Sesión del jueves, 13 de abril de 2023
Sesión del jueves, 11 de mayo de 2023
Una parte fundamental del procesamiento e integración de datos es la recodificación de variables. Esto implica que, a determinadas variables, le aplicaremos ciertos cambios de acuerdo a ciertas reglas y criterios establecidos con anterioridad, siempre cuidando la coherencia con nuestro objetivo de investigación.
Hay múltiples formas de recodificar en R, pero en este ejemplo trabajaremos con el comando recode() del paquete car.
recode()
car
Esta vez, recodificaremos las siguientes variables: sexo, ingreso, autor_democ y jv_delincuentes. Para esto, nos apoyaremos en el libro de códigos.
sexo
ingreso
autor_democ
jv_delincuentes
Installing package into 'C:/Users/kevin/AppData/Local/R/win-library/4.2' +Installing package into 'C:/Users/kevin/AppData/Local/R/win-library/4.3' (as 'lib' is unspecified)
Installing package into 'C:/Users/kevin/AppData/Local/R/win-library/4.3' (as 'lib' is unspecified)
Warning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.2: - no fue posible abrir la URL 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.2/PACKAGES'
also installing the dependencies 'triebeard', 'urltools', 'httpcode', 'crul', 'fontBitstreamVera', 'fontLiberation', 'gfonts', 'fontquiver', 'gdtools', 'flextable', 'officer'
Warning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3: + no fue posible abrir la URL 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3/PACKAGES'
package 'crosstable' successfully unpacked and MD5 sums checked +package 'triebeard' successfully unpacked and MD5 sums checked +package 'urltools' successfully unpacked and MD5 sums checked +package 'httpcode' successfully unpacked and MD5 sums checked +package 'crul' successfully unpacked and MD5 sums checked +package 'fontBitstreamVera' successfully unpacked and MD5 sums checked +package 'fontLiberation' successfully unpacked and MD5 sums checked +package 'gfonts' successfully unpacked and MD5 sums checked +package 'fontquiver' successfully unpacked and MD5 sums checked +package 'gdtools' successfully unpacked and MD5 sums checked +package 'flextable' successfully unpacked and MD5 sums checked +package 'officer' successfully unpacked and MD5 sums checked +package 'crosstable' successfully unpacked and MD5 sums checked The downloaded binary packages are in - C:\Users\kevin\AppData\Local\Temp\RtmpgzXyjN\downloaded_packages + C:\Users\kevin\AppData\Local\Temp\RtmpqOPUfn\downloaded_packages
package 'triebeard' successfully unpacked and MD5 sums checked +package 'urltools' successfully unpacked and MD5 sums checked +package 'httpcode' successfully unpacked and MD5 sums checked +package 'crul' successfully unpacked and MD5 sums checked +package 'fontBitstreamVera' successfully unpacked and MD5 sums checked +package 'fontLiberation' successfully unpacked and MD5 sums checked +package 'gfonts' successfully unpacked and MD5 sums checked +package 'fontquiver' successfully unpacked and MD5 sums checked +package 'gdtools' successfully unpacked and MD5 sums checked +package 'flextable' successfully unpacked and MD5 sums checked +package 'officer' successfully unpacked and MD5 sums checked +package 'crosstable' successfully unpacked and MD5 sums checked The downloaded binary packages are in - C:\Users\kevin\AppData\Local\Temp\RtmpgzXyjN\downloaded_packages
crosstable installed
Warning: package 'crosstable' was built under R version 4.2.3
Warning: package 'crosstable' was built under R version 4.3.3
options(scipen = 999) # para desactivar notacion cientifica -rm(list = ls()) # para limpiar el entorno de trabajo
options(scipen = 999) # para desactivar notacion cientifica +rm(list = ls()) # para limpiar el entorno de trabajo
Usamos los datos creados en el procesamiento que se encuentran guardados en la carpeta output.
datos_proc <- readRDS("output/datos_proc.Rdata")
View(datos_proc) # Ver datos -names(datos_proc) # Nombre de columnas -dim(datos_proc) # Dimensiones -str(datos_proc) # Estructura de los datos (las clases y categorias de repuesta)
View(datos_proc) # Ver datos +names(datos_proc) # Nombre de columnas +dim(datos_proc) # Dimensiones +str(datos_proc) # Estructura de los datos (las clases y categorias de repuesta)
En este caso, nuestra base de datos procesada tiene 496 casos y 9 variables.
Para las variables nominales podemos usar tablas de frecuencias absolutas y relativas, y con ellas conocer la moda, es dedir, el valor con mayor cantidad de observaciones. Para ello, una manera sencilla de hacerlo es mediante la función table de R.
table
table(datos_proc$sexo)
Femenino Masculino 277 219
table(datos_proc$ingreso_minimo)
debajo minimo sobre minimo 211 285
table(datos_proc$autor_democ)
A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario @@ -452,7 +361,7 @@ a) Absolutas y rel
Lo anterior nos entrega la frecuencia absoluta de las variables. Con ello, podemos observar que, en cuanto la preferencias entre autoritarismo y democracia, la mayoría de nuestros casos se concentran en “La democracia es preferible a cualquier otra forma de gobierno”. Para conocer la frecuencia relativa o porcentual de estas podemos utilizar el comando prop.table.
prop.table
(freq_table1 <-table(datos_proc$autor_democ))
A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario @@ -464,7 +373,7 @@ a) Absolutas y rel Ninguna 35
prop.table(freq_table1)*100
A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario @@ -483,19 +392,19 @@ a) Absolutas y rel b) Acumuladas Mientras que si trabajamos con variables ordinales, podemos usar también la frecuencia acumulada: -(freq_table2 <- table(datos_proc$tramo_ingreso)) +(freq_table2 <- table(datos_proc$tramo_ingreso)) Tramo 1 Tramo 2 Tramo 3 Tramo 4 Tramo 5 77 198 80 60 81 -(freq_table3 <- prop.table(freq_table2)*100) +(freq_table3 <- prop.table(freq_table2)*100) Tramo 1 Tramo 2 Tramo 3 Tramo 4 Tramo 5 15.52419 39.91935 16.12903 12.09677 16.33065 -cumsum(freq_table3) +cumsum(freq_table3) Tramo 1 Tramo 2 Tramo 3 Tramo 4 Tramo 5 15.52419 55.44355 71.57258 83.66935 100.00000 @@ -504,8 +413,8 @@ b) Acumuladas A partir de este estadístico, podemos ver que un 55% de los casos se ubican debajo del tramo 2 de ingresos, lo cual en términos sustantivos señala que un 55% de las observaciones obtienen menos de $500.000 de ingresos mensuales. También podemos unir todas estas frecuencias en una sola tabla: -tbl3 <- table(datos_proc$tramo_ingreso) -cbind(Freq=tbl3, relat = prop.table(tbl3)*100, Cum = cumsum(tbl3)) +tbl3 <- table(datos_proc$tramo_ingreso) +cbind(Freq=tbl3, relat = prop.table(tbl3)*100, Cum = cumsum(tbl3)) Freq relat Cum Tramo 1 77 15.52419 77 @@ -517,7 +426,7 @@ b) Acumuladas Otra manera de calcular frecuencias (absolutas, relativas y acumuladas) en R, es mediante la función frq() del paquete sjmisc, el cual entrega todo lo anterior con un solo comando. -sjmisc::frq(datos_proc$tramo_ingreso) +sjmisc::frq(datos_proc$tramo_ingreso) x <character> # total N=496 valid N=496 mean=2.74 sd=1.31 @@ -538,7 +447,7 @@ b) Acumuladas 4.1.2 Tablas de contingencia También podemos cruzar dos variables mediante las llamadas tablas de contingencia o tablas cruzadas. Además de conocer la frecuencia absoluta en cada casilla, podemos también conocer la proporción o frecuencia relativa para cada casilla y el total de la filas y columnas. -crosstable(datos_proc, cols = sexo, by = tramo_edad) +crosstable(datos_proc, cols = sexo, by = tramo_edad) # A tibble: 2 × 6 .id label variable Adultos `Adutos mayores` Jovenes @@ -546,7 +455,7 @@ 4.1.2 Tablas de con 1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%) 2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%) -crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "both") #fila y columna +crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "both") #fila y columna # A tibble: 3 × 7 .id label variable Adultos `Adutos mayores` Jovenes Total @@ -555,7 +464,7 @@ 4.1.2 Tablas de con 2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%) 219 (44.15%) 3 sexo sexo Total 362 (72.98%) 93 (18.75%) 41 (8.27%) 496 (100.00%) -crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "row") #solo fila +crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "row") #solo fila # A tibble: 2 × 7 .id label variable Adultos `Adutos mayores` Jovenes Total @@ -563,7 +472,7 @@ 4.1.2 Tablas de con 1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%) 277 (55.85%) 2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%) 219 (44.15%) -crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "column") #solo columna +crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "column") #solo columna # A tibble: 3 × 6 .id label variable Adultos `Adutos mayores` Jovenes @@ -584,12 +493,12 @@ + - + Tip @@ -607,7 +516,7 @@ a) Con summary Podemos obtener rapidamente un resumen de los datos con la funcion summary de R -summary(datos_proc$ingreso) +summary(datos_proc$ingreso) Min. 1st Qu. Median Mean 3rd Qu. Max. 0 350000 500000 679514 800000 5000000 @@ -620,14 +529,14 @@ a) Con summary< b) Con psych -psych::describe(datos_proc$ingreso, - quant = c(.25,.75), - IQR = T) +psych::describe(datos_proc$ingreso, + quant = c(.25,.75), + IQR = T) - vars n mean sd median trimmed mad min max range skew -1 1 496 679514.1 611376.9 500000 572434.7 296520 0 5000000 5000000 3.01 - kurtosis se IQR Q0.25 Q0.75 -1 13.42 27451.63 450000 350000 800000 + vars n mean sd median trimmed mad min max range skew +X1 1 496 679514.1 611376.9 500000 572434.7 296520 0 5000000 5000000 3.01 + kurtosis se IQR Q0.25 Q0.75 +X1 13.42 27451.63 450000 350000 800000 Usando la funcion describe del paquete psych podemos obtener mayor cantidad de estadísticos, además de especificarle otros adicionales. @@ -640,15 +549,15 @@ b) Con psych c) Con summarise de dplyr Otra manera de obtener todos los estadísticos que necesitamos es utilizando dplyr. Aquí, le especificamos lo que requerimos, pero debemos saber bien cómo calcular tales medidas: -datos_proc %>% - summarise(media = mean(ingreso), - mediana = median(ingreso), - q1 = quantile(ingreso, probs = .25), - q2 = quantile(ingreso, probs = .75), - rango = max(ingreso) - min(ingreso), - desviacion_estandar = sd(ingreso), - varianza = var(ingreso), - coef_variacion = sd(ingreso)/mean(ingreso)) +datos_proc %>% + summarise(media = mean(ingreso), + mediana = median(ingreso), + q1 = quantile(ingreso, probs = .25), + q2 = quantile(ingreso, probs = .75), + rango = max(ingreso) - min(ingreso), + desviacion_estandar = sd(ingreso), + varianza = var(ingreso), + coef_variacion = sd(ingreso)/mean(ingreso)) # A tibble: 1 × 8 media mediana q1 q2 rango desviacion_estandar varianza coef_variacion @@ -670,7 +579,7 @@ Resumen Video de clase - + @@ -704,9 +613,23 @@ Video de clase icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -771,6 +694,92 @@ Video de clase return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -813,7 +822,10 @@ Video de clase diff --git a/docs/assignment/05-practico.html b/docs/assignment/05-practico.html index e76be6a..c64a4b6 100644 --- a/docs/assignment/05-practico.html +++ b/docs/assignment/05-practico.html @@ -2,7 +2,7 @@ - + @@ -17,9 +17,10 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } +/* CSS for syntax highlighting */ pre > code.sourceCode { white-space: pre; position: relative; } pre > code.sourceCode > span { display: inline-block; line-height: 1.25; } pre > code.sourceCode > span:empty { height: 1.2em; } @@ -46,43 +47,13 @@ -khtml-user-select: none; -moz-user-select: none; -ms-user-select: none; user-select: none; padding: 0 4px; width: 4em; - color: #aaaaaa; } -pre.numberSource { margin-left: 3em; border-left: 1px solid #aaaaaa; padding-left: 4px; } +pre.numberSource { margin-left: 3em; padding-left: 4px; } div.sourceCode { } @media screen { pre > code.sourceCode > span > a:first-child::before { text-decoration: underline; } } -code span.al { color: #ff0000; font-weight: bold; } /* Alert */ -code span.an { color: #60a0b0; font-weight: bold; font-style: italic; } /* Annotation */ -code span.at { color: #7d9029; } /* Attribute */ -code span.bn { color: #40a070; } /* BaseN */ -code span.bu { color: #008000; } /* BuiltIn */ -code span.cf { color: #007020; font-weight: bold; } /* ControlFlow */ -code span.ch { color: #4070a0; } /* Char */ -code span.cn { color: #880000; } /* Constant */ -code span.co { color: #60a0b0; font-style: italic; } /* Comment */ -code span.cv { color: #60a0b0; font-weight: bold; font-style: italic; } /* CommentVar */ -code span.do { color: #ba2121; font-style: italic; } /* Documentation */ -code span.dt { color: #902000; } /* DataType */ -code span.dv { color: #40a070; } /* DecVal */ -code span.er { color: #ff0000; font-weight: bold; } /* Error */ -code span.ex { } /* Extension */ -code span.fl { color: #40a070; } /* Float */ -code span.fu { color: #06287e; } /* Function */ -code span.im { color: #008000; font-weight: bold; } /* Import */ -code span.in { color: #60a0b0; font-weight: bold; font-style: italic; } /* Information */ -code span.kw { color: #007020; font-weight: bold; } /* Keyword */ -code span.op { color: #666666; } /* Operator */ -code span.ot { color: #007020; } /* Other */ -code span.pp { color: #bc7a00; } /* Preprocessor */ -code span.sc { color: #4070a0; } /* SpecialChar */ -code span.ss { color: #bb6688; } /* SpecialString */ -code span.st { color: #4070a0; } /* String */ -code span.va { color: #19177c; } /* Variable */ -code span.vs { color: #4070a0; } /* VerbatimString */ -code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */ @@ -120,29 +91,30 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - - + + - - - - + + + + - + @@ -153,128 +125,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Práctica 5. Repaso procesamiento y análisis de datos en R - - - - - - - - - - - Información general - - - - - - - - Laboratorio de Análisis de Datos - - - - - - - Sesiones - - - - - - - - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada - - - - - - - @@ -311,7 +206,7 @@ En esta página -Práctica 5. Repaso procesamiento y análisis de datos en R +Práctica 5. Repaso procesamiento y análisis de datos en R Sesión del jueves, 18 de mayo de 2023 @@ -853,19 +748,19 @@ quant = c(.25,.75), IQR = TRUE) - vars n mean sd median trimmed mad min max range skew kurtosis se -1 1 528 47.01 12.15 47 46.95 14.83 25 84 59 0.08 -0.83 0.53 - IQR Q0.25 Q0.75 -1 19 38 57 + vars n mean sd median trimmed mad min max range skew kurtosis se +X1 1 528 47.01 12.15 47 46.95 14.83 25 84 59 0.08 -0.83 0.53 + IQR Q0.25 Q0.75 +X1 19 38 57 psych::describe(datos_proc$ingreso, quant = c(.25,.75), IQR = T) - vars n mean sd median trimmed mad min max range skew -1 1 528 689268.9 844589.1 500000 569325.5 296520 0 15000000 15000000 10.12 - kurtosis se IQR Q0.25 Q0.75 -1 156.57 36756.02 450000 350000 800000 + vars n mean sd median trimmed mad min max range +X1 1 528 689268.9 844589.1 500000 569325.5 296520 0 15000000 15000000 + skew kurtosis se IQR Q0.25 Q0.75 +X1 10.12 156.57 36756.02 450000 350000 800000 @@ -873,11 +768,11 @@ Video de clase Primer bloque - + Segundo bloque - + @@ -912,9 +807,23 @@ Segundo bloque icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -979,6 +888,92 @@ Segundo bloque return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -1021,7 +1016,10 @@ Segundo bloque diff --git a/docs/assignment/06-practico.html b/docs/assignment/06-practico.html index e2edf45..2d59962 100644 --- a/docs/assignment/06-practico.html +++ b/docs/assignment/06-practico.html @@ -2,7 +2,7 @@ - + @@ -17,9 +17,10 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } +/* CSS for syntax highlighting */ pre > code.sourceCode { white-space: pre; position: relative; } pre > code.sourceCode > span { display: inline-block; line-height: 1.25; } pre > code.sourceCode > span:empty { height: 1.2em; } @@ -46,43 +47,13 @@ -khtml-user-select: none; -moz-user-select: none; -ms-user-select: none; user-select: none; padding: 0 4px; width: 4em; - color: #aaaaaa; } -pre.numberSource { margin-left: 3em; border-left: 1px solid #aaaaaa; padding-left: 4px; } +pre.numberSource { margin-left: 3em; padding-left: 4px; } div.sourceCode { } @media screen { pre > code.sourceCode > span > a:first-child::before { text-decoration: underline; } } -code span.al { color: #ff0000; font-weight: bold; } /* Alert */ -code span.an { color: #60a0b0; font-weight: bold; font-style: italic; } /* Annotation */ -code span.at { color: #7d9029; } /* Attribute */ -code span.bn { color: #40a070; } /* BaseN */ -code span.bu { color: #008000; } /* BuiltIn */ -code span.cf { color: #007020; font-weight: bold; } /* ControlFlow */ -code span.ch { color: #4070a0; } /* Char */ -code span.cn { color: #880000; } /* Constant */ -code span.co { color: #60a0b0; font-style: italic; } /* Comment */ -code span.cv { color: #60a0b0; font-weight: bold; font-style: italic; } /* CommentVar */ -code span.do { color: #ba2121; font-style: italic; } /* Documentation */ -code span.dt { color: #902000; } /* DataType */ -code span.dv { color: #40a070; } /* DecVal */ -code span.er { color: #ff0000; font-weight: bold; } /* Error */ -code span.ex { } /* Extension */ -code span.fl { color: #40a070; } /* Float */ -code span.fu { color: #06287e; } /* Function */ -code span.im { color: #008000; font-weight: bold; } /* Import */ -code span.in { color: #60a0b0; font-weight: bold; font-style: italic; } /* Information */ -code span.kw { color: #007020; font-weight: bold; } /* Keyword */ -code span.op { color: #666666; } /* Operator */ -code span.ot { color: #007020; } /* Other */ -code span.pp { color: #bc7a00; } /* Preprocessor */ -code span.sc { color: #4070a0; } /* SpecialChar */ -code span.ss { color: #bb6688; } /* SpecialString */ -code span.st { color: #4070a0; } /* String */ -code span.va { color: #19177c; } /* Variable */ -code span.vs { color: #4070a0; } /* VerbatimString */ -code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */ @@ -120,29 +91,30 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - - + + - - - - + + + + - + @@ -153,128 +125,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Práctica 6. Visualización de datos con R - - - - - - - - - - - Información general - - - - - - - - Laboratorio de Análisis de Datos - - - - - - - Sesiones - - - - - - - - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada - - - - - - - @@ -316,7 +211,7 @@ En esta página -Práctica 6. Visualización de datos con R +Práctica 6. Visualización de datos con R Sesión del jueves, 1 de junio de 2023 @@ -459,12 +354,12 @@ Análisis de la forma de distribución una de razón, una ordinal de 10 categorías. - + - + Nota @@ -490,19 +385,19 @@ Análisis de la forma de distribución quant = c(.25,.75), IQR = TRUE) - vars n mean sd median trimmed mad min max range skew kurtosis se -1 1 1474 48.43 17.84 48.5 48.01 21.5 18 99 81 0.14 -0.93 0.46 - IQR Q0.25 Q0.75 -1 29 33 62 + vars n mean sd median trimmed mad min max range skew kurtosis se +X1 1 1474 48.43 17.84 48.5 48.01 21.5 18 99 81 0.14 -0.93 0.46 + IQR Q0.25 Q0.75 +X1 29 33 62 psych::describe(proc_cep$satisfaccion, quant = c(.25,.75), IQR = TRUE) - vars n mean sd median trimmed mad min max range skew kurtosis se IQR -1 1 1474 6.87 2.18 7 6.97 2.97 1 10 9 -0.32 -0.45 0.06 4 - Q0.25 Q0.75 -1 5 9 + vars n mean sd median trimmed mad min max range skew kurtosis se +X1 1 1474 6.87 2.18 7 6.97 2.97 1 10 9 -0.32 -0.45 0.06 + IQR Q0.25 Q0.75 +X1 4 5 9 @@ -773,7 +668,7 @@ Resumen Video tutorial - + @@ -807,9 +702,23 @@ Video tutorial icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -874,6 +783,92 @@ Video tutorial return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -916,7 +911,10 @@ Video tutorial diff --git a/docs/assignment/07-practico.html b/docs/assignment/07-practico.html index 595208e..5595b60 100644 --- a/docs/assignment/07-practico.html +++ b/docs/assignment/07-practico.html @@ -2,7 +2,7 @@ - + @@ -17,9 +17,10 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } +/* CSS for syntax highlighting */ pre > code.sourceCode { white-space: pre; position: relative; } pre > code.sourceCode > span { display: inline-block; line-height: 1.25; } pre > code.sourceCode > span:empty { height: 1.2em; } @@ -46,43 +47,13 @@ -khtml-user-select: none; -moz-user-select: none; -ms-user-select: none; user-select: none; padding: 0 4px; width: 4em; - color: #aaaaaa; } -pre.numberSource { margin-left: 3em; border-left: 1px solid #aaaaaa; padding-left: 4px; } +pre.numberSource { margin-left: 3em; padding-left: 4px; } div.sourceCode { } @media screen { pre > code.sourceCode > span > a:first-child::before { text-decoration: underline; } } -code span.al { color: #ff0000; font-weight: bold; } /* Alert */ -code span.an { color: #60a0b0; font-weight: bold; font-style: italic; } /* Annotation */ -code span.at { color: #7d9029; } /* Attribute */ -code span.bn { color: #40a070; } /* BaseN */ -code span.bu { color: #008000; } /* BuiltIn */ -code span.cf { color: #007020; font-weight: bold; } /* ControlFlow */ -code span.ch { color: #4070a0; } /* Char */ -code span.cn { color: #880000; } /* Constant */ -code span.co { color: #60a0b0; font-style: italic; } /* Comment */ -code span.cv { color: #60a0b0; font-weight: bold; font-style: italic; } /* CommentVar */ -code span.do { color: #ba2121; font-style: italic; } /* Documentation */ -code span.dt { color: #902000; } /* DataType */ -code span.dv { color: #40a070; } /* DecVal */ -code span.er { color: #ff0000; font-weight: bold; } /* Error */ -code span.ex { } /* Extension */ -code span.fl { color: #40a070; } /* Float */ -code span.fu { color: #06287e; } /* Function */ -code span.im { color: #008000; font-weight: bold; } /* Import */ -code span.in { color: #60a0b0; font-weight: bold; font-style: italic; } /* Information */ -code span.kw { color: #007020; font-weight: bold; } /* Keyword */ -code span.op { color: #666666; } /* Operator */ -code span.ot { color: #007020; } /* Other */ -code span.pp { color: #bc7a00; } /* Preprocessor */ -code span.sc { color: #4070a0; } /* SpecialChar */ -code span.ss { color: #bb6688; } /* SpecialString */ -code span.st { color: #4070a0; } /* String */ -code span.va { color: #19177c; } /* Variable */ -code span.vs { color: #4070a0; } /* VerbatimString */ -code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */ @@ -120,30 +91,32 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } + - - + + - - - - + + + + - + @@ -154,128 +127,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Práctica 7. Forma de una distribución - - - - - - - - - - - Información general - - - - - - - - Laboratorio de Análisis de Datos - - - - - - - Sesiones - - - - - - - - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada - - - - - - - @@ -309,7 +205,7 @@ En esta página -Práctica 7. Forma de una distribución +Práctica 7. Forma de una distribución Sesión del jueves, 1 de junio de 2023 @@ -441,12 +337,12 @@ 2. Distribuciones empíricas y teóricas Como vimos en clases, una distribución empírica (u observada) es la distribución de los valores que asume la variable en un grupo concreto a partir de una observación. Mientras que, por su parte, una distribución teórica es función matématica que expresan la distribución de un conjunto de números mediante su probabilidad de ocurencia. En palabras sencillas, es una función de densidad que permite asignar probabilidades de ocurrencia a los resultados. - + - + Tip @@ -528,10 +424,10 @@ Distribución muestral psych::describe(psu1) - vars n mean sd median trimmed mad min max range skew -X1 1 300000 500.06 110.31 499.99 500.05 110.19 -10.58 987.25 997.83 0 + vars n mean sd median trimmed mad min max range skew +X1 1 300000 499.65 110.19 499.71 499.67 110.2 -8.29 1000.65 1008.94 0 kurtosis se -X1 0.01 0.2 +X1 0 0.2 Ahora, grafiquemos esta distribución y veamos qué tanto ajusta con la distribución normal. @@ -597,9 +493,23 @@ Video tutorial icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -664,6 +574,92 @@ Video tutorial return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -706,7 +702,10 @@ Video tutorial diff --git a/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-1.png b/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-1.png index 22a0672..06d3717 100644 Binary files a/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-1.png and b/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-1.png differ diff --git a/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-2.png b/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-2.png index 3208c46..e365c97 100644 Binary files a/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-2.png and b/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-2.png differ diff --git a/docs/assignment/08-practico.html b/docs/assignment/08-practico.html index 42bee49..4640b55 100644 --- a/docs/assignment/08-practico.html +++ b/docs/assignment/08-practico.html @@ -2,7 +2,7 @@ - + @@ -17,9 +17,10 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } +/* CSS for syntax highlighting */ pre > code.sourceCode { white-space: pre; position: relative; } pre > code.sourceCode > span { display: inline-block; line-height: 1.25; } pre > code.sourceCode > span:empty { height: 1.2em; } @@ -46,43 +47,13 @@ -khtml-user-select: none; -moz-user-select: none; -ms-user-select: none; user-select: none; padding: 0 4px; width: 4em; - color: #aaaaaa; } -pre.numberSource { margin-left: 3em; border-left: 1px solid #aaaaaa; padding-left: 4px; } +pre.numberSource { margin-left: 3em; padding-left: 4px; } div.sourceCode { } @media screen { pre > code.sourceCode > span > a:first-child::before { text-decoration: underline; } } -code span.al { color: #ff0000; font-weight: bold; } /* Alert */ -code span.an { color: #60a0b0; font-weight: bold; font-style: italic; } /* Annotation */ -code span.at { color: #7d9029; } /* Attribute */ -code span.bn { color: #40a070; } /* BaseN */ -code span.bu { color: #008000; } /* BuiltIn */ -code span.cf { color: #007020; font-weight: bold; } /* ControlFlow */ -code span.ch { color: #4070a0; } /* Char */ -code span.cn { color: #880000; } /* Constant */ -code span.co { color: #60a0b0; font-style: italic; } /* Comment */ -code span.cv { color: #60a0b0; font-weight: bold; font-style: italic; } /* CommentVar */ -code span.do { color: #ba2121; font-style: italic; } /* Documentation */ -code span.dt { color: #902000; } /* DataType */ -code span.dv { color: #40a070; } /* DecVal */ -code span.er { color: #ff0000; font-weight: bold; } /* Error */ -code span.ex { } /* Extension */ -code span.fl { color: #40a070; } /* Float */ -code span.fu { color: #06287e; } /* Function */ -code span.im { color: #008000; font-weight: bold; } /* Import */ -code span.in { color: #60a0b0; font-weight: bold; font-style: italic; } /* Information */ -code span.kw { color: #007020; font-weight: bold; } /* Keyword */ -code span.op { color: #666666; } /* Operator */ -code span.ot { color: #007020; } /* Other */ -code span.pp { color: #bc7a00; } /* Preprocessor */ -code span.sc { color: #4070a0; } /* SpecialChar */ -code span.ss { color: #bb6688; } /* SpecialString */ -code span.st { color: #4070a0; } /* String */ -code span.va { color: #19177c; } /* Variable */ -code span.vs { color: #4070a0; } /* VerbatimString */ -code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */ @@ -120,30 +91,32 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } + - - + + - - - - + + + + - + @@ -154,128 +127,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Inferencia estadística univariada - - - - - - - - - - - Información general - - - - - - - - Laboratorio de Análisis de Datos - - - - - - - Sesiones - - - - - - - - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada - - - - - - - @@ -313,7 +209,7 @@ En esta página -Inferencia estadística univariada +Inferencia estadística univariada Sesión del jueves, 29 de junio de 2023 @@ -579,7 +475,7 @@ Resumen Video de la sesión - + @@ -613,9 +509,23 @@ Video de la sesión { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -680,6 +590,92 @@ Video de la sesión { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -722,7 +718,10 @@ Video de la sesión diff --git a/docs/assignment/index.html b/docs/assignment/index.html index f32a92f..8f992b0 100644 --- a/docs/assignment/index.html +++ b/docs/assignment/index.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,23 +57,24 @@ "search-more-matches-text": "more matches in this document", "search-clear-button-title": "Clear", "search-detached-cancel-button-title": "Cancel", - "search-submit-button-title": "Submit" + "search-submit-button-title": "Submit", + "search-label": "Search" } } - - + + - - - - + + + + @@ -90,121 +91,94 @@ Estadística Descriptiva + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Laboratorio de Análisis de Datos - - + + + + + Información generalLaboratorio de Análisis de Datos + + - + - Información general - + + Información general + - Laboratorio de Análisis de Datos + + Laboratorio de Análisis de Datos - Sesiones - + + Sesiones + - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada + + 1: Introducción al lenguaje R @@ -212,6 +186,7 @@ Laboratorio de Análisis de Datos + @@ -231,7 +206,7 @@ On this page -Laboratorio de Análisis de Datos +Laboratorio de Análisis de Datos @@ -324,9 +299,23 @@ Sobre el trabajo en hojas de códi icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -391,6 +380,92 @@ Sobre el trabajo en hojas de códi return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -433,7 +508,10 @@ Sobre el trabajo en hojas de códi diff --git a/docs/class/01-class.html b/docs/class/01-class.html index a80d5d4..bc711be 100644 --- a/docs/class/01-class.html +++ b/docs/class/01-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/02-class.html b/docs/class/02-class.html index 73d934c..9e8e8d5 100644 --- a/docs/class/02-class.html +++ b/docs/class/02-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/03-class.html b/docs/class/03-class.html index b20ffe9..aac7576 100644 --- a/docs/class/03-class.html +++ b/docs/class/03-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/04-class.html b/docs/class/04-class.html index 8a6c606..17c6064 100644 --- a/docs/class/04-class.html +++ b/docs/class/04-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/05-class.html b/docs/class/05-class.html index 4790e70..13ed4b1 100644 --- a/docs/class/05-class.html +++ b/docs/class/05-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/06-class.html b/docs/class/06-class.html index ad747ec..8bbdab9 100644 --- a/docs/class/06-class.html +++ b/docs/class/06-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/07-class.html b/docs/class/07-class.html index 89f156f..35e64b6 100644 --- a/docs/class/07-class.html +++ b/docs/class/07-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -282,9 +211,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -349,6 +292,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -391,7 +420,10 @@ Lecturas diff --git a/docs/class/08-class.html b/docs/class/08-class.html index 3328bd2..7d86597 100644 --- a/docs/class/08-class.html +++ b/docs/class/08-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,21 +57,22 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + @@ -88,42 +89,44 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + @@ -208,9 +211,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -275,6 +292,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -317,7 +420,10 @@ Lecturas diff --git a/docs/class/09-class.html b/docs/class/09-class.html index 2ea0030..4d44f9e 100644 --- a/docs/class/09-class.html +++ b/docs/class/09-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,21 +57,22 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + @@ -88,42 +89,44 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + @@ -208,9 +211,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -275,6 +292,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -317,7 +420,10 @@ Lecturas diff --git a/docs/class/index.html b/docs/class/index.html index fa6c456..6cf419e 100644 --- a/docs/class/index.html +++ b/docs/class/index.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,23 +57,24 @@ "search-more-matches-text": "more matches in this document", "search-clear-button-title": "Clear", "search-detached-cancel-button-title": "Cancel", - "search-submit-button-title": "Submit" + "search-submit-button-title": "Submit", + "search-label": "Search" } } - - + + - - - - + + + + @@ -90,123 +91,89 @@ Estadística Descriptiva
Mientras que si trabajamos con variables ordinales, podemos usar también la frecuencia acumulada:
(freq_table2 <- table(datos_proc$tramo_ingreso))
Tramo 1 Tramo 2 Tramo 3 Tramo 4 Tramo 5 77 198 80 60 81
(freq_table3 <- prop.table(freq_table2)*100)
Tramo 1 Tramo 2 Tramo 3 Tramo 4 Tramo 5 15.52419 39.91935 16.12903 12.09677 16.33065
cumsum(freq_table3)
Tramo 1 Tramo 2 Tramo 3 Tramo 4 Tramo 5 15.52419 55.44355 71.57258 83.66935 100.00000
A partir de este estadístico, podemos ver que un 55% de los casos se ubican debajo del tramo 2 de ingresos, lo cual en términos sustantivos señala que un 55% de las observaciones obtienen menos de $500.000 de ingresos mensuales.
También podemos unir todas estas frecuencias en una sola tabla:
tbl3 <- table(datos_proc$tramo_ingreso) -cbind(Freq=tbl3, relat = prop.table(tbl3)*100, Cum = cumsum(tbl3))
tbl3 <- table(datos_proc$tramo_ingreso) +cbind(Freq=tbl3, relat = prop.table(tbl3)*100, Cum = cumsum(tbl3))
Freq relat Cum Tramo 1 77 15.52419 77 @@ -517,7 +426,7 @@ b) Acumuladas
Otra manera de calcular frecuencias (absolutas, relativas y acumuladas) en R, es mediante la función frq() del paquete sjmisc, el cual entrega todo lo anterior con un solo comando.
