la instalación de Git usando Windows (paso a paso):

1. Instalar Git:
   🔗 https://git-scm.com/downloads

2. Ahora, debes realizar lo siguiente:

Figura 1.7: Instalación de Git

3. A continuación, comprobemos la instalación de Git.

Figura 1.8: Verificación de Git

1.2.2 ¿Qué es GitHub?

GitHub es una plataforma en línea que permite alojar repositorios de Git en la nube. Es ideal para compartir proyectos, colaborar en equipo y automatizar flujos de trabajo. Este es el enlace https://github.com.

Figura 1.9: Plataforma GitHub

Funciones principales de GitHub

• Crear y administrar repositorios públicos o privados.
• Gestionar cambios mediante pull requests.
• Seguir errores o tareas usando issues.
• Crear documentación, páginas web y wikis para los proyectos.
• Automatizar procesos con GitHub Actions.

1.2.2.1 Pasos para instalar GitHub

A continuación, se presenta una guía paso a paso para la instalación de GitHub en Windows:

1. Crear una cuenta en GitHub:
   🔗 https://github.com

2. Ahora, sigue las imagenes:

Figura 1.10: Registro en GitHub

Despues haces el proceso de verificación

• Completa el captcha de seguridad.

• GitHub puede pedirte que verifiques tu correo electrónico. Revisa tu bandeja de entrada y haz clic en el enlace de confirmación.

3. Ingresas al enlace https://github.com y despues:

Figura 1.11: Credenciales de verificación en GitHub

Al ingresar, este sería el inicio

Figura 1.12: Dashboard de GitHub

4. A continuación, vamos a descargar GitHub Desktop para Windows; para ello debes usar el enlace https://desktop.github.com/download/

Figura 1.13: Credenciales de verificación en GitHub

Diferencias claves entre Git y GitHub

Git	GitHub
Herramienta local	Plataforma en la nube
Administra versiones	Aloja y comparte repositorios
No requiere internet	Requiere conexión para sincronizar
Se usa desde terminal o IDE	Se accede por navegador o API

1.2.2.2 ¿Cómo se relacionan?

• Git administra tu proyecto localmente, guardando versiones y cambios.
• GitHub actúa como repositorio remoto, permitiendo subir (push) o descargar (pull) cambios desde y hacia otros colaboradores.
• Juntos permiten trabajar de forma segura, organizada y colaborativa desde distintos lugares.

1.3 Introducción a Tidyverse

El Tidyverse es un conjunto de paquetes integrados para el lenguaje de programación R, diseñados con el objetivo de facilitar el análisis de datos de manera estructurada, legible y eficiente. Su filosofía se basa en el concepto de “datos ordenados” (tidy data), donde cada variable es una columna, cada observación una fila, y cada tipo de unidad observacional forma una tabla.

Estos paquetes comparten principios de diseño comunes y una gramática coherente, lo que permite a los usuarios aprender un conjunto de reglas aplicables en todo el ecosistema, aumentando así la productividad y la claridad del código.

1.3.1 Representación visual del ecosistema Tidyverse

Figura 1.14: Paquetes de tidyverse

1.3.2 Principales paquetes del Tidyverse

A continuación se describen los paquetes más representativos que conforman el núcleo del Tidyverse:

---

📊 ggplot2

Permite la creación de visualizaciones estadísticas sofisticadas mediante la Gramática de los Gráficos (Grammar of Graphics). Con ggplot2 puedes combinar capas de datos, geometrías, escalas y temas para construir gráficos informativos y estéticamente agradables. Es ampliamente utilizado en análisis exploratorio y comunicación de resultados.

---

📂 dplyr

Facilita la manipulación de datos mediante verbos intuitivos como:

• filter() para filtrar filas según condiciones lógicas,
• select() para elegir columnas,
• mutate() para crear o transformar variables,
• summarise() para resumir valores,
• group_by() para operaciones agrupadas.

Trabaja perfectamente con tibble y se puede aplicar a bases de datos con dbplyr.

---

🔄 tidyr

Su propósito es convertir datos desorganizados en un formato “ordenado”. Algunas de sus funciones clave incluyen:

• pivot_longer() y pivot_wider() para cambiar el formato de los datos.
• separate() para dividir una columna en varias.
• unite() para fusionar columnas en una sola.

Estas funciones son fundamentales para preparar datos antes del análisis.

---

🧾 readr

Ofrece funciones rápidas y confiables para importar archivos .csv, .tsv, .fwf, entre otros. Es más eficiente que read.table() y permite:

• Importar con read_csv(), read_delim() o read_fwf().
• Detectar problemas de formato con problems().
• Controlar tipos de datos con argumentos explícitos.

---

🧵 stringr

Simplifica el trabajo con cadenas de texto (caracteres). Proporciona una sintaxis coherente para tareas comunes como:

• Búsqueda de patrones (str_detect, str_subset),
• Manipulación (str_replace, str_sub, str_trim),
• Conteo (str_count),
• Extracción (str_extract, str_match).

