diff --git a/R-datascience/diapos/index.html b/R-datascience/diapos/index.html index bf4f2d8..3f23762 100644 --- a/R-datascience/diapos/index.html +++ b/R-datascience/diapos/index.html @@ -1348,7 +1348,7 @@

Planificación

x sep Primeras bases de datos 💻 💻 💻 -🐣 +🐣 🐣 @@ -2565,7 +2565,7 @@

Variables de fecha

now()
-
[1] "2024-05-21 13:30:24 CEST"
+
[1] "2024-05-21 13:46:09 CEST"
@@ -4031,8 +4031,11 @@

💻 Tu turno (tb/df)

-
-

🐣 Caso práctico

+
+

🐣 Caso práctico I: textos

+
+
+

🐣 Caso práctico II: tibble

Del paquete Biostatistics usaremos el conunto de datos pinniped

Biostatistics::pinniped
@@ -4079,10 +4082,6 @@

🐣 Caso práctico

[1] 6
- -
-
-

🐣 Caso práctico

  1. Incorpora una variable extra llamada phoca que sea de tipo lógico y que nos diga si una especie es de la categoría Phoca o no.
@@ -4092,6 +4091,7 @@

🐣 Caso práctico

pinniped_tb$phoca <- pinniped_tb$Species == "Phoca"
+
  1. ¿A qué sexo le pesa más el cerebro: a las hembras o a los machos? ¿A quienes les pesa más el cuerpo: a los monógamos o a los polígamos?
  2. @@ -4118,10 +4118,6 @@

    🐣 Caso práctico

    [1] FALSE
- -
-
-

🐣 Caso práctico

  1. Incopora una nueva variable que represente la diferencia entre el peso del cerebro entre machos y hembras (machos - hembras) para cada especie.
@@ -4149,6 +4145,7 @@

🐣 Caso práctico

# ℹ 2 more variables: phoca <lgl>, dif_m_f <dbl> +
@@ -4383,12 +4380,12 @@

Evitando bucles

times = 500)
Unit: microseconds
-                                    expr      min        lq        mean
-                                y <- x^2    1.681    1.8655    2.001948
- for (i in 1:100) {     y[i] <- x[i]^2 } 1235.863 1254.3745 1346.174894
-   median       uq       max neval
-    1.968    2.050     6.519   500
- 1263.128 1281.045 13473.543   500
+ expr min lq mean median + y <- x^2 1.722 1.927 2.219658 2.009 + for (i in 1:100) { y[i] <- x[i]^2 } 1237.216 1248.983 1307.289346 1255.523 + uq max neval + 2.091 61.377 500 + 1265.055 3090.498 500
diff --git a/R-datascience/diapos/index.qmd b/R-datascience/diapos/index.qmd index dc600d2..ff5e319 100644 --- a/R-datascience/diapos/index.qmd +++ b/R-datascience/diapos/index.qmd @@ -127,7 +127,7 @@ Se podrán modificar las fechas por saturación con otras asignaturas siempre y |:------:|:--------:|:--------:|:------:|:------:|:------:|:------:|:------:|:------:|:------:| | [1](#clase-1) | S1 | x sep | Primeros pasos en R | [💻](#tu-turno-1) | | | | [2](#clase-2) | S1 | x sep | Tipos básicos de datos y vectores | [💻](#tu-turno-2-1) [💻](#tu-turno-2-2) | [🐣](#caso-practico-2) | | -| [3](#clase-3) | S2 | x sep | Primeras bases de datos | [💻](#tu-turno-3-1) [💻](#tu-turno-3-2) [💻](#tu-turno-3-3) | [🐣](#caso-practico-3) | | +| [3](#clase-3) | S2 | x sep | Primeras bases de datos | [💻](#tu-turno-3-1) [💻](#tu-turno-3-2) [💻](#tu-turno-3-3) | [🐣](#caso-practico-3-1) [🐣](#caso-practico-3-2) | | | [4](#clase-4) | S2 | x sep | Estructuras de control | [💻](#tu-turno-4-1) [💻](#tu-turno-4-2) | [🐣](#caso-practico-4) | | | [5](#clase-5) | S3 | x sep | Elaborar apuntes y simulacro de entrega | [💻](#tu-turno-5-1) [💻](#tu-turno-5-2) | [🐣](#caso-practico-5) | | | [6](#clase-6) | S3 | x sep | Entrega I | | | 🎯 15% | @@ -2688,8 +2688,11 @@ names(airquality_tb) <- c("ozono", "rad_solar", "viento", "temp", "mes", "dia") --- +## 🐣 Caso práctico I: textos {#caso-practico-3-1} -## 🐣 Caso práctico {#caso-practico-3} +--- + +## 🐣 Caso práctico II: tibble {#caso-practico-3-2} Del paquete `Biostatistics` usaremos el conunto de datos `pinniped` @@ -2725,11 +2728,6 @@ ncol(pinniped_tb) ``` ---- - -## 🐣 Caso práctico {#caso-práctico-3a-2} - - 3. Incorpora una [**variable extra llamada phoca**]{.hl-yellow} que sea de tipo lógico y que nos diga si una especie es de la categoría `Phoca` o no. ```{r} @@ -2754,10 +2752,6 @@ mean(c(pinniped_tb$Male_mass_Kg[pinniped_tb$Mate_type == "mono"], pinniped_tb$Female_mass_Kg[pinniped_tb$Mate_type == "poly"])) ``` ---- - -## 🐣 Caso práctico {#caso-práctico-3a-3} - 5. Incopora una nueva variable que represente la [**diferencia entre el peso del cerebro entre machos y hembras**]{.hl-yellow} (machos - hembras) para cada especie.