frq()
sjmisc
sjmisc::frq(datos_proc$tramo_ingreso)
x <character> # total N=496 valid N=496 mean=2.74 sd=1.31 @@ -538,7 +447,7 @@ b) Acumuladas 4.1.2 Tablas de contingencia También podemos cruzar dos variables mediante las llamadas tablas de contingencia o tablas cruzadas. Además de conocer la frecuencia absoluta en cada casilla, podemos también conocer la proporción o frecuencia relativa para cada casilla y el total de la filas y columnas. -crosstable(datos_proc, cols = sexo, by = tramo_edad) +crosstable(datos_proc, cols = sexo, by = tramo_edad) # A tibble: 2 × 6 .id label variable Adultos `Adutos mayores` Jovenes @@ -546,7 +455,7 @@ 4.1.2 Tablas de con 1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%) 2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%) -crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "both") #fila y columna +crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "both") #fila y columna # A tibble: 3 × 7 .id label variable Adultos `Adutos mayores` Jovenes Total @@ -555,7 +464,7 @@ 4.1.2 Tablas de con 2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%) 219 (44.15%) 3 sexo sexo Total 362 (72.98%) 93 (18.75%) 41 (8.27%) 496 (100.00%) -crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "row") #solo fila +crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "row") #solo fila # A tibble: 2 × 7 .id label variable Adultos `Adutos mayores` Jovenes Total @@ -563,7 +472,7 @@ 4.1.2 Tablas de con 1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%) 277 (55.85%) 2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%) 219 (44.15%) -crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "column") #solo columna +crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "column") #solo columna # A tibble: 3 × 6 .id label variable Adultos `Adutos mayores` Jovenes @@ -584,12 +493,12 @@ + - + Tip @@ -607,7 +516,7 @@ a) Con summary Podemos obtener rapidamente un resumen de los datos con la funcion summary de R -summary(datos_proc$ingreso) +summary(datos_proc$ingreso) Min. 1st Qu. Median Mean 3rd Qu. Max. 0 350000 500000 679514 800000 5000000 @@ -620,14 +529,14 @@ a) Con summary< b) Con psych -psych::describe(datos_proc$ingreso, - quant = c(.25,.75), - IQR = T) +psych::describe(datos_proc$ingreso, + quant = c(.25,.75), + IQR = T) - vars n mean sd median trimmed mad min max range skew -1 1 496 679514.1 611376.9 500000 572434.7 296520 0 5000000 5000000 3.01 - kurtosis se IQR Q0.25 Q0.75 -1 13.42 27451.63 450000 350000 800000 + vars n mean sd median trimmed mad min max range skew +X1 1 496 679514.1 611376.9 500000 572434.7 296520 0 5000000 5000000 3.01 + kurtosis se IQR Q0.25 Q0.75 +X1 13.42 27451.63 450000 350000 800000 Usando la funcion describe del paquete psych podemos obtener mayor cantidad de estadísticos, además de especificarle otros adicionales. @@ -640,15 +549,15 @@ b) Con psych c) Con summarise de dplyr Otra manera de obtener todos los estadísticos que necesitamos es utilizando dplyr. Aquí, le especificamos lo que requerimos, pero debemos saber bien cómo calcular tales medidas: -datos_proc %>% - summarise(media = mean(ingreso), - mediana = median(ingreso), - q1 = quantile(ingreso, probs = .25), - q2 = quantile(ingreso, probs = .75), - rango = max(ingreso) - min(ingreso), - desviacion_estandar = sd(ingreso), - varianza = var(ingreso), - coef_variacion = sd(ingreso)/mean(ingreso)) +datos_proc %>% + summarise(media = mean(ingreso), + mediana = median(ingreso), + q1 = quantile(ingreso, probs = .25), + q2 = quantile(ingreso, probs = .75), + rango = max(ingreso) - min(ingreso), + desviacion_estandar = sd(ingreso), + varianza = var(ingreso), + coef_variacion = sd(ingreso)/mean(ingreso)) # A tibble: 1 × 8 media mediana q1 q2 rango desviacion_estandar varianza coef_variacion @@ -670,7 +579,7 @@ Resumen Video de clase - + @@ -704,9 +613,23 @@ Video de clase icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -771,6 +694,92 @@ Video de clase return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -813,7 +822,10 @@ Video de clase diff --git a/docs/assignment/05-practico.html b/docs/assignment/05-practico.html index e76be6a..c64a4b6 100644 --- a/docs/assignment/05-practico.html +++ b/docs/assignment/05-practico.html @@ -2,7 +2,7 @@ - + @@ -17,9 +17,10 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } +/* CSS for syntax highlighting */ pre > code.sourceCode { white-space: pre; position: relative; } pre > code.sourceCode > span { display: inline-block; line-height: 1.25; } pre > code.sourceCode > span:empty { height: 1.2em; } @@ -46,43 +47,13 @@ -khtml-user-select: none; -moz-user-select: none; -ms-user-select: none; user-select: none; padding: 0 4px; width: 4em; - color: #aaaaaa; } -pre.numberSource { margin-left: 3em; border-left: 1px solid #aaaaaa; padding-left: 4px; } +pre.numberSource { margin-left: 3em; padding-left: 4px; } div.sourceCode { } @media screen { pre > code.sourceCode > span > a:first-child::before { text-decoration: underline; } } -code span.al { color: #ff0000; font-weight: bold; } /* Alert */ -code span.an { color: #60a0b0; font-weight: bold; font-style: italic; } /* Annotation */ -code span.at { color: #7d9029; } /* Attribute */ -code span.bn { color: #40a070; } /* BaseN */ -code span.bu { color: #008000; } /* BuiltIn */ -code span.cf { color: #007020; font-weight: bold; } /* ControlFlow */ -code span.ch { color: #4070a0; } /* Char */ -code span.cn { color: #880000; } /* Constant */ -code span.co { color: #60a0b0; font-style: italic; } /* Comment */ -code span.cv { color: #60a0b0; font-weight: bold; font-style: italic; } /* CommentVar */ -code span.do { color: #ba2121; font-style: italic; } /* Documentation */ -code span.dt { color: #902000; } /* DataType */ -code span.dv { color: #40a070; } /* DecVal */ -code span.er { color: #ff0000; font-weight: bold; } /* Error */ -code span.ex { } /* Extension */ -code span.fl { color: #40a070; } /* Float */ -code span.fu { color: #06287e; } /* Function */ -code span.im { color: #008000; font-weight: bold; } /* Import */ -code span.in { color: #60a0b0; font-weight: bold; font-style: italic; } /* Information */ -code span.kw { color: #007020; font-weight: bold; } /* Keyword */ -code span.op { color: #666666; } /* Operator */ -code span.ot { color: #007020; } /* Other */ -code span.pp { color: #bc7a00; } /* Preprocessor */ -code span.sc { color: #4070a0; } /* SpecialChar */ -code span.ss { color: #bb6688; } /* SpecialString */ -code span.st { color: #4070a0; } /* String */ -code span.va { color: #19177c; } /* Variable */ -code span.vs { color: #4070a0; } /* VerbatimString */ -code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */ @@ -120,29 +91,30 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - - + + - - - - + + + + - + @@ -153,128 +125,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Práctica 5. Repaso procesamiento y análisis de datos en R - - - - - - - - - - - Información general - - - - - - - - Laboratorio de Análisis de Datos - - - - - - - Sesiones - - - - - - - - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada - - - - - - - @@ -311,7 +206,7 @@ En esta página -Práctica 5. Repaso procesamiento y análisis de datos en R +Práctica 5. Repaso procesamiento y análisis de datos en R Sesión del jueves, 18 de mayo de 2023 @@ -853,19 +748,19 @@ quant = c(.25,.75), IQR = TRUE) - vars n mean sd median trimmed mad min max range skew kurtosis se -1 1 528 47.01 12.15 47 46.95 14.83 25 84 59 0.08 -0.83 0.53 - IQR Q0.25 Q0.75 -1 19 38 57 + vars n mean sd median trimmed mad min max range skew kurtosis se +X1 1 528 47.01 12.15 47 46.95 14.83 25 84 59 0.08 -0.83 0.53 + IQR Q0.25 Q0.75 +X1 19 38 57 psych::describe(datos_proc$ingreso, quant = c(.25,.75), IQR = T) - vars n mean sd median trimmed mad min max range skew -1 1 528 689268.9 844589.1 500000 569325.5 296520 0 15000000 15000000 10.12 - kurtosis se IQR Q0.25 Q0.75 -1 156.57 36756.02 450000 350000 800000 + vars n mean sd median trimmed mad min max range +X1 1 528 689268.9 844589.1 500000 569325.5 296520 0 15000000 15000000 + skew kurtosis se IQR Q0.25 Q0.75 +X1 10.12 156.57 36756.02 450000 350000 800000 @@ -873,11 +768,11 @@ Video de clase Primer bloque - + Segundo bloque - + @@ -912,9 +807,23 @@ Segundo bloque icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -979,6 +888,92 @@ Segundo bloque return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -1021,7 +1016,10 @@ Segundo bloque diff --git a/docs/assignment/06-practico.html b/docs/assignment/06-practico.html index e2edf45..2d59962 100644 --- a/docs/assignment/06-practico.html +++ b/docs/assignment/06-practico.html @@ -2,7 +2,7 @@ - + @@ -17,9 +17,10 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } +/* CSS for syntax highlighting */ pre > code.sourceCode { white-space: pre; position: relative; } pre > code.sourceCode > span { display: inline-block; line-height: 1.25; } pre > code.sourceCode > span:empty { height: 1.2em; } @@ -46,43 +47,13 @@ -khtml-user-select: none; -moz-user-select: none; -ms-user-select: none; user-select: none; padding: 0 4px; width: 4em; - color: #aaaaaa; } -pre.numberSource { margin-left: 3em; border-left: 1px solid #aaaaaa; padding-left: 4px; } +pre.numberSource { margin-left: 3em; padding-left: 4px; } div.sourceCode { } @media screen { pre > code.sourceCode > span > a:first-child::before { text-decoration: underline; } } -code span.al { color: #ff0000; font-weight: bold; } /* Alert */ -code span.an { color: #60a0b0; font-weight: bold; font-style: italic; } /* Annotation */ -code span.at { color: #7d9029; } /* Attribute */ -code span.bn { color: #40a070; } /* BaseN */ -code span.bu { color: #008000; } /* BuiltIn */ -code span.cf { color: #007020; font-weight: bold; } /* ControlFlow */ -code span.ch { color: #4070a0; } /* Char */ -code span.cn { color: #880000; } /* Constant */ -code span.co { color: #60a0b0; font-style: italic; } /* Comment */ -code span.cv { color: #60a0b0; font-weight: bold; font-style: italic; } /* CommentVar */ -code span.do { color: #ba2121; font-style: italic; } /* Documentation */ -code span.dt { color: #902000; } /* DataType */ -code span.dv { color: #40a070; } /* DecVal */ -code span.er { color: #ff0000; font-weight: bold; } /* Error */ -code span.ex { } /* Extension */ -code span.fl { color: #40a070; } /* Float */ -code span.fu { color: #06287e; } /* Function */ -code span.im { color: #008000; font-weight: bold; } /* Import */ -code span.in { color: #60a0b0; font-weight: bold; font-style: italic; } /* Information */ -code span.kw { color: #007020; font-weight: bold; } /* Keyword */ -code span.op { color: #666666; } /* Operator */ -code span.ot { color: #007020; } /* Other */ -code span.pp { color: #bc7a00; } /* Preprocessor */ -code span.sc { color: #4070a0; } /* SpecialChar */ -code span.ss { color: #bb6688; } /* SpecialString */ -code span.st { color: #4070a0; } /* String */ -code span.va { color: #19177c; } /* Variable */ -code span.vs { color: #4070a0; } /* VerbatimString */ -code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */ @@ -120,29 +91,30 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - - + + - - - - + + + + - + @@ -153,128 +125,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Práctica 6. Visualización de datos con R - - - - - - - - - - - Información general - - - - - - - - Laboratorio de Análisis de Datos - - - - - - - Sesiones - - - - - - - - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada - - - - - - - @@ -316,7 +211,7 @@ En esta página -Práctica 6. Visualización de datos con R +Práctica 6. Visualización de datos con R Sesión del jueves, 1 de junio de 2023 @@ -459,12 +354,12 @@ Análisis de la forma de distribución una de razón, una ordinal de 10 categorías. - + - + Nota @@ -490,19 +385,19 @@ Análisis de la forma de distribución quant = c(.25,.75), IQR = TRUE) - vars n mean sd median trimmed mad min max range skew kurtosis se -1 1 1474 48.43 17.84 48.5 48.01 21.5 18 99 81 0.14 -0.93 0.46 - IQR Q0.25 Q0.75 -1 29 33 62 + vars n mean sd median trimmed mad min max range skew kurtosis se +X1 1 1474 48.43 17.84 48.5 48.01 21.5 18 99 81 0.14 -0.93 0.46 + IQR Q0.25 Q0.75 +X1 29 33 62 psych::describe(proc_cep$satisfaccion, quant = c(.25,.75), IQR = TRUE) - vars n mean sd median trimmed mad min max range skew kurtosis se IQR -1 1 1474 6.87 2.18 7 6.97 2.97 1 10 9 -0.32 -0.45 0.06 4 - Q0.25 Q0.75 -1 5 9 + vars n mean sd median trimmed mad min max range skew kurtosis se +X1 1 1474 6.87 2.18 7 6.97 2.97 1 10 9 -0.32 -0.45 0.06 + IQR Q0.25 Q0.75 +X1 4 5 9 @@ -773,7 +668,7 @@ Resumen Video tutorial - + @@ -807,9 +702,23 @@ Video tutorial icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -874,6 +783,92 @@ Video tutorial return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -916,7 +911,10 @@ Video tutorial diff --git a/docs/assignment/07-practico.html b/docs/assignment/07-practico.html index 595208e..5595b60 100644 --- a/docs/assignment/07-practico.html +++ b/docs/assignment/07-practico.html @@ -2,7 +2,7 @@ - + @@ -17,9 +17,10 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } +/* CSS for syntax highlighting */ pre > code.sourceCode { white-space: pre; position: relative; } pre > code.sourceCode > span { display: inline-block; line-height: 1.25; } pre > code.sourceCode > span:empty { height: 1.2em; } @@ -46,43 +47,13 @@ -khtml-user-select: none; -moz-user-select: none; -ms-user-select: none; user-select: none; padding: 0 4px; width: 4em; - color: #aaaaaa; } -pre.numberSource { margin-left: 3em; border-left: 1px solid #aaaaaa; padding-left: 4px; } +pre.numberSource { margin-left: 3em; padding-left: 4px; } div.sourceCode { } @media screen { pre > code.sourceCode > span > a:first-child::before { text-decoration: underline; } } -code span.al { color: #ff0000; font-weight: bold; } /* Alert */ -code span.an { color: #60a0b0; font-weight: bold; font-style: italic; } /* Annotation */ -code span.at { color: #7d9029; } /* Attribute */ -code span.bn { color: #40a070; } /* BaseN */ -code span.bu { color: #008000; } /* BuiltIn */ -code span.cf { color: #007020; font-weight: bold; } /* ControlFlow */ -code span.ch { color: #4070a0; } /* Char */ -code span.cn { color: #880000; } /* Constant */ -code span.co { color: #60a0b0; font-style: italic; } /* Comment */ -code span.cv { color: #60a0b0; font-weight: bold; font-style: italic; } /* CommentVar */ -code span.do { color: #ba2121; font-style: italic; } /* Documentation */ -code span.dt { color: #902000; } /* DataType */ -code span.dv { color: #40a070; } /* DecVal */ -code span.er { color: #ff0000; font-weight: bold; } /* Error */ -code span.ex { } /* Extension */ -code span.fl { color: #40a070; } /* Float */ -code span.fu { color: #06287e; } /* Function */ -code span.im { color: #008000; font-weight: bold; } /* Import */ -code span.in { color: #60a0b0; font-weight: bold; font-style: italic; } /* Information */ -code span.kw { color: #007020; font-weight: bold; } /* Keyword */ -code span.op { color: #666666; } /* Operator */ -code span.ot { color: #007020; } /* Other */ -code span.pp { color: #bc7a00; } /* Preprocessor */ -code span.sc { color: #4070a0; } /* SpecialChar */ -code span.ss { color: #bb6688; } /* SpecialString */ -code span.st { color: #4070a0; } /* String */ -code span.va { color: #19177c; } /* Variable */ -code span.vs { color: #4070a0; } /* VerbatimString */ -code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */ @@ -120,30 +91,32 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } + - - + + - - - - + + + + - + @@ -154,128 +127,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Práctica 7. Forma de una distribución - - - - - - - - - - - Información general - - - - - - - - Laboratorio de Análisis de Datos - - - - - - - Sesiones - - - - - - - - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada - - - - - - - @@ -309,7 +205,7 @@ En esta página -Práctica 7. Forma de una distribución +Práctica 7. Forma de una distribución Sesión del jueves, 1 de junio de 2023 @@ -441,12 +337,12 @@ 2. Distribuciones empíricas y teóricas Como vimos en clases, una distribución empírica (u observada) es la distribución de los valores que asume la variable en un grupo concreto a partir de una observación. Mientras que, por su parte, una distribución teórica es función matématica que expresan la distribución de un conjunto de números mediante su probabilidad de ocurencia. En palabras sencillas, es una función de densidad que permite asignar probabilidades de ocurrencia a los resultados. - + - + Tip @@ -528,10 +424,10 @@ Distribución muestral psych::describe(psu1) - vars n mean sd median trimmed mad min max range skew -X1 1 300000 500.06 110.31 499.99 500.05 110.19 -10.58 987.25 997.83 0 + vars n mean sd median trimmed mad min max range skew +X1 1 300000 499.65 110.19 499.71 499.67 110.2 -8.29 1000.65 1008.94 0 kurtosis se -X1 0.01 0.2 +X1 0 0.2 Ahora, grafiquemos esta distribución y veamos qué tanto ajusta con la distribución normal. @@ -597,9 +493,23 @@ Video tutorial icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -664,6 +574,92 @@ Video tutorial return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -706,7 +702,10 @@ Video tutorial diff --git a/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-1.png b/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-1.png index 22a0672..06d3717 100644 Binary files a/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-1.png and b/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-1.png differ diff --git a/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-2.png b/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-2.png index 3208c46..e365c97 100644 Binary files a/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-2.png and b/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-2.png differ diff --git a/docs/assignment/08-practico.html b/docs/assignment/08-practico.html index 42bee49..4640b55 100644 --- a/docs/assignment/08-practico.html +++ b/docs/assignment/08-practico.html @@ -2,7 +2,7 @@ - + @@ -17,9 +17,10 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } +/* CSS for syntax highlighting */ pre > code.sourceCode { white-space: pre; position: relative; } pre > code.sourceCode > span { display: inline-block; line-height: 1.25; } pre > code.sourceCode > span:empty { height: 1.2em; } @@ -46,43 +47,13 @@ -khtml-user-select: none; -moz-user-select: none; -ms-user-select: none; user-select: none; padding: 0 4px; width: 4em; - color: #aaaaaa; } -pre.numberSource { margin-left: 3em; border-left: 1px solid #aaaaaa; padding-left: 4px; } +pre.numberSource { margin-left: 3em; padding-left: 4px; } div.sourceCode { } @media screen { pre > code.sourceCode > span > a:first-child::before { text-decoration: underline; } } -code span.al { color: #ff0000; font-weight: bold; } /* Alert */ -code span.an { color: #60a0b0; font-weight: bold; font-style: italic; } /* Annotation */ -code span.at { color: #7d9029; } /* Attribute */ -code span.bn { color: #40a070; } /* BaseN */ -code span.bu { color: #008000; } /* BuiltIn */ -code span.cf { color: #007020; font-weight: bold; } /* ControlFlow */ -code span.ch { color: #4070a0; } /* Char */ -code span.cn { color: #880000; } /* Constant */ -code span.co { color: #60a0b0; font-style: italic; } /* Comment */ -code span.cv { color: #60a0b0; font-weight: bold; font-style: italic; } /* CommentVar */ -code span.do { color: #ba2121; font-style: italic; } /* Documentation */ -code span.dt { color: #902000; } /* DataType */ -code span.dv { color: #40a070; } /* DecVal */ -code span.er { color: #ff0000; font-weight: bold; } /* Error */ -code span.ex { } /* Extension */ -code span.fl { color: #40a070; } /* Float */ -code span.fu { color: #06287e; } /* Function */ -code span.im { color: #008000; font-weight: bold; } /* Import */ -code span.in { color: #60a0b0; font-weight: bold; font-style: italic; } /* Information */ -code span.kw { color: #007020; font-weight: bold; } /* Keyword */ -code span.op { color: #666666; } /* Operator */ -code span.ot { color: #007020; } /* Other */ -code span.pp { color: #bc7a00; } /* Preprocessor */ -code span.sc { color: #4070a0; } /* SpecialChar */ -code span.ss { color: #bb6688; } /* SpecialString */ -code span.st { color: #4070a0; } /* String */ -code span.va { color: #19177c; } /* Variable */ -code span.vs { color: #4070a0; } /* VerbatimString */ -code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */ @@ -120,30 +91,32 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } + - - + + - - - - + + + + - + @@ -154,128 +127,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Inferencia estadística univariada - - - - - - - - - - - Información general - - - - - - - - Laboratorio de Análisis de Datos - - - - - - - Sesiones - - - - - - - - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada - - - - - - - @@ -313,7 +209,7 @@ En esta página -Inferencia estadística univariada +Inferencia estadística univariada Sesión del jueves, 29 de junio de 2023 @@ -579,7 +475,7 @@ Resumen Video de la sesión - + @@ -613,9 +509,23 @@ Video de la sesión { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -680,6 +590,92 @@ Video de la sesión { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -722,7 +718,10 @@ Video de la sesión diff --git a/docs/assignment/index.html b/docs/assignment/index.html index f32a92f..8f992b0 100644 --- a/docs/assignment/index.html +++ b/docs/assignment/index.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,23 +57,24 @@ "search-more-matches-text": "more matches in this document", "search-clear-button-title": "Clear", "search-detached-cancel-button-title": "Cancel", - "search-submit-button-title": "Submit" + "search-submit-button-title": "Submit", + "search-label": "Search" } } - - + + - - - - + + + + @@ -90,121 +91,94 @@ Estadística Descriptiva + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Laboratorio de Análisis de Datos - - + + + + + Información generalLaboratorio de Análisis de Datos + + - + - Información general - + + Información general + - Laboratorio de Análisis de Datos + + Laboratorio de Análisis de Datos - Sesiones - + + Sesiones + - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada + + 1: Introducción al lenguaje R @@ -212,6 +186,7 @@ Laboratorio de Análisis de Datos + @@ -231,7 +206,7 @@ On this page -Laboratorio de Análisis de Datos +Laboratorio de Análisis de Datos @@ -324,9 +299,23 @@ Sobre el trabajo en hojas de códi icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -391,6 +380,92 @@ Sobre el trabajo en hojas de códi return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -433,7 +508,10 @@ Sobre el trabajo en hojas de códi diff --git a/docs/class/01-class.html b/docs/class/01-class.html index a80d5d4..bc711be 100644 --- a/docs/class/01-class.html +++ b/docs/class/01-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/02-class.html b/docs/class/02-class.html index 73d934c..9e8e8d5 100644 --- a/docs/class/02-class.html +++ b/docs/class/02-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/03-class.html b/docs/class/03-class.html index b20ffe9..aac7576 100644 --- a/docs/class/03-class.html +++ b/docs/class/03-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/04-class.html b/docs/class/04-class.html index 8a6c606..17c6064 100644 --- a/docs/class/04-class.html +++ b/docs/class/04-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/05-class.html b/docs/class/05-class.html index 4790e70..13ed4b1 100644 --- a/docs/class/05-class.html +++ b/docs/class/05-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/06-class.html b/docs/class/06-class.html index ad747ec..8bbdab9 100644 --- a/docs/class/06-class.html +++ b/docs/class/06-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/07-class.html b/docs/class/07-class.html index 89f156f..35e64b6 100644 --- a/docs/class/07-class.html +++ b/docs/class/07-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -282,9 +211,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -349,6 +292,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -391,7 +420,10 @@ Lecturas diff --git a/docs/class/08-class.html b/docs/class/08-class.html index 3328bd2..7d86597 100644 --- a/docs/class/08-class.html +++ b/docs/class/08-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,21 +57,22 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + @@ -88,42 +89,44 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + +
También podemos cruzar dos variables mediante las llamadas tablas de contingencia o tablas cruzadas. Además de conocer la frecuencia absoluta en cada casilla, podemos también conocer la proporción o frecuencia relativa para cada casilla y el total de la filas y columnas.
crosstable(datos_proc, cols = sexo, by = tramo_edad)
# A tibble: 2 × 6 .id label variable Adultos `Adutos mayores` Jovenes @@ -546,7 +455,7 @@ 4.1.2 Tablas de con 1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%) 2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%)
crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "both") #fila y columna
# A tibble: 3 × 7 .id label variable Adultos `Adutos mayores` Jovenes Total @@ -555,7 +464,7 @@ 4.1.2 Tablas de con 2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%) 219 (44.15%) 3 sexo sexo Total 362 (72.98%) 93 (18.75%) 41 (8.27%) 496 (100.00%)
crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "row") #solo fila
# A tibble: 2 × 7 .id label variable Adultos `Adutos mayores` Jovenes Total @@ -563,7 +472,7 @@ 4.1.2 Tablas de con 1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%) 277 (55.85%) 2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%) 219 (44.15%)
crosstable(datos_proc, cols = sexo, by = tramo_edad, total = "column") #solo columna
# A tibble: 3 × 6 .id label variable Adultos `Adutos mayores` Jovenes @@ -584,12 +493,12 @@ + - + Tip @@ -607,7 +516,7 @@ a) Con summary Podemos obtener rapidamente un resumen de los datos con la funcion summary de R -summary(datos_proc$ingreso) +summary(datos_proc$ingreso) Min. 1st Qu. Median Mean 3rd Qu. Max. 0 350000 500000 679514 800000 5000000 @@ -620,14 +529,14 @@ a) Con summary< b) Con psych -psych::describe(datos_proc$ingreso, - quant = c(.25,.75), - IQR = T) +psych::describe(datos_proc$ingreso, + quant = c(.25,.75), + IQR = T) - vars n mean sd median trimmed mad min max range skew -1 1 496 679514.1 611376.9 500000 572434.7 296520 0 5000000 5000000 3.01 - kurtosis se IQR Q0.25 Q0.75 -1 13.42 27451.63 450000 350000 800000 + vars n mean sd median trimmed mad min max range skew +X1 1 496 679514.1 611376.9 500000 572434.7 296520 0 5000000 5000000 3.01 + kurtosis se IQR Q0.25 Q0.75 +X1 13.42 27451.63 450000 350000 800000 Usando la funcion describe del paquete psych podemos obtener mayor cantidad de estadísticos, además de especificarle otros adicionales. @@ -640,15 +549,15 @@ b) Con psych c) Con summarise de dplyr Otra manera de obtener todos los estadísticos que necesitamos es utilizando dplyr. Aquí, le especificamos lo que requerimos, pero debemos saber bien cómo calcular tales medidas: -datos_proc %>% - summarise(media = mean(ingreso), - mediana = median(ingreso), - q1 = quantile(ingreso, probs = .25), - q2 = quantile(ingreso, probs = .75), - rango = max(ingreso) - min(ingreso), - desviacion_estandar = sd(ingreso), - varianza = var(ingreso), - coef_variacion = sd(ingreso)/mean(ingreso)) +datos_proc %>% + summarise(media = mean(ingreso), + mediana = median(ingreso), + q1 = quantile(ingreso, probs = .25), + q2 = quantile(ingreso, probs = .75), + rango = max(ingreso) - min(ingreso), + desviacion_estandar = sd(ingreso), + varianza = var(ingreso), + coef_variacion = sd(ingreso)/mean(ingreso)) # A tibble: 1 × 8 media mediana q1 q2 rango desviacion_estandar varianza coef_variacion @@ -670,7 +579,7 @@ Resumen Video de clase - + @@ -704,9 +613,23 @@ Video de clase icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -771,6 +694,92 @@ Video de clase return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -813,7 +822,10 @@ Video de clase diff --git a/docs/assignment/05-practico.html b/docs/assignment/05-practico.html index e76be6a..c64a4b6 100644 --- a/docs/assignment/05-practico.html +++ b/docs/assignment/05-practico.html @@ -2,7 +2,7 @@ - + @@ -17,9 +17,10 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } +/* CSS for syntax highlighting */ pre > code.sourceCode { white-space: pre; position: relative; } pre > code.sourceCode > span { display: inline-block; line-height: 1.25; } pre > code.sourceCode > span:empty { height: 1.2em; } @@ -46,43 +47,13 @@ -khtml-user-select: none; -moz-user-select: none; -ms-user-select: none; user-select: none; padding: 0 4px; width: 4em; - color: #aaaaaa; } -pre.numberSource { margin-left: 3em; border-left: 1px solid #aaaaaa; padding-left: 4px; } +pre.numberSource { margin-left: 3em; padding-left: 4px; } div.sourceCode { } @media screen { pre > code.sourceCode > span > a:first-child::before { text-decoration: underline; } } -code span.al { color: #ff0000; font-weight: bold; } /* Alert */ -code span.an { color: #60a0b0; font-weight: bold; font-style: italic; } /* Annotation */ -code span.at { color: #7d9029; } /* Attribute */ -code span.bn { color: #40a070; } /* BaseN */ -code span.bu { color: #008000; } /* BuiltIn */ -code span.cf { color: #007020; font-weight: bold; } /* ControlFlow */ -code span.ch { color: #4070a0; } /* Char */ -code span.cn { color: #880000; } /* Constant */ -code span.co { color: #60a0b0; font-style: italic; } /* Comment */ -code span.cv { color: #60a0b0; font-weight: bold; font-style: italic; } /* CommentVar */ -code span.do { color: #ba2121; font-style: italic; } /* Documentation */ -code span.dt { color: #902000; } /* DataType */ -code span.dv { color: #40a070; } /* DecVal */ -code span.er { color: #ff0000; font-weight: bold; } /* Error */ -code span.ex { } /* Extension */ -code span.fl { color: #40a070; } /* Float */ -code span.fu { color: #06287e; } /* Function */ -code span.im { color: #008000; font-weight: bold; } /* Import */ -code span.in { color: #60a0b0; font-weight: bold; font-style: italic; } /* Information */ -code span.kw { color: #007020; font-weight: bold; } /* Keyword */ -code span.op { color: #666666; } /* Operator */ -code span.ot { color: #007020; } /* Other */ -code span.pp { color: #bc7a00; } /* Preprocessor */ -code span.sc { color: #4070a0; } /* SpecialChar */ -code span.ss { color: #bb6688; } /* SpecialString */ -code span.st { color: #4070a0; } /* String */ -code span.va { color: #19177c; } /* Variable */ -code span.vs { color: #4070a0; } /* VerbatimString */ -code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */ @@ -120,29 +91,30 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - - + + - - - - + + + + - + @@ -153,128 +125,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Práctica 5. Repaso procesamiento y análisis de datos en R - - - - - - - - - - - Información general - - - - - - - - Laboratorio de Análisis de Datos - - - - - - - Sesiones - - - - - - - - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada - - - - - - - @@ -311,7 +206,7 @@ En esta página -Práctica 5. Repaso procesamiento y análisis de datos en R +Práctica 5. Repaso procesamiento y análisis de datos en R Sesión del jueves, 18 de mayo de 2023 @@ -853,19 +748,19 @@ quant = c(.25,.75), IQR = TRUE) - vars n mean sd median trimmed mad min max range skew kurtosis se -1 1 528 47.01 12.15 47 46.95 14.83 25 84 59 0.08 -0.83 0.53 - IQR Q0.25 Q0.75 -1 19 38 57 + vars n mean sd median trimmed mad min max range skew kurtosis se +X1 1 528 47.01 12.15 47 46.95 14.83 25 84 59 0.08 -0.83 0.53 + IQR Q0.25 Q0.75 +X1 19 38 57 psych::describe(datos_proc$ingreso, quant = c(.25,.75), IQR = T) - vars n mean sd median trimmed mad min max range skew -1 1 528 689268.9 844589.1 500000 569325.5 296520 0 15000000 15000000 10.12 - kurtosis se IQR Q0.25 Q0.75 -1 156.57 36756.02 450000 350000 800000 + vars n mean sd median trimmed mad min max range +X1 1 528 689268.9 844589.1 500000 569325.5 296520 0 15000000 15000000 + skew kurtosis se IQR Q0.25 Q0.75 +X1 10.12 156.57 36756.02 450000 350000 800000 @@ -873,11 +768,11 @@ Video de clase Primer bloque - + Segundo bloque - + @@ -912,9 +807,23 @@ Segundo bloque icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -979,6 +888,92 @@ Segundo bloque return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -1021,7 +1016,10 @@ Segundo bloque diff --git a/docs/assignment/06-practico.html b/docs/assignment/06-practico.html index e2edf45..2d59962 100644 --- a/docs/assignment/06-practico.html +++ b/docs/assignment/06-practico.html @@ -2,7 +2,7 @@ - + @@ -17,9 +17,10 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } +/* CSS for syntax highlighting */ pre > code.sourceCode { white-space: pre; position: relative; } pre > code.sourceCode > span { display: inline-block; line-height: 1.25; } pre > code.sourceCode > span:empty { height: 1.2em; } @@ -46,43 +47,13 @@ -khtml-user-select: none; -moz-user-select: none; -ms-user-select: none; user-select: none; padding: 0 4px; width: 4em; - color: #aaaaaa; } -pre.numberSource { margin-left: 3em; border-left: 1px solid #aaaaaa; padding-left: 4px; } +pre.numberSource { margin-left: 3em; padding-left: 4px; } div.sourceCode { } @media screen { pre > code.sourceCode > span > a:first-child::before { text-decoration: underline; } } -code span.al { color: #ff0000; font-weight: bold; } /* Alert */ -code span.an { color: #60a0b0; font-weight: bold; font-style: italic; } /* Annotation */ -code span.at { color: #7d9029; } /* Attribute */ -code span.bn { color: #40a070; } /* BaseN */ -code span.bu { color: #008000; } /* BuiltIn */ -code span.cf { color: #007020; font-weight: bold; } /* ControlFlow */ -code span.ch { color: #4070a0; } /* Char */ -code span.cn { color: #880000; } /* Constant */ -code span.co { color: #60a0b0; font-style: italic; } /* Comment */ -code span.cv { color: #60a0b0; font-weight: bold; font-style: italic; } /* CommentVar */ -code span.do { color: #ba2121; font-style: italic; } /* Documentation */ -code span.dt { color: #902000; } /* DataType */ -code span.dv { color: #40a070; } /* DecVal */ -code span.er { color: #ff0000; font-weight: bold; } /* Error */ -code span.ex { } /* Extension */ -code span.fl { color: #40a070; } /* Float */ -code span.fu { color: #06287e; } /* Function */ -code span.im { color: #008000; font-weight: bold; } /* Import */ -code span.in { color: #60a0b0; font-weight: bold; font-style: italic; } /* Information */ -code span.kw { color: #007020; font-weight: bold; } /* Keyword */ -code span.op { color: #666666; } /* Operator */ -code span.ot { color: #007020; } /* Other */ -code span.pp { color: #bc7a00; } /* Preprocessor */ -code span.sc { color: #4070a0; } /* SpecialChar */ -code span.ss { color: #bb6688; } /* SpecialString */ -code span.st { color: #4070a0; } /* String */ -code span.va { color: #19177c; } /* Variable */ -code span.vs { color: #4070a0; } /* VerbatimString */ -code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */ @@ -120,29 +91,30 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - - + + - - - - + + + + - + @@ -153,128 +125,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Práctica 6. Visualización de datos con R - - - - - - - - - - - Información general - - - - - - - - Laboratorio de Análisis de Datos - - - - - - - Sesiones - - - - - - - - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada - - - - - - - @@ -316,7 +211,7 @@ En esta página -Práctica 6. Visualización de datos con R +Práctica 6. Visualización de datos con R Sesión del jueves, 1 de junio de 2023 @@ -459,12 +354,12 @@ Análisis de la forma de distribución una de razón, una ordinal de 10 categorías. - + - + Nota @@ -490,19 +385,19 @@ Análisis de la forma de distribución quant = c(.25,.75), IQR = TRUE) - vars n mean sd median trimmed mad min max range skew kurtosis se -1 1 1474 48.43 17.84 48.5 48.01 21.5 18 99 81 0.14 -0.93 0.46 - IQR Q0.25 Q0.75 -1 29 33 62 + vars n mean sd median trimmed mad min max range skew kurtosis se +X1 1 1474 48.43 17.84 48.5 48.01 21.5 18 99 81 0.14 -0.93 0.46 + IQR Q0.25 Q0.75 +X1 29 33 62 psych::describe(proc_cep$satisfaccion, quant = c(.25,.75), IQR = TRUE) - vars n mean sd median trimmed mad min max range skew kurtosis se IQR -1 1 1474 6.87 2.18 7 6.97 2.97 1 10 9 -0.32 -0.45 0.06 4 - Q0.25 Q0.75 -1 5 9 + vars n mean sd median trimmed mad min max range skew kurtosis se +X1 1 1474 6.87 2.18 7 6.97 2.97 1 10 9 -0.32 -0.45 0.06 + IQR Q0.25 Q0.75 +X1 4 5 9 @@ -773,7 +668,7 @@ Resumen Video tutorial - + @@ -807,9 +702,23 @@ Video tutorial icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -874,6 +783,92 @@ Video tutorial return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -916,7 +911,10 @@ Video tutorial diff --git a/docs/assignment/07-practico.html b/docs/assignment/07-practico.html index 595208e..5595b60 100644 --- a/docs/assignment/07-practico.html +++ b/docs/assignment/07-practico.html @@ -2,7 +2,7 @@ - + @@ -17,9 +17,10 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } +/* CSS for syntax highlighting */ pre > code.sourceCode { white-space: pre; position: relative; } pre > code.sourceCode > span { display: inline-block; line-height: 1.25; } pre > code.sourceCode > span:empty { height: 1.2em; } @@ -46,43 +47,13 @@ -khtml-user-select: none; -moz-user-select: none; -ms-user-select: none; user-select: none; padding: 0 4px; width: 4em; - color: #aaaaaa; } -pre.numberSource { margin-left: 3em; border-left: 1px solid #aaaaaa; padding-left: 4px; } +pre.numberSource { margin-left: 3em; padding-left: 4px; } div.sourceCode { } @media screen { pre > code.sourceCode > span > a:first-child::before { text-decoration: underline; } } -code span.al { color: #ff0000; font-weight: bold; } /* Alert */ -code span.an { color: #60a0b0; font-weight: bold; font-style: italic; } /* Annotation */ -code span.at { color: #7d9029; } /* Attribute */ -code span.bn { color: #40a070; } /* BaseN */ -code span.bu { color: #008000; } /* BuiltIn */ -code span.cf { color: #007020; font-weight: bold; } /* ControlFlow */ -code span.ch { color: #4070a0; } /* Char */ -code span.cn { color: #880000; } /* Constant */ -code span.co { color: #60a0b0; font-style: italic; } /* Comment */ -code span.cv { color: #60a0b0; font-weight: bold; font-style: italic; } /* CommentVar */ -code span.do { color: #ba2121; font-style: italic; } /* Documentation */ -code span.dt { color: #902000; } /* DataType */ -code span.dv { color: #40a070; } /* DecVal */ -code span.er { color: #ff0000; font-weight: bold; } /* Error */ -code span.ex { } /* Extension */ -code span.fl { color: #40a070; } /* Float */ -code span.fu { color: #06287e; } /* Function */ -code span.im { color: #008000; font-weight: bold; } /* Import */ -code span.in { color: #60a0b0; font-weight: bold; font-style: italic; } /* Information */ -code span.kw { color: #007020; font-weight: bold; } /* Keyword */ -code span.op { color: #666666; } /* Operator */ -code span.ot { color: #007020; } /* Other */ -code span.pp { color: #bc7a00; } /* Preprocessor */ -code span.sc { color: #4070a0; } /* SpecialChar */ -code span.ss { color: #bb6688; } /* SpecialString */ -code span.st { color: #4070a0; } /* String */ -code span.va { color: #19177c; } /* Variable */ -code span.vs { color: #4070a0; } /* VerbatimString */ -code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */ @@ -120,30 +91,32 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } + - - + + - - - - + + + + - + @@ -154,128 +127,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Práctica 7. Forma de una distribución - - - - - - - - - - - Información general - - - - - - - - Laboratorio de Análisis de Datos - - - - - - - Sesiones - - - - - - - - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada - - - - - - - @@ -309,7 +205,7 @@ En esta página -Práctica 7. Forma de una distribución +Práctica 7. Forma de una distribución Sesión del jueves, 1 de junio de 2023 @@ -441,12 +337,12 @@ 2. Distribuciones empíricas y teóricas Como vimos en clases, una distribución empírica (u observada) es la distribución de los valores que asume la variable en un grupo concreto a partir de una observación. Mientras que, por su parte, una distribución teórica es función matématica que expresan la distribución de un conjunto de números mediante su probabilidad de ocurencia. En palabras sencillas, es una función de densidad que permite asignar probabilidades de ocurrencia a los resultados. - + - + Tip @@ -528,10 +424,10 @@ Distribución muestral psych::describe(psu1) - vars n mean sd median trimmed mad min max range skew -X1 1 300000 500.06 110.31 499.99 500.05 110.19 -10.58 987.25 997.83 0 + vars n mean sd median trimmed mad min max range skew +X1 1 300000 499.65 110.19 499.71 499.67 110.2 -8.29 1000.65 1008.94 0 kurtosis se -X1 0.01 0.2 +X1 0 0.2 Ahora, grafiquemos esta distribución y veamos qué tanto ajusta con la distribución normal. @@ -597,9 +493,23 @@ Video tutorial icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -664,6 +574,92 @@ Video tutorial return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -706,7 +702,10 @@ Video tutorial diff --git a/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-1.png b/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-1.png index 22a0672..06d3717 100644 Binary files a/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-1.png and b/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-1.png differ diff --git a/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-2.png b/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-2.png index 3208c46..e365c97 100644 Binary files a/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-2.png and b/docs/assignment/07-practico_files/figure-html/unnamed-chunk-12-2.png differ diff --git a/docs/assignment/08-practico.html b/docs/assignment/08-practico.html index 42bee49..4640b55 100644 --- a/docs/assignment/08-practico.html +++ b/docs/assignment/08-practico.html @@ -2,7 +2,7 @@ - + @@ -17,9 +17,10 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } +/* CSS for syntax highlighting */ pre > code.sourceCode { white-space: pre; position: relative; } pre > code.sourceCode > span { display: inline-block; line-height: 1.25; } pre > code.sourceCode > span:empty { height: 1.2em; } @@ -46,43 +47,13 @@ -khtml-user-select: none; -moz-user-select: none; -ms-user-select: none; user-select: none; padding: 0 4px; width: 4em; - color: #aaaaaa; } -pre.numberSource { margin-left: 3em; border-left: 1px solid #aaaaaa; padding-left: 4px; } +pre.numberSource { margin-left: 3em; padding-left: 4px; } div.sourceCode { } @media screen { pre > code.sourceCode > span > a:first-child::before { text-decoration: underline; } } -code span.al { color: #ff0000; font-weight: bold; } /* Alert */ -code span.an { color: #60a0b0; font-weight: bold; font-style: italic; } /* Annotation */ -code span.at { color: #7d9029; } /* Attribute */ -code span.bn { color: #40a070; } /* BaseN */ -code span.bu { color: #008000; } /* BuiltIn */ -code span.cf { color: #007020; font-weight: bold; } /* ControlFlow */ -code span.ch { color: #4070a0; } /* Char */ -code span.cn { color: #880000; } /* Constant */ -code span.co { color: #60a0b0; font-style: italic; } /* Comment */ -code span.cv { color: #60a0b0; font-weight: bold; font-style: italic; } /* CommentVar */ -code span.do { color: #ba2121; font-style: italic; } /* Documentation */ -code span.dt { color: #902000; } /* DataType */ -code span.dv { color: #40a070; } /* DecVal */ -code span.er { color: #ff0000; font-weight: bold; } /* Error */ -code span.ex { } /* Extension */ -code span.fl { color: #40a070; } /* Float */ -code span.fu { color: #06287e; } /* Function */ -code span.im { color: #008000; font-weight: bold; } /* Import */ -code span.in { color: #60a0b0; font-weight: bold; font-style: italic; } /* Information */ -code span.kw { color: #007020; font-weight: bold; } /* Keyword */ -code span.op { color: #666666; } /* Operator */ -code span.ot { color: #007020; } /* Other */ -code span.pp { color: #bc7a00; } /* Preprocessor */ -code span.sc { color: #4070a0; } /* SpecialChar */ -code span.ss { color: #bb6688; } /* SpecialString */ -code span.st { color: #4070a0; } /* String */ -code span.va { color: #19177c; } /* Variable */ -code span.vs { color: #4070a0; } /* VerbatimString */ -code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */ @@ -120,30 +91,32 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } + - - + + - - - - + + + + - + @@ -154,128 +127,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Inferencia estadística univariada - - - - - - - - - - - Información general - - - - - - - - Laboratorio de Análisis de Datos - - - - - - - Sesiones - - - - - - - - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada - - - - - - - @@ -313,7 +209,7 @@ En esta página -Inferencia estadística univariada +Inferencia estadística univariada Sesión del jueves, 29 de junio de 2023 @@ -579,7 +475,7 @@ Resumen Video de la sesión - + @@ -613,9 +509,23 @@ Video de la sesión { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -680,6 +590,92 @@ Video de la sesión { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -722,7 +718,10 @@ Video de la sesión diff --git a/docs/assignment/index.html b/docs/assignment/index.html index f32a92f..8f992b0 100644 --- a/docs/assignment/index.html +++ b/docs/assignment/index.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,23 +57,24 @@ "search-more-matches-text": "more matches in this document", "search-clear-button-title": "Clear", "search-detached-cancel-button-title": "Cancel", - "search-submit-button-title": "Submit" + "search-submit-button-title": "Submit", + "search-label": "Search" } } - - + + - - - - + + + + @@ -90,121 +91,94 @@ Estadística Descriptiva + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Laboratorio de Análisis de Datos - - + + + + + Información generalLaboratorio de Análisis de Datos + + - + - Información general - + + Información general + - Laboratorio de Análisis de Datos + + Laboratorio de Análisis de Datos - Sesiones - + + Sesiones + - 1: Introducción al lenguaje R - - - - - 2: Conocimientos básicos de programación en R - - - - - 3: Procesamiento, limpieza y manipulación de datos en R - - - - - 4: Análisis descriptivo de datos en R - - - - - 5: Procesamiento y análisis de datos en R - - - - - 6: Visualización de datos con R - - - - - 7: Forma de una distribución - - - - - 8: Inferencia estadística univariada + + 1: Introducción al lenguaje R @@ -212,6 +186,7 @@ Laboratorio de Análisis de Datos + @@ -231,7 +206,7 @@ On this page -Laboratorio de Análisis de Datos +Laboratorio de Análisis de Datos @@ -324,9 +299,23 @@ Sobre el trabajo en hojas de códi icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -391,6 +380,92 @@ Sobre el trabajo en hojas de códi return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -433,7 +508,10 @@ Sobre el trabajo en hojas de códi diff --git a/docs/class/01-class.html b/docs/class/01-class.html index a80d5d4..bc711be 100644 --- a/docs/class/01-class.html +++ b/docs/class/01-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/02-class.html b/docs/class/02-class.html index 73d934c..9e8e8d5 100644 --- a/docs/class/02-class.html +++ b/docs/class/02-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/03-class.html b/docs/class/03-class.html index b20ffe9..aac7576 100644 --- a/docs/class/03-class.html +++ b/docs/class/03-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/04-class.html b/docs/class/04-class.html index 8a6c606..17c6064 100644 --- a/docs/class/04-class.html +++ b/docs/class/04-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/05-class.html b/docs/class/05-class.html index 4790e70..13ed4b1 100644 --- a/docs/class/05-class.html +++ b/docs/class/05-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Presentación - - - - - - - - - - - Información general - - - - - - - - Presentaciones y lecturas - - - - - - - Sesiones - - - - - - - - 1: Presentación al curso - - - - - 2: Caracterización de la investigación cuantitativa - - - - - 3: Medición y operacionalización - - - - - 4: Manejo de bases de datos - - - - - 5: Descripción de los datos - - - - - 6: Función y distribución de variables - - - - - 7: Introducción a la inferencia estadística - - - - - - - @@ -221,7 +150,7 @@ En esta página -Presentación +Presentación @@ -281,9 +210,23 @@ Lecturas icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -348,6 +291,92 @@ Lecturas return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -390,7 +419,10 @@ Lecturas diff --git a/docs/class/06-class.html b/docs/class/06-class.html index ad747ec..8bbdab9 100644 --- a/docs/class/06-class.html +++ b/docs/class/06-class.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,27 +57,28 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - + - - - + + + - + @@ -88,123 +89,51 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + +
summary
Podemos obtener rapidamente un resumen de los datos con la funcion summary de R
summary(datos_proc$ingreso)
Min. 1st Qu. Median Mean 3rd Qu. Max. 0 350000 500000 679514 800000 5000000
psych
psych::describe(datos_proc$ingreso, - quant = c(.25,.75), - IQR = T)
psych::describe(datos_proc$ingreso, + quant = c(.25,.75), + IQR = T)
vars n mean sd median trimmed mad min max range skew -1 1 496 679514.1 611376.9 500000 572434.7 296520 0 5000000 5000000 3.01 - kurtosis se IQR Q0.25 Q0.75 -1 13.42 27451.63 450000 350000 800000
vars n mean sd median trimmed mad min max range skew +X1 1 496 679514.1 611376.9 500000 572434.7 296520 0 5000000 5000000 3.01 + kurtosis se IQR Q0.25 Q0.75 +X1 13.42 27451.63 450000 350000 800000
Usando la funcion describe del paquete psych podemos obtener mayor cantidad de estadísticos, además de especificarle otros adicionales.