Ideal para limpiar y procesar textos en análisis de encuestas, redes sociales o nombres de variables.

---

🐱 forcats

Dedicado al tratamiento de factores en R, un tipo especial de variable categórica. forcats ofrece funciones para:

• Reordenar niveles según frecuencia (fct_infreq()),
• Fusionar niveles (fct_collapse()),
• Recodificar (fct_recode()),
• Ordenar según otras variables (fct_reorder()).

Útil en análisis estadísticos donde el tratamiento adecuado de las categorías es clave.

---

🕒 lubridate

Permite el manejo sencillo de fechas y horas. Resuelve uno de los aspectos más complejos en análisis temporal con funciones como:

• ymd(), dmy(), mdy() para convertir cadenas en fechas,
• hour(), minute(), second() para extraer componentes,
• interval(), duration() y period() para trabajar con intervalos de tiempo.

---

📊 haven

Permite importar y exportar archivos desde software estadístico como:

• SPSS (.sav, .zsav),
• Stata (.dta),
• SAS (.sas7bdat, .xpt).

Esencial para interoperabilidad con datos institucionales y académicos que provienen de otras plataformas.

---

📈 readxl

Importa archivos de Excel (.xls, .xlsx) sin necesidad de tener Excel instalado. Las funciones clave incluyen:

• read_excel() para leer hojas completas,
• excel_sheets() para listar las hojas de un archivo.

Ideal para usuarios que reciben datos administrativos, contables o estadísticos en formato Excel.

---

🔁 purrr

Introduce herramientas de programación funcional en R, permitiendo aplicar funciones a listas o vectores con más control que lapply() o sapply(). Permite:

• Iterar con map(), map_df(), map_dbl(), etc.
• Trabajar con errores mediante safely(), possibly().
• Manipular listas de manera estructurada.

Ideal para automatizar tareas repetitivas.

---

📋 tibble

Es una versión mejorada de los data frames tradicionales. Entre sus ventajas:

• Muestra solo las primeras 10 filas y columnas visibles.
• No modifica automáticamente los nombres de columnas.
• Trabaja mejor con los flujos de trabajo del Tidyverse.

---

1.3.3 Instalación del Tidyverse en R

Para instalar todos los paquetes del núcleo del Tidyverse, simplemente se ejecuta en la consola de R:

Code

install.packages("tidyverse")

1.4 Pasos para publicar un libro bookdown en GitHub Pages

Para publicar un libro bookdown en GitHub Pages debes tener lo siguiente:

1. Pre-requisitos

• Tener una cuenta en GitHub.

• Haber creado un repositorio público (ej. metodos_estadisticos).

• Tener Git instalado y configurado.

• Tener R y RStudio instalado y configurado

• Instalar el siguiente paquete

Code

install.packages("bookdown")

• Tener un proyecto bookdown funcional en tu computadora.

2. Abre el archivo _bookdown.yml y asegúrate de incluir:

book_filename: "index"
output_dir: "docs"

Esto hace que el libro se renderice en la carpeta docs, que es donde GitHub Pages busca el sitio por defecto.

3. En RStudio o consola de R, corre:

Code

bookdown::render_book("index.Rmd")

4. Abre la terminal en la carpeta del libro y ejecuta:

Code

git init
git remote add origin https://github.com/cdeoroaguado/metodos_estadistico.git
git add docs
git commit -m "primer despliegue del libro"
git push -u origin main 

5. Activa GitHub Pages

• Ve al repositorio en GitHub.

• Haz clic en Settings > Pages.

• En “Source”, selecciona:

  • Branch: main o master
  • Folder: /docs

• Guarda los cambios.

6. Después de unos segundos, tu libro estará disponible en:

Enlace del texto

Dale click en este enlace:

👉 https://cdeoroaguado.github.io/metodos_estadistico/

1.4.1 Video paso a paso de la publicación del libro en GitHub Pages

Uno de los pasos más importantes al desarrollar un libro con bookdown es su publicación en línea, permitiendo el acceso abierto y permanente al contenido. Para ello, GitHub Pages se convierte en una herramienta ideal por su facilidad de uso y compatibilidad con proyectos de R. A continuación, se presenta un video tutorial donde se explican paso a paso los procedimientos necesarios para publicar correctamente un libro elaborado en bookdown a través de un repositorio en GitHub:

Cabe resaltar que este libro de muestra estamos utilizando el paquete bookdown (Xie 2025), el cual fue construido sobre R Markdown y knitr (Xie 2015)

Referencias

Xie, Yihui. 2015. Dynamic Documents with R and Knitr. 2nd ed. Boca Raton, Florida: Chapman; Hall/CRC. http://yihui.name/knitr/.

———. 2025. Bookdown: Authoring Books and Technical Documents with r Markdown. https://github.com/rstudio/bookdown.