Formación

Ya vimos el funcionamiento de ODS TRACE ON/OFF. Ahora crearemos datasets a partir del OUTPUT que genera un paso PROC de SAS con ODS. Lo principal es conocer cómo se denomina cada parte del OUTPUT; esto lo conseguimos con TRACE y analizando el LOG. Una vez conocemos la salida, empleamos ODS OUTPUT <nombre de la salida> = libreria.dataset. En el ejemplo que teníamos: * DATASET ALEATORIO DE 20000 OBSERVACIONES; data uno; do i = 1 to 20000; importe = round(rand('normal') * 1000, .1); num_productos = min(max(1, rand('pois', 4)), 8); num_cargos = max(0, rand('pois', 10) - int(rand('uniform') * 10)); output; end; run; ods noresults; ods output Quantiles = cuant; proc univariate data = uno; var importe; run; ods output Chisq = testchi; proc freq data = uno; tables num_productos * num_cargos / chisq; run; ods results; Para evitar la salida en la ventana output o en formato HTML, se emplea ODS NORESULTS. Con ODS OUTPUT hemos creado dos datasets. Veamos el log: ...

Hoy comenzaré una serie de mensajes dedicados al ODS (Output Delivery System) de SAS. Este mecanismo de SAS nos permite un uso más eficiente del OUTPUT de nuestros pasos PROC; además, podemos crear Excel (como ya vimos), crear datasets, no generar salidas… Antes, SAS nos ofrecía un texto plano en la ventana OUTPUT; ahora generamos documentos sofisticados. En tres entregas veremos: Trazar el OUTPUT de SAS. Datasets de salidas de SAS. Documentos con nuestras salidas de SAS: HTML y PDF. Como complemento a estas entregas, es posible que redacte un mensaje con algunos ejemplos de uso del PROC TEMPLATE. En este primer capítulo dedicado al ODS, estudiaremos algunas salidas SAS y, con ellas, sabremos identificar la estructura del OUTPUT. ...

R dispone de múltiples posibilidades a la hora de realizar gráficos. De hecho, bajo mi punto de vista, puede ser una de las herramientas estadísticas más potentes al respecto; además, es gratuita y existe una comunidad detrás que pone a nuestra disposición múltiples manuales y documentación. Debido al gran material existente, este capítulo sólo será una pequeña introducción a sus posibilidades; en sucesivas entregas veremos nuevas funciones y nuevos gráficos más aplicados a ejemplos reales. ...

In R trabajaremos con objetos y funciones. In capítulos anteriores hemos empezado a crear objetos, fundamentalmente vectores y matrices. In la presente entrega, vamos a estudiar las funciones básicas de estadística descriptiva. Como funciones de medida de tendencia y localización, tendremos: alturas <- scan() # creamos el objeto alturas con 11 observaciones 1: 1.75 1.67 1.89 1.78 1.54 1.90 1.87 8: 1.67 1.76 1.75 1.90 12: Read 11 items mean(alturas) 1.770909 median(alturas) 1.76 min(alturas) 1.54 max(alturas) 1.9 quantile(alturas) # cuartiles 0% 25% 50% 75% 100% 1.54 1.71 1.76 1.88 1.90 # rango intercuartílico IQR(alturas) 0.17 Como funciones de medida de dispersión, tenemos: ...

El formato PERCENT. de SAS nos ofrece una apariencia poco habitual a la hora de realizar informes. Necesitamos emplear el PROC FORMAT, ya que SAS no tiene un formato de porcentajes estándar que se adecúe perfectamente a los reportes de un buen gestor de la información europeo. Para estudiar su uso, emplearemos un ejemplo: data uno; format valor percent8.2; do valor = -1 to 1 by 0.25; output; end; run; proc print data=uno; run; La ejecución de este programa nos ofrece algo parecido a ésto: ...

En esta nueva entrega aprenderemos a importar datos a R desde otras fuentes. Habitualmente no introduciremos manualmente los datos; emplearemos las posibilidades de lectura que nos ofrece R. En este capítulo leeremos ficheros de texto y ficheros Access; para ello necesitaremos el paquete de R RODBC. Para leer un fichero de texto emplearemos un fichero de ejemplo GRADES.TXT, que es un fichero de texto delimitado por espacios y sin cabeceras; tiene los siguientes campos: ...

En esta nueva entrega del manual introductorio a la programación en R comenzaremos a familiarizarnos con las contribuciones que se realizan en el mundo a esta herramienta. La intención es cargar un paquete que contenga una funcionalidad en R que nos permita leer orígenes de datos ODBC para que, en sucesivas entregas, podamos leer datos de Access, Excel… Los paquetes de R son contribuciones de programadores de todo el mundo para la creación de funcionalidades de R que contienen funciones que permiten que día a día R mejore y adquiera un mayor potencial. Estos paquetes se encuentran en el Comprehensive R Archive Network (CRAN), que es una red de FTP y servidores donde nos podemos descargar R o las contribuciones de los programadores de R de todo el mundo. En este caso, para España, tenemos la red CRAN espejo España. En ella tenemos todos los paquetes disponibles por orden alfabético. ...

In el anterior capítulo creábamos vectores y matrices con las funciones c() y matrix(), pero in R disponemos de otros medios para leer o introducir datos. Empezamos con la entrada manual de datos: # Entrada manual de datos ej.3.1 <- scan() 1: 1 2 3: 4 5 5: 6 7 7: Read 6 items ej.3.1 [1] 1 2 4 5 6 7 Para introducir manualmente datos in R, disponemos de la función scan() e introduciremos los datos manualmente separando las entradas con un espacio; para finalizar, empleamos Intro en una línea sin datos. R nos indicará los registros leídos. La función scan() también puede leer ficheros de texto planos si le pasamos el fichero como parámetro: ...

En esta nueva entrega del curso comenzamos a trabajar con R. Ya nos hemos descargado e instalado la herramienta y es momento de conocer a grandes rasgos cómo funciona R. Si abrimos una sesión, nos encontramos con la siguiente pantalla: El interfaz de R no es visual: trabajamos sobre una línea de comandos; no hay ventanas, sólo código y una gran comunidad de programadores que crean sus funciones y sus paquetes de utilidades. Para empezar a manejar R, lo principal es conocer sus elementos principales: objetos y funciones. ...

Si queréis conocer qué es R, debéis visitar http://www.r-project.org/, la web que recoge uno de los proyectos GNU más interesantes que hay en el mundo. In ella podréis entender cómo nace una de las más potentes herramientas informáticas para la estadística. Con ella podremos realizar multitud de modelos multivariables, análisis y gráficos, y su código es libre. Además, disponemos de una extensa comunidad de programadores y colaboradores siempre dispuestos a compartir sus conocimientos con nosotros. ...