describe
summarise
dplyr
Otra manera de obtener todos los estadísticos que necesitamos es utilizando dplyr. Aquí, le especificamos lo que requerimos, pero debemos saber bien cómo calcular tales medidas:
datos_proc %>% - summarise(media = mean(ingreso), - mediana = median(ingreso), - q1 = quantile(ingreso, probs = .25), - q2 = quantile(ingreso, probs = .75), - rango = max(ingreso) - min(ingreso), - desviacion_estandar = sd(ingreso), - varianza = var(ingreso), - coef_variacion = sd(ingreso)/mean(ingreso))
datos_proc %>% + summarise(media = mean(ingreso), + mediana = median(ingreso), + q1 = quantile(ingreso, probs = .25), + q2 = quantile(ingreso, probs = .75), + rango = max(ingreso) - min(ingreso), + desviacion_estandar = sd(ingreso), + varianza = var(ingreso), + coef_variacion = sd(ingreso)/mean(ingreso))
# A tibble: 1 × 8 media mediana q1 q2 rango desviacion_estandar varianza coef_variacion @@ -670,7 +579,7 @@ Resumen Video de clase - + @@ -704,9 +613,23 @@ Video de clase icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -771,6 +694,92 @@ Video de clase return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -813,7 +822,10 @@ Video de clase
Sesión del jueves, 18 de mayo de 2023
vars n mean sd median trimmed mad min max range skew kurtosis se -1 1 528 47.01 12.15 47 46.95 14.83 25 84 59 0.08 -0.83 0.53 - IQR Q0.25 Q0.75 -1 19 38 57
vars n mean sd median trimmed mad min max range skew kurtosis se +X1 1 528 47.01 12.15 47 46.95 14.83 25 84 59 0.08 -0.83 0.53 + IQR Q0.25 Q0.75 +X1 19 38 57
psych::describe(datos_proc$ingreso, quant = c(.25,.75), IQR = T)
vars n mean sd median trimmed mad min max range skew -1 1 528 689268.9 844589.1 500000 569325.5 296520 0 15000000 15000000 10.12 - kurtosis se IQR Q0.25 Q0.75 -1 156.57 36756.02 450000 350000 800000
vars n mean sd median trimmed mad min max range +X1 1 528 689268.9 844589.1 500000 569325.5 296520 0 15000000 15000000 + skew kurtosis se IQR Q0.25 Q0.75 +X1 10.12 156.57 36756.02 450000 350000 800000
Sesión del jueves, 1 de junio de 2023
vars n mean sd median trimmed mad min max range skew kurtosis se -1 1 1474 48.43 17.84 48.5 48.01 21.5 18 99 81 0.14 -0.93 0.46 - IQR Q0.25 Q0.75 -1 29 33 62
vars n mean sd median trimmed mad min max range skew kurtosis se +X1 1 1474 48.43 17.84 48.5 48.01 21.5 18 99 81 0.14 -0.93 0.46 + IQR Q0.25 Q0.75 +X1 29 33 62
psych::describe(proc_cep$satisfaccion, quant = c(.25,.75), IQR = TRUE)
vars n mean sd median trimmed mad min max range skew kurtosis se IQR -1 1 1474 6.87 2.18 7 6.97 2.97 1 10 9 -0.32 -0.45 0.06 4 - Q0.25 Q0.75 -1 5 9
vars n mean sd median trimmed mad min max range skew kurtosis se +X1 1 1474 6.87 2.18 7 6.97 2.97 1 10 9 -0.32 -0.45 0.06 + IQR Q0.25 Q0.75 +X1 4 5 9
Como vimos en clases, una distribución empírica (u observada) es la distribución de los valores que asume la variable en un grupo concreto a partir de una observación.
Mientras que, por su parte, una distribución teórica es función matématica que expresan la distribución de un conjunto de números mediante su probabilidad de ocurencia. En palabras sencillas, es una función de densidad que permite asignar probabilidades de ocurrencia a los resultados.
vars n mean sd median trimmed mad min max range skew -X1 1 300000 500.06 110.31 499.99 500.05 110.19 -10.58 987.25 997.83 0 + vars n mean sd median trimmed mad min max range skew +X1 1 300000 499.65 110.19 499.71 499.67 110.2 -8.29 1000.65 1008.94 0 kurtosis se -X1 0.01 0.2 +X1 0 0.2
vars n mean sd median trimmed mad min max range skew +X1 1 300000 499.65 110.19 499.71 499.67 110.2 -8.29 1000.65 1008.94 0 kurtosis se -X1 0.01 0.2
Ahora, grafiquemos esta distribución y veamos qué tanto ajusta con la distribución normal.
Sesión del jueves, 29 de junio de 2023
Daniela Olivares
Andreas Laffert
Kevin Carrasco
Ayudantes
Victoria Arias
Leonardo Capobianco
Catalina Díaz
Martina Gallardo
Antonia Jimenez
Sophia Karoussis
Cristobal Mejías
Yerkho Nuñez
Juan Prado
Luis Ríos
Benjamín Zavala
.RData
Installing package into 'C:/Users/kevin/AppData/Local/R/win-library/4.3' +(as 'lib' is unspecified)
+psy installed +Installing package into 'C:/Users/kevin/AppData/Local/R/win-library/4.3' +(as 'lib' is unspecified)
+nFactors installed
Warning: package 'nFactors' was built under R version 4.3.3
+GPArotation installed
Warning: package 'GPArotation' was built under R version 4.3.3
Lectura de datos
data <- read.csv("input/data/efa_asignaturas.csv")
summary(data)
BIO GEO CHEM ALG CALC Min. :1.000 Min. :1.00 Min. :1.000 Min. :1.00 Min. :1.000 @@ -300,15 +311,15 @@ Exploración de dato 3rd Qu.:4.000 Max. :5.000
names(data)
[1] "BIO" "GEO" "CHEM" "ALG" "CALC" "STAT"
dim(data) # filas columnas
[1] 300 6
nrow(na.omit(data)) # número de casos con datos completos
[1] 300
stargazer(data, type = "text") # para visualizar en consola
==================================== @@ -334,7 +345,7 @@ Descriptivos
stargazer(data, type = "html") # a html
#sjplot(data$BIO, "frq") # no muy buena descripción ... - -names(data)
#sjplot(data$BIO, "frq") # no muy buena descripción ... + +names(data)
plot_stackfrq(data)
Gráfico final
#label values - -data <- data %>% set_labels (., labels=c("No le agrada"=1, - "Le agrada"=5)) - -plot_stackfrq(data, sort.frq = "last.desc", geom.colors = "OrRd") #+ theme(legend.position="bottom")
#label values + +data <- data %>% set_labels (., labels=c("No le agrada"=1, + "Le agrada"=5)) + +plot_stackfrq(data, sort.frq = "last.desc", geom.colors = "OrRd") #+ theme(legend.position="bottom")
Matriz
corMat <- cor(data) # estimar matriz pearson -options(digits=2) -corMat # muestra matriz
corMat <- cor(data) # estimar matriz pearson +options(digits=2) +corMat # muestra matriz
BIO GEO CHEM ALG CALC STAT BIO 1.00 0.68 0.747 0.115 0.21 0.20 @@ -538,92 +549,92 @@ Analis
Reporte tabla
tab_corr(data, triangle = "lower")
Reporte gráfico con corrplot
M=cor(data) # matriz simple de correlaciones de los datos -corrplot(M, type="lower") # lower x bajo diagonal
M=cor(data) # matriz simple de correlaciones de los datos +corrplot(M, type="lower") # lower x bajo diagonal
Otra opción
corrplot(M, type="lower", - order="AOE", cl.pos="b", tl.pos="d") #agrega nombres en diag.
corrplot(M, type="lower", + order="AOE", cl.pos="b", tl.pos="d") #agrega nombres en diag.
¿Qué se puede deducir de la matriz de correlaciones en relación a la estructura subyacente en términos de variables latentes? Vemos dos grupos de indicadores asociados entre sí, y no asociados con el otro grupo. Por un lado, el grupo de chem, bio y geo, y por otro el de stat, calc y alg.
Adecuación de matriz para análisis factorial
KMO(corMat)
Kaiser-Meyer-Olkin factor adequacy Call: KMO(r = corMat) @@ -644,7 +655,7 @@ Análisis factorial BIO GEO CHEM ALG CALC STAT 0.73 0.81 0.72 0.60 0.60 0.84
cortest.bartlett(corMat, n = 300)
$chisq [1] 849 @@ -660,13 +671,13 @@ Análisis factorial Seleccion de numero de factores Graficos -scree.plot(data) +scree.plot(data) -fa.parallel(corMat, n.obs=300) +fa.parallel(corMat, n.obs=300) @@ -675,12 +686,12 @@ Seleccion
Graficos
scree.plot(data)
fa.parallel(corMat, n.obs=300)
library(nFactors) -ev <- eigen(corMat) # get eigenvalues -ap <- parallel(subject=300,var=6, - rep=100,cent=.05) -nS <- nScree(x=ev$values, aparallel=ap$eigen$qevpea) -plotnScree(nS)
library(nFactors) +ev <- eigen(corMat) # get eigenvalues +ap <- parallel(subject=300,var=6, + rep=100,cent=.05) +nS <- nScree(x=ev$values, aparallel=ap$eigen$qevpea) +plotnScree(nS)
Ejes principales
fac_pa <- fa(r = data, nfactors = 2, fm= "pa") -#summary(fac_pa) -fac_pa
fac_pa <- fa(r = data, nfactors = 2, fm= "pa") +#summary(fac_pa) +fac_pa
Factor Analysis using method = pa Call: fa(r = data, nfactors = 2, fm = "pa") @@ -722,14 +733,14 @@ Extracción Mean item complexity = 1 Test of the hypothesis that 2 factors are sufficient. -The degrees of freedom for the null model are 15 and the objective function was 2.9 with Chi Square of 849 -The degrees of freedom for the model are 4 and the objective function was 0.01 +df null model = 15 with the objective function = 2.9 with Chi Square = 849 +df of the model are 4 and the objective function was 0.01 The root mean square of the residuals (RMSR) is 0.01 The df corrected root mean square of the residuals is 0.02 -The harmonic number of observations is 300 with the empirical chi square 0.78 with prob < 0.94 -The total number of observations was 300 with Likelihood Chi Square = 3.3 with prob < 0.51 +The harmonic n.obs is 300 with the empirical chi square 0.78 with prob < 0.94 +The total n.obs was 300 with Likelihood Chi Square = 3.3 with prob < 0.51 Tucker Lewis Index of factoring reliability = 1 RMSEA index = 0 and the 90 % confidence intervals are 0 0.08 @@ -744,12 +755,12 @@ Extracción
Maximum likelihood
fac_ml <- fa(r = data, nfactors = 2, fm= "ml") -summary(fac_ml)
fac_ml <- fa(r = data, nfactors = 2, fm= "ml") +summary(fac_ml)
Plot de cargas factoriales ml
factor.plot(fac_ml, labels=rownames(fac_ml$loadings))
Obtención de Puntajes factoriales
Los puntajes factoriales son vectores/variables que representan al factor latente como una variable observada y que por lo tanto suma una columna a la base de datos por cada factor extraído. Como la variable latente no tiene métrica, se le otorga una con media 0 y varianza 1. Los puntajes son una especie de índice pero donde la constribución de cada indicador al índice se encuentra ponderada por su carga factorial (su contribución a la variable latente común o factor).
fac_ml <- fa(r = data, nfactors = 2, fm= "ml", scores="regression") -data2=data -data3 <- cbind(data2, fac_ml$scores) -head(data3)
fac_ml <- fa(r = data, nfactors = 2, fm= "ml", scores="regression") +data2=data +data3 <- cbind(data2, fac_ml$scores) +head(data3)
BIO GEO CHEM ALG CALC STAT ML2 ML1 1 1 1 1 1 1 1 -1.110 -1.84 @@ -776,8 +787,8 @@ Extracción Rotación Varimax (ortogonal) -fac_ml_var <- fa(r = data, nfactors = 2, fm= "ml", rotate="varimax") # ortogonal -fac_ml_var +fac_ml_var <- fa(r = data, nfactors = 2, fm= "ml", rotate="varimax") # ortogonal +fac_ml_var Factor Analysis using method = ml Call: fa(r = data, nfactors = 2, rotate = "varimax", fm = "ml") @@ -800,14 +811,14 @@ Rotación Mean item complexity = 1.1 Test of the hypothesis that 2 factors are sufficient. -The degrees of freedom for the null model are 15 and the objective function was 2.9 with Chi Square of 849 -The degrees of freedom for the model are 4 and the objective function was 0.01 +df null model = 15 with the objective function = 2.9 with Chi Square = 849 +df of the model are 4 and the objective function was 0.01 The root mean square of the residuals (RMSR) is 0.01 The df corrected root mean square of the residuals is 0.02 -The harmonic number of observations is 300 with the empirical chi square 0.97 with prob < 0.91 -The total number of observations was 300 with Likelihood Chi Square = 2.9 with prob < 0.57 +The harmonic n.obs is 300 with the empirical chi square 0.97 with prob < 0.91 +The total n.obs was 300 with Likelihood Chi Square = 2.9 with prob < 0.57 Tucker Lewis Index of factoring reliability = 1 RMSEA index = 0 and the 90 % confidence intervals are 0 0.076 @@ -822,8 +833,8 @@ Rotación Promax (oblicua) -fac_ml_pro <- fa(r = data, nfactors = 2, fm= "ml", rotate="promax") -fac_ml_pro +fac_ml_pro <- fa(r = data, nfactors = 2, fm= "ml", rotate="promax") +fac_ml_pro Factor Analysis using method = ml Call: fa(r = data, nfactors = 2, rotate = "promax", fm = "ml") @@ -851,14 +862,14 @@ Rotación Mean item complexity = 1 Test of the hypothesis that 2 factors are sufficient. -The degrees of freedom for the null model are 15 and the objective function was 2.9 with Chi Square of 849 -The degrees of freedom for the model are 4 and the objective function was 0.01 +df null model = 15 with the objective function = 2.9 with Chi Square = 849 +df of the model are 4 and the objective function was 0.01 The root mean square of the residuals (RMSR) is 0.01 The df corrected root mean square of the residuals is 0.02 -The harmonic number of observations is 300 with the empirical chi square 0.97 with prob < 0.91 -The total number of observations was 300 with Likelihood Chi Square = 2.9 with prob < 0.57 +The harmonic n.obs is 300 with the empirical chi square 0.97 with prob < 0.91 +The total n.obs was 300 with Likelihood Chi Square = 2.9 with prob < 0.57 Tucker Lewis Index of factoring reliability = 1 RMSEA index = 0 and the 90 % confidence intervals are 0 0.076 @@ -876,69 +887,69 @@ Rotación Reporte: Tabla análisis factorial A html via sjPlot -tab_fa(data, rotation = "varimax",show.comm = TRUE, title = "Análisis factorial asignaturas") +tab_fa(data, rotation = "varimax",show.comm = TRUE, title = "Análisis factorial asignaturas") Parallel analysis suggests that the number of factors = 2 and the number of components = NA - - -Análisis factorial asignaturas - - -Factor 1 -Factor 2 -Communality + +Análisis factorial asignaturas + + + +Factor 1 +Factor 2 +Communality - -BIO -0.85 -0.13 -0.75 + +BIO +0.85 +0.13 +0.75 - -GEO -0.78 -0.13 -0.63 + +GEO +0.78 +0.13 +0.63 - -CHEM -0.86 -0.06 -0.75 + +CHEM +0.86 +0.06 +0.75 - -ALG -0.03 -0.79 -0.63 + +ALG +0.03 +0.79 +0.63 - -CALC -0.10 -0.97 -0.95 + +CALC +0.10 +0.97 +0.95 - -STAT -0.17 -0.51 -0.29 + +STAT +0.17 +0.51 +0.29 - -Total Communalities - -3.99 + +Total Communalities + +3.99 - -Cronbach's α -0.88 -0.79 - + +Cronbach's α +0.88 +0.79 + - - + + @@ -978,9 +989,23 @@ Código icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -1045,6 +1070,92 @@ Código return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -1087,7 +1198,10 @@ Código diff --git a/docs/resource/05-resource_files/figure-html/unnamed-chunk-12-1.png b/docs/resource/05-resource_files/figure-html/unnamed-chunk-12-1.png index 4f4091b..b186f37 100644 Binary files a/docs/resource/05-resource_files/figure-html/unnamed-chunk-12-1.png and b/docs/resource/05-resource_files/figure-html/unnamed-chunk-12-1.png differ diff --git a/docs/resource/05-resource_files/figure-html/unnamed-chunk-15-1.png b/docs/resource/05-resource_files/figure-html/unnamed-chunk-15-1.png index 1ac3ffc..9237f91 100644 Binary files a/docs/resource/05-resource_files/figure-html/unnamed-chunk-15-1.png and b/docs/resource/05-resource_files/figure-html/unnamed-chunk-15-1.png differ diff --git a/docs/resource/05-resource_files/figure-html/unnamed-chunk-16-1.png b/docs/resource/05-resource_files/figure-html/unnamed-chunk-16-1.png index 7c23661..a17080b 100644 Binary files a/docs/resource/05-resource_files/figure-html/unnamed-chunk-16-1.png and b/docs/resource/05-resource_files/figure-html/unnamed-chunk-16-1.png differ diff --git a/docs/resource/index.html b/docs/resource/index.html index afb687b..afeb45d 100644 --- a/docs/resource/index.html +++ b/docs/resource/index.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,23 +57,24 @@ "search-more-matches-text": "resultados adicionales en este documento", "search-clear-button-title": "Borrar", "search-detached-cancel-button-title": "Cancelar", - "search-submit-button-title": "Enviar" + "search-submit-button-title": "Enviar", + "search-label": "Buscar" } } - - + + - - - - + + + + @@ -90,88 +91,98 @@ Estadística Descriptiva - + + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + - - - Recursos adicionales - - + + + + + Descripción + + - + - Descripción + + Descripción - Bases de Datos + + Bases de Datos - Uso de R + + Uso de R - Importar datos en R + + Importar datos en R - Procesamiento, limpieza y manipulación de datos en R base + + Procesamiento, limpieza y manipulación de datos en R base + @@ -181,7 +192,7 @@ Recursos adicionales -Recursos adicionales +Recursos adicionales @@ -228,9 +239,23 @@ Recursos adicionales icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -295,6 +320,92 @@ Recursos adicionales return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -337,7 +448,10 @@ Recursos adicionales diff --git a/docs/robots.txt b/docs/robots.txt index b46e8d8..344d3ee 100644 --- a/docs/robots.txt +++ b/docs/robots.txt @@ -1 +1 @@ -Sitemap: https://descriptiva-facso.netlify.app/sitemap.xml +Sitemap: https://descriptiva-2024.netlify.app/sitemap.xml diff --git a/docs/schedule.html b/docs/schedule.html index 6a11237..60d406b 100644 --- a/docs/schedule.html +++ b/docs/schedule.html @@ -2,7 +2,7 @@ - + @@ -17,7 +17,7 @@ ul.task-list{list-style: none;} ul.task-list li input[type="checkbox"] { width: 0.8em; - margin: 0 0.8em 0.2em -1.6em; + margin: 0 0.8em 0.2em -1em; /* quarto-specific, see https://github.com/quarto-dev/quarto-cli/issues/4556 */ vertical-align: middle; } @@ -57,23 +57,24 @@ "search-more-matches-text": "more matches in this document", "search-clear-button-title": "Clear", "search-detached-cancel-button-title": "Cancel", - "search-submit-button-title": "Submit" + "search-submit-button-title": "Submit", + "search-label": "Search" } } - - + + - - - - + + + + @@ -90,42 +91,44 @@ Estadística Descriptiva + - + Programa - + Planificación - + Clases - + Prácticos - + Trabajos - + Recursos - + - + + @@ -162,6 +165,12 @@ Planificación Evaluaciones (): Evaluaciones individuales y colectivas a desarrollar durante el semestre. + + + + + + @@ -177,12 +186,6 @@ Planificación - -Jueves 16 -1. Presentación e introducción - -- Leer detalladamente programa del curso - @@ -190,82 +193,112 @@ UNIDAD -Jueves 23 -2. Caracterización de la investigación cuantitativa - +Lunes 11 +1. La estadística como herramienta de investigación sociológica +- Leer detalladamente programa del curso -Jueves 30 -3. La medición en ciencias sociales +Lunes 18 +2. Epistemología, límites y potencialidades de la investigación cuantitativa. - Abril - +Lunes 25 +3. La medición en ciencias sociales: algunos conceptos fundamentales. -Jueves 6 -4. La medición en ciencias sociales + Abril + -Jueves 13 +Lunes 01 +4. Datos y bases de datos. Ética de la investigación con datos sociales. + + + + +Miércoles 03 -Sesión 1. Introducción al lenguaje R Sesión 2. Conocimientos básicos de programación en R +Práctico 1 - -UNIDAD 2: Medidas de tendencia central, dispersión y posición + +UNIDAD 2: La descripción de los datos. -Jueves 20 -5. Datos y bases de datos 6. Medidas de tendencia central +Lunes 08 +5. Medidas de tendencia central. -Jueves 27 -7. Medidas de dispersión 8. Medidas de posición +Miércoles 10 +Práctico 2 - Mayo +Lunes 15 +6. Medidas de dispersión. + + + +Miércoles 17 + +Práctico 3 + + + +Lunes 22 +7. Medidas de posición. -Jueves 4 -RECESO +Miércoles 24 + +Práctico 4 + + + +Lunes 29 +Receso + + + + + Mayo + -Lunes 8 +Miércoles 01 +Receso -Entrega Tarea Individual 1 -Jueves 11 +Lunes 06 +8.Visualización de datos y distribuciones de datos. -Sesión 3. Procesamiento, limpieza y manipulación de datos en R Sesión 4. Medidas de tendencia central, dispersión y posición -Jueves 18 +Miércoles 08 -Sesión 5. Repaso Procesamiento y análisis descriptivo de datos en R +Práctico 5 @@ -274,79 +307,115 @@ UNIDAD 3: La forma de una distribución + + + + + + -Jueves 25 -9. Visualización y distribución de datos 10. Noción de función y distribución +Lunes 13 +9. Noción de función y distribución. + -Entrega Tarea Individual 2 -Lunes 29 +Miércoles 15 +Práctico 6 -Entrega Informe 1 Taller Colectivo - Junio +Lunes 20 +10. Asimetría y Curtosis. + + +Miércoles 22 + +Práctico 7 + + + +Lunes 27 +11. Distribución normal y puntuación Z. + -Jueves 1 +Miércoles 29 -Sesión 6. Visualización de datos Sesión 7. Forma de una distribución +Práctico 8 -Jueves 8 -RECESO + Junio + -Jueves 15 -11. Asimetría y curtosis 12. Distribución normal y puntuación Z +Lunes 03 +12. Probabilidades en la distribución normal y otras distribuciones -Jueves 22 -13. Probabilidades en la distribución normal y otras distribuciones 14. Fundamentos de la significación estadística, universo y muestra 15. Inferencia estadística univarada +Miércoles 05 +Práctico 9 - -UNIDAD 4: Inferencia estadística univariada + +UNIDAD 4: Introducción a la inferencia estadística + + + + + + -Jueves 29 +Lunes 10 +13. Fundamentos de la significación estadística, universo y muestra. -Sesión 8. Inferencia univariada - Julio +Miércoles 12 + +Práctico 10 + + + +Lunes 17 +14. Noción de distribución de muestreo, parámetros y estadísticos. + + +Lunes 24 +15. Hipótesis y pruebas de hipótesis. + -Jueves 6 + Julio + -Entrega Tarea Individual 3 -Domingo 9 +Lunes 01 +16. Inferencia estadística univariada, ponderadores y factores de expansión. -Entrega Informe 2 Taller Colectivo @@ -382,9 +451,23 @@ { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -491,7 +660,10 @@ diff --git a/docs/search.json b/docs/search.json index 00b3674..86e7fff 100644 --- a/docs/search.json +++ b/docs/search.json @@ -1,24 +1,297 @@ [ { - "objectID": "assignment/01-practico.html", - "href": "assignment/01-practico.html", - "title": "Práctica 1. Introducción al lenguaje R", + "objectID": "trabajos.html", + "href": "trabajos.html", + "title": "Trabajos", "section": "", - "text": "El objetivo de esta guía práctica es introducirnos a las herramientas que permiten establecer un flujo de trabajo en R.\nEn detalle, aprenderemos:\n\nCómo establecer un flujo de trabajo mediante scripts y Rprojects siguiendo el protocolo IPO\nCómo crear un proyecto de R (R.proyect)\nCómo crear un script (hoja) en R\n\n\n\n\nR es un lenguaje y ambiente de programación, dentro del cual se pueden implementar técnicas estadísticas y de ciencia de datos. Por su parte, RStudio es un IDE (integrated development enviroment) para R, o en pocas palabras, es una interfaz más amigable que nos permite interactuar con R.\n¿Y por qué aprender R? Existen muchas razones, pero algunas de las principales son:\n\nEmpleabilidad\nCrisis de reproducibilidad y Ciencia Abierta\nFacilita manipulación, almacenaje, cálculos y visualización de datos\nFacilita la colaboración y trabajo en equipo\nSimple, pero potente\nPuede integrarse con otros ambientes y herramientas\n\n\n\n\n\n\n\n\n\n\nAl momento de abrir RStudio por primera vez puede que nos asustemos, pues es un entorno nuevo lleno de posibilidades en donde todavía no conocemos mucho.\n\n\n\n\n\n\n\n\n\n¡Pero que no cunda el pánico! ya que estas posibilidades son nuevas oportunidades de aprendizaje en un software libre, gratuito y cada vez más utilizado en las ciencias sociales. ¿Nos vamos a equivocar? Claro que sí, y esperemos que así sea pues más aprenderemos.\n\n\n\n\n\n\n\n\n\nAl ver RStudio por primera vez se nos presentará una interfaz de al menos cuatro paneles.\n\n\n\n\n\n\n\n\n\n¡VEAMOS COMO COMENZAR A USAR R!\n\n\n\nTal vez una de las dificultades más comunes o cotidianas del uso de R es el orden de trabajo, en donde tenemos cientos de archivos, scripts, gráficos, bases de datos u otros repartidos desordenadamente en nuestro computador. También se da mucho el caso en que, cuando queremos trabajar con alguien, tenemos que cambiar las rutas de los archivos, por ejemplo en dónde están las bases de datos, ya que nuestros ordenadores y usuarios se llaman y son escencialmente distintos.\n¿Cómo podemos sortear eso? Siguiendo un flujo de trabajo reproducible, autocontenido y ordenado. En este curso trabajaremos R con un flujo de trabajo reproducible, basado en el sistema IPO. El protocolor IPO es una plantilla/protocolo de estructura digital de carpetas que tiene por objetivo el organizar, procesar y documentar los datos de un proyecto de investigación con miras a la apertura de los datos en un repositorio público y de acceso libre. En concreto, el sistema IPO se propone abordar brevemente todo lo referente a los Datos, Métodos y Resultados.\n\n\n\n\n\n\n\n\n\nLleva este nombre por el sistema de carpetas que se implementan: Input, Procesamiento y Output. En la carpeta Input guardaremos todos aquellso recursos iniciales que usaremos, como las bases de datos, el libro de códigos, entre otros. En la carpeta de Procesamiento, como dice el nombre, guardaremos todos los archivos que procesen y analicen datos. En la carpeta Output guardaremos todo aquello que hayamos producido en los archivos de procesamiento, como las bases de datos procesadas listas para compartir o publicas, los documentos de reporte, informes o analísis, gráficos o tablas.\n\n\n\n\n\n\n\n\n\nLa implementación de la reproducibilidad en este tipo de protocolos se basa en generar un conjunto de archivos auto-contenidos organizado en una estructura de proyecto que cualquier persona pueda compartir y ejecutar. En otras palabras, debe tener todo lo que necesita para ejecutar y volver a ejecutar el análisis. Para conocer más, visita el Laboratorio de Ciencia Abierta.\n\n\n\n\n\n\n\n\n\n\n\n\n¿Y cómo hacemos lo anterior? Mediante los Rproject. Los proyectos en R, o R Projects, serán el centro a partir del cual estaremos trabajando el resto de archivos incluidos en nuestro trabajo con los datos (Input, Procesamiento y Output). En pocas palabras, el Rproject será el elemento raíz de nuestro proyecto y que articula o abraza todos los demás componentes.\n\n\n\n\n\n\n\n\n\n¿Cómo lo hacemos? Es bastante sencillo. Nos dirigiremos a la sección superior derecha de RStudio, donde se encuentra una R dentro de un cubo:\n\n\n\n\n\n\n\n\n\nHacemos click en ella, y luego se nos desplegará una ventana con distintas opciones. Seleccionamos New Project.\n\n\n\n\n\n\n\n\n\nLuego, seleccionamos New Directory > New Project\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nUna vez realizado lo anterior, nos pedirá asignar un Directory name, que es como se llamará nuestro proyecto. Se recomienda que tenga nombres sustantivos. En este ejemplo, le llamaremos tarea01.\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nLuego debemos indicarle dónde queremos que esté alojado en nuestro computador este proyecto. Para ello pinchamos en el Browse, y se nos desplegará nuestro sistema de carpetas de nuestro computador. Supongamos que queremos guardarlo en una carpeta que llamaremos Estadistica Descriptiva 2023.\n\n\n\n\n\n\n\n\n\nSeleccionamos la carpeta y le damos a Open o Abrir. Una vez realizado lo anterior, volveremos a RStudio y tendremos nuestro projecto abierto. Además, podemos ver que nuestro .Rproj se creó en la carpeta respectiva en la esquina inferior derecha de la pantalla.\n\n\n\n\n\n\n\n\n\nAhora, tenemos que darle el formato de flujo de trabajo reproducible. Para ello, crearemos las carpetas de Input, Procesamiento y Ouput en la misma carpeta Estadistica Descriptiva 2023 donde tenemos alojado el .Rproject.\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n¿Y podemos ver esto mismo pero en RStudio? ¡Claro que sí!, cada carpeta que creemos se irá sumando al visualizador de Files, así como también si subimos archivos (como bases de datos) en las respectivas subcarpetas, irán apareciendo allí.\n\n\n\n\n\n\n\n\n\n¡HEMOS CREADO NUESTRO PROYECTO Y SISTEMA DE TRABAJO REPRODUCIBLE!\n\n\n\n\n\n\n\n\n\n\n\n\nPara comenzar a trabajar en R, lo primero es crear un Script. ¿Qué es un script? En términos simples, un script es la hoja en donde escribiremos y guardaremos nuestro código, y en donde a la vez podremos ir ordenando nuestros pasos e incluso ir comentándolos. Cuando hablamos de Sintaxis estamos refiriéndonos, en escencia, a un Script.\nImaginen que un Script es como una hoja de receta de cocina, allí anotamos todos los ingredientes, fases y procedimientos que debemos seguir e ir ejecutando. Esta receta la podemos compartir con otros, volver a verla cuando queramos hacer lo mismo o algo similar. Esa es la gracia de un Script.\nSi bien podemos escribir y ejecutar código directamente en la consola, estos se eliminarán una vez que cerremos la sesión en RStudio.\n¿Cómo crear un Script? Hacerlo es bastante sencillo. En la sección superior izquierda de RStudio, debe hacerse click en la hoja con un signo + verde y, luego, seleccionar la opción R Script en el menú desplegado:\n\n\n\n\n\n\n\n\n\nOtra manera de abrir un nuevo script es hacer click en la opción File de la barra superior. Posteriormente seleccionar New File > R Script en los menús desplegados:\n\n\n\n\n\n\n\n\n\nPor último, podemos mantener presionadas las teclas Ctrl + Shift + N en Windows, o ⌘ + Shift + N en Mac.\n¡Hemos abierto un nuevo script¡, que se debe ver de la siguiente manera:\n\n\n\n\n\n\n\n\n\nPodemos escribir en él los códigos, que se ejecutarán en la consola una vez mantengamos presionadas las teclas Control + Enter al inicio de la línea\n\n\n\n\n\n\n\n\n\n¿Y cómo guardo mi código? Podemos hacer click en el disquete situado en la barra que se encuentra sobre el código, o bien, apretar Ctrl + S.\n\n\n\n\n\n\n\n\n\nLa primera vez que guardemos un Script, nos pedirá que le asignemos un nombre y una ruta donde guardarlo. Este nombre debe ser sustantivo (como procesamiento o análisis), y debemos alojarlo en las subcarpetas que creamos en el paso anterior. Generalmente, guardaremos los scripts en la carpeta de Procesamiento. En este ejemplo, lo llamaremos script01:\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nUna vez almacenado en una carpeta, cada vez que clickeemos en los casetes o mantengamos presionadas las teclas Control + S, el archivo se actualizará a la última versión que hayamos guardado\n\n\n\nHoy aprendimos a procesar datos en R. En detalle, vimos:\n\nCómo establecer un flujo de trabajo mediante scripts y Rprojects siguiendo el protocolo IPO\nCómo crear un proyecto de R (R.proyect)\nCómo crear un script (hoja) en R\n\n\n\n\n\n Presentación Sesión 1.pdf" + "text": "El curso tendrá dos instancias de evaluación:\n\nTaller Colectivo: Este taller grupal (60% de la nota final) tiene por objetivo aplicar los contenidos del curso a una tématica de interés específica en formato de artículo de investigación breve. Esto implica que los estudiantes deberán plantear un fenómeno social a investigar, el problema de investigación y su relevencia, precisar el argumento o hipótesis central, describir la metodología utilizada y analizar descriptivamente variables relativas a dicho fenónomeno. Consistirá en dos informes, uno de diseño de investigación (20%) y otro de análisis y conclusiones (40%). Los talleres son elaborados en grupos de máximo 4 integrantes.\nTareas Individuales: Las tareas individuales (40% de la nota final) tienen por objetivo aplicar los contenidos del Laboratorio de Análisis de Datos y también de las clases lectivas del curso a actividades prácticas. Esto implica que los estudiantes deberán demostrar el aprendizaje de herramientas básicas de procesamiento, limpieza y manipulación de datos, además de analizar descriptivamente y visualizar variables, todo ello siendo correctamente reportado. Consistirán en 3 tareas individuales a lo largo del semestre, en donde cada una equivaldrá a un 13.3%." }, { - "objectID": "assignment/02-practico.html", - "href": "assignment/02-practico.html", - "title": "Práctica 2. Conocimientos básicos de programación en R", + "objectID": "trabajos.html#evaluación", + "href": "trabajos.html#evaluación", + "title": "Trabajos", "section": "", - "text": "El objetivo de esta guía práctica es introducirnos en los procedimientos básicos del uso del lenguaje y ambiente R.\nEn detalle, aprenderemos:\n\nHerramientas básicas de programación en R\nOperadores en R\nTipos de datos\n\n\n\n\nRevisemos algunos conocimientos básicos para la programación en R. Pero antes, tengamos dos cosas en mente:\n\nPrimero, ¿qué es codificar?, en programación codificar corresponde a un proceso de entrega de instrucciones en un lenguaje específico, siguiendo un orden lógico y coherente.\nSegundo, de aquí en adelante nos manejaremos con una máxima en el curso; existe un acuerdo implícito entre tú y R: R hará todos los cálculos por ti, pero en cambio tú debes dar las instrucciones con total precisión.\n\n\n\nUno de los usos más sencillos y que están a la base de R, es usarlo como una calculadora.\n\n5+5\n\n[1] 10\n\n25/5\n\n[1] 5\n\n2*2\n\n[1] 4\n\n27-2\n\n[1] 25\n\n\nComo podrás ver, el resultado de estas instrucciones aparecen como un [1] en la consola. También podemos hacer operatorias más complejas y con más cálculos.\n\n12*(7+2)+(45-32)+8\n\n[1] 129\n\n22^2 - 2^2\n\n[1] 480\n\n1/200 * 30\n\n[1] 0.15\n\n\n\n\n\nR es un lenguaje de programación orientado a objetos. ¿Qué significa eso?, implica que podemos crear elementos dentro del ambiente de R, a los cuales les asignaremos información que quedará almacenada, información que puede ir desde números, palabras, cálculos hasta grandes bases de datos.\nTodas las instrucciones en R en las que crees objetos, es decir, instrucciones de asignación, tendrán la misma estructura:\nnombre_objeto <- valor\nEl asignador <- se utiliza para crear objetos y forma parte de uno de los operadores usados en R.\nLos elementos que podemos asignar a objetos son múltiples, como números, palabras acompañadas siempre de corchetes \" \" y vectores que corresponden a un conjunto o secuencia de elementos del mismo tipo definidos por la funcion de concatenar = c().\nVeamos un ejemplo creando objetos:\n\nx <- 4 # asignar\n\nx # ejecutar\n\n[1] 4\n\ny <- \"Hola mundo\" # los carácteres alfabéticos siempre van acompañados de corchetes\n\ny \n\n[1] \"Hola mundo\"\n\n\n¿Y concatenando? Hacemos un vector.\n\nedad <- c(18,22,36,19,35) # concatenar (variable de razon)\n\nedad\n\n[1] 18 22 36 19 35\n\ngenero <- c(3,1,1,2,3) # masculino = 1; femenino = 2; transgenero = 3 (variable nominal)\n\ngenero \n\n[1] 3 1 1 2 3\n\ngse <- c(\"ABC1\", \"C2\", \"E\", \"AbC1\", \"E\") # tambíen se pueden usar carácteres (variable ordinal)\n\ngse\n\n[1] \"ABC1\" \"C2\" \"E\" \"AbC1\" \"E\" \n\n\n¡Hagamos una pequeño reto!: ¿Cuál es el valor de a y b? Si a <- 5; b <- a; a <- 4\n\na <- 5\nb <- a\na <- 4\n\nprint(a) # imprimir en la consola\n\n[1] 4\n\nprint(b)\n\n[1] 5\n\na + 10\n\n[1] 14\n\n\nAhora, sea z = a^2 ¿qué resultado obtenemos de a * b + z?\n\nz <- a^2 # asignar\n\na * b + z\n\n[1] 36\n\n\nAdemás de lo anterior, en R es fundamental la creación de data.frames. Un Data.frame es una estructura de datos de dos dimensiones (columnas y filas), donde las columnas pueden ser de diferente naturaleza, pero deben tener el mismo largo. A partir de ella agrupamos variables en una matriz, o sea, construimos una base de datos. Es como “pegar” las columnas (variables) una al lado de otra.\nCreemos un data.frame con los vectores que ya creamos antes.\n\nbase1 <- data.frame(genero, gse, edad) # Resulta como objeto de \"datos\" en\n # entorno.\n\nbase1\n\n genero gse edad\n1 3 ABC1 18\n2 1 C2 22\n3 1 E 36\n4 2 AbC1 19\n5 3 E 35\n\n\nComo puedes ver, para crear el data.frame usamos la función que lleva el mismo nombre, colocando dentro del paréntesis los vectores que creamos anteriormente: data.frame(mis_vectores).\nAhora, creemos un data.frame desce cero. En este ejemplo, crearemos los vectores dentro de la función data.frame().\n\n# Ejemplo de como crear un data.frame desde 0: \n\nbase2 <- data.frame(Sexo=c(\"H\",\"M\",\"H\",\"M\",\"H\",\"M\"),\n Estatura=c(1.83,1.76,1.82,1.60,1.90,1.66),\n Peso=c(67,58,66,48,75,55))\n\nhead(base2) # Me permite visualizar las primeras filas\n\n Sexo Estatura Peso\n1 H 1.83 67\n2 M 1.76 58\n3 H 1.82 66\n4 M 1.60 48\n5 H 1.90 75\n6 M 1.66 55\n\n\n\n\n\n\nAntes de trabajar con datos, debemos conocer el concepto de operadores. Estos símbolos no son de uso exclusivo en R, pero no todos tienen el mismo significado que en otros softwares.\nLos operadores son símbolos que permiten, en los distintos procedimientos de procesamiento, simplificar procesos. Por ejemplo, serán útilizados cuando filtremos nuestros datos para personas de ciertas categorías, cuando calculemos variables nuevas (de manera aritmética o condicional) o, simplemente, cuando queramos hacer procesos “concatenados”.\n\n¡Veamos algunos ejemplos!\n\n20 == 5 # igualdad\n\n[1] FALSE\n\n30 >= 14 # mayor o igual que\n\n[1] TRUE\n\n22 <= 2 # menor o igual que\n\n[1] FALSE\n\n25 != 10 # no es igual a\n\n[1] TRUE\n\np = 10; y = 5; p <= y # operatoria en objetos\n\n[1] FALSE\n\n\n\n\n\n\n\nEn R, al igual que en la mayoría de lenguajes de programación, contamos con datos de diversos tipos, en razón de los cuales podemos realizar determinados procedimientos de tratamiento o análisis.\nLos tipos de datos están íntimamente relacionados con el nivel de medición de las variables a las que corresponden. Como viste en clases, la teoría de los niveles de medición contempla cuatro tipos:\n\n\n\n\nPara responder esta pregunta, ¡metamos nuestras manos en los datos!. En esta oportunidad trabajaremos sobre un subset de datos del Modulo de Desigualdad Social de la encuesta International Social Survey Programme del 2019. Esta base la descargaremos directamente desde internet por esta vez (en futuras sesiones aprenderemos cómo cargar bases de datos).\n\n#cargamos la base de datos desde internet\n\nload(url(\"https://github.com/Andreas-Lafferte/descriptiva/blob/main/data/db-proc.RData?raw=true\"))\n\nhead(rand_df) # ver primeros casos de la base\n\n pais edad sexo ideologia percepcion_conflictos\n1 Suiza 23 Hombre Izquierda 2\n2 Chile 27 Mujer Sin identificación 2\n3 Rusia 43 Mujer Sin identificación 1\n4 Finlandia 71 Mujer Sin identificación 1\n5 Japon 54 Mujer Izquierda 2\n6 Lituania 67 Mujer Sin identificación 1\n\n\n\n\nLos datos character están directamente asociados a las variables cualitativas (o categóricas). Generalmente suelen ser variables de texto abierto, como es el caso de la variable pais, que detalla el país de procedencia de la persona encuestada.\nPara conocer cuál es el tipo de variable en R, utilizamos el comando class(), y para detallar dentro de la base de datos cuál es la variable de interés, utilizamos el símbolo $ posterior a la base de datos:\n\nclass(rand_df$pais) # siempre es la misma estructura = base$variable\n\n[1] \"character\"\n\n\nSin embargo, estas variables no tienden a ser las mejores a la hora de presentar nuestros resultados. Como solución, tenemos las variables de tipo Factor.\n\n\n\nLas variables de tipo factor son ideales para trabajar con variables de tipo nominal u ordinal. Esto es así debido a que permiten establecer un orden entre las categorías de la variable, lo cual es fundamental si trabajamos, por ejemplo, con variables nominales como el sexo de los encuestados, o si trabajamos con variables ordinales como su ideología política.\n\nclass(rand_df$sexo)\n\n[1] \"factor\"\n\nclass(rand_df$ideologia)\n\n[1] \"factor\"\n\n\n\n\n\nLas variables de tipo numeric son variables de tipo númerica, las cuales pueden ser intervales o de razón. Así, por ejemplo, cuando trabajamos con variables de razón trabajamos con variables como el número de hijos o la edad (aunque sería extraño encuestar a alguien con 0 años).\n\nclass(rand_df$edad)\n\n[1] \"numeric\"" + "text": "El curso tendrá dos instancias de evaluación:\n\nTaller Colectivo: Este taller grupal (60% de la nota final) tiene por objetivo aplicar los contenidos del curso a una tématica de interés específica en formato de artículo de investigación breve. Esto implica que los estudiantes deberán plantear un fenómeno social a investigar, el problema de investigación y su relevencia, precisar el argumento o hipótesis central, describir la metodología utilizada y analizar descriptivamente variables relativas a dicho fenónomeno. Consistirá en dos informes, uno de diseño de investigación (20%) y otro de análisis y conclusiones (40%). Los talleres son elaborados en grupos de máximo 4 integrantes.\nTareas Individuales: Las tareas individuales (40% de la nota final) tienen por objetivo aplicar los contenidos del Laboratorio de Análisis de Datos y también de las clases lectivas del curso a actividades prácticas. Esto implica que los estudiantes deberán demostrar el aprendizaje de herramientas básicas de procesamiento, limpieza y manipulación de datos, además de analizar descriptivamente y visualizar variables, todo ello siendo correctamente reportado. Consistirán en 3 tareas individuales a lo largo del semestre, en donde cada una equivaldrá a un 13.3%." }, { - "objectID": "assignment/02-practico.html#video-de-clase", - "href": "assignment/02-practico.html#video-de-clase", - "title": "Práctica 2. Conocimientos básicos de programación en R", + "objectID": "trabajos.html#taller-colectivo", + "href": "trabajos.html#taller-colectivo", + "title": "Trabajos", + "section": "Taller Colectivo", + "text": "Taller Colectivo\n\nInforme 1\nEl objetivo general de la evaluación es que los estudiantes planteen un fenómeno social a investigar, el problema de investigación y su relevancia, precisar el argumento o hipótesis central, formular una pregunta y un objetivo general de investigación, y definir la base de datos y las variables a utilizar para analizar dicho fenómeno.\nTérminos de referencia del Informe N°1 Taller Colectivo: TDR1.pdf\n\n\nInforme 2\nEl objetivo general de la evaluación es que los estudiantes elaboren un reporte de investigación que desarrolle de forma integrada los aspectos de diseño de la investigación, análisis estadístico y presentación de resultados, así como la elaboración de conclusiones. Se espera que se integren las correcciones realizadas en la entrega previa.\nTérminos de referencia del Informe N°2 Taller Colectivo: TDR2.pdf" + }, + { + "objectID": "trabajos.html#tareas-individuales", + "href": "trabajos.html#tareas-individuales", + "title": "Trabajos", + "section": "Tareas Individuales", + "text": "Tareas Individuales\n\nTarea 1\nEl objetivo de esta tarea es que los estudiantes demuestren el aprendizaje de las herramientas básicas sobre procesamiento, limpieza y manipulación de datos en los softwares Excel y SPSS (aprendidas en clases).\nPauta Tarea Individual N°1: Tarea01.pdf\n\n\nTarea 2\nEl objetivo de esta tarea es que los estudiantes demuestren el aprendizaje de las herramientas básicas sobre procesamiento, limpieza y manipulación de datos en el software Rstudio (aprendidas en las sesiones 2 y 3 del Laboratorio), además de que analicen variables a través de medidas de tendencia central, dispersión y posición (aprendidas en sesión 4 del Laboratorio), sabiendo interpretar y reflexionar críticamente sobre los resultados obtenidos.\nPauta Tarea Individual N°2: Tarea02.pdf\n\n\nTarea 3\nEl objetivo de esta tarea es que los estudiantes demuestren el aprendizaje de las herramientas básicas sobre visualización de datos y análisis de la forma de una distribución utilizando el software R (aprendidas en las sesiones 6 y 7 del Laboratorio), sabiendo interpretar y reflexionar críticamente sobre los resultados obtenidos.\nPauta Tarea Individual N°3: Tarea03.pdf" + }, + { + "objectID": "schedule.html", + "href": "schedule.html", + "title": "Planificación", + "section": "", + "text": "Los dos componentes centrales del curso son las clases lectivas y las sesiones de Laboratorio de Análisis de Datos. Las clases se realizarán los días Jueves 08:30 a 11:45 en sala sala 7 y 8 del Aulario A, mientras que las sesiones de Laboratorio se realizarán los días Jueves 08:30 a 11:45 vía Zoom con una periodicidad de cada 2 semanas.\n\nClases ( ): Documentos de presentación y lecturas asociadas.\nPrácticas (): Actividades prácticas en Laboratorio de Análisis de Datos a desarrollar durante el semestre.\nEvaluaciones (): Evaluaciones individuales y colectivas a desarrollar durante el semestre.\n\n\n\n\n\n\n\n\n\n\n\n Clases\n Prácticas\n Evaluaciones\n\n\n\n\n Marzo \n\n\n\n\n\n\n\nUNIDAD 1: Sociología y estadística\n\n\n\nLunes 11\n1. La estadística como herramienta de investigación sociológica\n\n- Leer detalladamente programa del curso\n\n\nLunes 18\n2. Epistemología, límites y potencialidades de la investigación cuantitativa.\n\n\n\n\nLunes 25\n3. La medición en ciencias sociales: algunos conceptos fundamentales.\n\n\n\n\n Abril \n\n\n\n\n\nLunes 01\n4. Datos y bases de datos. Ética de la investigación con datos sociales.\n\n\n\n\nMiércoles 03\n\nPráctico 1\n\n\n\n\n\n\nUNIDAD 2: La descripción de los datos.\n\n\n\nLunes 08\n5. Medidas de tendencia central.\n\n\n\n\nMiércoles 10\n\nPráctico 2\n\n\n\nLunes 15\n6. Medidas de dispersión.\n\n\n\n\nMiércoles 17\n\nPráctico 3\n\n\n\nLunes 22\n7. Medidas de posición.\n\n\n\n\nMiércoles 24\n\nPráctico 4\n\n\n\nLunes 29\nReceso\n\n\n\n\n Mayo \n\n\n\n\n\nMiércoles 01\n\nReceso\n\n\n\nLunes 06\n8.Visualización de datos y distribuciones de datos.\n\n\n\n\nMiércoles 08\n\nPráctico 5\n\n\n\n\n\n\nUNIDAD 3: La forma de una distribución\n\n\n\n\n\n\n\n\n\nLunes 13\n9. Noción de función y distribución.\n\n\n\n\nMiércoles 15\n\nPráctico 6\n\n\n\nLunes 20\n10. Asimetría y Curtosis.\n\n\n\n\nMiércoles 22\n\nPráctico 7\n\n\n\nLunes 27\n11. Distribución normal y puntuación Z.\n\n\n\n\nMiércoles 29\n\nPráctico 8\n\n\n\n Junio \n\n\n\n\n\nLunes 03\n12. Probabilidades en la distribución normal y otras distribuciones\n\n\n\n\nMiércoles 05\n\nPráctico 9\n\n\n\n\n\n\nUNIDAD 4: Introducción a la inferencia estadística\n\n\n\n\n\n\n\n\n\nLunes 10\n13. Fundamentos de la significación estadística, universo y muestra.\n\n\n\n\nMiércoles 12\n\nPráctico 10\n\n\n\nLunes 17\n14. Noción de distribución de muestreo, parámetros y estadísticos.\n\n\n\n\nLunes 24\n15. Hipótesis y pruebas de hipótesis.\n\n\n\n\n Julio \n\n\n\n\n\nLunes 01\n16. Inferencia estadística univariada, ponderadores y factores de expansión." + }, + { + "objectID": "resource/05-resource.html", + "href": "resource/05-resource.html", + "title": "Análisis Factorial Exploratorio", + "section": "", + "text": "pacman::p_load(stargazer, # Reporte\nsjPlot, sjmisc, # reporte y gráficos\nsjlabelled,\ncorrplot, # grafico correlaciones\nxtable, # Reporte\nHmisc, # varias funciones\npsych, # fa y principal factors\npsy, # scree plot function\nnFactors, # parallel\nGPArotation) # rotación\n\nInstalling package into 'C:/Users/kevin/AppData/Local/R/win-library/4.3'\n(as 'lib' is unspecified)\n\n\nWarning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3:\n no fue posible abrir la URL 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3/PACKAGES'\n\n\n\npsy installed\nInstalling package into 'C:/Users/kevin/AppData/Local/R/win-library/4.3'\n(as 'lib' is unspecified)\n\n\nWarning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3:\n no fue posible abrir la URL 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3/PACKAGES'\n\n\n\nnFactors installed\n\n\nWarning: package 'nFactors' was built under R version 4.3.3\n\n\nInstalling package into 'C:/Users/kevin/AppData/Local/R/win-library/4.3'\n(as 'lib' is unspecified)\n\n\nWarning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3:\n no fue posible abrir la URL 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3/PACKAGES'\n\n\n\nGPArotation installed\n\n\nWarning: package 'GPArotation' was built under R version 4.3.3\n\n\n\n\n\nLectura de datos\n\ndata <- read.csv(\"input/data/efa_asignaturas.csv\")\n\n\nMuestra de 300 alumnos a los que se le pregunta por su asignatura favorita en una escala de 1 (no me agrada) a 5 (me agrada)\n\n\n\n\n\nsummary(data)\n\n BIO GEO CHEM ALG CALC \n Min. :1.000 Min. :1.00 Min. :1.000 Min. :1.00 Min. :1.000 \n 1st Qu.:1.000 1st Qu.:1.00 1st Qu.:1.000 1st Qu.:2.00 1st Qu.:2.000 \n Median :2.000 Median :2.00 Median :2.000 Median :3.00 Median :3.000 \n Mean :2.353 Mean :2.17 Mean :2.237 Mean :3.05 Mean :3.063 \n 3rd Qu.:3.000 3rd Qu.:3.00 3rd Qu.:3.000 3rd Qu.:4.00 3rd Qu.:4.000 \n Max. :5.000 Max. :5.00 Max. :5.000 Max. :5.00 Max. :5.000 \n STAT \n Min. :1.000 \n 1st Qu.:2.000 \n Median :3.000 \n Mean :2.937 \n 3rd Qu.:4.000 \n Max. :5.000 \n\nnames(data)\n\n[1] \"BIO\" \"GEO\" \"CHEM\" \"ALG\" \"CALC\" \"STAT\"\n\ndim(data) # filas columnas\n\n[1] 300 6\n\nnrow(na.omit(data)) # número de casos con datos completos\n\n[1] 300" + }, + { + "objectID": "resource/05-resource.html#librerías", + "href": "resource/05-resource.html#librerías", + "title": "Análisis Factorial Exploratorio", + "section": "", + "text": "pacman::p_load(stargazer, # Reporte\nsjPlot, sjmisc, # reporte y gráficos\nsjlabelled,\ncorrplot, # grafico correlaciones\nxtable, # Reporte\nHmisc, # varias funciones\npsych, # fa y principal factors\npsy, # scree plot function\nnFactors, # parallel\nGPArotation) # rotación\n\nInstalling package into 'C:/Users/kevin/AppData/Local/R/win-library/4.3'\n(as 'lib' is unspecified)\n\n\nWarning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3:\n no fue posible abrir la URL 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3/PACKAGES'\n\n\n\npsy installed\nInstalling package into 'C:/Users/kevin/AppData/Local/R/win-library/4.3'\n(as 'lib' is unspecified)\n\n\nWarning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3:\n no fue posible abrir la URL 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3/PACKAGES'\n\n\n\nnFactors installed\n\n\nWarning: package 'nFactors' was built under R version 4.3.3\n\n\nInstalling package into 'C:/Users/kevin/AppData/Local/R/win-library/4.3'\n(as 'lib' is unspecified)\n\n\nWarning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3:\n no fue posible abrir la URL 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3/PACKAGES'\n\n\n\nGPArotation installed\n\n\nWarning: package 'GPArotation' was built under R version 4.3.3" + }, + { + "objectID": "resource/05-resource.html#datos", + "href": "resource/05-resource.html#datos", + "title": "Análisis Factorial Exploratorio", + "section": "", + "text": "Lectura de datos\n\ndata <- read.csv(\"input/data/efa_asignaturas.csv\")\n\n\nMuestra de 300 alumnos a los que se le pregunta por su asignatura favorita en una escala de 1 (no me agrada) a 5 (me agrada)" + }, + { + "objectID": "resource/05-resource.html#exploración-de-datos", + "href": "resource/05-resource.html#exploración-de-datos", + "title": "Análisis Factorial Exploratorio", + "section": "", + "text": "summary(data)\n\n BIO GEO CHEM ALG CALC \n Min. :1.000 Min. :1.00 Min. :1.000 Min. :1.00 Min. :1.000 \n 1st Qu.:1.000 1st Qu.:1.00 1st Qu.:1.000 1st Qu.:2.00 1st Qu.:2.000 \n Median :2.000 Median :2.00 Median :2.000 Median :3.00 Median :3.000 \n Mean :2.353 Mean :2.17 Mean :2.237 Mean :3.05 Mean :3.063 \n 3rd Qu.:3.000 3rd Qu.:3.00 3rd Qu.:3.000 3rd Qu.:4.00 3rd Qu.:4.000 \n Max. :5.000 Max. :5.00 Max. :5.000 Max. :5.00 Max. :5.000 \n STAT \n Min. :1.000 \n 1st Qu.:2.000 \n Median :3.000 \n Mean :2.937 \n 3rd Qu.:4.000 \n Max. :5.000 \n\nnames(data)\n\n[1] \"BIO\" \"GEO\" \"CHEM\" \"ALG\" \"CALC\" \"STAT\"\n\ndim(data) # filas columnas\n\n[1] 300 6\n\nnrow(na.omit(data)) # número de casos con datos completos\n\n[1] 300" + }, + { + "objectID": "resource/05-resource.html#gráfico-barras-apiladas", + "href": "resource/05-resource.html#gráfico-barras-apiladas", + "title": "Análisis Factorial Exploratorio", + "section": "Gráfico barras apiladas", + "text": "Gráfico barras apiladas\n\n#sjplot(data$BIO, \"frq\") # no muy buena descripción ...\n\nnames(data)\n\n[1] \"BIO\" \"GEO\" \"CHEM\" \"ALG\" \"CALC\" \"STAT\"\n\nplot_stackfrq(data)\n\n\n\n\nGráfico final\n\n#label values\n\ndata <- data %>% set_labels (., labels=c(\"No le agrada\"=1,\n \"Le agrada\"=5))\n\nplot_stackfrq(data, sort.frq = \"last.desc\", geom.colors = \"OrRd\") #+ theme(legend.position=\"bottom\")" + }, + { + "objectID": "resource/05-resource.html#analisis-de-matriz-de-correlaciones", + "href": "resource/05-resource.html#analisis-de-matriz-de-correlaciones", + "title": "Análisis Factorial Exploratorio", + "section": "Analisis de matriz de correlaciones", + "text": "Analisis de matriz de correlaciones\nMatriz\n\ncorMat <- cor(data) # estimar matriz pearson\noptions(digits=2)\ncorMat # muestra matriz\n\n BIO GEO CHEM ALG CALC STAT\nBIO 1.00 0.68 0.747 0.115 0.21 0.20\nGEO 0.68 1.00 0.681 0.135 0.20 0.23\nCHEM 0.75 0.68 1.000 0.084 0.14 0.17\nALG 0.12 0.14 0.084 1.000 0.77 0.41\nCALC 0.21 0.20 0.136 0.771 1.00 0.51\nSTAT 0.20 0.23 0.166 0.409 0.51 1.00\n\n\nReporte tabla\n\ntab_corr(data, triangle = \"lower\")\n\n\n\n\n \nBIO\nGEO\nCHEM\nALG\nCALC\nSTAT\n\n\nBIO\n \n \n \n \n \n \n\n\nGEO\n0.682***\n \n \n \n \n \n\n\nCHEM\n0.747***\n0.681***\n \n \n \n \n\n\nALG\n0.115*\n0.135*\n0.084\n \n \n \n\n\nCALC\n0.213***\n0.205***\n0.136*\n0.771***\n \n \n\n\nSTAT\n0.203***\n0.232***\n0.166**\n0.409***\n0.507***\n \n\n\nComputed correlation used pearson-method with listwise-deletion.\n\n\n\n\n\nReporte gráfico con corrplot\n\nM=cor(data) # matriz simple de correlaciones de los datos\ncorrplot(M, type=\"lower\") # lower x bajo diagonal\n\n\n\n\nOtra opción\n\ncorrplot(M, type=\"lower\",\n order=\"AOE\", cl.pos=\"b\", tl.pos=\"d\") #agrega nombres en diag." + }, + { + "objectID": "resource/05-resource.html#seleccion-de-numero-de-factores", + "href": "resource/05-resource.html#seleccion-de-numero-de-factores", + "title": "Análisis Factorial Exploratorio", + "section": "Seleccion de numero de factores", + "text": "Seleccion de numero de factores\nGraficos\n\nscree.plot(data)\n\n\n\n\n\nfa.parallel(corMat, n.obs=300)\n\n\n\n\nParallel analysis suggests that the number of factors = 2 and the number of components = 2 \n\n\n\nlibrary(nFactors)\nev <- eigen(corMat) # get eigenvalues\nap <- parallel(subject=300,var=6,\n rep=100,cent=.05)\nnS <- nScree(x=ev$values, aparallel=ap$eigen$qevpea)\nplotnScree(nS)\n\n\n\n\nFactor de aceleración: solución numérica que muestra el punto que presenta el mayor cambio de pendiente\nOptimal coordinates: muestra el primer eigenvalue que puede ser mejor “extrapolado” desde el eigenvalue previo (“optimal coordinates are the extrapolated coordinates of the previous eigenvalue that allow the observed eigenvalue to go beyond this extrapolation” (http://www.inside-r.org/packages/cran/nFactors/docs/nScree)" + }, + { + "objectID": "resource/05-resource.html#extracción", + "href": "resource/05-resource.html#extracción", + "title": "Análisis Factorial Exploratorio", + "section": "Extracción", + "text": "Extracción\nEjes principales\n\nfac_pa <- fa(r = data, nfactors = 2, fm= \"pa\")\n#summary(fac_pa)\nfac_pa\n\nFactor Analysis using method = pa\nCall: fa(r = data, nfactors = 2, fm = \"pa\")\nStandardized loadings (pattern matrix) based upon correlation matrix\n PA1 PA2 h2 u2 com\nBIO 0.86 0.02 0.75 0.255 1.0\nGEO 0.78 0.05 0.63 0.369 1.0\nCHEM 0.87 -0.05 0.75 0.253 1.0\nALG -0.04 0.81 0.65 0.354 1.0\nCALC 0.01 0.96 0.92 0.081 1.0\nSTAT 0.13 0.50 0.29 0.709 1.1\n\n PA1 PA2\nSS loadings 2.14 1.84\nProportion Var 0.36 0.31\nCumulative Var 0.36 0.66\nProportion Explained 0.54 0.46\nCumulative Proportion 0.54 1.00\n\n With factor correlations of \n PA1 PA2\nPA1 1.00 0.21\nPA2 0.21 1.00\n\nMean item complexity = 1\nTest of the hypothesis that 2 factors are sufficient.\n\ndf null model = 15 with the objective function = 2.9 with Chi Square = 849\ndf of the model are 4 and the objective function was 0.01 \n\nThe root mean square of the residuals (RMSR) is 0.01 \nThe df corrected root mean square of the residuals is 0.02 \n\nThe harmonic n.obs is 300 with the empirical chi square 0.78 with prob < 0.94 \nThe total n.obs was 300 with Likelihood Chi Square = 3.3 with prob < 0.51 \n\nTucker Lewis Index of factoring reliability = 1\nRMSEA index = 0 and the 90 % confidence intervals are 0 0.08\nBIC = -20\nFit based upon off diagonal values = 1\nMeasures of factor score adequacy \n PA1 PA2\nCorrelation of (regression) scores with factors 0.94 0.96\nMultiple R square of scores with factors 0.88 0.93\nMinimum correlation of possible factor scores 0.77 0.86\n\n\nMaximum likelihood\n\nfac_ml <- fa(r = data, nfactors = 2, fm= \"ml\")\nsummary(fac_ml)\n\nPlot de cargas factoriales ml\n\nfactor.plot(fac_ml, labels=rownames(fac_ml$loadings))\n\n\n\n\nObtención de Puntajes factoriales\nLos puntajes factoriales son vectores/variables que representan al factor latente como una variable observada y que por lo tanto suma una columna a la base de datos por cada factor extraído. Como la variable latente no tiene métrica, se le otorga una con media 0 y varianza 1. Los puntajes son una especie de índice pero donde la constribución de cada indicador al índice se encuentra ponderada por su carga factorial (su contribución a la variable latente común o factor).\n\nfac_ml <- fa(r = data, nfactors = 2, fm= \"ml\", scores=\"regression\")\ndata2=data\ndata3 <- cbind(data2, fac_ml$scores)\nhead(data3)\n\n BIO GEO CHEM ALG CALC STAT ML2 ML1\n1 1 1 1 1 1 1 -1.110 -1.84\n2 4 4 3 4 4 4 1.153 0.85\n3 2 1 3 4 1 1 -0.188 -1.61\n4 2 3 2 4 4 3 -0.013 0.82\n5 3 1 2 2 3 4 -0.070 -0.11\n6 1 1 1 4 4 4 -1.022 0.84" + }, + { + "objectID": "resource/05-resource.html#rotación", + "href": "resource/05-resource.html#rotación", + "title": "Análisis Factorial Exploratorio", + "section": "Rotación", + "text": "Rotación\nVarimax (ortogonal)\n\nfac_ml_var <- fa(r = data, nfactors = 2, fm= \"ml\", rotate=\"varimax\") # ortogonal\nfac_ml_var\n\nFactor Analysis using method = ml\nCall: fa(r = data, nfactors = 2, rotate = \"varimax\", fm = \"ml\")\nStandardized loadings (pattern matrix) based upon correlation matrix\n ML2 ML1 h2 u2 com\nBIO 0.85 0.13 0.75 0.252 1.0\nGEO 0.78 0.13 0.63 0.375 1.1\nCHEM 0.86 0.06 0.75 0.249 1.0\nALG 0.03 0.79 0.63 0.374 1.0\nCALC 0.10 0.97 0.95 0.048 1.0\nSTAT 0.17 0.51 0.29 0.715 1.2\n\n ML2 ML1\nSS loadings 2.12 1.86\nProportion Var 0.35 0.31\nCumulative Var 0.35 0.66\nProportion Explained 0.53 0.47\nCumulative Proportion 0.53 1.00\n\nMean item complexity = 1.1\nTest of the hypothesis that 2 factors are sufficient.\n\ndf null model = 15 with the objective function = 2.9 with Chi Square = 849\ndf of the model are 4 and the objective function was 0.01 \n\nThe root mean square of the residuals (RMSR) is 0.01 \nThe df corrected root mean square of the residuals is 0.02 \n\nThe harmonic n.obs is 300 with the empirical chi square 0.97 with prob < 0.91 \nThe total n.obs was 300 with Likelihood Chi Square = 2.9 with prob < 0.57 \n\nTucker Lewis Index of factoring reliability = 1\nRMSEA index = 0 and the 90 % confidence intervals are 0 0.076\nBIC = -20\nFit based upon off diagonal values = 1\nMeasures of factor score adequacy \n ML2 ML1\nCorrelation of (regression) scores with factors 0.94 0.98\nMultiple R square of scores with factors 0.88 0.95\nMinimum correlation of possible factor scores 0.76 0.91\n\n\nPromax (oblicua)\n\nfac_ml_pro <- fa(r = data, nfactors = 2, fm= \"ml\", rotate=\"promax\")\nfac_ml_pro\n\nFactor Analysis using method = ml\nCall: fa(r = data, nfactors = 2, rotate = \"promax\", fm = \"ml\")\nStandardized loadings (pattern matrix) based upon correlation matrix\n ML2 ML1 h2 u2 com\nBIO 0.86 0.02 0.75 0.252 1.0\nGEO 0.78 0.03 0.63 0.375 1.0\nCHEM 0.88 -0.06 0.75 0.249 1.0\nALG -0.09 0.81 0.63 0.374 1.0\nCALC -0.05 0.99 0.95 0.048 1.0\nSTAT 0.10 0.50 0.29 0.715 1.1\n\n ML2 ML1\nSS loadings 2.12 1.86\nProportion Var 0.35 0.31\nCumulative Var 0.35 0.66\nProportion Explained 0.53 0.47\nCumulative Proportion 0.53 1.00\n\n With factor correlations of \n ML2 ML1\nML2 1.00 0.28\nML1 0.28 1.00\n\nMean item complexity = 1\nTest of the hypothesis that 2 factors are sufficient.\n\ndf null model = 15 with the objective function = 2.9 with Chi Square = 849\ndf of the model are 4 and the objective function was 0.01 \n\nThe root mean square of the residuals (RMSR) is 0.01 \nThe df corrected root mean square of the residuals is 0.02 \n\nThe harmonic n.obs is 300 with the empirical chi square 0.97 with prob < 0.91 \nThe total n.obs was 300 with Likelihood Chi Square = 2.9 with prob < 0.57 \n\nTucker Lewis Index of factoring reliability = 1\nRMSEA index = 0 and the 90 % confidence intervals are 0 0.076\nBIC = -20\nFit based upon off diagonal values = 1\nMeasures of factor score adequacy \n ML2 ML1\nCorrelation of (regression) scores with factors 0.94 0.98\nMultiple R square of scores with factors 0.89 0.96\nMinimum correlation of possible factor scores 0.77 0.91" + }, + { + "objectID": "resource/05-resource.html#reporte-tabla-análisis-factorial", + "href": "resource/05-resource.html#reporte-tabla-análisis-factorial", + "title": "Análisis Factorial Exploratorio", + "section": "Reporte: Tabla análisis factorial", + "text": "Reporte: Tabla análisis factorial\nA html via sjPlot\n\ntab_fa(data, rotation = \"varimax\",show.comm = TRUE, title = \"Análisis factorial asignaturas\")\n\nParallel analysis suggests that the number of factors = 2 and the number of components = NA \n\n\n\nAnálisis factorial asignaturas\n\n\n \nFactor 1\nFactor 2\nCommunality\n\n\nBIO\n0.85\n0.13\n0.75\n\n\nGEO\n0.78\n0.13\n0.63\n\n\nCHEM\n0.86\n0.06\n0.75\n\n\nALG\n0.03\n0.79\n0.63\n\n\nCALC\n0.10\n0.97\n0.95\n\n\nSTAT\n0.17\n0.51\n0.29\n\n\nTotal Communalities\n\n3.99\n\n\nCronbach's α\n0.88\n0.79" + }, + { + "objectID": "resource/03-resource.html", + "href": "resource/03-resource.html", + "title": "Importar datos en R", + "section": "", + "text": "pacman::p_load(tidyverse,\n sjmisc,\n dplyr,\n haven, # para .dta, .sav\n readr, # para .csv\n readxl) # para archivos excel \n\n\n\n\n\n\nLos archivos con extensión .dta generalmente provienen de Stata, es decir, son bases o datos procesadas en dicho software. Para estos archivos, así como aquellos que vienen en .sav, usamos el paquete haven(). En estos casos siempre es conveniente señalar el tipo de encoding en el argumento, en este caso, usamos \"UTF-8\" que corresponde al estandar.\n\nelsoc_2022 <- haven::read_dta(file = \"input/data/ELSOC_W06_v1.0_Stata.dta\", encoding = \"UTF-8\")\n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n <dbl> <dbl+lbl> <dbl> <dbl+lbl> <dbl+lbl> <dbl+lbl> <dbl+l>\n 1 1101011 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 2 1101012 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 3 1101023 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 4 1101041 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 5 1101081 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 6 1101082 6 [2022] 202201 1 [Muest… 1 [Peruanos] 1 [Completa] 1 [CAP…\n 7 1101102 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 8 1101103 6 [2022] 202201 1 [Muest… 1 [Peruanos] 1 [Completa] 1 [CAP…\n 9 1101111 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n10 1101113 6 [2022] 202201 1 [Muest… 1 [Peruanos] 1 [Completa] 1 [CAP…\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento <dbl>, comuna <chr>, comuna_cod <dbl+lbl>,\n# region <chr>, region_cod <dbl+lbl>, estrato <dbl+lbl>, ponderador01 <dbl>,\n# ponderador02 <dbl>, fact_exp01 <dbl>, fact_exp02 <dbl>, r05_01 <dbl+lbl>,\n# r05_02 <dbl+lbl>, r06 <dbl+lbl>, r07 <dbl+lbl>, r08 <dbl+lbl>,\n# r09 <dbl+lbl>, r10 <dbl+lbl>, r11 <dbl+lbl>, r12_01 <dbl+lbl>,\n# r12_02 <dbl+lbl>, r12_03 <dbl+lbl>, r12_04 <dbl+lbl>, r12_05 <dbl+lbl>, …\n\n\n\n\n\nPara los archivos con extension .csv usamos el paquete readr::. Importante es que los archivos .csv vienen separados por comas ,.\n\nelsoc_2022 <- readr::read_csv(file =\"input/data/ELSOC_W06_v1.0_CSV.csv\")\n\nRows: 2730 Columns: 437\n── Column specification ────────────────────────────────────────────────────────\nDelimiter: \",\"\nchr (14): comuna, region, c12_09_otro, c16_otro, c17_otro, c20_otro, m36_o...\ndbl (422): idencuesta, ola, version, muestra, cuestion_mig, cuestion_comple...\ndate (1): fecha_entr\n\nℹ Use `spec()` to retrieve the full column specification for this data.\nℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.\n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>\n 1 1101011 6 202201 1 2 1 1\n 2 1101012 6 202201 1 2 1 1\n 3 1101023 6 202201 1 2 1 1\n 4 1101041 6 202201 1 2 1 1\n 5 1101081 6 202201 1 2 1 1\n 6 1101082 6 202201 1 1 1 1\n 7 1101102 6 202201 1 2 1 1\n 8 1101103 6 202201 1 1 1 1\n 9 1101111 6 202201 1 2 1 1\n10 1101113 6 202201 1 1 1 1\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento <dbl>, comuna <chr>, comuna_cod <dbl>,\n# region <chr>, region_cod <dbl>, estrato <dbl>, ponderador01 <dbl>,\n# ponderador02 <dbl>, fact_exp01 <dbl>, fact_exp02 <dbl>, r05_01 <dbl>,\n# r05_02 <dbl>, r06 <dbl>, r07 <dbl>, r08 <dbl>, r09 <dbl>, r10 <dbl>,\n# r11 <dbl>, r12_01 <dbl>, r12_02 <dbl>, r12_03 <dbl>, r12_04 <dbl>,\n# r12_05 <dbl>, r12_06 <dbl>, r12_07 <dbl>, r13_nredes <dbl>, …\n\n\n\n\n\nPara los archivos que provienen de Excel, tales como los .xlsx usamos el paquete readxl::. Noten que podemos cargar la base completa, como en el primer ejemplo, pero también podemos especificarle que queremos determinadas columnas y filas de un archivo Excel, como en el segundo ejmplo.\n\nelsoc_2022 <- readxl::read_excel(\"input/data/ELSOC_W06_v1.0_EXCEL.xlsx\")\n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>\n 1 1101011 6 202201 1 2 1 1\n 2 1101012 6 202201 1 2 1 1\n 3 1101023 6 202201 1 2 1 1\n 4 1101041 6 202201 1 2 1 1\n 5 1101081 6 202201 1 2 1 1\n 6 1101082 6 202201 1 1 1 1\n 7 1101102 6 202201 1 2 1 1\n 8 1101103 6 202201 1 1 1 1\n 9 1101111 6 202201 1 2 1 1\n10 1101113 6 202201 1 1 1 1\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento <dbl>, comuna <chr>, comuna_cod <dbl>,\n# region <chr>, region_cod <dbl>, estrato <dbl>, ponderador01 <dbl>,\n# ponderador02 <dbl>, fact_exp01 <dbl>, fact_exp02 <dbl>, r05_01 <dbl>,\n# r05_02 <dbl>, r06 <dbl>, r07 <dbl>, r08 <dbl>, r09 <dbl>, r10 <dbl>,\n# r11 <dbl>, r12_01 <dbl>, r12_02 <dbl>, r12_03 <dbl>, r12_04 <dbl>,\n# r12_05 <dbl>, r12_06 <dbl>, r12_07 <dbl>, r13_nredes <dbl>, …\n\n\nEn este caso le especificamos la hoja del excel en donde están los datos, y también le indicamos el rango que son las columnas y filas que queremos ver. Esto siempre sigue el mismo formato: “COLUMNAFILA_INICIO:COLUMNAFILA_FINAL”. No necesariamente tienen que ser todas las columnas o filas, eso lo podemos cambiar según necesitemos.\n\nelsoc_2022 <- readxl::read_excel(path = \"input/data/ELSOC_W06_v1.0_EXCEL.xlsx\",\n sheet = 1, # indicamos la hoja del excel,\n range = \"A1:PU2731\")\n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>\n 1 1101011 6 202201 1 2 1 1\n 2 1101012 6 202201 1 2 1 1\n 3 1101023 6 202201 1 2 1 1\n 4 1101041 6 202201 1 2 1 1\n 5 1101081 6 202201 1 2 1 1\n 6 1101082 6 202201 1 1 1 1\n 7 1101102 6 202201 1 2 1 1\n 8 1101103 6 202201 1 1 1 1\n 9 1101111 6 202201 1 2 1 1\n10 1101113 6 202201 1 1 1 1\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento <dbl>, comuna <chr>, comuna_cod <dbl>,\n# region <chr>, region_cod <dbl>, estrato <dbl>, ponderador01 <dbl>,\n# ponderador02 <dbl>, fact_exp01 <dbl>, fact_exp02 <dbl>, r05_01 <dbl>,\n# r05_02 <dbl>, r06 <dbl>, r07 <dbl>, r08 <dbl>, r09 <dbl>, r10 <dbl>,\n# r11 <dbl>, r12_01 <dbl>, r12_02 <dbl>, r12_03 <dbl>, r12_04 <dbl>,\n# r12_05 <dbl>, r12_06 <dbl>, r12_07 <dbl>, r13_nredes <dbl>, …\n\n\nSeleccionamos solo algunas columnas. Ahora vemos que solo tenemos 26 columnas:\n\nelsoc_2022 <- readxl::read_excel(path = \"input/data/ELSOC_W06_v1.0_EXCEL.xlsx\",\n sheet = 1, # indicamos la hoja del excel,\n range = \"A1:Z2731\")\n\nelsoc_2022\n\n# A tibble: 2,730 × 26\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>\n 1 1101011 6 202201 1 2 1 1\n 2 1101012 6 202201 1 2 1 1\n 3 1101023 6 202201 1 2 1 1\n 4 1101041 6 202201 1 2 1 1\n 5 1101081 6 202201 1 2 1 1\n 6 1101082 6 202201 1 1 1 1\n 7 1101102 6 202201 1 2 1 1\n 8 1101103 6 202201 1 1 1 1\n 9 1101111 6 202201 1 2 1 1\n10 1101113 6 202201 1 1 1 1\n# ℹ 2,720 more rows\n# ℹ 19 more variables: segmento <dbl>, comuna <chr>, comuna_cod <dbl>,\n# region <chr>, region_cod <dbl>, estrato <dbl>, ponderador01 <dbl>,\n# ponderador02 <dbl>, fact_exp01 <dbl>, fact_exp02 <dbl>, r05_01 <dbl>,\n# r05_02 <dbl>, r06 <dbl>, r07 <dbl>, r08 <dbl>, r09 <dbl>, r10 <dbl>,\n# r11 <dbl>, r12_01 <dbl>\n\n\n\n\n\nCuando los datos vienen en formato .R no es necesario asinarle un objeto, lo podemos hacer después de ser necesario. Para leer estos archivos usamos la función load() de R base.\n\nbase::load(file = \"input/data/ELSOC_W06_v1.0_R.RData\") \n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n <dbl> <dbl> <int> <dbl> <dbl> <dbl> <dbl>\n 1 1101011 6 202201 1 2 1 1\n 2 1101012 6 202201 1 2 1 1\n 3 1101023 6 202201 1 2 1 1\n 4 1101041 6 202201 1 2 1 1\n 5 1101081 6 202201 1 2 1 1\n 6 1101082 6 202201 1 1 1 1\n 7 1101102 6 202201 1 2 1 1\n 8 1101103 6 202201 1 1 1 1\n 9 1101111 6 202201 1 2 1 1\n10 1101113 6 202201 1 1 1 1\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento <dbl>, comuna <chr>, comuna_cod <dbl>,\n# region <chr>, region_cod <dbl>, estrato <dbl>, ponderador01 <dbl>,\n# ponderador02 <dbl>, fact_exp01 <dbl>, fact_exp02 <dbl>, r05_01 <dbl>,\n# r05_02 <dbl>, r06 <dbl>, r07 <dbl>, r08 <dbl>, r09 <dbl>, r10 <dbl>,\n# r11 <dbl>, r12_01 <dbl>, r12_02 <dbl>, r12_03 <dbl>, r12_04 <dbl>,\n# r12_05 <dbl>, r12_06 <dbl>, r12_07 <dbl>, r13_nredes <dbl>, …" + }, + { + "objectID": "resource/03-resource.html#cargar-librerías", + "href": "resource/03-resource.html#cargar-librerías", + "title": "Importar datos en R", + "section": "", + "text": "pacman::p_load(tidyverse,\n sjmisc,\n dplyr,\n haven, # para .dta, .sav\n readr, # para .csv\n readxl) # para archivos excel" + }, + { + "objectID": "resource/03-resource.html#cargar-datos-en-distintos-formatos", + "href": "resource/03-resource.html#cargar-datos-en-distintos-formatos", + "title": "Importar datos en R", + "section": "", + "text": "Los archivos con extensión .dta generalmente provienen de Stata, es decir, son bases o datos procesadas en dicho software. Para estos archivos, así como aquellos que vienen en .sav, usamos el paquete haven(). En estos casos siempre es conveniente señalar el tipo de encoding en el argumento, en este caso, usamos \"UTF-8\" que corresponde al estandar.\n\nelsoc_2022 <- haven::read_dta(file = \"input/data/ELSOC_W06_v1.0_Stata.dta\", encoding = \"UTF-8\")\n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n <dbl> <dbl+lbl> <dbl> <dbl+lbl> <dbl+lbl> <dbl+lbl> <dbl+l>\n 1 1101011 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 2 1101012 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 3 1101023 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 4 1101041 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 5 1101081 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 6 1101082 6 [2022] 202201 1 [Muest… 1 [Peruanos] 1 [Completa] 1 [CAP…\n 7 1101102 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 8 1101103 6 [2022] 202201 1 [Muest… 1 [Peruanos] 1 [Completa] 1 [CAP…\n 9 1101111 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n10 1101113 6 [2022] 202201 1 [Muest… 1 [Peruanos] 1 [Completa] 1 [CAP…\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento <dbl>, comuna <chr>, comuna_cod <dbl+lbl>,\n# region <chr>, region_cod <dbl+lbl>, estrato <dbl+lbl>, ponderador01 <dbl>,\n# ponderador02 <dbl>, fact_exp01 <dbl>, fact_exp02 <dbl>, r05_01 <dbl+lbl>,\n# r05_02 <dbl+lbl>, r06 <dbl+lbl>, r07 <dbl+lbl>, r08 <dbl+lbl>,\n# r09 <dbl+lbl>, r10 <dbl+lbl>, r11 <dbl+lbl>, r12_01 <dbl+lbl>,\n# r12_02 <dbl+lbl>, r12_03 <dbl+lbl>, r12_04 <dbl+lbl>, r12_05 <dbl+lbl>, …\n\n\n\n\n\nPara los archivos con extension .csv usamos el paquete readr::. Importante es que los archivos .csv vienen separados por comas ,.\n\nelsoc_2022 <- readr::read_csv(file =\"input/data/ELSOC_W06_v1.0_CSV.csv\")\n\nRows: 2730 Columns: 437\n── Column specification ────────────────────────────────────────────────────────\nDelimiter: \",\"\nchr (14): comuna, region, c12_09_otro, c16_otro, c17_otro, c20_otro, m36_o...\ndbl (422): idencuesta, ola, version, muestra, cuestion_mig, cuestion_comple...\ndate (1): fecha_entr\n\nℹ Use `spec()` to retrieve the full column specification for this data.\nℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.\n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>\n 1 1101011 6 202201 1 2 1 1\n 2 1101012 6 202201 1 2 1 1\n 3 1101023 6 202201 1 2 1 1\n 4 1101041 6 202201 1 2 1 1\n 5 1101081 6 202201 1 2 1 1\n 6 1101082 6 202201 1 1 1 1\n 7 1101102 6 202201 1 2 1 1\n 8 1101103 6 202201 1 1 1 1\n 9 1101111 6 202201 1 2 1 1\n10 1101113 6 202201 1 1 1 1\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento <dbl>, comuna <chr>, comuna_cod <dbl>,\n# region <chr>, region_cod <dbl>, estrato <dbl>, ponderador01 <dbl>,\n# ponderador02 <dbl>, fact_exp01 <dbl>, fact_exp02 <dbl>, r05_01 <dbl>,\n# r05_02 <dbl>, r06 <dbl>, r07 <dbl>, r08 <dbl>, r09 <dbl>, r10 <dbl>,\n# r11 <dbl>, r12_01 <dbl>, r12_02 <dbl>, r12_03 <dbl>, r12_04 <dbl>,\n# r12_05 <dbl>, r12_06 <dbl>, r12_07 <dbl>, r13_nredes <dbl>, …\n\n\n\n\n\nPara los archivos que provienen de Excel, tales como los .xlsx usamos el paquete readxl::. Noten que podemos cargar la base completa, como en el primer ejemplo, pero también podemos especificarle que queremos determinadas columnas y filas de un archivo Excel, como en el segundo ejmplo.\n\nelsoc_2022 <- readxl::read_excel(\"input/data/ELSOC_W06_v1.0_EXCEL.xlsx\")\n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>\n 1 1101011 6 202201 1 2 1 1\n 2 1101012 6 202201 1 2 1 1\n 3 1101023 6 202201 1 2 1 1\n 4 1101041 6 202201 1 2 1 1\n 5 1101081 6 202201 1 2 1 1\n 6 1101082 6 202201 1 1 1 1\n 7 1101102 6 202201 1 2 1 1\n 8 1101103 6 202201 1 1 1 1\n 9 1101111 6 202201 1 2 1 1\n10 1101113 6 202201 1 1 1 1\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento <dbl>, comuna <chr>, comuna_cod <dbl>,\n# region <chr>, region_cod <dbl>, estrato <dbl>, ponderador01 <dbl>,\n# ponderador02 <dbl>, fact_exp01 <dbl>, fact_exp02 <dbl>, r05_01 <dbl>,\n# r05_02 <dbl>, r06 <dbl>, r07 <dbl>, r08 <dbl>, r09 <dbl>, r10 <dbl>,\n# r11 <dbl>, r12_01 <dbl>, r12_02 <dbl>, r12_03 <dbl>, r12_04 <dbl>,\n# r12_05 <dbl>, r12_06 <dbl>, r12_07 <dbl>, r13_nredes <dbl>, …\n\n\nEn este caso le especificamos la hoja del excel en donde están los datos, y también le indicamos el rango que son las columnas y filas que queremos ver. Esto siempre sigue el mismo formato: “COLUMNAFILA_INICIO:COLUMNAFILA_FINAL”. No necesariamente tienen que ser todas las columnas o filas, eso lo podemos cambiar según necesitemos.\n\nelsoc_2022 <- readxl::read_excel(path = \"input/data/ELSOC_W06_v1.0_EXCEL.xlsx\",\n sheet = 1, # indicamos la hoja del excel,\n range = \"A1:PU2731\")\n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>\n 1 1101011 6 202201 1 2 1 1\n 2 1101012 6 202201 1 2 1 1\n 3 1101023 6 202201 1 2 1 1\n 4 1101041 6 202201 1 2 1 1\n 5 1101081 6 202201 1 2 1 1\n 6 1101082 6 202201 1 1 1 1\n 7 1101102 6 202201 1 2 1 1\n 8 1101103 6 202201 1 1 1 1\n 9 1101111 6 202201 1 2 1 1\n10 1101113 6 202201 1 1 1 1\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento <dbl>, comuna <chr>, comuna_cod <dbl>,\n# region <chr>, region_cod <dbl>, estrato <dbl>, ponderador01 <dbl>,\n# ponderador02 <dbl>, fact_exp01 <dbl>, fact_exp02 <dbl>, r05_01 <dbl>,\n# r05_02 <dbl>, r06 <dbl>, r07 <dbl>, r08 <dbl>, r09 <dbl>, r10 <dbl>,\n# r11 <dbl>, r12_01 <dbl>, r12_02 <dbl>, r12_03 <dbl>, r12_04 <dbl>,\n# r12_05 <dbl>, r12_06 <dbl>, r12_07 <dbl>, r13_nredes <dbl>, …\n\n\nSeleccionamos solo algunas columnas. Ahora vemos que solo tenemos 26 columnas:\n\nelsoc_2022 <- readxl::read_excel(path = \"input/data/ELSOC_W06_v1.0_EXCEL.xlsx\",\n sheet = 1, # indicamos la hoja del excel,\n range = \"A1:Z2731\")\n\nelsoc_2022\n\n# A tibble: 2,730 × 26\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>\n 1 1101011 6 202201 1 2 1 1\n 2 1101012 6 202201 1 2 1 1\n 3 1101023 6 202201 1 2 1 1\n 4 1101041 6 202201 1 2 1 1\n 5 1101081 6 202201 1 2 1 1\n 6 1101082 6 202201 1 1 1 1\n 7 1101102 6 202201 1 2 1 1\n 8 1101103 6 202201 1 1 1 1\n 9 1101111 6 202201 1 2 1 1\n10 1101113 6 202201 1 1 1 1\n# ℹ 2,720 more rows\n# ℹ 19 more variables: segmento <dbl>, comuna <chr>, comuna_cod <dbl>,\n# region <chr>, region_cod <dbl>, estrato <dbl>, ponderador01 <dbl>,\n# ponderador02 <dbl>, fact_exp01 <dbl>, fact_exp02 <dbl>, r05_01 <dbl>,\n# r05_02 <dbl>, r06 <dbl>, r07 <dbl>, r08 <dbl>, r09 <dbl>, r10 <dbl>,\n# r11 <dbl>, r12_01 <dbl>\n\n\n\n\n\nCuando los datos vienen en formato .R no es necesario asinarle un objeto, lo podemos hacer después de ser necesario. Para leer estos archivos usamos la función load() de R base.\n\nbase::load(file = \"input/data/ELSOC_W06_v1.0_R.RData\") \n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n <dbl> <dbl> <int> <dbl> <dbl> <dbl> <dbl>\n 1 1101011 6 202201 1 2 1 1\n 2 1101012 6 202201 1 2 1 1\n 3 1101023 6 202201 1 2 1 1\n 4 1101041 6 202201 1 2 1 1\n 5 1101081 6 202201 1 2 1 1\n 6 1101082 6 202201 1 1 1 1\n 7 1101102 6 202201 1 2 1 1\n 8 1101103 6 202201 1 1 1 1\n 9 1101111 6 202201 1 2 1 1\n10 1101113 6 202201 1 1 1 1\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento <dbl>, comuna <chr>, comuna_cod <dbl>,\n# region <chr>, region_cod <dbl>, estrato <dbl>, ponderador01 <dbl>,\n# ponderador02 <dbl>, fact_exp01 <dbl>, fact_exp02 <dbl>, r05_01 <dbl>,\n# r05_02 <dbl>, r06 <dbl>, r07 <dbl>, r08 <dbl>, r09 <dbl>, r10 <dbl>,\n# r11 <dbl>, r12_01 <dbl>, r12_02 <dbl>, r12_03 <dbl>, r12_04 <dbl>,\n# r12_05 <dbl>, r12_06 <dbl>, r12_07 <dbl>, r13_nredes <dbl>, …" + }, + { + "objectID": "resource/01-resource.html", + "href": "resource/01-resource.html", + "title": "Bases de datos", + "section": "", + "text": "Encuestas CEP\nELSOC\nCASEN\nENETS\nENE\nESI\nENCLA\nENUT\nEstudios PNUD\nENDIDE\nEANNA" + }, + { + "objectID": "resource/01-resource.html#nacionales", + "href": "resource/01-resource.html#nacionales", + "title": "Bases de datos", + "section": "", + "text": "Encuestas CEP\nELSOC\nCASEN\nENETS\nENE\nESI\nENCLA\nENUT\nEstudios PNUD\nENDIDE\nEANNA" + }, + { + "objectID": "resource/01-resource.html#internacionales", + "href": "resource/01-resource.html#internacionales", + "title": "Bases de datos", + "section": "Internacionales", + "text": "Internacionales\n\nILO\nWID\nSWIID\nICTWSS\nOECD\nBanco Mundial" + }, + { + "objectID": "resource/01-resource.html#comparativas", + "href": "resource/01-resource.html#comparativas", + "title": "Bases de datos", + "section": "Comparativas", + "text": "Comparativas\n\nWorld Values Survey\nISSP\nESS\nLAPOP\nLatinobarómetro" + }, + { + "objectID": "class/index.html", + "href": "class/index.html", + "title": "Presentaciones y lecturas", + "section": "", + "text": "En esta sección se encuentran las presentaciones de las clases lectivas de la cátedra de Estadística Descriptiva.\nTodo el material es accesible desde el menú de la izquierda <–" + }, + { + "objectID": "class/08-class.html#lecturas", + "href": "class/08-class.html#lecturas", + "title": "Presentación", + "section": "Lecturas", + "text": "Lecturas" + }, + { + "objectID": "class/06-class.html#lecturas", + "href": "class/06-class.html#lecturas", + "title": "Presentación", + "section": "Lecturas", + "text": "Lecturas" + }, + { + "objectID": "class/04-class.html#lecturas", + "href": "class/04-class.html#lecturas", + "title": "Presentación", + "section": "Lecturas", + "text": "Lecturas" + }, + { + "objectID": "class/02-class.html#lecturas", + "href": "class/02-class.html#lecturas", + "title": "Presentación", + "section": "Lecturas", + "text": "Lecturas" + }, + { + "objectID": "assignment/index.html", + "href": "assignment/index.html", + "title": "Laboratorio de Análisis de Datos", + "section": "", + "text": "En esta sección se encuentran las guías prácticas a desarrollar durante las sesiones del Laboratorio de Análisis de Datos.\nTodo el material es accesible desde el menú de la izquierda <–" + }, + { + "objectID": "assignment/index.html#instrucciones-generales-para-las-prácticas", + "href": "assignment/index.html#instrucciones-generales-para-las-prácticas", + "title": "Laboratorio de Análisis de Datos", + "section": "Instrucciones generales para las prácticas", + "text": "Instrucciones generales para las prácticas\n\nLas instancia prácticas consisten en el desarrollo de una guía práctica cada 2 semanas donde se aplican y profundizan los contenidos de las clases mediante las herramientas del lenguaje R. La organización de estas prácticas se puede revisar en la planificación del curso.\nEstas sesiones acompañarán el desarrollo de las guías prácticas disponibles en este sitio.\nEn las prácticas vamos a trabajar con el software R, Versión 4.2.2\nPara poder tener una asesoría y monitoreo más cercano en el desarrollo de las guías, los estudiantes han sido divididos en grupos asignados a un/a ayudante (ver en UCursos).\nEl trabajo con estas guías se organiza en los siguientes momentos:\n\nlas sesiones de laboratorios serán en modalidad online, en donde el equipo docente guiará el desarrollo del práctico\nel equipo docente mostrará el código para cada sesión, el cual contendrá los mismos contenidos de las guías alojadas en este sitio\nen paralelo, cada estudiante realiza esta guía de manera autónoma durante la sesión de laboratorio en su propio computador, apoyándose en el código que mostrarán los apoyos docentes\nen caso de dudas, las realizan en los foros disponibles o se contactan directamente con su ayudante" + }, + { + "objectID": "assignment/index.html#trabajo-con-software-r", + "href": "assignment/index.html#trabajo-con-software-r", + "title": "Laboratorio de Análisis de Datos", + "section": "Trabajo con software R", + "text": "Trabajo con software R\nPara los análisis estadísticos de este curso usamos el programa R, en parte porque es gratuito, pero la principal razón es que es de código abierto. Esto quiere decir que cualquier persona puede revisar cómo está hecho y aportar con modificaciones y procedimientos nuevos, como son las librerías que realizan funciones específicas.\nEl carácter de apertura de R posee muchas ventajas, pero también conlleva complicaciones. Se actualiza permanentemente, así como también las librerías, y esto puede generar problemas de compatibilidad y de fallas en ejecución del código de análisis.\nPara minimizar estos posibles problemas en este curso, vamos a:\n\ntrabajar con la misma y última versión de R, que es la 4.2\nevitar uso de tilde, ñ, espacios y mayúsculas tanto en carpetas y archivos, así como también en los nombres de las variables\nal momento de hacer consultas sobre problemas en la ejecución del código, adjuntar la siguiente información:\n\nCódigo completo hasta que se produce el problema\nIndicar línea del código donde se produce el problema\nAdjuntar el resultado del output de la información de la sesión (sessionInfo())\n\n\n\nInstalación de R & RStudio\nPara esta versión del curso vamos a trabajar con el programa R Version 4.2 (se sugiere la última versión 4.2.2) y con RStudio, que ofrece un entorno más amigable para trabajar con R.\nPara instalar R: ir a https://cran.r-project.org/index.html y bajar/instalar la versión correspondiente a la plataforma utilizada (Windows, Mac o Linux)\nPara instalar RStudio: ir a https://posit.co/downloads/ y bajar/instalar RStudio desktop, Open Source License (libre).\nSi por alguna razón se prefiere trabajar sin descargar, también se puede utilizar RCloud, abajo un tutorial de una versión anterior del curso de estadística multivarada\n\n\n\n\n\n\n\nSobre el trabajo en hojas de código en RStudio\n\nEl trabajo de análisis en RStudio se efectua en una hoja de código (o R script o sintaxis, o para los usuarios de Stata la do-file), que es donde se anotan los comandos y funciones. Para abrir una hoja, en RStudio ir a File > New File > R Script (o ctrl+shift+N),y aparecerá un panel con una pestaña “Untitled” (sin título). Esta es la hoja de código donde se anotan los comandos.\nLos contenidos de las hojas de código son básicamente 2:\n\ncomandos o funciones: se escriben en la hoja, y para ejecutarlos se debe posicionar el cursor en la línea respectiva y ctrl+enter, el resultado aparecerá en el panel de resultados o Consola.\ntexto: para escribir títulos, comentarios, y todo lo que permita entender qué se está haciendo, al principio de la línea respectiva escribir el signo #\n\nPara grabar nuestra hoja de código y así respaldar nuestros análisis, File > Save (o ctrl+s), y dar un nombre al archivo. Recordar: breve, sin espacios ni tildes ni eñes. Por defecto, la extensión de estos archivos es .R" + }, + { + "objectID": "assignment/07-practico.html", + "href": "assignment/07-practico.html", + "title": "Práctica 7. Forma de una distribución", + "section": "", + "text": "El objetivo de esta guía práctica es aplicar los conocimientos aprendidos en clases sobre la forma de una distribución en R, comprendiendo sus usos, relevancia y formas de analizarla.\nEn detalle, aprenderemos:\n\nLa noción de una distribución y sus tipos (continuas y discretas)\nEstimar e interpretar la asimetría y curtosis de una distribución\nContrastar distribuciones empíricas con teóricas\n\n\n\n\nEn esta práctica trabajeremos con los datos procesados que obtuvimos en la práctica anterior, en la cual trabajamos sobre la Encuesta de Opinión Pública (CEP) de Diciembre del 2019 realizada por el Centro de Estudios Públicos." + }, + { + "objectID": "assignment/07-practico.html#objetivo-de-la-práctica", + "href": "assignment/07-practico.html#objetivo-de-la-práctica", + "title": "Práctica 7. Forma de una distribución", + "section": "", + "text": "El objetivo de esta guía práctica es aplicar los conocimientos aprendidos en clases sobre la forma de una distribución en R, comprendiendo sus usos, relevancia y formas de analizarla.\nEn detalle, aprenderemos:\n\nLa noción de una distribución y sus tipos (continuas y discretas)\nEstimar e interpretar la asimetría y curtosis de una distribución\nContrastar distribuciones empíricas con teóricas" + }, + { + "objectID": "assignment/07-practico.html#recursos-de-la-práctica", + "href": "assignment/07-practico.html#recursos-de-la-práctica", + "title": "Práctica 7. Forma de una distribución", + "section": "", + "text": "En esta práctica trabajeremos con los datos procesados que obtuvimos en la práctica anterior, en la cual trabajamos sobre la Encuesta de Opinión Pública (CEP) de Diciembre del 2019 realizada por el Centro de Estudios Públicos." + }, + { + "objectID": "assignment/07-practico.html#distribuciones-continuas-y-discretas", + "href": "assignment/07-practico.html#distribuciones-continuas-y-discretas", + "title": "Práctica 7. Forma de una distribución", + "section": "1. Distribuciones continuas y discretas", + "text": "1. Distribuciones continuas y discretas\nExisten dos tipos de distribuciones según el nivel de medición de las variables: las continuas y las discretas.\nComo cabe esperar, las distribuciones continuas aplican a variables numericas (intervalares y de razón). Es una distribución que describe la probabilidad o frecuencia de que una variable continua tome un valor particular dado un intervalo o un rango. Toma valores a lo largo de un continuo de dominio (\\(R\\)), es decir, su dominio son todos los números reales.\n\n\n`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.\n\n\n\n\n\nPor su parte, las distribuciones discretas son comunmente utilizadas con variables categóricas (nominales y ordinales). Son distribuciones en las que una variable sólo puede tomar un número contable de valores distintos. En otras palabras, es una distribución en la que la variable sólo puede tomar valores específicos, en lugar de cualquier valor dentro de un intervalo. Su dominio es un conjunto de valores enteros (\\(N, Z, Q\\))." + }, + { + "objectID": "assignment/07-practico.html#preparación-de-datos", + "href": "assignment/07-practico.html#preparación-de-datos", + "title": "Práctica 7. Forma de una distribución", + "section": "1. Preparación de datos", + "text": "1. Preparación de datos\nCargamos las librerías y datos que ocuparemos\n\npacman::p_load(tidyverse, \n psych, \n sjmisc) \n\noptions(scipen = 999) \nrm(list = ls()) \n\nproc_cep <- readRDS(\"Output/proc_cep.RData\")" + }, + { + "objectID": "assignment/07-practico.html#análisis-de-la-forma-de-distribución", + "href": "assignment/07-practico.html#análisis-de-la-forma-de-distribución", + "title": "Práctica 7. Forma de una distribución", + "section": "2. Análisis de la forma de distribución", + "text": "2. Análisis de la forma de distribución\nAnalicemos e interpretemos la forma de la distribución de nuestras variables. En este ejemplo tenemos:\n\nuna de razón,\nuna ordinal de 10 categorías.\n\n\npsych::describe(proc_cep$edad)\n\n vars n mean sd median trimmed mad min max range skew kurtosis se\nX1 1 1474 48.43 17.84 48.5 48.01 21.5 18 99 81 0.14 -0.93 0.46\n\nggplot(data = proc_cep, \n mapping = aes(x = edad)) + \n geom_density(color = \"black\", fill = \"#FA8072\", alpha = 0.8) + \n labs(title =\"Diagrama densidad: Edad\", \n x = \"Edad\", \n y = \"Frecuencia\",\n caption = \"Fuente: Elaboración propia en base a Encuesta CEP Diciembre 2019.\") \n\n\n\n\nA partir de los estadísticos entregados, sabemos que la variable edad tiene una asimetría positiva (skew = 0.14) pero baja (< 0.5), lo cual indica que los datos se tienden a distribuir hacía los menores valores del eje X. Por su parte, la curtosis es negativa (kurtosis = -0.93) o platicúrtica, lo cual indica que existe una baja concentración en el centro de los datos.\n\npsych::describe(proc_cep$satisfaccion)\n\n vars n mean sd median trimmed mad min max range skew kurtosis se\nX1 1 1474 6.87 2.18 7 6.97 2.97 1 10 9 -0.32 -0.45 0.06\n\nggplot(data = proc_cep, \n mapping = aes(x = satisfaccion)) + \n geom_density(color = \"black\", fill = \"darkred\", alpha = 0.8) + \n labs(title =\"Histograma densidad: Satisfaccion\", \n x = \"Satisfaccion\", \n y = \"Frecuencia\",\n caption = \"Fuente: Elaboración propia en base a Encuesta CEP Diciembre 2019.\") \n\n\n\n\nEn cuanto a la variable satisfaccion, tenemos una asimetría negativa (skew = -0.32) aunque baja, indicando que los datos se tienden a distribuir hacia la parte superior de la variable. Además, la curtosis también es negativa o platicúrtica (kurtosis = -0.45), por lo que existe una baja concentración en el centro de los datos." + }, + { + "objectID": "assignment/07-practico.html#resumen", + "href": "assignment/07-practico.html#resumen", + "title": "Práctica 7. Forma de una distribución", + "section": "Resumen", + "text": "Resumen\nHoy aprendimos a visualizar datos en R. En detalle, vimos:\n\nLa noción de una distribución y sus tipos (continuas y discretas)\nEstimar e interpretar la asimetría y curtosis de una distribución\nContrastar distribuciones empíricas con teóricas" + }, + { + "objectID": "assignment/07-practico.html#video-tutorial", + "href": "assignment/07-practico.html#video-tutorial", + "title": "Práctica 7. Forma de una distribución", + "section": "Video tutorial", + "text": "Video tutorial" + }, + { + "objectID": "assignment/05-practico.html", + "href": "assignment/05-practico.html", + "title": "Práctica 5. Repaso procesamiento y análisis de datos en R", + "section": "", + "text": "El objetivo de esta guía práctica es repasar los procedimientos básicos para el procesamiento y análisis descripivo de datos en R, los cuales fueron vistos en las sesiones pasadas del laboratorio.\nEn detalle, aprenderemos:\n\nEstablecer un flujo de trabajo en R.\nProcesar, limpiar y transformar bases de datos en R.\nRealizar análisis desciptivos (medidas de posición, tendencia central y dispersión) en R.\n\n¡Al final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación y análisis de datos!\n\n\n\nEn esta práctica trabajaremos con un subset de los datos del Estudio Longitudinal Social de Chile (ELSOC) realizado por COES. Esta base la pueden encontrar en el canal de U-Cursos sección Material Docente, o bien, en el siguiente enlace ELSOC 2022 podrán descargar el archivo que contiene la base ELSOC 2022.\nRecuerden que siempre es importante trabajar con el manual/libro de códigos de las bases de datos. El manual de la ELSOC 2022 lo pueden encontrar aquí." + }, + { + "objectID": "assignment/05-practico.html#objetivo-de-la-práctica", + "href": "assignment/05-practico.html#objetivo-de-la-práctica", + "title": "Práctica 5. Repaso procesamiento y análisis de datos en R", + "section": "", + "text": "El objetivo de esta guía práctica es repasar los procedimientos básicos para el procesamiento y análisis descripivo de datos en R, los cuales fueron vistos en las sesiones pasadas del laboratorio.\nEn detalle, aprenderemos:\n\nEstablecer un flujo de trabajo en R.\nProcesar, limpiar y transformar bases de datos en R.\nRealizar análisis desciptivos (medidas de posición, tendencia central y dispersión) en R.\n\n¡Al final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación y análisis de datos!" + }, + { + "objectID": "assignment/05-practico.html#recursos-de-la-práctica", + "href": "assignment/05-practico.html#recursos-de-la-práctica", + "title": "Práctica 5. Repaso procesamiento y análisis de datos en R", + "section": "", + "text": "En esta práctica trabajaremos con un subset de los datos del Estudio Longitudinal Social de Chile (ELSOC) realizado por COES. Esta base la pueden encontrar en el canal de U-Cursos sección Material Docente, o bien, en el siguiente enlace ELSOC 2022 podrán descargar el archivo que contiene la base ELSOC 2022.\nRecuerden que siempre es importante trabajar con el manual/libro de códigos de las bases de datos. El manual de la ELSOC 2022 lo pueden encontrar aquí." + }, + { + "objectID": "assignment/05-practico.html#video-de-clase", + "href": "assignment/05-practico.html#video-de-clase", + "title": "Práctica 5. Repaso procesamiento y análisis de datos en R", "section": "Video de clase", - "text": "Video de clase" + "text": "Video de clase\n\nPrimer bloque\n\n\n\nSegundo bloque" }, { "objectID": "assignment/03-practico.html", @@ -27,19 +300,40 @@ "section": "", "text": "El objetivo de esta guía práctica es revisar algunos procedimientos básicos de la preparación de datos con R, los cuales son necesarios para luego poder aplicar los contenidos más específicos de este curso.\nEn detalle, aprenderemos:\n\nEstablecer un flujo de trabajo ordenado en un script (.R).\nInstalar y cargar paquetes y librerías, así como también leer bases de datos en R.\nLimpiar, transformar y exportar bases de datos en R.\n\n¡Al final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación de datos!\n\n\n\nEn esta práctica trabajaremos con un subset de los datos del Estudio Longitudinal Social de Chile (ELSOC) realizado por COES. Esta base la pueden encontrar en el canal de U-Cursos sección Material Docente, o bien, en el siguiente enlace ELSOC 2022 podrán descargar el archivo que contiene la base ELSOC 2022.\nRecuerden que siempre es importante trabajar con el manual/libro de códigos de las bases de datos. El manual de la ELSOC 2022 lo pueden encontrar aquí.\n\n\n\nPor temas de orden y reproducibilidad, en este curso vamos a separar en dos momentos el trabajo con datos, y dos archivos de código correspondientes:\n\nPreparación: corresponde a lo que se conoce generalmente como “limpieza”, es decir, realizar las modificaciones necesarias a los datos para poder efectuar los análisis. Estas modificaciones previas al análisis son necesarias ya que los datos originales con los que se va a trabajar en general no vienen perfectamente adaptados a los análisis que se quieren hacer. Por lo tanto, en cuanto a datos también hacemos la distinción entre datos originales y datos preparados (o procesados).\nAnálisis: se relaciona con análisis estadísticos, en este caso descriptivos, asociados a las preguntas e hipótesis de investigación.\n\nLos procesos de preparación y análisis vinculados tanto a datos y resultados se presentan en el siguiente esquema:\n\nTanto la preparación como el análisis (que son parte del concepto más general de procesamiento) quedan registrados cada uno en un archivo de código respectivo.\nEn esta guía nos centraremos en la preparación de datos con R. El documento de código de preparación tiene, por lo menos, 4 partes más una sección de identificación inicial:\n\nIdentificación y descripción general: Título, autor(es), fecha, información breve sobre el contenido del documento\nLibrerías: instalar/cargar librerías a utilizar\nDatos: carga de datos\nProcesamiento: limpiar y transformar datos\nGuardar y exportar: generación de base de datos preparada para el análisis\n\nEn la práctica, tu script debería (ojalá siempre) verse así:" }, + { + "objectID": "assignment/03-practico.html#objetivo-de-la-práctica", + "href": "assignment/03-practico.html#objetivo-de-la-práctica", + "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", + "section": "", + "text": "El objetivo de esta guía práctica es revisar algunos procedimientos básicos de la preparación de datos con R, los cuales son necesarios para luego poder aplicar los contenidos más específicos de este curso.\nEn detalle, aprenderemos:\n\nEstablecer un flujo de trabajo ordenado en un script (.R).\nInstalar y cargar paquetes y librerías, así como también leer bases de datos en R.\nLimpiar, transformar y exportar bases de datos en R.\n\n¡Al final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación de datos!" + }, + { + "objectID": "assignment/03-practico.html#recursos-de-la-práctica", + "href": "assignment/03-practico.html#recursos-de-la-práctica", + "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", + "section": "", + "text": "En esta práctica trabajaremos con un subset de los datos del Estudio Longitudinal Social de Chile (ELSOC) realizado por COES. Esta base la pueden encontrar en el canal de U-Cursos sección Material Docente, o bien, en el siguiente enlace ELSOC 2022 podrán descargar el archivo que contiene la base ELSOC 2022.\nRecuerden que siempre es importante trabajar con el manual/libro de códigos de las bases de datos. El manual de la ELSOC 2022 lo pueden encontrar aquí." + }, + { + "objectID": "assignment/03-practico.html#flujo-de-trabajo-reproducible", + "href": "assignment/03-practico.html#flujo-de-trabajo-reproducible", + "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", + "section": "", + "text": "Por temas de orden y reproducibilidad, en este curso vamos a separar en dos momentos el trabajo con datos, y dos archivos de código correspondientes:\n\nPreparación: corresponde a lo que se conoce generalmente como “limpieza”, es decir, realizar las modificaciones necesarias a los datos para poder efectuar los análisis. Estas modificaciones previas al análisis son necesarias ya que los datos originales con los que se va a trabajar en general no vienen perfectamente adaptados a los análisis que se quieren hacer. Por lo tanto, en cuanto a datos también hacemos la distinción entre datos originales y datos preparados (o procesados).\nAnálisis: se relaciona con análisis estadísticos, en este caso descriptivos, asociados a las preguntas e hipótesis de investigación.\n\nLos procesos de preparación y análisis vinculados tanto a datos y resultados se presentan en el siguiente esquema:\n\nTanto la preparación como el análisis (que son parte del concepto más general de procesamiento) quedan registrados cada uno en un archivo de código respectivo.\nEn esta guía nos centraremos en la preparación de datos con R. El documento de código de preparación tiene, por lo menos, 4 partes más una sección de identificación inicial:\n\nIdentificación y descripción general: Título, autor(es), fecha, información breve sobre el contenido del documento\nLibrerías: instalar/cargar librerías a utilizar\nDatos: carga de datos\nProcesamiento: limpiar y transformar datos\nGuardar y exportar: generación de base de datos preparada para el análisis\n\nEn la práctica, tu script debería (ojalá siempre) verse así:" + }, { "objectID": "assignment/03-practico.html#cargar-librerías", "href": "assignment/03-practico.html#cargar-librerías", "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", "section": "1 Cargar librerías", - "text": "1 Cargar librerías\nEn R se trabaja a partir de paquetes (packages). ¿Qué son? De forma resumida, los paquetes son un conjunto de funciones o herramientas que pueden ser usadas en R. Los directorios de R donde se almacenan los paquetes se denominan librerías. La lógica es instalar paquetes y luego cargar (o llamar) las librerías cada vez que es necesario usarlas.\nUsualmente para cargar paquetes lo hacemos de la siguiente manera:\n\ninstall.packages(\"paquete\")\nlibrary(paquete)\n\nPero en esta ocasión utilizaremos un paquete llamado pacman, que facilita y agiliza la lectura (instalación y carga) de los paquetes a utilizar en R. De esta forma lo instalamos 1 única vez así:\n\ninstall.packages(\"pacman\")\nlibrary(pacman)\n\nLuego instalaremos y cargaremos los paquetes de R de la siguiente manera, volviendo más eficiente el procedimiento de carga de paquetes.\nEn este práctico utilizaremos seis paquetes\n\npacman: este facilita y agiliza la lectura de los paquetes a utilizar en R\ntidyverse: colección de paquetes, de la cual utilizaremos dplyr y haven\ndplyr: nos permite seleccionar variables de un set de datos\nhaven: cargar y exportar bases de datos en formatos .sav y .dta\ncar: para recodificar/agrupar valores de variables\nmagrittr: para manipular datos con %>%\n\n\npacman::p_load(tidyverse, # colección de paquetes para manipulación de datos\n dplyr, # para manipular datos\n haven, # para importar datos\n car, # para recodificar datos\n magrittr)# para manipular datos\n\noptions(scipen = 999) # para desactivar notacion cientifica\nrm(list = ls()) # para limpiar el entorno de trabajo\n\nComo se puede ver, antes de la función p_load hay un ::, esto se refiere a que se “fuerza” que esa función provenga de ese paquete (en este caso del paquete pacman)." + "text": "1 Cargar librerías\nEn R se trabaja a partir de paquetes (packages). ¿Qué son? De forma resumida, los paquetes son un conjunto de funciones o herramientas que pueden ser usadas en R. Los directorios de R donde se almacenan los paquetes se denominan librerías. La lógica es instalar paquetes y luego cargar (o llamar) las librerías cada vez que es necesario usarlas.\nUsualmente para cargar paquetes lo hacemos de la siguiente manera:\n\ninstall.packages(\"paquete\")\nlibrary(paquete)\n\nPero en esta ocasión utilizaremos un paquete llamado pacman, que facilita y agiliza la lectura (instalación y carga) de los paquetes a utilizar en R. De esta forma lo instalamos 1 única vez así:\n\ninstall.packages(\"pacman\")\nlibrary(pacman)\n\nLuego instalaremos y cargaremos los paquetes de R de la siguiente manera, volviendo más eficiente el procedimiento de carga de paquetes.\nEn este práctico utilizaremos seis paquetes\n\npacman: este facilita y agiliza la lectura de los paquetes a utilizar en R\ntidyverse: colección de paquetes, de la cual utilizaremos dplyr y haven\ndplyr: nos permite seleccionar variables de un set de datos\nhaven: cargar y exportar bases de datos en formatos .sav y .dta\ncar: para recodificar/agrupar valores de variables\nmagrittr: para manipular datos con %>%\n\n\npacman::p_load(tidyverse, # colección de paquetes para manipulación de datos\n dplyr, # para manipular datos\n haven, # para importar datos\n car, # para recodificar datos\n magrittr)# para manipular datos\n\noptions(scipen = 999) # para desactivar notacion cientifica\nrm(list = ls()) # para limpiar el entorno de trabajo\n\nComo se puede ver, antes de la función p_load hay un ::, esto se refiere a que se “fuerza” que esa función provenga de ese paquete (en este caso del paquete pacman)." }, { "objectID": "assignment/03-practico.html#importar-datos", "href": "assignment/03-practico.html#importar-datos", "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", "section": "2 Importar datos", - "text": "2 Importar datos\nEn R es es posible importar y exportar datos que se encuentren en cualquier formato: ya sea .csv, .dta, .sav, .xlsx y, por supuesto, .rds y .RData. Sin embargo, para poder hacerlo lo primero es instalar y cargar las librerías que contienen las funciones necesarias para la importación de distintos tipos de archivos.\nPero, ¿dónde están mis datos? Como hemos mencionado, nuestros datos los dejaremos en la carpeta input/data de nuestro proyecto. La base con la que trabajaremos en este práctico pueden encontrarla en el material docente en U-Cursos, o bien, en el siguiente enlace.\nLuego de descargar la base de datos, asegurate de dejar el archivo .sav en la carpeta input/data de tu proyecto. Nota: Los datos tendrán distinto nombre según su formato (.sav, .csv, .dta, etc.).\nUna vez descargados los datos y cargado el paquete haven, procedemos a importar nuestra base de datos. Para ello, en nuestro script, dejamos indicado que a partir de la lectura de los datos con read_sav(), crearemos un objeto llamado elsoc_2022. Fijate en el Enviroment, ya que si lo anterior se logra, el objeto aparecerá allí.\nLa estructura general para importar datos es la siguiente:\nread_*(\"ruta_hacia_archivo/nombre_archivo.*\")\n\nelsoc_2022 <- read_sav(\"ELSOC W06 v1.0 SPSS.sav\") # No funciona\n\nelsoc_2022 <- read_sav(\"input/data/ELSOC W06 v1.0 SPSS.sav\") # No funciona\n\nelsoc_2022 <- read_sav(\"input/data/ELSOC_W06_v1.0_SPSS.sav\") # Si funciona!\n\n\n\n\n\n\n\nNota\n\n\n\nPara importar los datos en R debemos tener en consideración tres cosas:\n\nCómo se llaman los datos (en nuestro caso ELSOC_W05_v1.0_SPSS)\nEl formato de nuestros datos (en nuestro caso .sav)\nEl lugar de donde están alojados nuestros datos\n\n\n\n\n2.1.1 Importar datos en otros formatos\nNo siempre nuestros datos vendrán en un único formato. Para ello, R cuenta con otras formas de leer distintos tipos de formatos. Puedes ver las principales en el siguiente enlace." + "text": "2 Importar datos\nEn R es es posible importar y exportar datos que se encuentren en cualquier formato: ya sea .csv, .dta, .sav, .xlsx y, por supuesto, .rds y .RData. Sin embargo, para poder hacerlo lo primero es instalar y cargar las librerías que contienen las funciones necesarias para la importación de distintos tipos de archivos.\nPero, ¿dónde están mis datos? Como hemos mencionado, nuestros datos los dejaremos en la carpeta input/data de nuestro proyecto. La base con la que trabajaremos en este práctico pueden encontrarla en el material docente en U-Cursos, o bien, en el siguiente enlace.\nLuego de descargar la base de datos, asegurate de dejar el archivo .sav en la carpeta input/data de tu proyecto. Nota: Los datos tendrán distinto nombre según su formato (.sav, .csv, .dta, etc.).\nUna vez descargados los datos y cargado el paquete haven, procedemos a importar nuestra base de datos. Para ello, en nuestro script, dejamos indicado que a partir de la lectura de los datos con read_sav(), crearemos un objeto llamado elsoc_2022. Fijate en el Enviroment, ya que si lo anterior se logra, el objeto aparecerá allí.\nLa estructura general para importar datos es la siguiente:\nread_*(\"ruta_hacia_archivo/nombre_archivo.*\")\n\nelsoc_2022 <- read_sav(\"ELSOC W06 v1.0 SPSS.sav\") # No funciona\n\nelsoc_2022 <- read_sav(\"input/data/ELSOC W06 v1.0 SPSS.sav\") # No funciona\n\nelsoc_2022 <- read_sav(\"input/data/ELSOC_W06_v1.0_SPSS.sav\") # Si funciona!\n\n\n\n\n\n\n\nNota\n\n\n\nPara importar los datos en R debemos tener en consideración tres cosas:\n\nCómo se llaman los datos (en nuestro caso ELSOC_W05_v1.0_SPSS)\nEl formato de nuestros datos (en nuestro caso .sav)\nEl lugar de donde están alojados nuestros datos\n\n\n\n\n2.1.1 Importar datos en otros formatos\nNo siempre nuestros datos vendrán en un único formato. Para ello, R cuenta con otras formas de leer distintos tipos de formatos. Puedes ver las principales en el siguiente enlace." }, { "objectID": "assignment/03-practico.html#explorar-datos", @@ -53,42 +347,140 @@ "href": "assignment/03-practico.html#limpiar-datos", "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", "section": "4 Limpiar datos", - "text": "4 Limpiar datos\nPara todos los subprocesos que involucra la “limpieza” de datos, tenemos al menos dos maneras. Por un lado, podemos usar las funciones de R base, es decir, que no requieren paquetes extras. Por el otro, podemos usar las funciones del paquete dplyr(), que es una gramática o dialecto de manipulación de datos que proporciona un conjunto de coherente funciones o “verbos” básicos para programar.\n\n\n\n\n\n\n\n\n\nPero, ¿por qué gramática y verbos? Porque a diferencia de otras formas de programar, dplyr() está orientado a escribir código como la escritura normal, es decir, de izquierda a derecha. Generalmente, la estructura de dplyr() es:\ndplyr::funcion(datos, variable1, variable2, variable_n)\nEn este práctico solo nos centraremos en manipular datos con dplyr(). Para conocer cómo hacer lo mismo pero con R base visita este enlace.\n\n\n4.1 Seleccionar\nUna vez tenemos claras cúales son las variables que nos interesan, las seleccionamos y almacenamos en una nueva base de datos. Esto debido que evitará confusiones y hará más eficiente nuestros analísis en términos de memoria.\nEn R base, el primer argumento dentro del bracket [] refiere a las filas y el segundo a las columnas. De manera similar, la función select() de dplyr facilita el trabajo a la hora de seleccionar variables. La estructura general del comando siempre es select(datos, variable1, variable2, variable3).\nHay distintas formas de usar select(), ¡veámoslas!\nPor indexación o ubicación en la base de datos:\n\ndplyr::select(elsoc_2022, 1, 2) # la primera y la segunda columna\n\ndplyr::select(elsoc_2022, 1:4) # la primera hasta la cuarta columna\n\ndplyr::select(elsoc_2022, c(1, 4, 5)) # la primera, la cuarta y la quinta columna\n\nTambién podemos usar el nombre de la variable/columna. Si conocemos el nombre de la variable simplemente lo podemos poner y se seleccionará. Con select() no es necesario poner los nombres con comillas \" \":\n\ndplyr::select(elsoc_2022, m0_sexo, m0_edad, m13)\n\n# A tibble: 1,000 × 3\n m0_sexo m0_edad m13\n \n 1 Hombre 38 4000000\n 2 Mujer 45 2700000\n 3 Hombre 42 600000\n 4 Hombre 29 1250000\n 5 Mujer 53 500000\n 6 Mujer 52 NA\n 7 Mujer 50 NA\n 8 Mujer 57 0\n 9 Mujer 47 600000\n10 Hombre 79 NA\n# ℹ 990 more rows\n\n\nOtra cosa que podemos hacer es renombrar las variables al momento de seleccionarlas, para que tengan un sentido más sustantivo para nosotros.\n\ndplyr::select(elsoc_2022, sexo = m0_sexo, edad = m0_edad, ingreso = m13)\n\n# A tibble: 1,000 × 3\n sexo edad ingreso\n \n 1 Hombre 38 4000000\n 2 Mujer 45 2700000\n 3 Hombre 42 600000\n 4 Hombre 29 1250000\n 5 Mujer 53 500000\n 6 Mujer 52 NA\n 7 Mujer 50 NA\n 8 Mujer 57 0\n 9 Mujer 47 600000\n10 Hombre 79 NA\n# ℹ 990 more rows\n\n\nPor último, podemos usar select() para reordenar nuestras variables, lo cual es importante por si por ejemplo utilizamos variables de identificación.\n\ndplyr::select(elsoc_2022, m0_edad, m0_sexo, c25, m13)\n\n# A tibble: 1,000 × 4\n m0_edad m0_sexo c25 m13\n \n 1 38 Hombre 1 4000000\n 2 45 Mujer 1 2700000\n 3 42 Hombre 3 600000\n 4 29 Hombre 1 1250000\n 5 53 Mujer 2 500000\n 6 52 Mujer 3 NA\n 7 50 Mujer 2 NA\n 8 57 Mujer 1 0\n 9 47 Mujer 1 600000\n10 79 Hombre 2 NA\n# ℹ 990 more rows\n\n\nAhora, ¡apliquemos conocimientos! seleccionando y renombrando las variables de interés en un nueva base llamada proc_elsoc.\nEn este ejemplo utilizaremos las siguientes variables:\n\nm0_sexo: sexo del entrevistado\nm0_edad: edad del entrevistado\nm13: ingreso mensual entrevistado\nc25: preferencia entre autoritarismo y democracia\nf05_01: justificación violencia hacia delincuentes\n\n\nproc_elsoc <- dplyr::select(elsoc_2022, \n edad = m0_edad,\n sexo = m0_sexo,\n ingreso = m13,\n autor_democ = c25,\n jv_delincuentes = f05_01)\n\nproc_elsoc\n\n# A tibble: 1,000 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n \n 1 38 Hombre 4000000 1 NA\n 2 45 Mujer 2700000 1 3\n 3 42 Hombre 600000 3 NA\n 4 29 Hombre 1250000 1 1\n 5 53 Mujer 500000 2 3\n 6 52 Mujer NA 3 2\n 7 50 Mujer NA 2 5\n 8 57 Mujer 0 1 4\n 9 47 Mujer 600000 1 3\n10 79 Hombre NA 2 1\n# ℹ 990 more rows\n\n\nEsta nueva base de datos sigue manteniendo los 1.000 casos/filas, pero ahora solo tiene 5 variables/columnas. ¿Qué pasa si solo quiero trabajar con un subconjunto de estos datos, por ejemplo, las mujeres mayores a 25 años? La respuesta es filtrar.\n\n\n4.2 Filtrar\nTal y como regularmente no trabajamos con todas las variables de una base de datos, no siempre desearemos trabajar con todas las observaciones que tenemos en los datos. Habrá ocasiones (varias) en las que querremos trabajar con casos que cumplan ciertas condiciones; que sean de determinada edad, residencia, tiempo o que simplemente hayan respondido de determinada forma una pregunta.\nCon dplyr podemos filtrar nuestros datos con el comando filter(), en el cual debemos especificar los datos y las condiciones que queremos aplicarle a determinadas variables.\n\ndplyr::filter(proc_elsoc, autor_democ == 1)\n\n# A tibble: 552 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n \n 1 38 Hombre 4000000 1 NA\n 2 45 Mujer 2700000 1 3\n 3 29 Hombre 1250000 1 1\n 4 57 Mujer 0 1 4\n 5 47 Mujer 600000 1 3\n 6 39 Hombre 1350000 1 4\n 7 61 Mujer NA 1 3\n 8 25 Hombre NA 1 2\n 9 42 Hombre 1100000 1 4\n10 51 Hombre 800000 1 1\n# ℹ 542 more rows\n\n\nPara indicarle a R que nos filtre aquellos casos que cumplen con la condición de ser iguales a 1 (autor_democ == 1), usamos el operador ==. ¿Y esto de dónde salió? recuerda que los operadores en R los vimos en la segunda sesión\nTambién podemos agregar muchas condiciones para filtrar nuestros datos. Solamente debemos agregarlo, usando los operadores relacionales de R.\n\ndplyr::filter(proc_elsoc, autor_democ == 1 & edad >= 25)\n\n# A tibble: 544 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n \n 1 38 Hombre 4000000 1 NA\n 2 45 Mujer 2700000 1 3\n 3 29 Hombre 1250000 1 1\n 4 57 Mujer 0 1 4\n 5 47 Mujer 600000 1 3\n 6 39 Hombre 1350000 1 4\n 7 61 Mujer NA 1 3\n 8 25 Hombre NA 1 2\n 9 42 Hombre 1100000 1 4\n10 51 Hombre 800000 1 1\n# ℹ 534 more rows\n\n\nPero, ¿y si tengo variables tipo character o factor? Tanto en R base como con dplyr podemos especificar condiciones y filtrar este tipo de datos usando las comillas \" \".\n\ndplyr::filter(proc_elsoc, sexo == \"Mujer\")\n\n# A tibble: 656 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n \n 1 45 Mujer 2700000 1 3\n 2 53 Mujer 500000 2 3\n 3 52 Mujer NA 3 2\n 4 50 Mujer NA 2 5\n 5 57 Mujer 0 1 4\n 6 47 Mujer 600000 1 3\n 7 61 Mujer NA 1 3\n 8 78 Mujer NA 4 1\n 9 65 Mujer NA 1 1\n10 69 Mujer NA 2 1\n# ℹ 646 more rows\n\n\n¡Apliquémos conocimientos! Filtremos nuestros datos quedándonos solo con aquellos casos o personas que tengan o sean mayores a 25 años de edad.\n\nproc_elsoc <- dplyr::filter(proc_elsoc, edad >= 25)\n\nproc_elsoc\n\n# A tibble: 980 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n \n 1 38 Hombre 4000000 1 NA\n 2 45 Mujer 2700000 1 3\n 3 42 Hombre 600000 3 NA\n 4 29 Hombre 1250000 1 1\n 5 53 Mujer 500000 2 3\n 6 52 Mujer NA 3 2\n 7 50 Mujer NA 2 5\n 8 57 Mujer 0 1 4\n 9 47 Mujer 600000 1 3\n10 79 Hombre NA 2 1\n# ℹ 970 more rows\n\n\n\n\n4.3 Recodificar\nUna parte fundamental del procesamiento e integración de datos es la recodificación de variables. Esto implica que, a determinadas variables, le aplicaremos ciertos cambios de acuerdo a ciertas reglas y criterios establecidos con anterioridad, siempre cuidando la coherencia con nuestro objetivo de investigación.\nHay múltiples formas de recodificar en R, pero en este ejemplo trabajaremos con el comando recode() del paquete car.\nEsta vez, recodificaremos las siguientes variables: sexo, ingreso, autor_democ y jv_delincuentes. Para esto, nos apoyaremos en el libro de códigos.\n\n\n\n\n\n\nTip\n\n\n\nEl comando recode() generalmente sigue esta estructura:\ncar::recode(datos$variable, recodes = c('valor_orig1=nuevo_valor1;valor_org2=nuevo_valor2'))\n\n\nA diferencia de R base, con la función mutate() de dplyr podemos recodificar todas nuestras variables en un solo código si así lo queremos. Además, nos ahorramos especificar en todo momento la base de datos, ya que esa es la lógica de programación con dplyr().\nLa estructura de mutate() es generalmente esta:\ndplyr::mutate(datos, nueva_variable = funcion())\nRecodifiquemos las variables sexo e ingresos:\n\nproc_elsoc <- dplyr::mutate(proc_elsoc,\n sexo = car::recode(sexo,\n recodes = c(\"'Hombre' = 'Masculino'; 'Mujer' = 'Femenino'\")),\n ingreso = car::recode(ingreso, \n recodes = c(\"-888 = NA; -999 = NA\")))\n\n\nproc_elsoc\n\n# A tibble: 980 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n \n 1 38 Masculino 4000000 1 NA\n 2 45 Femenino 2700000 1 3\n 3 42 Masculino 600000 3 NA\n 4 29 Masculino 1250000 1 1\n 5 53 Femenino 500000 2 3\n 6 52 Femenino NA 3 2\n 7 50 Femenino NA 2 5\n 8 57 Femenino 0 1 4\n 9 47 Femenino 600000 1 3\n10 79 Masculino NA 2 1\n# ℹ 970 more rows\n\n\nAhora recodifiquemos las demás variables. Además de recodificar valores propiamente tal, con recode() podemos indicarle, en la misma función, que convierta la variable a factor y/o que le asigne niveles (ej. para variables ordinales).\n\nproc_elsoc <- dplyr::mutate(proc_elsoc,\n autor_democ = car::recode(autor_democ,\n recodes = c(\"1 = 'La democracia es preferible a cualquier otra forma de gobierno'; \n 2 = 'En algunas circunstancias, un gobierno autoritario puede ser preferible a uno democratico'; \n 3 = 'A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario'; \n 4 = 'Ninguna'; \n -888 = NA; \n -999 = NA\"),\n as.factor = TRUE)) # convertir a factor\n \nproc_elsoc <- dplyr::mutate(proc_elsoc,\n jv_delincuentes = car::recode(jv_delincuentes,\n recodes = c(\"1 = 'Nunca';\n 2 = 'Pocas veces';\n 3 = 'Algunas veces';\n 4 = 'Muchas veces';\n 5 = 'Siempre';\n -888 = NA; \n -999 = NA\"),\n as.factor = TRUE, # convertir a factor\n levels = c(\"Nunca\",\n \"Pocas veces\",\n \"Algunas veces\",\n \"Muchas veces\",\n \"Siempre\")))# ordenamos niveles\n \nproc_elsoc\n\n# A tibble: 980 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n \n 1 38 Masculino 4000000 La democracia es preferible a cualqu… \n 2 45 Femenino 2700000 La democracia es preferible a cualqu… Algunas veces \n 3 42 Masculino 600000 A la gente como uno, nos da lo mismo… \n 4 29 Masculino 1250000 La democracia es preferible a cualqu… Nunca \n 5 53 Femenino 500000 En algunas circunstancias, un gobier… Algunas veces \n 6 52 Femenino NA A la gente como uno, nos da lo mismo… Pocas veces \n 7 50 Femenino NA En algunas circunstancias, un gobier… Siempre \n 8 57 Femenino 0 La democracia es preferible a cualqu… Muchas veces \n 9 47 Femenino 600000 La democracia es preferible a cualqu… Algunas veces \n10 79 Masculino NA En algunas circunstancias, un gobier… Nunca \n# ℹ 970 more rows\n\n\n\n\n\n\n\n\nNota\n\n\n\nComo se puede ver, los valores -888 y -999 fueron codificados como valores pérdidos ya que estos valores significan no sabe y no responde, respectivamente.\n\n\n\n\n4.4 Tratamiento casos pérdidos\nComúnmente, los datos con los que trabajamos suelen tener valores pérdidos o nulos que en R se denominan como NA. Estos valores no nos entregan información útil para nuestros análisis, y pueden generar problemas al momento de, por ejemplo, calcular medidas de tendencia central, u otros procedimientos estadísticos.\nHay diversas maneras de trabajar los valores nulos. Sin embargo, la más sencilla consiste en eliminar los valores nulos que se encuentran presentes en nuestros datos.\nEl primer paso es identificar valores nulos en el conjunto de datos en general, o en alguna variable en específico. Para ello, empleamos la función is.na().\n\nis.na(proc_elsoc)\n\nis.na(proc_elsoc$ingreso)\n\nPero esto es poco útil. Como opción, podemos sumar o contar la cantidad de valores pérdidos.\n\nsum(is.na(proc_elsoc))\n\n[1] 515\n\n\n¿Y si no sabemos qué variables o columnas tienen casos pérdidos? Una forma es usar la función colSums().\n\ncolSums(is.na(proc_elsoc))\n\n edad sexo ingreso autor_democ jv_delincuentes \n 0 0 435 13 67 \n\n\nUna vez identificamos los valores nulos, podemos proceder a removerlos de la base de datos. El comando na.omit() eliminará todas las filas que presenten casos perdidos.\n\nproc_elsoc <- na.omit(proc_elsoc)\n\nproc_elsoc\n\n# A tibble: 496 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n \n 1 45 Femenino 2700000 La democracia es preferible a cualqu… Algunas veces \n 2 29 Masculino 1250000 La democracia es preferible a cualqu… Nunca \n 3 53 Femenino 500000 En algunas circunstancias, un gobier… Algunas veces \n 4 57 Femenino 0 La democracia es preferible a cualqu… Muchas veces \n 5 47 Femenino 600000 La democracia es preferible a cualqu… Algunas veces \n 6 39 Masculino 1350000 La democracia es preferible a cualqu… Muchas veces \n 7 42 Masculino 1100000 La democracia es preferible a cualqu… Muchas veces \n 8 51 Masculino 800000 La democracia es preferible a cualqu… Nunca \n 9 38 Masculino 1600000 A la gente como uno, nos da lo mismo… Algunas veces \n10 45 Femenino 500000 La democracia es preferible a cualqu… Nunca \n# ℹ 486 more rows" + "text": "4 Limpiar datos\nPara todos los subprocesos que involucra la “limpieza” de datos, tenemos al menos dos maneras. Por un lado, podemos usar las funciones de R base, es decir, que no requieren paquetes extras. Por el otro, podemos usar las funciones del paquete dplyr(), que es una gramática o dialecto de manipulación de datos que proporciona un conjunto de coherente funciones o “verbos” básicos para programar.\n\n\n\n\n\n\n\n\n\nPero, ¿por qué gramática y verbos? Porque a diferencia de otras formas de programar, dplyr() está orientado a escribir código como la escritura normal, es decir, de izquierda a derecha. Generalmente, la estructura de dplyr() es:\ndplyr::funcion(datos, variable1, variable2, variable_n)\nEn este práctico solo nos centraremos en manipular datos con dplyr(). Para conocer cómo hacer lo mismo pero con R base visita este enlace.\n\n\n4.1 Seleccionar\nUna vez tenemos claras cúales son las variables que nos interesan, las seleccionamos y almacenamos en una nueva base de datos. Esto debido que evitará confusiones y hará más eficiente nuestros analísis en términos de memoria.\nEn R base, el primer argumento dentro del bracket [] refiere a las filas y el segundo a las columnas. De manera similar, la función select() de dplyr facilita el trabajo a la hora de seleccionar variables. La estructura general del comando siempre es select(datos, variable1, variable2, variable3).\nHay distintas formas de usar select(), ¡veámoslas!\nPor indexación o ubicación en la base de datos:\n\ndplyr::select(elsoc_2022, 1, 2) # la primera y la segunda columna\n\ndplyr::select(elsoc_2022, 1:4) # la primera hasta la cuarta columna\n\ndplyr::select(elsoc_2022, c(1, 4, 5)) # la primera, la cuarta y la quinta columna\n\nTambién podemos usar el nombre de la variable/columna. Si conocemos el nombre de la variable simplemente lo podemos poner y se seleccionará. Con select() no es necesario poner los nombres con comillas \" \":\n\ndplyr::select(elsoc_2022, m0_sexo, m0_edad, m13)\n\n# A tibble: 1,000 × 3\n m0_sexo m0_edad m13\n <chr> <dbl> <dbl>\n 1 Hombre 38 4000000\n 2 Mujer 45 2700000\n 3 Hombre 42 600000\n 4 Hombre 29 1250000\n 5 Mujer 53 500000\n 6 Mujer 52 NA\n 7 Mujer 50 NA\n 8 Mujer 57 0\n 9 Mujer 47 600000\n10 Hombre 79 NA\n# ℹ 990 more rows\n\n\nOtra cosa que podemos hacer es renombrar las variables al momento de seleccionarlas, para que tengan un sentido más sustantivo para nosotros.\n\ndplyr::select(elsoc_2022, sexo = m0_sexo, edad = m0_edad, ingreso = m13)\n\n# A tibble: 1,000 × 3\n sexo edad ingreso\n <chr> <dbl> <dbl>\n 1 Hombre 38 4000000\n 2 Mujer 45 2700000\n 3 Hombre 42 600000\n 4 Hombre 29 1250000\n 5 Mujer 53 500000\n 6 Mujer 52 NA\n 7 Mujer 50 NA\n 8 Mujer 57 0\n 9 Mujer 47 600000\n10 Hombre 79 NA\n# ℹ 990 more rows\n\n\nPor último, podemos usar select() para reordenar nuestras variables, lo cual es importante por si por ejemplo utilizamos variables de identificación.\n\ndplyr::select(elsoc_2022, m0_edad, m0_sexo, c25, m13)\n\n# A tibble: 1,000 × 4\n m0_edad m0_sexo c25 m13\n <dbl> <chr> <dbl> <dbl>\n 1 38 Hombre 1 4000000\n 2 45 Mujer 1 2700000\n 3 42 Hombre 3 600000\n 4 29 Hombre 1 1250000\n 5 53 Mujer 2 500000\n 6 52 Mujer 3 NA\n 7 50 Mujer 2 NA\n 8 57 Mujer 1 0\n 9 47 Mujer 1 600000\n10 79 Hombre 2 NA\n# ℹ 990 more rows\n\n\nAhora, ¡apliquemos conocimientos! seleccionando y renombrando las variables de interés en un nueva base llamada proc_elsoc.\nEn este ejemplo utilizaremos las siguientes variables:\n\nm0_sexo: sexo del entrevistado\nm0_edad: edad del entrevistado\nm13: ingreso mensual entrevistado\nc25: preferencia entre autoritarismo y democracia\nf05_01: justificación violencia hacia delincuentes\n\n\nproc_elsoc <- dplyr::select(elsoc_2022, \n edad = m0_edad,\n sexo = m0_sexo,\n ingreso = m13,\n autor_democ = c25,\n jv_delincuentes = f05_01)\n\nproc_elsoc\n\n# A tibble: 1,000 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n <dbl> <chr> <dbl> <dbl> <dbl>\n 1 38 Hombre 4000000 1 NA\n 2 45 Mujer 2700000 1 3\n 3 42 Hombre 600000 3 NA\n 4 29 Hombre 1250000 1 1\n 5 53 Mujer 500000 2 3\n 6 52 Mujer NA 3 2\n 7 50 Mujer NA 2 5\n 8 57 Mujer 0 1 4\n 9 47 Mujer 600000 1 3\n10 79 Hombre NA 2 1\n# ℹ 990 more rows\n\n\nEsta nueva base de datos sigue manteniendo los 1.000 casos/filas, pero ahora solo tiene 5 variables/columnas. ¿Qué pasa si solo quiero trabajar con un subconjunto de estos datos, por ejemplo, las mujeres mayores a 25 años? La respuesta es filtrar.\n\n\n4.2 Filtrar\nTal y como regularmente no trabajamos con todas las variables de una base de datos, no siempre desearemos trabajar con todas las observaciones que tenemos en los datos. Habrá ocasiones (varias) en las que querremos trabajar con casos que cumplan ciertas condiciones; que sean de determinada edad, residencia, tiempo o que simplemente hayan respondido de determinada forma una pregunta.\nCon dplyr podemos filtrar nuestros datos con el comando filter(), en el cual debemos especificar los datos y las condiciones que queremos aplicarle a determinadas variables.\n\ndplyr::filter(proc_elsoc, autor_democ == 1)\n\n# A tibble: 552 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n <dbl> <chr> <dbl> <dbl> <dbl>\n 1 38 Hombre 4000000 1 NA\n 2 45 Mujer 2700000 1 3\n 3 29 Hombre 1250000 1 1\n 4 57 Mujer 0 1 4\n 5 47 Mujer 600000 1 3\n 6 39 Hombre 1350000 1 4\n 7 61 Mujer NA 1 3\n 8 25 Hombre NA 1 2\n 9 42 Hombre 1100000 1 4\n10 51 Hombre 800000 1 1\n# ℹ 542 more rows\n\n\nPara indicarle a R que nos filtre aquellos casos que cumplen con la condición de ser iguales a 1 (autor_democ == 1), usamos el operador ==. ¿Y esto de dónde salió? recuerda que los operadores en R los vimos en la segunda sesión\nTambién podemos agregar muchas condiciones para filtrar nuestros datos. Solamente debemos agregarlo, usando los operadores relacionales de R.\n\ndplyr::filter(proc_elsoc, autor_democ == 1 & edad >= 25)\n\n# A tibble: 544 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n <dbl> <chr> <dbl> <dbl> <dbl>\n 1 38 Hombre 4000000 1 NA\n 2 45 Mujer 2700000 1 3\n 3 29 Hombre 1250000 1 1\n 4 57 Mujer 0 1 4\n 5 47 Mujer 600000 1 3\n 6 39 Hombre 1350000 1 4\n 7 61 Mujer NA 1 3\n 8 25 Hombre NA 1 2\n 9 42 Hombre 1100000 1 4\n10 51 Hombre 800000 1 1\n# ℹ 534 more rows\n\n\nPero, ¿y si tengo variables tipo character o factor? Tanto en R base como con dplyr podemos especificar condiciones y filtrar este tipo de datos usando las comillas \" \".\n\ndplyr::filter(proc_elsoc, sexo == \"Mujer\")\n\n# A tibble: 656 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n <dbl> <chr> <dbl> <dbl> <dbl>\n 1 45 Mujer 2700000 1 3\n 2 53 Mujer 500000 2 3\n 3 52 Mujer NA 3 2\n 4 50 Mujer NA 2 5\n 5 57 Mujer 0 1 4\n 6 47 Mujer 600000 1 3\n 7 61 Mujer NA 1 3\n 8 78 Mujer NA 4 1\n 9 65 Mujer NA 1 1\n10 69 Mujer NA 2 1\n# ℹ 646 more rows\n\n\n¡Apliquémos conocimientos! Filtremos nuestros datos quedándonos solo con aquellos casos o personas que tengan o sean mayores a 25 años de edad.\n\nproc_elsoc <- dplyr::filter(proc_elsoc, edad >= 25)\n\nproc_elsoc\n\n# A tibble: 980 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n <dbl> <chr> <dbl> <dbl> <dbl>\n 1 38 Hombre 4000000 1 NA\n 2 45 Mujer 2700000 1 3\n 3 42 Hombre 600000 3 NA\n 4 29 Hombre 1250000 1 1\n 5 53 Mujer 500000 2 3\n 6 52 Mujer NA 3 2\n 7 50 Mujer NA 2 5\n 8 57 Mujer 0 1 4\n 9 47 Mujer 600000 1 3\n10 79 Hombre NA 2 1\n# ℹ 970 more rows\n\n\n\n\n4.3 Recodificar\nUna parte fundamental del procesamiento e integración de datos es la recodificación de variables. Esto implica que, a determinadas variables, le aplicaremos ciertos cambios de acuerdo a ciertas reglas y criterios establecidos con anterioridad, siempre cuidando la coherencia con nuestro objetivo de investigación.\nHay múltiples formas de recodificar en R, pero en este ejemplo trabajaremos con el comando recode() del paquete car.\nEsta vez, recodificaremos las siguientes variables: sexo, ingreso, autor_democ y jv_delincuentes. Para esto, nos apoyaremos en el libro de códigos.\n\n\n\n\n\n\nTip\n\n\n\nEl comando recode() generalmente sigue esta estructura:\ncar::recode(datos$variable, recodes = c('valor_orig1=nuevo_valor1;valor_org2=nuevo_valor2'))\n\n\nA diferencia de R base, con la función mutate() de dplyr podemos recodificar todas nuestras variables en un solo código si así lo queremos. Además, nos ahorramos especificar en todo momento la base de datos, ya que esa es la lógica de programación con dplyr().\nLa estructura de mutate() es generalmente esta:\ndplyr::mutate(datos, nueva_variable = funcion())\nRecodifiquemos las variables sexo e ingresos:\n\nproc_elsoc <- dplyr::mutate(proc_elsoc,\n sexo = car::recode(sexo,\n recodes = c(\"'Hombre' = 'Masculino'; 'Mujer' = 'Femenino'\")),\n ingreso = car::recode(ingreso, \n recodes = c(\"-888 = NA; -999 = NA\")))\n\n\nproc_elsoc\n\n# A tibble: 980 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n <dbl> <chr> <dbl> <dbl> <dbl>\n 1 38 Masculino 4000000 1 NA\n 2 45 Femenino 2700000 1 3\n 3 42 Masculino 600000 3 NA\n 4 29 Masculino 1250000 1 1\n 5 53 Femenino 500000 2 3\n 6 52 Femenino NA 3 2\n 7 50 Femenino NA 2 5\n 8 57 Femenino 0 1 4\n 9 47 Femenino 600000 1 3\n10 79 Masculino NA 2 1\n# ℹ 970 more rows\n\n\nAhora recodifiquemos las demás variables. Además de recodificar valores propiamente tal, con recode() podemos indicarle, en la misma función, que convierta la variable a factor y/o que le asigne niveles (ej. para variables ordinales).\n\nproc_elsoc <- dplyr::mutate(proc_elsoc,\n autor_democ = car::recode(autor_democ,\n recodes = c(\"1 = 'La democracia es preferible a cualquier otra forma de gobierno'; \n 2 = 'En algunas circunstancias, un gobierno autoritario puede ser preferible a uno democratico'; \n 3 = 'A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario'; \n 4 = 'Ninguna'; \n -888 = NA; \n -999 = NA\"),\n as.factor = TRUE)) # convertir a factor\n \nproc_elsoc <- dplyr::mutate(proc_elsoc,\n jv_delincuentes = car::recode(jv_delincuentes,\n recodes = c(\"1 = 'Nunca';\n 2 = 'Pocas veces';\n 3 = 'Algunas veces';\n 4 = 'Muchas veces';\n 5 = 'Siempre';\n -888 = NA; \n -999 = NA\"),\n as.factor = TRUE, # convertir a factor\n levels = c(\"Nunca\",\n \"Pocas veces\",\n \"Algunas veces\",\n \"Muchas veces\",\n \"Siempre\")))# ordenamos niveles\n \nproc_elsoc\n\n# A tibble: 980 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n <dbl> <chr> <dbl> <fct> <fct> \n 1 38 Masculino 4000000 La democracia es preferible a cualqu… <NA> \n 2 45 Femenino 2700000 La democracia es preferible a cualqu… Algunas veces \n 3 42 Masculino 600000 A la gente como uno, nos da lo mismo… <NA> \n 4 29 Masculino 1250000 La democracia es preferible a cualqu… Nunca \n 5 53 Femenino 500000 En algunas circunstancias, un gobier… Algunas veces \n 6 52 Femenino NA A la gente como uno, nos da lo mismo… Pocas veces \n 7 50 Femenino NA En algunas circunstancias, un gobier… Siempre \n 8 57 Femenino 0 La democracia es preferible a cualqu… Muchas veces \n 9 47 Femenino 600000 La democracia es preferible a cualqu… Algunas veces \n10 79 Masculino NA En algunas circunstancias, un gobier… Nunca \n# ℹ 970 more rows\n\n\n\n\n\n\n\n\nNota\n\n\n\nComo se puede ver, los valores -888 y -999 fueron codificados como valores pérdidos ya que estos valores significan no sabe y no responde, respectivamente.\n\n\n\n\n4.4 Tratamiento casos pérdidos\nComúnmente, los datos con los que trabajamos suelen tener valores pérdidos o nulos que en R se denominan como NA. Estos valores no nos entregan información útil para nuestros análisis, y pueden generar problemas al momento de, por ejemplo, calcular medidas de tendencia central, u otros procedimientos estadísticos.\nHay diversas maneras de trabajar los valores nulos. Sin embargo, la más sencilla consiste en eliminar los valores nulos que se encuentran presentes en nuestros datos.\nEl primer paso es identificar valores nulos en el conjunto de datos en general, o en alguna variable en específico. Para ello, empleamos la función is.na().\n\nis.na(proc_elsoc)\n\nis.na(proc_elsoc$ingreso)\n\nPero esto es poco útil. Como opción, podemos sumar o contar la cantidad de valores pérdidos.\n\nsum(is.na(proc_elsoc))\n\n[1] 515\n\n\n¿Y si no sabemos qué variables o columnas tienen casos pérdidos? Una forma es usar la función colSums().\n\ncolSums(is.na(proc_elsoc))\n\n edad sexo ingreso autor_democ jv_delincuentes \n 0 0 435 13 67 \n\n\nUna vez identificamos los valores nulos, podemos proceder a removerlos de la base de datos. El comando na.omit() eliminará todas las filas que presenten casos perdidos.\n\nproc_elsoc <- na.omit(proc_elsoc)\n\nproc_elsoc\n\n# A tibble: 496 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n <dbl> <chr> <dbl> <fct> <fct> \n 1 45 Femenino 2700000 La democracia es preferible a cualqu… Algunas veces \n 2 29 Masculino 1250000 La democracia es preferible a cualqu… Nunca \n 3 53 Femenino 500000 En algunas circunstancias, un gobier… Algunas veces \n 4 57 Femenino 0 La democracia es preferible a cualqu… Muchas veces \n 5 47 Femenino 600000 La democracia es preferible a cualqu… Algunas veces \n 6 39 Masculino 1350000 La democracia es preferible a cualqu… Muchas veces \n 7 42 Masculino 1100000 La democracia es preferible a cualqu… Muchas veces \n 8 51 Masculino 800000 La democracia es preferible a cualqu… Nunca \n 9 38 Masculino 1600000 A la gente como uno, nos da lo mismo… Algunas veces \n10 45 Femenino 500000 La democracia es preferible a cualqu… Nunca \n# ℹ 486 more rows" }, { "objectID": "assignment/03-practico.html#transformar-variables", "href": "assignment/03-practico.html#transformar-variables", "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", "section": "5 Transformar variables", - "text": "5 Transformar variables\nUn último paso en el procesamiento de datos es la creación o derivación de nuevas variables a partir de los datos que ya tenemos. Esto es relevante no solo para procesar datos, sino porque permite generar variables que se alineen mucho mejor con nuestros objetivos de análisis.\nLa función mutate() de dplyr no solo nos permite recodificar variables, sino que también crear otras nuevas manteniendo las originales. Para este ejemplo usaremos dos funciones adicionales de dplyr que, al combinarlas con mutate(), podremos transformar variables de manera muy sencilla.\nEn este ejemplo, transformaremos las variables edad e ingresos, y crearemos una nueva variable llamada año de la encuesta y otra llamada ingreso_minimo.\n¡Veámos cómo se hace!\nGeneremos las nueva variable año:\n\nproc_elsoc <- mutate(proc_elsoc, ano = 2022)\n\nproc_elsoc\n\n# A tibble: 496 × 6\n edad sexo ingreso autor_democ jv_delincuentes ano\n \n 1 45 Femenino 2700000 La democracia es preferible a … Algunas veces 2022\n 2 29 Masculino 1250000 La democracia es preferible a … Nunca 2022\n 3 53 Femenino 500000 En algunas circunstancias, un … Algunas veces 2022\n 4 57 Femenino 0 La democracia es preferible a … Muchas veces 2022\n 5 47 Femenino 600000 La democracia es preferible a … Algunas veces 2022\n 6 39 Masculino 1350000 La democracia es preferible a … Muchas veces 2022\n 7 42 Masculino 1100000 La democracia es preferible a … Muchas veces 2022\n 8 51 Masculino 800000 La democracia es preferible a … Nunca 2022\n 9 38 Masculino 1600000 A la gente como uno, nos da lo… Algunas veces 2022\n10 45 Femenino 500000 La democracia es preferible a … Nunca 2022\n# ℹ 486 more rows\n\n\n\nTransformar variables con case_when() e if_else()\nGeneremos nuevas variables para edad e ingresos dejándolas como tramos con case_when().\n\nproc_elsoc <- mutate(proc_elsoc,\n tramo_edad = case_when(edad <= 29 ~ \"Jovenes\",\n edad >= 30 & edad <= 59 ~ \"Adultos\",\n edad >= 60 ~ \"Adutos mayores\"))\n\n\nproc_elsoc <- mutate(proc_elsoc,\n tramo_ingreso = case_when(ingreso <= 250000 ~ \"Tramo 1\",\n ingreso > 250000 & ingreso <= 500000 ~ \"Tramo 2\",\n ingreso > 500000 & ingreso <= 750000 ~ \"Tramo 3\",\n ingreso > 750000 & ingreso <= 1000000 ~ \"Tramo 4\",\n ingreso > 1000000 ~ \"Tramo 5\"))\n\nproc_elsoc\n\n# A tibble: 496 × 8\n edad sexo ingreso autor_democ jv_delincuentes ano tramo_edad\n \n 1 45 Femenino 2700000 La democracia es pr… Algunas veces 2022 Adultos \n 2 29 Masculino 1250000 La democracia es pr… Nunca 2022 Jovenes \n 3 53 Femenino 500000 En algunas circunst… Algunas veces 2022 Adultos \n 4 57 Femenino 0 La democracia es pr… Muchas veces 2022 Adultos \n 5 47 Femenino 600000 La democracia es pr… Algunas veces 2022 Adultos \n 6 39 Masculino 1350000 La democracia es pr… Muchas veces 2022 Adultos \n 7 42 Masculino 1100000 La democracia es pr… Muchas veces 2022 Adultos \n 8 51 Masculino 800000 La democracia es pr… Nunca 2022 Adultos \n 9 38 Masculino 1600000 A la gente como uno… Algunas veces 2022 Adultos \n10 45 Femenino 500000 La democracia es pr… Nunca 2022 Adultos \n# ℹ 486 more rows\n# ℹ 1 more variable: tramo_ingreso \n\n\nAhora, generemos una nueva variable llamada ingreso_minimo con la función if_else().\n\nproc_elsoc <- mutate(proc_elsoc,\n ingreso_minimo = if_else(ingreso < 410000, \"debajo minimo\", \"sobre minimo\"))\n\nselect(proc_elsoc, ingreso, ingreso_minimo) #veamosla!\n\n# A tibble: 496 × 2\n ingreso ingreso_minimo\n \n 1 2700000 sobre minimo \n 2 1250000 sobre minimo \n 3 500000 sobre minimo \n 4 0 debajo minimo \n 5 600000 sobre minimo \n 6 1350000 sobre minimo \n 7 1100000 sobre minimo \n 8 800000 sobre minimo \n 9 1600000 sobre minimo \n10 500000 sobre minimo \n# ℹ 486 more rows" + "text": "5 Transformar variables\nUn último paso en el procesamiento de datos es la creación o derivación de nuevas variables a partir de los datos que ya tenemos. Esto es relevante no solo para procesar datos, sino porque permite generar variables que se alineen mucho mejor con nuestros objetivos de análisis.\nLa función mutate() de dplyr no solo nos permite recodificar variables, sino que también crear otras nuevas manteniendo las originales. Para este ejemplo usaremos dos funciones adicionales de dplyr que, al combinarlas con mutate(), podremos transformar variables de manera muy sencilla.\nEn este ejemplo, transformaremos las variables edad e ingresos, y crearemos una nueva variable llamada año de la encuesta y otra llamada ingreso_minimo.\n¡Veámos cómo se hace!\nGeneremos las nueva variable año:\n\nproc_elsoc <- mutate(proc_elsoc, ano = 2022)\n\nproc_elsoc\n\n# A tibble: 496 × 6\n edad sexo ingreso autor_democ jv_delincuentes ano\n <dbl> <chr> <dbl> <fct> <fct> <dbl>\n 1 45 Femenino 2700000 La democracia es preferible a … Algunas veces 2022\n 2 29 Masculino 1250000 La democracia es preferible a … Nunca 2022\n 3 53 Femenino 500000 En algunas circunstancias, un … Algunas veces 2022\n 4 57 Femenino 0 La democracia es preferible a … Muchas veces 2022\n 5 47 Femenino 600000 La democracia es preferible a … Algunas veces 2022\n 6 39 Masculino 1350000 La democracia es preferible a … Muchas veces 2022\n 7 42 Masculino 1100000 La democracia es preferible a … Muchas veces 2022\n 8 51 Masculino 800000 La democracia es preferible a … Nunca 2022\n 9 38 Masculino 1600000 A la gente como uno, nos da lo… Algunas veces 2022\n10 45 Femenino 500000 La democracia es preferible a … Nunca 2022\n# ℹ 486 more rows\n\n\n\nTransformar variables con case_when() e if_else()\nGeneremos nuevas variables para edad e ingresos dejándolas como tramos con case_when().\n\nproc_elsoc <- mutate(proc_elsoc,\n tramo_edad = case_when(edad <= 29 ~ \"Jovenes\",\n edad >= 30 & edad <= 59 ~ \"Adultos\",\n edad >= 60 ~ \"Adutos mayores\"))\n\n\nproc_elsoc <- mutate(proc_elsoc,\n tramo_ingreso = case_when(ingreso <= 250000 ~ \"Tramo 1\",\n ingreso > 250000 & ingreso <= 500000 ~ \"Tramo 2\",\n ingreso > 500000 & ingreso <= 750000 ~ \"Tramo 3\",\n ingreso > 750000 & ingreso <= 1000000 ~ \"Tramo 4\",\n ingreso > 1000000 ~ \"Tramo 5\"))\n\nproc_elsoc\n\n# A tibble: 496 × 8\n edad sexo ingreso autor_democ jv_delincuentes ano tramo_edad\n <dbl> <chr> <dbl> <fct> <fct> <dbl> <chr> \n 1 45 Femenino 2700000 La democracia es pr… Algunas veces 2022 Adultos \n 2 29 Masculino 1250000 La democracia es pr… Nunca 2022 Jovenes \n 3 53 Femenino 500000 En algunas circunst… Algunas veces 2022 Adultos \n 4 57 Femenino 0 La democracia es pr… Muchas veces 2022 Adultos \n 5 47 Femenino 600000 La democracia es pr… Algunas veces 2022 Adultos \n 6 39 Masculino 1350000 La democracia es pr… Muchas veces 2022 Adultos \n 7 42 Masculino 1100000 La democracia es pr… Muchas veces 2022 Adultos \n 8 51 Masculino 800000 La democracia es pr… Nunca 2022 Adultos \n 9 38 Masculino 1600000 A la gente como uno… Algunas veces 2022 Adultos \n10 45 Femenino 500000 La democracia es pr… Nunca 2022 Adultos \n# ℹ 486 more rows\n# ℹ 1 more variable: tramo_ingreso <chr>\n\n\nAhora, generemos una nueva variable llamada ingreso_minimo con la función if_else().\n\nproc_elsoc <- mutate(proc_elsoc,\n ingreso_minimo = if_else(ingreso < 410000, \"debajo minimo\", \"sobre minimo\"))\n\nselect(proc_elsoc, ingreso, ingreso_minimo) #veamosla!\n\n# A tibble: 496 × 2\n ingreso ingreso_minimo\n <dbl> <chr> \n 1 2700000 sobre minimo \n 2 1250000 sobre minimo \n 3 500000 sobre minimo \n 4 0 debajo minimo \n 5 600000 sobre minimo \n 6 1350000 sobre minimo \n 7 1100000 sobre minimo \n 8 800000 sobre minimo \n 9 1600000 sobre minimo \n10 500000 sobre minimo \n# ℹ 486 more rows" + }, + { + "objectID": "assignment/03-practico.html#colocando-todo-en-práctica", + "href": "assignment/03-practico.html#colocando-todo-en-práctica", + "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", + "section": "6 Colocando todo en práctica", + "text": "6 Colocando todo en práctica\nOtra de las venjatas de dplyr() es que nos permite concatenar funciones siguiendo la misma lógica de programación de izquiera a derecha. Esto lo hacemos a través de los pipes %>%, que es un operador proveniente del paquete magrittr.\nUna función normal es igual a f(x,y), en donde al elemento y del objeto x le aplicamos determinada función f(). Los %>% simplifican funciones y concatenan códigos de la siguiente manera:\nx %>% f(y) es lo mismo que f(x,y).\nEsto significa que el %>% literalmente le dice a R que coloque al objeto x dentro de la función f(), para aplicarle dicha función a y. :::\nVeamos cómo se ocupa y porqué simplifica la vida\n\na) Seleccionemos y filtremos datos con %>%\n\nproc_elsoc <- elsoc_2022 %>% \n dplyr::select(edad = m0_edad,\n sexo = m0_sexo,\n ingreso = m13,\n autor_democ = c25,\n jv_delincuentes = f05_01) %>% \n dplyr::filter(edad >= 25)\n\nproc_elsoc\n\n# A tibble: 980 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n <dbl> <chr> <dbl> <dbl> <dbl>\n 1 38 Hombre 4000000 1 NA\n 2 45 Mujer 2700000 1 3\n 3 42 Hombre 600000 3 NA\n 4 29 Hombre 1250000 1 1\n 5 53 Mujer 500000 2 3\n 6 52 Mujer NA 3 2\n 7 50 Mujer NA 2 5\n 8 57 Mujer 0 1 4\n 9 47 Mujer 600000 1 3\n10 79 Hombre NA 2 1\n# ℹ 970 more rows\n\n\n\n\nb) Recodifiquemos datos y eliminemos NAs con %>%\n\nproc_elsoc <- proc_elsoc %>% \n mutate(sexo = car::recode(sexo,\n recodes = c(\"'Hombre' = 'Masculino'; 'Mujer' = 'Femenino'\")),\n ingreso = car::recode(ingreso, \n recodes = c(\"-888 = NA; -999 = NA\")),\n autor_democ = car::recode(autor_democ,\n recodes = c(\"1 = 'La democracia es preferible a cualquier otra forma de gobierno'; \n 2 = 'En algunas circunstancias, un gobierno autoritario puede ser preferible a uno democratico'; \n 3 = 'A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario'; \n 4 = 'Ninguna'; \n -888 = NA; \n -999 = NA\"),\n as.factor = TRUE), # convertir a factor\n jv_delincuentes = car::recode(jv_delincuentes, \n recodes = c(\"1 = 'Nunca';\n 2 = 'Pocas veces';\n 3 = 'Algunas veces';\n 4 = 'Muchas veces';\n 5 = 'Siempre';\n -888 = NA; \n -999 = NA\"),\n as.factor = TRUE, # convertir a factor\n levels = c(\"Nunca\",\n \"Pocas veces\",\n \"Algunas veces\",\n \"Muchas veces\",\n \"Siempre\"))) %>% \n na.omit()\n\nproc_elsoc\n\n# A tibble: 496 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n <dbl> <chr> <dbl> <fct> <fct> \n 1 45 Femenino 2700000 La democracia es preferible a cualqu… Algunas veces \n 2 29 Masculino 1250000 La democracia es preferible a cualqu… Nunca \n 3 53 Femenino 500000 En algunas circunstancias, un gobier… Algunas veces \n 4 57 Femenino 0 La democracia es preferible a cualqu… Muchas veces \n 5 47 Femenino 600000 La democracia es preferible a cualqu… Algunas veces \n 6 39 Masculino 1350000 La democracia es preferible a cualqu… Muchas veces \n 7 42 Masculino 1100000 La democracia es preferible a cualqu… Muchas veces \n 8 51 Masculino 800000 La democracia es preferible a cualqu… Nunca \n 9 38 Masculino 1600000 A la gente como uno, nos da lo mismo… Algunas veces \n10 45 Femenino 500000 La democracia es preferible a cualqu… Nunca \n# ℹ 486 more rows\n\n\n\n\nc) Transformemos variables con %>%\n\nproc_elsoc <- proc_elsoc %>% \n mutate(ano = 2022,\n tramo_edad = case_when(edad <= 29 ~ \"Jovenes\",\n edad >= 30 & edad <= 59 ~ \"Adultos\",\n edad >= 60 ~ \"Adutos mayores\"),\n tramo_ingreso = case_when(ingreso <= 250000 ~ \"Tramo 1\",\n ingreso > 250000 & ingreso <= 500000 ~ \"Tramo 2\",\n ingreso > 500000 & ingreso <= 750000 ~ \"Tramo 3\",\n ingreso > 750000 & ingreso <= 1000000 ~ \"Tramo 4\",\n ingreso > 1000000 ~ \"Tramo 5\"),\n ingreso_minimo = if_else(ingreso < 410000, \"debajo minimo\", \"sobre minimo\"))\n\nproc_elsoc\n\n# A tibble: 496 × 9\n edad sexo ingreso autor_democ jv_delincuentes ano tramo_edad\n <dbl> <chr> <dbl> <fct> <fct> <dbl> <chr> \n 1 45 Femenino 2700000 La democracia es pr… Algunas veces 2022 Adultos \n 2 29 Masculino 1250000 La democracia es pr… Nunca 2022 Jovenes \n 3 53 Femenino 500000 En algunas circunst… Algunas veces 2022 Adultos \n 4 57 Femenino 0 La democracia es pr… Muchas veces 2022 Adultos \n 5 47 Femenino 600000 La democracia es pr… Algunas veces 2022 Adultos \n 6 39 Masculino 1350000 La democracia es pr… Muchas veces 2022 Adultos \n 7 42 Masculino 1100000 La democracia es pr… Muchas veces 2022 Adultos \n 8 51 Masculino 800000 La democracia es pr… Nunca 2022 Adultos \n 9 38 Masculino 1600000 A la gente como uno… Algunas veces 2022 Adultos \n10 45 Femenino 500000 La democracia es pr… Nunca 2022 Adultos \n# ℹ 486 more rows\n# ℹ 2 more variables: tramo_ingreso <chr>, ingreso_minimo <chr>" + }, + { + "objectID": "assignment/03-practico.html#guardar-y-exportar-datos-procesados", + "href": "assignment/03-practico.html#guardar-y-exportar-datos-procesados", + "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", + "section": "7 Guardar y exportar datos procesados", + "text": "7 Guardar y exportar datos procesados\n¡Legamos al final! El último paso que nos queda es guardar y exportar nuestra base de datos procesada. Siguiendo el flujo de trabajo propuesto, guardaremos la base procesada en formato .Rdata y la alojaremos en la carpeta output de nuestro proyecto.\nEste último paso es bastante sencillo, solo debemos especificar la base que queremos guadar y su ruta:\n\nsaveRDS(proc_elsoc, file = \"output/datos_proc.Rdata\")" + }, + { + "objectID": "assignment/03-practico.html#resumen", + "href": "assignment/03-practico.html#resumen", + "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", + "section": "Resumen", + "text": "Resumen\nHoy aprendimos a procesar datos en R. En detalle, vimos:\n\nCómo establecer un flujo de trabajo de procesamiento y análisis de datos en R.\nInstalar y cargar paquetes y librerías, así como también leer bases de datos en R.\nLimpiar, transformar y exportar bases de datos en R." + }, + { + "objectID": "assignment/03-practico.html#video-de-clase", + "href": "assignment/03-practico.html#video-de-clase", + "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", + "section": "Video de clase", + "text": "Video de clase\n\nPrimer bloque\n\n\n\nSegundo bloque" + }, + { + "objectID": "assignment/01-practico.html", + "href": "assignment/01-practico.html", + "title": "Práctica 1. Introducción al lenguaje R", + "section": "", + "text": "El objetivo de esta guía práctica es introducirnos a las herramientas que permiten establecer un flujo de trabajo en R.\nEn detalle, aprenderemos:\n\nCómo establecer un flujo de trabajo mediante scripts y Rprojects siguiendo el protocolo IPO\nCómo crear un proyecto de R (R.proyect)\nCómo crear un script (hoja) en R\n\n\n\n\nR es un lenguaje y ambiente de programación, dentro del cual se pueden implementar técnicas estadísticas y de ciencia de datos. Por su parte, RStudio es un IDE (integrated development enviroment) para R, o en pocas palabras, es una interfaz más amigable que nos permite interactuar con R.\n¿Y por qué aprender R? Existen muchas razones, pero algunas de las principales son:\n\nEmpleabilidad\nCrisis de reproducibilidad y Ciencia Abierta\nFacilita manipulación, almacenaje, cálculos y visualización de datos\nFacilita la colaboración y trabajo en equipo\nSimple, pero potente\nPuede integrarse con otros ambientes y herramientas\n\n\n\n\n\n\n\n\n\n\nAl momento de abrir RStudio por primera vez puede que nos asustemos, pues es un entorno nuevo lleno de posibilidades en donde todavía no conocemos mucho.\n\n\n\n\n\n\n\n\n\n¡Pero que no cunda el pánico! ya que estas posibilidades son nuevas oportunidades de aprendizaje en un software libre, gratuito y cada vez más utilizado en las ciencias sociales. ¿Nos vamos a equivocar? Claro que sí, y esperemos que así sea pues más aprenderemos.\n\n\n\n\n\n\n\n\n\nAl ver RStudio por primera vez se nos presentará una interfaz de al menos cuatro paneles.\n\n\n\n\n\n\n\n\n\n¡VEAMOS COMO COMENZAR A USAR R!\n\n\n\nTal vez una de las dificultades más comunes o cotidianas del uso de R es el orden de trabajo, en donde tenemos cientos de archivos, scripts, gráficos, bases de datos u otros repartidos desordenadamente en nuestro computador. También se da mucho el caso en que, cuando queremos trabajar con alguien, tenemos que cambiar las rutas de los archivos, por ejemplo en dónde están las bases de datos, ya que nuestros ordenadores y usuarios se llaman y son escencialmente distintos.\n¿Cómo podemos sortear eso? Siguiendo un flujo de trabajo reproducible, autocontenido y ordenado. En este curso trabajaremos R con un flujo de trabajo reproducible, basado en el sistema IPO. El protocolor IPO es una plantilla/protocolo de estructura digital de carpetas que tiene por objetivo el organizar, procesar y documentar los datos de un proyecto de investigación con miras a la apertura de los datos en un repositorio público y de acceso libre. En concreto, el sistema IPO se propone abordar brevemente todo lo referente a los Datos, Métodos y Resultados.\n\n\n\n\n\n\n\n\n\nLleva este nombre por el sistema de carpetas que se implementan: Input, Procesamiento y Output. En la carpeta Input guardaremos todos aquellso recursos iniciales que usaremos, como las bases de datos, el libro de códigos, entre otros. En la carpeta de Procesamiento, como dice el nombre, guardaremos todos los archivos que procesen y analicen datos. En la carpeta Output guardaremos todo aquello que hayamos producido en los archivos de procesamiento, como las bases de datos procesadas listas para compartir o publicas, los documentos de reporte, informes o analísis, gráficos o tablas.\n\n\n\n\n\n\n\n\n\nLa implementación de la reproducibilidad en este tipo de protocolos se basa en generar un conjunto de archivos auto-contenidos organizado en una estructura de proyecto que cualquier persona pueda compartir y ejecutar. En otras palabras, debe tener todo lo que necesita para ejecutar y volver a ejecutar el análisis. Para conocer más, visita el Laboratorio de Ciencia Abierta.\n\n\n\n\n\n\n\n\n\n\n\n\n¿Y cómo hacemos lo anterior? Mediante los Rproject. Los proyectos en R, o R Projects, serán el centro a partir del cual estaremos trabajando el resto de archivos incluidos en nuestro trabajo con los datos (Input, Procesamiento y Output). En pocas palabras, el Rproject será el elemento raíz de nuestro proyecto y que articula o abraza todos los demás componentes.\n\n\n\n\n\n\n\n\n\n¿Cómo lo hacemos? Es bastante sencillo. Nos dirigiremos a la sección superior derecha de RStudio, donde se encuentra una R dentro de un cubo:\n\n\n\n\n\n\n\n\n\nHacemos click en ella, y luego se nos desplegará una ventana con distintas opciones. Seleccionamos New Project.\n\n\n\n\n\n\n\n\n\nLuego, seleccionamos New Directory > New Project\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nUna vez realizado lo anterior, nos pedirá asignar un Directory name, que es como se llamará nuestro proyecto. Se recomienda que tenga nombres sustantivos. En este ejemplo, le llamaremos tarea01.\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nLuego debemos indicarle dónde queremos que esté alojado en nuestro computador este proyecto. Para ello pinchamos en el Browse, y se nos desplegará nuestro sistema de carpetas de nuestro computador. Supongamos que queremos guardarlo en una carpeta que llamaremos Estadistica Descriptiva 2023.\n\n\n\n\n\n\n\n\n\nSeleccionamos la carpeta y le damos a Open o Abrir. Una vez realizado lo anterior, volveremos a RStudio y tendremos nuestro projecto abierto. Además, podemos ver que nuestro .Rproj se creó en la carpeta respectiva en la esquina inferior derecha de la pantalla.\n\n\n\n\n\n\n\n\n\nAhora, tenemos que darle el formato de flujo de trabajo reproducible. Para ello, crearemos las carpetas de Input, Procesamiento y Ouput en la misma carpeta Estadistica Descriptiva 2023 donde tenemos alojado el .Rproject.\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n¿Y podemos ver esto mismo pero en RStudio? ¡Claro que sí!, cada carpeta que creemos se irá sumando al visualizador de Files, así como también si subimos archivos (como bases de datos) en las respectivas subcarpetas, irán apareciendo allí.\n\n\n\n\n\n\n\n\n\n¡HEMOS CREADO NUESTRO PROYECTO Y SISTEMA DE TRABAJO REPRODUCIBLE!\n\n\n\n\n\n\n\n\n\n\n\n\nPara comenzar a trabajar en R, lo primero es crear un Script. ¿Qué es un script? En términos simples, un script es la hoja en donde escribiremos y guardaremos nuestro código, y en donde a la vez podremos ir ordenando nuestros pasos e incluso ir comentándolos. Cuando hablamos de Sintaxis estamos refiriéndonos, en escencia, a un Script.\nImaginen que un Script es como una hoja de receta de cocina, allí anotamos todos los ingredientes, fases y procedimientos que debemos seguir e ir ejecutando. Esta receta la podemos compartir con otros, volver a verla cuando queramos hacer lo mismo o algo similar. Esa es la gracia de un Script.\nSi bien podemos escribir y ejecutar código directamente en la consola, estos se eliminarán una vez que cerremos la sesión en RStudio.\n¿Cómo crear un Script? Hacerlo es bastante sencillo. En la sección superior izquierda de RStudio, debe hacerse click en la hoja con un signo + verde y, luego, seleccionar la opción R Script en el menú desplegado:\n\n\n\n\n\n\n\n\n\nOtra manera de abrir un nuevo script es hacer click en la opción File de la barra superior. Posteriormente seleccionar New File > R Script en los menús desplegados:\n\n\n\n\n\n\n\n\n\nPor último, podemos mantener presionadas las teclas Ctrl + Shift + N en Windows, o ⌘ + Shift + N en Mac.\n¡Hemos abierto un nuevo script¡, que se debe ver de la siguiente manera:\n\n\n\n\n\n\n\n\n\nPodemos escribir en él los códigos, que se ejecutarán en la consola una vez mantengamos presionadas las teclas Control + Enter al inicio de la línea\n\n\n\n\n\n\n\n\n\n¿Y cómo guardo mi código? Podemos hacer click en el disquete situado en la barra que se encuentra sobre el código, o bien, apretar Ctrl + S.\n\n\n\n\n\n\n\n\n\nLa primera vez que guardemos un Script, nos pedirá que le asignemos un nombre y una ruta donde guardarlo. Este nombre debe ser sustantivo (como procesamiento o análisis), y debemos alojarlo en las subcarpetas que creamos en el paso anterior. Generalmente, guardaremos los scripts en la carpeta de Procesamiento. En este ejemplo, lo llamaremos script01:\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nUna vez almacenado en una carpeta, cada vez que clickeemos en los casetes o mantengamos presionadas las teclas Control + S, el archivo se actualizará a la última versión que hayamos guardado\n\n\n\nHoy aprendimos a procesar datos en R. En detalle, vimos:\n\nCómo establecer un flujo de trabajo mediante scripts y Rprojects siguiendo el protocolo IPO\nCómo crear un proyecto de R (R.proyect)\nCómo crear un script (hoja) en R\n\n\n\n\n\n Presentación Sesión 1.pdf" + }, + { + "objectID": "assignment/01-practico.html#objetivo-de-la-práctica", + "href": "assignment/01-practico.html#objetivo-de-la-práctica", + "title": "Práctica 1. Introducción al lenguaje R", + "section": "", + "text": "El objetivo de esta guía práctica es introducirnos a las herramientas que permiten establecer un flujo de trabajo en R.\nEn detalle, aprenderemos:\n\nCómo establecer un flujo de trabajo mediante scripts y Rprojects siguiendo el protocolo IPO\nCómo crear un proyecto de R (R.proyect)\nCómo crear un script (hoja) en R" + }, + { + "objectID": "assignment/01-practico.html#r-y-rstudio", + "href": "assignment/01-practico.html#r-y-rstudio", + "title": "Práctica 1. Introducción al lenguaje R", + "section": "", + "text": "R es un lenguaje y ambiente de programación, dentro del cual se pueden implementar técnicas estadísticas y de ciencia de datos. Por su parte, RStudio es un IDE (integrated development enviroment) para R, o en pocas palabras, es una interfaz más amigable que nos permite interactuar con R.\n¿Y por qué aprender R? Existen muchas razones, pero algunas de las principales son:\n\nEmpleabilidad\nCrisis de reproducibilidad y Ciencia Abierta\nFacilita manipulación, almacenaje, cálculos y visualización de datos\nFacilita la colaboración y trabajo en equipo\nSimple, pero potente\nPuede integrarse con otros ambientes y herramientas\n\n\n\n\n\n\n\n\n\n\nAl momento de abrir RStudio por primera vez puede que nos asustemos, pues es un entorno nuevo lleno de posibilidades en donde todavía no conocemos mucho.\n\n\n\n\n\n\n\n\n\n¡Pero que no cunda el pánico! ya que estas posibilidades son nuevas oportunidades de aprendizaje en un software libre, gratuito y cada vez más utilizado en las ciencias sociales. ¿Nos vamos a equivocar? Claro que sí, y esperemos que así sea pues más aprenderemos.\n\n\n\n\n\n\n\n\n\nAl ver RStudio por primera vez se nos presentará una interfaz de al menos cuatro paneles.\n\n\n\n\n\n\n\n\n\n¡VEAMOS COMO COMENZAR A USAR R!" + }, + { + "objectID": "assignment/01-practico.html#flujo-de-trabajo-en-r", + "href": "assignment/01-practico.html#flujo-de-trabajo-en-r", + "title": "Práctica 1. Introducción al lenguaje R", + "section": "", + "text": "Tal vez una de las dificultades más comunes o cotidianas del uso de R es el orden de trabajo, en donde tenemos cientos de archivos, scripts, gráficos, bases de datos u otros repartidos desordenadamente en nuestro computador. También se da mucho el caso en que, cuando queremos trabajar con alguien, tenemos que cambiar las rutas de los archivos, por ejemplo en dónde están las bases de datos, ya que nuestros ordenadores y usuarios se llaman y son escencialmente distintos.\n¿Cómo podemos sortear eso? Siguiendo un flujo de trabajo reproducible, autocontenido y ordenado. En este curso trabajaremos R con un flujo de trabajo reproducible, basado en el sistema IPO. El protocolor IPO es una plantilla/protocolo de estructura digital de carpetas que tiene por objetivo el organizar, procesar y documentar los datos de un proyecto de investigación con miras a la apertura de los datos en un repositorio público y de acceso libre. En concreto, el sistema IPO se propone abordar brevemente todo lo referente a los Datos, Métodos y Resultados.\n\n\n\n\n\n\n\n\n\nLleva este nombre por el sistema de carpetas que se implementan: Input, Procesamiento y Output. En la carpeta Input guardaremos todos aquellso recursos iniciales que usaremos, como las bases de datos, el libro de códigos, entre otros. En la carpeta de Procesamiento, como dice el nombre, guardaremos todos los archivos que procesen y analicen datos. En la carpeta Output guardaremos todo aquello que hayamos producido en los archivos de procesamiento, como las bases de datos procesadas listas para compartir o publicas, los documentos de reporte, informes o analísis, gráficos o tablas.\n\n\n\n\n\n\n\n\n\nLa implementación de la reproducibilidad en este tipo de protocolos se basa en generar un conjunto de archivos auto-contenidos organizado en una estructura de proyecto que cualquier persona pueda compartir y ejecutar. En otras palabras, debe tener todo lo que necesita para ejecutar y volver a ejecutar el análisis. Para conocer más, visita el Laboratorio de Ciencia Abierta." + }, + { + "objectID": "assignment/01-practico.html#proyecto-de-r-.rproject", + "href": "assignment/01-practico.html#proyecto-de-r-.rproject", + "title": "Práctica 1. Introducción al lenguaje R", + "section": "", + "text": "¿Y cómo hacemos lo anterior? Mediante los Rproject. Los proyectos en R, o R Projects, serán el centro a partir del cual estaremos trabajando el resto de archivos incluidos en nuestro trabajo con los datos (Input, Procesamiento y Output). En pocas palabras, el Rproject será el elemento raíz de nuestro proyecto y que articula o abraza todos los demás componentes.\n\n\n\n\n\n\n\n\n\n¿Cómo lo hacemos? Es bastante sencillo. Nos dirigiremos a la sección superior derecha de RStudio, donde se encuentra una R dentro de un cubo:\n\n\n\n\n\n\n\n\n\nHacemos click en ella, y luego se nos desplegará una ventana con distintas opciones. Seleccionamos New Project.\n\n\n\n\n\n\n\n\n\nLuego, seleccionamos New Directory > New Project\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nUna vez realizado lo anterior, nos pedirá asignar un Directory name, que es como se llamará nuestro proyecto. Se recomienda que tenga nombres sustantivos. En este ejemplo, le llamaremos tarea01.\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nLuego debemos indicarle dónde queremos que esté alojado en nuestro computador este proyecto. Para ello pinchamos en el Browse, y se nos desplegará nuestro sistema de carpetas de nuestro computador. Supongamos que queremos guardarlo en una carpeta que llamaremos Estadistica Descriptiva 2023.\n\n\n\n\n\n\n\n\n\nSeleccionamos la carpeta y le damos a Open o Abrir. Una vez realizado lo anterior, volveremos a RStudio y tendremos nuestro projecto abierto. Además, podemos ver que nuestro .Rproj se creó en la carpeta respectiva en la esquina inferior derecha de la pantalla.\n\n\n\n\n\n\n\n\n\nAhora, tenemos que darle el formato de flujo de trabajo reproducible. Para ello, crearemos las carpetas de Input, Procesamiento y Ouput en la misma carpeta Estadistica Descriptiva 2023 donde tenemos alojado el .Rproject.\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n¿Y podemos ver esto mismo pero en RStudio? ¡Claro que sí!, cada carpeta que creemos se irá sumando al visualizador de Files, así como también si subimos archivos (como bases de datos) en las respectivas subcarpetas, irán apareciendo allí.\n\n\n\n\n\n\n\n\n\n¡HEMOS CREADO NUESTRO PROYECTO Y SISTEMA DE TRABAJO REPRODUCIBLE!" + }, + { + "objectID": "assignment/01-practico.html#crear-un-nuevo-script-.r", + "href": "assignment/01-practico.html#crear-un-nuevo-script-.r", + "title": "Práctica 1. Introducción al lenguaje R", + "section": "", + "text": "Para comenzar a trabajar en R, lo primero es crear un Script. ¿Qué es un script? En términos simples, un script es la hoja en donde escribiremos y guardaremos nuestro código, y en donde a la vez podremos ir ordenando nuestros pasos e incluso ir comentándolos. Cuando hablamos de Sintaxis estamos refiriéndonos, en escencia, a un Script.\nImaginen que un Script es como una hoja de receta de cocina, allí anotamos todos los ingredientes, fases y procedimientos que debemos seguir e ir ejecutando. Esta receta la podemos compartir con otros, volver a verla cuando queramos hacer lo mismo o algo similar. Esa es la gracia de un Script.\nSi bien podemos escribir y ejecutar código directamente en la consola, estos se eliminarán una vez que cerremos la sesión en RStudio.\n¿Cómo crear un Script? Hacerlo es bastante sencillo. En la sección superior izquierda de RStudio, debe hacerse click en la hoja con un signo + verde y, luego, seleccionar la opción R Script en el menú desplegado:\n\n\n\n\n\n\n\n\n\nOtra manera de abrir un nuevo script es hacer click en la opción File de la barra superior. Posteriormente seleccionar New File > R Script en los menús desplegados:\n\n\n\n\n\n\n\n\n\nPor último, podemos mantener presionadas las teclas Ctrl + Shift + N en Windows, o ⌘ + Shift + N en Mac.\n¡Hemos abierto un nuevo script¡, que se debe ver de la siguiente manera:\n\n\n\n\n\n\n\n\n\nPodemos escribir en él los códigos, que se ejecutarán en la consola una vez mantengamos presionadas las teclas Control + Enter al inicio de la línea\n\n\n\n\n\n\n\n\n\n¿Y cómo guardo mi código? Podemos hacer click en el disquete situado en la barra que se encuentra sobre el código, o bien, apretar Ctrl + S.\n\n\n\n\n\n\n\n\n\nLa primera vez que guardemos un Script, nos pedirá que le asignemos un nombre y una ruta donde guardarlo. Este nombre debe ser sustantivo (como procesamiento o análisis), y debemos alojarlo en las subcarpetas que creamos en el paso anterior. Generalmente, guardaremos los scripts en la carpeta de Procesamiento. En este ejemplo, lo llamaremos script01:\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nUna vez almacenado en una carpeta, cada vez que clickeemos en los casetes o mantengamos presionadas las teclas Control + S, el archivo se actualizará a la última versión que hayamos guardado" + }, + { + "objectID": "assignment/01-practico.html#resumen", + "href": "assignment/01-practico.html#resumen", + "title": "Práctica 1. Introducción al lenguaje R", + "section": "", + "text": "Hoy aprendimos a procesar datos en R. En detalle, vimos:\n\nCómo establecer un flujo de trabajo mediante scripts y Rprojects siguiendo el protocolo IPO\nCómo crear un proyecto de R (R.proyect)\nCómo crear un script (hoja) en R" + }, + { + "objectID": "assignment/01-practico.html#presentación-de-la-clase", + "href": "assignment/01-practico.html#presentación-de-la-clase", + "title": "Práctica 1. Introducción al lenguaje R", + "section": "", + "text": "Presentación Sesión 1.pdf" + }, + { + "objectID": "assignment/02-practico.html", + "href": "assignment/02-practico.html", + "title": "Práctica 2. Conocimientos básicos de programación en R", + "section": "", + "text": "El objetivo de esta guía práctica es introducirnos en los procedimientos básicos del uso del lenguaje y ambiente R.\nEn detalle, aprenderemos:\n\nHerramientas básicas de programación en R\nOperadores en R\nTipos de datos\n\n\n\n\nRevisemos algunos conocimientos básicos para la programación en R. Pero antes, tengamos dos cosas en mente:\n\nPrimero, ¿qué es codificar?, en programación codificar corresponde a un proceso de entrega de instrucciones en un lenguaje específico, siguiendo un orden lógico y coherente.\nSegundo, de aquí en adelante nos manejaremos con una máxima en el curso; existe un acuerdo implícito entre tú y R: R hará todos los cálculos por ti, pero en cambio tú debes dar las instrucciones con total precisión.\n\n\n\nUno de los usos más sencillos y que están a la base de R, es usarlo como una calculadora.\n\n5+5\n\n[1] 10\n\n25/5\n\n[1] 5\n\n2*2\n\n[1] 4\n\n27-2\n\n[1] 25\n\n\nComo podrás ver, el resultado de estas instrucciones aparecen como un [1] en la consola. También podemos hacer operatorias más complejas y con más cálculos.\n\n12*(7+2)+(45-32)+8\n\n[1] 129\n\n22^2 - 2^2\n\n[1] 480\n\n1/200 * 30\n\n[1] 0.15\n\n\n\n\n\nR es un lenguaje de programación orientado a objetos. ¿Qué significa eso?, implica que podemos crear elementos dentro del ambiente de R, a los cuales les asignaremos información que quedará almacenada, información que puede ir desde números, palabras, cálculos hasta grandes bases de datos.\nTodas las instrucciones en R en las que crees objetos, es decir, instrucciones de asignación, tendrán la misma estructura:\nnombre_objeto <- valor\nEl asignador <- se utiliza para crear objetos y forma parte de uno de los operadores usados en R.\nLos elementos que podemos asignar a objetos son múltiples, como números, palabras acompañadas siempre de corchetes \" \" y vectores que corresponden a un conjunto o secuencia de elementos del mismo tipo definidos por la funcion de concatenar = c().\nVeamos un ejemplo creando objetos:\n\nx <- 4 # asignar\n\nx # ejecutar\n\n[1] 4\n\ny <- \"Hola mundo\" # los carácteres alfabéticos siempre van acompañados de corchetes\n\ny \n\n[1] \"Hola mundo\"\n\n\n¿Y concatenando? Hacemos un vector.\n\nedad <- c(18,22,36,19,35) # concatenar (variable de razon)\n\nedad\n\n[1] 18 22 36 19 35\n\ngenero <- c(3,1,1,2,3) # masculino = 1; femenino = 2; transgenero = 3 (variable nominal)\n\ngenero \n\n[1] 3 1 1 2 3\n\ngse <- c(\"ABC1\", \"C2\", \"E\", \"AbC1\", \"E\") # tambíen se pueden usar carácteres (variable ordinal)\n\ngse\n\n[1] \"ABC1\" \"C2\" \"E\" \"AbC1\" \"E\" \n\n\n¡Hagamos una pequeño reto!: ¿Cuál es el valor de a y b? Si a <- 5; b <- a; a <- 4\n\na <- 5\nb <- a\na <- 4\n\nprint(a) # imprimir en la consola\n\n[1] 4\n\nprint(b)\n\n[1] 5\n\na + 10\n\n[1] 14\n\n\nAhora, sea z = a^2 ¿qué resultado obtenemos de a * b + z?\n\nz <- a^2 # asignar\n\na * b + z\n\n[1] 36\n\n\nAdemás de lo anterior, en R es fundamental la creación de data.frames. Un Data.frame es una estructura de datos de dos dimensiones (columnas y filas), donde las columnas pueden ser de diferente naturaleza, pero deben tener el mismo largo. A partir de ella agrupamos variables en una matriz, o sea, construimos una base de datos. Es como “pegar” las columnas (variables) una al lado de otra.\nCreemos un data.frame con los vectores que ya creamos antes.\n\nbase1 <- data.frame(genero, gse, edad) # Resulta como objeto de \"datos\" en\n # entorno.\n\nbase1\n\n genero gse edad\n1 3 ABC1 18\n2 1 C2 22\n3 1 E 36\n4 2 AbC1 19\n5 3 E 35\n\n\nComo puedes ver, para crear el data.frame usamos la función que lleva el mismo nombre, colocando dentro del paréntesis los vectores que creamos anteriormente: data.frame(mis_vectores).\nAhora, creemos un data.frame desce cero. En este ejemplo, crearemos los vectores dentro de la función data.frame().\n\n# Ejemplo de como crear un data.frame desde 0: \n\nbase2 <- data.frame(Sexo=c(\"H\",\"M\",\"H\",\"M\",\"H\",\"M\"),\n Estatura=c(1.83,1.76,1.82,1.60,1.90,1.66),\n Peso=c(67,58,66,48,75,55))\n\nhead(base2) # Me permite visualizar las primeras filas\n\n Sexo Estatura Peso\n1 H 1.83 67\n2 M 1.76 58\n3 H 1.82 66\n4 M 1.60 48\n5 H 1.90 75\n6 M 1.66 55\n\n\n\n\n\n\nAntes de trabajar con datos, debemos conocer el concepto de operadores. Estos símbolos no son de uso exclusivo en R, pero no todos tienen el mismo significado que en otros softwares.\nLos operadores son símbolos que permiten, en los distintos procedimientos de procesamiento, simplificar procesos. Por ejemplo, serán útilizados cuando filtremos nuestros datos para personas de ciertas categorías, cuando calculemos variables nuevas (de manera aritmética o condicional) o, simplemente, cuando queramos hacer procesos “concatenados”.\n\n¡Veamos algunos ejemplos!\n\n20 == 5 # igualdad\n\n[1] FALSE\n\n30 >= 14 # mayor o igual que\n\n[1] TRUE\n\n22 <= 2 # menor o igual que\n\n[1] FALSE\n\n25 != 10 # no es igual a\n\n[1] TRUE\n\np = 10; y = 5; p <= y # operatoria en objetos\n\n[1] FALSE\n\n\n\n\n\n\n\nEn R, al igual que en la mayoría de lenguajes de programación, contamos con datos de diversos tipos, en razón de los cuales podemos realizar determinados procedimientos de tratamiento o análisis.\nLos tipos de datos están íntimamente relacionados con el nivel de medición de las variables a las que corresponden. Como viste en clases, la teoría de los niveles de medición contempla cuatro tipos:\n\n\n\n\nPara responder esta pregunta, ¡metamos nuestras manos en los datos!. En esta oportunidad trabajaremos sobre un subset de datos del Modulo de Desigualdad Social de la encuesta International Social Survey Programme del 2019. Esta base la descargaremos directamente desde internet por esta vez (en futuras sesiones aprenderemos cómo cargar bases de datos).\n\n#cargamos la base de datos desde internet\n\nload(url(\"https://github.com/Andreas-Lafferte/descriptiva/blob/main/data/db-proc.RData?raw=true\"))\n\nhead(rand_df) # ver primeros casos de la base\n\n pais edad sexo ideologia percepcion_conflictos\n1 Suiza 23 Hombre Izquierda 2\n2 Chile 27 Mujer Sin identificación 2\n3 Rusia 43 Mujer Sin identificación 1\n4 Finlandia 71 Mujer Sin identificación 1\n5 Japon 54 Mujer Izquierda 2\n6 Lituania 67 Mujer Sin identificación 1\n\n\n\n\nLos datos character están directamente asociados a las variables cualitativas (o categóricas). Generalmente suelen ser variables de texto abierto, como es el caso de la variable pais, que detalla el país de procedencia de la persona encuestada.\nPara conocer cuál es el tipo de variable en R, utilizamos el comando class(), y para detallar dentro de la base de datos cuál es la variable de interés, utilizamos el símbolo $ posterior a la base de datos:\n\nclass(rand_df$pais) # siempre es la misma estructura = base$variable\n\n[1] \"character\"\n\n\nSin embargo, estas variables no tienden a ser las mejores a la hora de presentar nuestros resultados. Como solución, tenemos las variables de tipo Factor.\n\n\n\nLas variables de tipo factor son ideales para trabajar con variables de tipo nominal u ordinal. Esto es así debido a que permiten establecer un orden entre las categorías de la variable, lo cual es fundamental si trabajamos, por ejemplo, con variables nominales como el sexo de los encuestados, o si trabajamos con variables ordinales como su ideología política.\n\nclass(rand_df$sexo)\n\n[1] \"factor\"\n\nclass(rand_df$ideologia)\n\n[1] \"factor\"\n\n\n\n\n\nLas variables de tipo numeric son variables de tipo númerica, las cuales pueden ser intervales o de razón. Así, por ejemplo, cuando trabajamos con variables de razón trabajamos con variables como el número de hijos o la edad (aunque sería extraño encuestar a alguien con 0 años).\n\nclass(rand_df$edad)\n\n[1] \"numeric\"" + }, + { + "objectID": "assignment/02-practico.html#objetivo-de-la-práctica", + "href": "assignment/02-practico.html#objetivo-de-la-práctica", + "title": "Práctica 2. Conocimientos básicos de programación en R", + "section": "", + "text": "El objetivo de esta guía práctica es introducirnos en los procedimientos básicos del uso del lenguaje y ambiente R.\nEn detalle, aprenderemos:\n\nHerramientas básicas de programación en R\nOperadores en R\nTipos de datos" }, { - "objectID": "assignment/03-practico.html#colocando-todo-en-práctica", - "href": "assignment/03-practico.html#colocando-todo-en-práctica", - "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", - "section": "6 Colocando todo en práctica", - "text": "6 Colocando todo en práctica\nOtra de las venjatas de dplyr() es que nos permite concatenar funciones siguiendo la misma lógica de programación de izquiera a derecha. Esto lo hacemos a través de los pipes %>%, que es un operador proveniente del paquete magrittr.\nUna función normal es igual a f(x,y), en donde al elemento y del objeto x le aplicamos determinada función f(). Los %>% simplifican funciones y concatenan códigos de la siguiente manera:\nx %>% f(y) es lo mismo que f(x,y).\nEsto significa que el %>% literalmente le dice a R que coloque al objeto x dentro de la función f(), para aplicarle dicha función a y. :::\nVeamos cómo se ocupa y porqué simplifica la vida\n\na) Seleccionemos y filtremos datos con %>%\n\nproc_elsoc <- elsoc_2022 %>% \n dplyr::select(edad = m0_edad,\n sexo = m0_sexo,\n ingreso = m13,\n autor_democ = c25,\n jv_delincuentes = f05_01) %>% \n dplyr::filter(edad >= 25)\n\nproc_elsoc\n\n# A tibble: 980 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n \n 1 38 Hombre 4000000 1 NA\n 2 45 Mujer 2700000 1 3\n 3 42 Hombre 600000 3 NA\n 4 29 Hombre 1250000 1 1\n 5 53 Mujer 500000 2 3\n 6 52 Mujer NA 3 2\n 7 50 Mujer NA 2 5\n 8 57 Mujer 0 1 4\n 9 47 Mujer 600000 1 3\n10 79 Hombre NA 2 1\n# ℹ 970 more rows\n\n\n\n\nb) Recodifiquemos datos y eliminemos NAs con %>%\n\nproc_elsoc <- proc_elsoc %>% \n mutate(sexo = car::recode(sexo,\n recodes = c(\"'Hombre' = 'Masculino'; 'Mujer' = 'Femenino'\")),\n ingreso = car::recode(ingreso, \n recodes = c(\"-888 = NA; -999 = NA\")),\n autor_democ = car::recode(autor_democ,\n recodes = c(\"1 = 'La democracia es preferible a cualquier otra forma de gobierno'; \n 2 = 'En algunas circunstancias, un gobierno autoritario puede ser preferible a uno democratico'; \n 3 = 'A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario'; \n 4 = 'Ninguna'; \n -888 = NA; \n -999 = NA\"),\n as.factor = TRUE), # convertir a factor\n jv_delincuentes = car::recode(jv_delincuentes, \n recodes = c(\"1 = 'Nunca';\n 2 = 'Pocas veces';\n 3 = 'Algunas veces';\n 4 = 'Muchas veces';\n 5 = 'Siempre';\n -888 = NA; \n -999 = NA\"),\n as.factor = TRUE, # convertir a factor\n levels = c(\"Nunca\",\n \"Pocas veces\",\n \"Algunas veces\",\n \"Muchas veces\",\n \"Siempre\"))) %>% \n na.omit()\n\nproc_elsoc\n\n# A tibble: 496 × 5\n edad sexo ingreso autor_democ jv_delincuentes\n \n 1 45 Femenino 2700000 La democracia es preferible a cualqu… Algunas veces \n 2 29 Masculino 1250000 La democracia es preferible a cualqu… Nunca \n 3 53 Femenino 500000 En algunas circunstancias, un gobier… Algunas veces \n 4 57 Femenino 0 La democracia es preferible a cualqu… Muchas veces \n 5 47 Femenino 600000 La democracia es preferible a cualqu… Algunas veces \n 6 39 Masculino 1350000 La democracia es preferible a cualqu… Muchas veces \n 7 42 Masculino 1100000 La democracia es preferible a cualqu… Muchas veces \n 8 51 Masculino 800000 La democracia es preferible a cualqu… Nunca \n 9 38 Masculino 1600000 A la gente como uno, nos da lo mismo… Algunas veces \n10 45 Femenino 500000 La democracia es preferible a cualqu… Nunca \n# ℹ 486 more rows\n\n\n\n\nc) Transformemos variables con %>%\n\nproc_elsoc <- proc_elsoc %>% \n mutate(ano = 2022,\n tramo_edad = case_when(edad <= 29 ~ \"Jovenes\",\n edad >= 30 & edad <= 59 ~ \"Adultos\",\n edad >= 60 ~ \"Adutos mayores\"),\n tramo_ingreso = case_when(ingreso <= 250000 ~ \"Tramo 1\",\n ingreso > 250000 & ingreso <= 500000 ~ \"Tramo 2\",\n ingreso > 500000 & ingreso <= 750000 ~ \"Tramo 3\",\n ingreso > 750000 & ingreso <= 1000000 ~ \"Tramo 4\",\n ingreso > 1000000 ~ \"Tramo 5\"),\n ingreso_minimo = if_else(ingreso < 410000, \"debajo minimo\", \"sobre minimo\"))\n\nproc_elsoc\n\n# A tibble: 496 × 9\n edad sexo ingreso autor_democ jv_delincuentes ano tramo_edad\n \n 1 45 Femenino 2700000 La democracia es pr… Algunas veces 2022 Adultos \n 2 29 Masculino 1250000 La democracia es pr… Nunca 2022 Jovenes \n 3 53 Femenino 500000 En algunas circunst… Algunas veces 2022 Adultos \n 4 57 Femenino 0 La democracia es pr… Muchas veces 2022 Adultos \n 5 47 Femenino 600000 La democracia es pr… Algunas veces 2022 Adultos \n 6 39 Masculino 1350000 La democracia es pr… Muchas veces 2022 Adultos \n 7 42 Masculino 1100000 La democracia es pr… Muchas veces 2022 Adultos \n 8 51 Masculino 800000 La democracia es pr… Nunca 2022 Adultos \n 9 38 Masculino 1600000 A la gente como uno… Algunas veces 2022 Adultos \n10 45 Femenino 500000 La democracia es pr… Nunca 2022 Adultos \n# ℹ 486 more rows\n# ℹ 2 more variables: tramo_ingreso , ingreso_minimo " + "objectID": "assignment/02-practico.html#conocimientos-básicos-de-programación", + "href": "assignment/02-practico.html#conocimientos-básicos-de-programación", + "title": "Práctica 2. Conocimientos básicos de programación en R", + "section": "", + "text": "Revisemos algunos conocimientos básicos para la programación en R. Pero antes, tengamos dos cosas en mente:\n\nPrimero, ¿qué es codificar?, en programación codificar corresponde a un proceso de entrega de instrucciones en un lenguaje específico, siguiendo un orden lógico y coherente.\nSegundo, de aquí en adelante nos manejaremos con una máxima en el curso; existe un acuerdo implícito entre tú y R: R hará todos los cálculos por ti, pero en cambio tú debes dar las instrucciones con total precisión.\n\n\n\nUno de los usos más sencillos y que están a la base de R, es usarlo como una calculadora.\n\n5+5\n\n[1] 10\n\n25/5\n\n[1] 5\n\n2*2\n\n[1] 4\n\n27-2\n\n[1] 25\n\n\nComo podrás ver, el resultado de estas instrucciones aparecen como un [1] en la consola. También podemos hacer operatorias más complejas y con más cálculos.\n\n12*(7+2)+(45-32)+8\n\n[1] 129\n\n22^2 - 2^2\n\n[1] 480\n\n1/200 * 30\n\n[1] 0.15\n\n\n\n\n\nR es un lenguaje de programación orientado a objetos. ¿Qué significa eso?, implica que podemos crear elementos dentro del ambiente de R, a los cuales les asignaremos información que quedará almacenada, información que puede ir desde números, palabras, cálculos hasta grandes bases de datos.\nTodas las instrucciones en R en las que crees objetos, es decir, instrucciones de asignación, tendrán la misma estructura:\nnombre_objeto <- valor\nEl asignador <- se utiliza para crear objetos y forma parte de uno de los operadores usados en R.\nLos elementos que podemos asignar a objetos son múltiples, como números, palabras acompañadas siempre de corchetes \" \" y vectores que corresponden a un conjunto o secuencia de elementos del mismo tipo definidos por la funcion de concatenar = c().\nVeamos un ejemplo creando objetos:\n\nx <- 4 # asignar\n\nx # ejecutar\n\n[1] 4\n\ny <- \"Hola mundo\" # los carácteres alfabéticos siempre van acompañados de corchetes\n\ny \n\n[1] \"Hola mundo\"\n\n\n¿Y concatenando? Hacemos un vector.\n\nedad <- c(18,22,36,19,35) # concatenar (variable de razon)\n\nedad\n\n[1] 18 22 36 19 35\n\ngenero <- c(3,1,1,2,3) # masculino = 1; femenino = 2; transgenero = 3 (variable nominal)\n\ngenero \n\n[1] 3 1 1 2 3\n\ngse <- c(\"ABC1\", \"C2\", \"E\", \"AbC1\", \"E\") # tambíen se pueden usar carácteres (variable ordinal)\n\ngse\n\n[1] \"ABC1\" \"C2\" \"E\" \"AbC1\" \"E\" \n\n\n¡Hagamos una pequeño reto!: ¿Cuál es el valor de a y b? Si a <- 5; b <- a; a <- 4\n\na <- 5\nb <- a\na <- 4\n\nprint(a) # imprimir en la consola\n\n[1] 4\n\nprint(b)\n\n[1] 5\n\na + 10\n\n[1] 14\n\n\nAhora, sea z = a^2 ¿qué resultado obtenemos de a * b + z?\n\nz <- a^2 # asignar\n\na * b + z\n\n[1] 36\n\n\nAdemás de lo anterior, en R es fundamental la creación de data.frames. Un Data.frame es una estructura de datos de dos dimensiones (columnas y filas), donde las columnas pueden ser de diferente naturaleza, pero deben tener el mismo largo. A partir de ella agrupamos variables en una matriz, o sea, construimos una base de datos. Es como “pegar” las columnas (variables) una al lado de otra.\nCreemos un data.frame con los vectores que ya creamos antes.\n\nbase1 <- data.frame(genero, gse, edad) # Resulta como objeto de \"datos\" en\n # entorno.\n\nbase1\n\n genero gse edad\n1 3 ABC1 18\n2 1 C2 22\n3 1 E 36\n4 2 AbC1 19\n5 3 E 35\n\n\nComo puedes ver, para crear el data.frame usamos la función que lleva el mismo nombre, colocando dentro del paréntesis los vectores que creamos anteriormente: data.frame(mis_vectores).\nAhora, creemos un data.frame desce cero. En este ejemplo, crearemos los vectores dentro de la función data.frame().\n\n# Ejemplo de como crear un data.frame desde 0: \n\nbase2 <- data.frame(Sexo=c(\"H\",\"M\",\"H\",\"M\",\"H\",\"M\"),\n Estatura=c(1.83,1.76,1.82,1.60,1.90,1.66),\n Peso=c(67,58,66,48,75,55))\n\nhead(base2) # Me permite visualizar las primeras filas\n\n Sexo Estatura Peso\n1 H 1.83 67\n2 M 1.76 58\n3 H 1.82 66\n4 M 1.60 48\n5 H 1.90 75\n6 M 1.66 55" }, { - "objectID": "assignment/03-practico.html#guardar-y-exportar-datos-procesados", - "href": "assignment/03-practico.html#guardar-y-exportar-datos-procesados", - "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", - "section": "7 Guardar y exportar datos procesados", - "text": "7 Guardar y exportar datos procesados\n¡Legamos al final! El último paso que nos queda es guardar y exportar nuestra base de datos procesada. Siguiendo el flujo de trabajo propuesto, guardaremos la base procesada en formato .Rdata y la alojaremos en la carpeta output de nuestro proyecto.\nEste último paso es bastante sencillo, solo debemos especificar la base que queremos guadar y su ruta:\n\nsaveRDS(proc_elsoc, file = \"output/datos_proc.Rdata\")" + "objectID": "assignment/02-practico.html#operadores-en-r", + "href": "assignment/02-practico.html#operadores-en-r", + "title": "Práctica 2. Conocimientos básicos de programación en R", + "section": "", + "text": "Antes de trabajar con datos, debemos conocer el concepto de operadores. Estos símbolos no son de uso exclusivo en R, pero no todos tienen el mismo significado que en otros softwares.\nLos operadores son símbolos que permiten, en los distintos procedimientos de procesamiento, simplificar procesos. Por ejemplo, serán útilizados cuando filtremos nuestros datos para personas de ciertas categorías, cuando calculemos variables nuevas (de manera aritmética o condicional) o, simplemente, cuando queramos hacer procesos “concatenados”.\n\n¡Veamos algunos ejemplos!\n\n20 == 5 # igualdad\n\n[1] FALSE\n\n30 >= 14 # mayor o igual que\n\n[1] TRUE\n\n22 <= 2 # menor o igual que\n\n[1] FALSE\n\n25 != 10 # no es igual a\n\n[1] TRUE\n\np = 10; y = 5; p <= y # operatoria en objetos\n\n[1] FALSE" }, { - "objectID": "assignment/03-practico.html#resumen", - "href": "assignment/03-practico.html#resumen", - "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", - "section": "Resumen", - "text": "Resumen\nHoy aprendimos a procesar datos en R. En detalle, vimos:\n\nCómo establecer un flujo de trabajo de procesamiento y análisis de datos en R.\nInstalar y cargar paquetes y librerías, así como también leer bases de datos en R.\nLimpiar, transformar y exportar bases de datos en R." + "objectID": "assignment/02-practico.html#tipos-de-datos", + "href": "assignment/02-practico.html#tipos-de-datos", + "title": "Práctica 2. Conocimientos básicos de programación en R", + "section": "", + "text": "En R, al igual que en la mayoría de lenguajes de programación, contamos con datos de diversos tipos, en razón de los cuales podemos realizar determinados procedimientos de tratamiento o análisis.\nLos tipos de datos están íntimamente relacionados con el nivel de medición de las variables a las que corresponden. Como viste en clases, la teoría de los niveles de medición contempla cuatro tipos:\n\n\n\n\nPara responder esta pregunta, ¡metamos nuestras manos en los datos!. En esta oportunidad trabajaremos sobre un subset de datos del Modulo de Desigualdad Social de la encuesta International Social Survey Programme del 2019. Esta base la descargaremos directamente desde internet por esta vez (en futuras sesiones aprenderemos cómo cargar bases de datos).\n\n#cargamos la base de datos desde internet\n\nload(url(\"https://github.com/Andreas-Lafferte/descriptiva/blob/main/data/db-proc.RData?raw=true\"))\n\nhead(rand_df) # ver primeros casos de la base\n\n pais edad sexo ideologia percepcion_conflictos\n1 Suiza 23 Hombre Izquierda 2\n2 Chile 27 Mujer Sin identificación 2\n3 Rusia 43 Mujer Sin identificación 1\n4 Finlandia 71 Mujer Sin identificación 1\n5 Japon 54 Mujer Izquierda 2\n6 Lituania 67 Mujer Sin identificación 1\n\n\n\n\nLos datos character están directamente asociados a las variables cualitativas (o categóricas). Generalmente suelen ser variables de texto abierto, como es el caso de la variable pais, que detalla el país de procedencia de la persona encuestada.\nPara conocer cuál es el tipo de variable en R, utilizamos el comando class(), y para detallar dentro de la base de datos cuál es la variable de interés, utilizamos el símbolo $ posterior a la base de datos:\n\nclass(rand_df$pais) # siempre es la misma estructura = base$variable\n\n[1] \"character\"\n\n\nSin embargo, estas variables no tienden a ser las mejores a la hora de presentar nuestros resultados. Como solución, tenemos las variables de tipo Factor.\n\n\n\nLas variables de tipo factor son ideales para trabajar con variables de tipo nominal u ordinal. Esto es así debido a que permiten establecer un orden entre las categorías de la variable, lo cual es fundamental si trabajamos, por ejemplo, con variables nominales como el sexo de los encuestados, o si trabajamos con variables ordinales como su ideología política.\n\nclass(rand_df$sexo)\n\n[1] \"factor\"\n\nclass(rand_df$ideologia)\n\n[1] \"factor\"\n\n\n\n\n\nLas variables de tipo numeric son variables de tipo númerica, las cuales pueden ser intervales o de razón. Así, por ejemplo, cuando trabajamos con variables de razón trabajamos con variables como el número de hijos o la edad (aunque sería extraño encuestar a alguien con 0 años).\n\nclass(rand_df$edad)\n\n[1] \"numeric\"" }, { - "objectID": "assignment/03-practico.html#video-de-clase", - "href": "assignment/03-practico.html#video-de-clase", - "title": "Práctica 3. Procesamiento, limpieza y manipulación de datos en R", + "objectID": "assignment/02-practico.html#video-de-clase", + "href": "assignment/02-practico.html#video-de-clase", + "title": "Práctica 2. Conocimientos básicos de programación en R", "section": "Video de clase", - "text": "Video de clase\n\nPrimer bloque\n\n\n\nSegundo bloque" + "text": "Video de clase" }, { "objectID": "assignment/04-practico.html", @@ -97,19 +489,40 @@ "section": "", "text": "El objetivo de esta guía práctica es conocer las principales formas de realizar analísis estadísticos descriptivo en R, aplicando los concocimientos aprendidos durante el curso.\nEn detalle, aprenderemos:\n\nEstablecer un flujo de trabajo ordenado en un script (.R).\nAplicar análisis estadísticos descriptivos a variables según su nivel de medición\n\n\n\n\nEn esta práctica trabajeremos con los datos procesados que obtuvimos en la práctica anterior a partir de los datos del Estudio Longitudinal Social de Chile (ELSOC) realizado por COES.\nRecuerden que siempre es importante trabajar con el manual/libro de códigos de las bases de datos. El manual de la ELSOC 2022 lo pueden encontrar aquí.\n\n\n\nPor temas de orden y reproducibilidad, en este curso vamos a separar en dos momentos el trabajo con datos, y dos archivos de código correspondientes:\n\nPreparación: corresponde a lo que se conoce generalmente como “limpieza”, es decir, realizar las modificaciones necesarias a los datos para poder efectuar los análisis. Estas modificaciones previas al análisis son necesarias ya que los datos originales con los que se va a trabajar en general no vienen perfectamente adaptados a los análisis que se quieren hacer. Por lo tanto, en cuanto a datos también hacemos la distinción entre datos originales y datos preparados (o procesados).\nAnálisis: se relaciona con análisis estadísticos, en este caso descriptivos, asociados a las preguntas e hipótesis de investigación.\n\nLos procesos de preparación y análisis vinculados tanto a datos y resultados se presentan en el siguiente esquema:\n\nTanto la preparación como el análisis (que son parte del concepto más general de procesamiento) quedan registrados cada uno en un archivo de código respectivo.\nEn esta guía nos centraremos en el análisis de datos con R. El documento de código de análisis tiene, por lo menos, 4 partes más una sección de identificación inicial:\n\nIdentificación y descripción general: Título, autor(es), fecha, información breve sobre el contenido del documento\nLibrerías: instalar/cargar librerías a utilizar\nDatos: carga de datos\nExplorar: explorar datos\nAnálisis: analizar datos y realizar estimaciones" }, + { + "objectID": "assignment/04-practico.html#objetivo-de-la-práctica", + "href": "assignment/04-practico.html#objetivo-de-la-práctica", + "title": "Práctica 4. Análisis descriptivo de datos en R", + "section": "", + "text": "El objetivo de esta guía práctica es conocer las principales formas de realizar analísis estadísticos descriptivo en R, aplicando los concocimientos aprendidos durante el curso.\nEn detalle, aprenderemos:\n\nEstablecer un flujo de trabajo ordenado en un script (.R).\nAplicar análisis estadísticos descriptivos a variables según su nivel de medición" + }, + { + "objectID": "assignment/04-practico.html#recursos-de-la-práctica", + "href": "assignment/04-practico.html#recursos-de-la-práctica", + "title": "Práctica 4. Análisis descriptivo de datos en R", + "section": "", + "text": "En esta práctica trabajeremos con los datos procesados que obtuvimos en la práctica anterior a partir de los datos del Estudio Longitudinal Social de Chile (ELSOC) realizado por COES.\nRecuerden que siempre es importante trabajar con el manual/libro de códigos de las bases de datos. El manual de la ELSOC 2022 lo pueden encontrar aquí." + }, + { + "objectID": "assignment/04-practico.html#flujo-de-trabajo-reproducible", + "href": "assignment/04-practico.html#flujo-de-trabajo-reproducible", + "title": "Práctica 4. Análisis descriptivo de datos en R", + "section": "", + "text": "Por temas de orden y reproducibilidad, en este curso vamos a separar en dos momentos el trabajo con datos, y dos archivos de código correspondientes:\n\nPreparación: corresponde a lo que se conoce generalmente como “limpieza”, es decir, realizar las modificaciones necesarias a los datos para poder efectuar los análisis. Estas modificaciones previas al análisis son necesarias ya que los datos originales con los que se va a trabajar en general no vienen perfectamente adaptados a los análisis que se quieren hacer. Por lo tanto, en cuanto a datos también hacemos la distinción entre datos originales y datos preparados (o procesados).\nAnálisis: se relaciona con análisis estadísticos, en este caso descriptivos, asociados a las preguntas e hipótesis de investigación.\n\nLos procesos de preparación y análisis vinculados tanto a datos y resultados se presentan en el siguiente esquema:\n\nTanto la preparación como el análisis (que son parte del concepto más general de procesamiento) quedan registrados cada uno en un archivo de código respectivo.\nEn esta guía nos centraremos en el análisis de datos con R. El documento de código de análisis tiene, por lo menos, 4 partes más una sección de identificación inicial:\n\nIdentificación y descripción general: Título, autor(es), fecha, información breve sobre el contenido del documento\nLibrerías: instalar/cargar librerías a utilizar\nDatos: carga de datos\nExplorar: explorar datos\nAnálisis: analizar datos y realizar estimaciones" + }, { "objectID": "assignment/04-practico.html#cargar-librerías", "href": "assignment/04-practico.html#cargar-librerías", "title": "Práctica 4. Análisis descriptivo de datos en R", "section": "1 Cargar librerías", - "text": "1 Cargar librerías\nEste paso ya lo realizamos y cargamos todas las librerías necesarias. Pero si, al trabajar los distintos script lo hacemos en sesiones diferentes, debemos volver a cargar las librerías.\n\ninstall.packages(\"pacman\") #para instalar\nlibrary(pacman) # para llamar/cargar\n\nEn este práctico utilizaremos los siguientes paquetes:\n\npacman: este facilita y agiliza la lectura de los paquetes a utilizar en R\ntidyverse: colección de paquetes, de la cual utilizaremos dplyr y haven\ndplyr: nos permite seleccionar variables de un set de datos\npsych: para analizar descriptivamente datos\nsjmisc: para analizar descriptivamente datos\ncrosstable: para tablas cruzadas o de contingencia\n\n\npacman::p_load(tidyverse, # colección de paquetes para manipulación de datos\n dplyr, # para manipular datos\n psych, # para analizar datos\n sjmisc, # para analizar datos\n crosstable) # para tablas de contingencia\n\nInstalling package into 'C:/Users/kevin/AppData/Local/R/win-library/4.2'\n(as 'lib' is unspecified)\n\n\nWarning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.2:\n no fue posible abrir la URL 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.2/PACKAGES'\n\n\npackage 'crosstable' successfully unpacked and MD5 sums checked\n\nThe downloaded binary packages are in\n C:\\Users\\kevin\\AppData\\Local\\Temp\\RtmpgzXyjN\\downloaded_packages\n\n\n\ncrosstable installed\n\n\nWarning: package 'crosstable' was built under R version 4.2.3\n\noptions(scipen = 999) # para desactivar notacion cientifica\nrm(list = ls()) # para limpiar el entorno de trabajo" + "text": "1 Cargar librerías\nEste paso ya lo realizamos y cargamos todas las librerías necesarias. Pero si, al trabajar los distintos script lo hacemos en sesiones diferentes, debemos volver a cargar las librerías.\n\ninstall.packages(\"pacman\") #para instalar\nlibrary(pacman) # para llamar/cargar\n\nEn este práctico utilizaremos los siguientes paquetes:\n\npacman: este facilita y agiliza la lectura de los paquetes a utilizar en R\ntidyverse: colección de paquetes, de la cual utilizaremos dplyr y haven\ndplyr: nos permite seleccionar variables de un set de datos\npsych: para analizar descriptivamente datos\nsjmisc: para analizar descriptivamente datos\ncrosstable: para tablas cruzadas o de contingencia\n\n\npacman::p_load(tidyverse, # colección de paquetes para manipulación de datos\n dplyr, # para manipular datos\n psych, # para analizar datos\n sjmisc, # para analizar datos\n crosstable) # para tablas de contingencia\n\nInstalling package into 'C:/Users/kevin/AppData/Local/R/win-library/4.3'\n(as 'lib' is unspecified)\n\n\nalso installing the dependencies 'triebeard', 'urltools', 'httpcode', 'crul', 'fontBitstreamVera', 'fontLiberation', 'gfonts', 'fontquiver', 'gdtools', 'flextable', 'officer'\n\n\nWarning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3:\n no fue posible abrir la URL 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.3/PACKAGES'\n\n\npackage 'triebeard' successfully unpacked and MD5 sums checked\npackage 'urltools' successfully unpacked and MD5 sums checked\npackage 'httpcode' successfully unpacked and MD5 sums checked\npackage 'crul' successfully unpacked and MD5 sums checked\npackage 'fontBitstreamVera' successfully unpacked and MD5 sums checked\npackage 'fontLiberation' successfully unpacked and MD5 sums checked\npackage 'gfonts' successfully unpacked and MD5 sums checked\npackage 'fontquiver' successfully unpacked and MD5 sums checked\npackage 'gdtools' successfully unpacked and MD5 sums checked\npackage 'flextable' successfully unpacked and MD5 sums checked\npackage 'officer' successfully unpacked and MD5 sums checked\npackage 'crosstable' successfully unpacked and MD5 sums checked\n\nThe downloaded binary packages are in\n C:\\Users\\kevin\\AppData\\Local\\Temp\\RtmpqOPUfn\\downloaded_packages\n\n\n\ncrosstable installed\n\n\nWarning: package 'crosstable' was built under R version 4.3.3\n\noptions(scipen = 999) # para desactivar notacion cientifica\nrm(list = ls()) # para limpiar el entorno de trabajo" }, { "objectID": "assignment/04-practico.html#importar-datos", "href": "assignment/04-practico.html#importar-datos", "title": "Práctica 4. Análisis descriptivo de datos en R", "section": "2 Importar datos", - "text": "2 Importar datos\nUsamos los datos creados en el procesamiento que se encuentran guardados en la carpeta output.\n\ndatos_proc <- readRDS(\"output/datos_proc.Rdata\")" + "text": "2 Importar datos\nUsamos los datos creados en el procesamiento que se encuentran guardados en la carpeta output.\n\ndatos_proc <- readRDS(\"output/datos_proc.Rdata\")" }, { "objectID": "assignment/04-practico.html#explorar-datos", @@ -123,7 +536,7 @@ "href": "assignment/04-practico.html#análisis", "title": "Práctica 4. Análisis descriptivo de datos en R", "section": "4 Análisis", - "text": "4 Análisis\n\n4.1 Estadísticos descriptivos para variables categóricas\nCuando tenemos variables catégoricas, sean nominales u ordinales, podemos utilizar tablas de frecuencias. Recordemos que las frecuencias es una manera ordenar datos según el valor alcanzado en la distribución de una variable.\n\n4.1.1 Frecuencias\n\na) Absolutas y relativas\nPara las variables nominales podemos usar tablas de frecuencias absolutas y relativas, y con ellas conocer la moda, es dedir, el valor con mayor cantidad de observaciones. Para ello, una manera sencilla de hacerlo es mediante la función table de R.\n\ntable(datos_proc$sexo)\n\n\n Femenino Masculino \n 277 219 \n\ntable(datos_proc$ingreso_minimo)\n\n\ndebajo minimo sobre minimo \n 211 285 \n\ntable(datos_proc$autor_democ)\n\n\n A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario \n 112 \nEn algunas circunstancias, un gobierno autoritario puede ser preferible a uno democratico \n 62 \n La democracia es preferible a cualquier otra forma de gobierno \n 287 \n Ninguna \n 35 \n\n\nLo anterior nos entrega la frecuencia absoluta de las variables. Con ello, podemos observar que, en cuanto la preferencias entre autoritarismo y democracia, la mayoría de nuestros casos se concentran en “La democracia es preferible a cualquier otra forma de gobierno”. Para conocer la frecuencia relativa o porcentual de estas podemos utilizar el comando prop.table.\n\n(freq_table1 <-table(datos_proc$autor_democ))\n\n\n A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario \n 112 \nEn algunas circunstancias, un gobierno autoritario puede ser preferible a uno democratico \n 62 \n La democracia es preferible a cualquier otra forma de gobierno \n 287 \n Ninguna \n 35 \n\nprop.table(freq_table1)*100 \n\n\n A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario \n 22.580645 \nEn algunas circunstancias, un gobierno autoritario puede ser preferible a uno democratico \n 12.500000 \n La democracia es preferible a cualquier otra forma de gobierno \n 57.862903 \n Ninguna \n 7.056452 \n\n\nAsí, podemos sostener que un 57,9% de los casos concideran que la democracia es preferible a cualquier otra forma de gobierno.\n\n\nb) Acumuladas\nMientras que si trabajamos con variables ordinales, podemos usar también la frecuencia acumulada:\n\n(freq_table2 <- table(datos_proc$tramo_ingreso))\n\n\nTramo 1 Tramo 2 Tramo 3 Tramo 4 Tramo 5 \n 77 198 80 60 81 \n\n(freq_table3 <- prop.table(freq_table2)*100)\n\n\n Tramo 1 Tramo 2 Tramo 3 Tramo 4 Tramo 5 \n15.52419 39.91935 16.12903 12.09677 16.33065 \n\ncumsum(freq_table3)\n\n Tramo 1 Tramo 2 Tramo 3 Tramo 4 Tramo 5 \n 15.52419 55.44355 71.57258 83.66935 100.00000 \n\n\nA partir de este estadístico, podemos ver que un 55% de los casos se ubican debajo del tramo 2 de ingresos, lo cual en términos sustantivos señala que un 55% de las observaciones obtienen menos de $500.000 de ingresos mensuales.\nTambién podemos unir todas estas frecuencias en una sola tabla:\n\ntbl3 <- table(datos_proc$tramo_ingreso)\ncbind(Freq=tbl3, relat = prop.table(tbl3)*100, Cum = cumsum(tbl3))\n\n Freq relat Cum\nTramo 1 77 15.52419 77\nTramo 2 198 39.91935 275\nTramo 3 80 16.12903 355\nTramo 4 60 12.09677 415\nTramo 5 81 16.33065 496\n\n\nOtra manera de calcular frecuencias (absolutas, relativas y acumuladas) en R, es mediante la función frq() del paquete sjmisc, el cual entrega todo lo anterior con un solo comando.\n\nsjmisc::frq(datos_proc$tramo_ingreso)\n\nx \n# total N=496 valid N=496 mean=2.74 sd=1.31\n\nValue | N | Raw % | Valid % | Cum. %\n----------------------------------------\nTramo 1 | 77 | 15.52 | 15.52 | 15.52\nTramo 2 | 198 | 39.92 | 39.92 | 55.44\nTramo 3 | 80 | 16.13 | 16.13 | 71.57\nTramo 4 | 60 | 12.10 | 12.10 | 83.67\nTramo 5 | 81 | 16.33 | 16.33 | 100.00\n | 0 | 0.00 | | \n\n\n\n\n\n4.1.2 Tablas de contingencia\nTambién podemos cruzar dos variables mediante las llamadas tablas de contingencia o tablas cruzadas. Además de conocer la frecuencia absoluta en cada casilla, podemos también conocer la proporción o frecuencia relativa para cada casilla y el total de la filas y columnas.\n\ncrosstable(datos_proc, cols = sexo, by = tramo_edad)\n\n# A tibble: 2 × 6\n .id label variable Adultos `Adutos mayores` Jovenes \n \n1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%)\n2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%)\n\ncrosstable(datos_proc, cols = sexo, by = tramo_edad, total = \"both\") #fila y columna\n\n# A tibble: 3 × 7\n .id label variable Adultos `Adutos mayores` Jovenes Total \n \n1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%) 277 (55.85%) \n2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%) 219 (44.15%) \n3 sexo sexo Total 362 (72.98%) 93 (18.75%) 41 (8.27%) 496 (100.00%)\n\ncrosstable(datos_proc, cols = sexo, by = tramo_edad, total = \"row\") #solo fila\n\n# A tibble: 2 × 7\n .id label variable Adultos `Adutos mayores` Jovenes Total \n \n1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%) 277 (55.85%)\n2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%) 219 (44.15%)\n\ncrosstable(datos_proc, cols = sexo, by = tramo_edad, total = \"column\") #solo columna\n\n# A tibble: 3 × 6\n .id label variable Adultos `Adutos mayores` Jovenes \n \n1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%)\n2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%)\n3 sexo sexo Total 362 (72.98%) 93 (18.75%) 41 (8.27%)\n\n\n\n\n\n4.2 Estadísticos descriptivos para variables númericas\nA diferencia de las variables categóricas, a las variables numéricas (intervalaras o de razón) les podemos calcular una mayor cantidad de estadísticos descriptivos, como medidas de tendencia central, dispersión o posición.\nComo ya vimos en clases:\n\ndentro de las medidas de tendencia central que podemos calcular para describir a una variable numérica encontramos: media, mediana;\ndentro de las medidas de dispersión podemos señalar: desviación estándar, variancia, coeficiente de variación, rango;\ndentro de las medidas de posición podemos mencionar: mediana, q1, q3, mínimo, máximo.\n\n\n\n\n\n\n\nTip\n\n\n\nRecordemos que:\n\nlas medidads de tendencia central expresan el valor alrededor del cual se sitúa la mayor cantidad de los datos. Estamos mirando hacia el centro de los datos.\nlas medidas de dispersión buscan cuantificar lo próximo o alejado que están los valores de una variable de un punto central. Estamos mirando la dispersión de los datos respecto a su centro.\nlas medidas de posición señalan en qué “lugar” de una distribución se encuentra un dato o un conjunto de datos en relación al resto.\n\n\n\nEn R existen distintas formas de cálcular este tipo de estadísticos descriptivos.\n\na) Con summary\nPodemos obtener rapidamente un resumen de los datos con la funcion summary de R\n\nsummary(datos_proc$ingreso)\n\n Min. 1st Qu. Median Mean 3rd Qu. Max. \n 0 350000 500000 679514 800000 5000000 \n\n\nCon esto podemos ver que el promedio o media aritmética del ingreso individual de los entrevistados de nuestra base es de $679.514, mientras que la mediana es de 500.000 pesos.\nAsimismo, observamos que el 25% de la parte inferior de nuestros datos obtiene igual o menos de $350.000, en tanto que el 25% superior de la distribución de los datos gana igual o más de 800.000 pesos.\nSin embargo, aunque es informativo, no nos entrega toda la información que quisieramos.\n\n\nb) Con psych\n\npsych::describe(datos_proc$ingreso,\n quant = c(.25,.75),\n IQR = T)\n\n vars n mean sd median trimmed mad min max range skew\n1 1 496 679514.1 611376.9 500000 572434.7 296520 0 5000000 5000000 3.01\n kurtosis se IQR Q0.25 Q0.75\n1 13.42 27451.63 450000 350000 800000\n\n\nUsando la funcion describe del paquete psych podemos obtener mayor cantidad de estadísticos, además de especificarle otros adicionales.\nAsí, por ejemplo, ahora además de la media aritmética y la media, también tenemos la media recortada.\nPero lo más relevante es que nos aporta estadísticos de la dispersión de los datos, como la desviación estandár que nos indica que el grado de dispersión de mis datos respecto al promedio de ingresos es de $611.376. Con esto, podemos obtener también la varianza de los datos, que corresponde a la DS al cuadrado.\nAdemás de eso, nos aporta el rango (el valor máximo menos el mínimo), y el recorrido interquartilico (Q3 - Q1) que nos indica el grado de dispersión del 50% de los datos.\nCon esta información, podemos calcular los demás estadísticos que necesitamos “a mano”, es decir, computandolos directamente en R como una cálculadora.\n\n\nc) Con summarise de dplyr\nOtra manera de obtener todos los estadísticos que necesitamos es utilizando dplyr. Aquí, le especificamos lo que requerimos, pero debemos saber bien cómo calcular tales medidas:\n\ndatos_proc %>% \n summarise(media = mean(ingreso),\n mediana = median(ingreso),\n q1 = quantile(ingreso, probs = .25),\n q2 = quantile(ingreso, probs = .75),\n rango = max(ingreso) - min(ingreso),\n desviacion_estandar = sd(ingreso),\n varianza = var(ingreso),\n coef_variacion = sd(ingreso)/mean(ingreso))\n\n# A tibble: 1 × 8\n media mediana q1 q2 rango desviacion_estandar varianza coef_variacion\n \n1 679514. 500000 350000 8e5 5e6 611377. 3.74e11 0.900\n\n\nAhora, conocemos no solo los estádisticos anteriores, sino que también obtuvimos la varianza y el coeficiente de variación." + "text": "4 Análisis\n\n4.1 Estadísticos descriptivos para variables categóricas\nCuando tenemos variables catégoricas, sean nominales u ordinales, podemos utilizar tablas de frecuencias. Recordemos que las frecuencias es una manera ordenar datos según el valor alcanzado en la distribución de una variable.\n\n4.1.1 Frecuencias\n\na) Absolutas y relativas\nPara las variables nominales podemos usar tablas de frecuencias absolutas y relativas, y con ellas conocer la moda, es dedir, el valor con mayor cantidad de observaciones. Para ello, una manera sencilla de hacerlo es mediante la función table de R.\n\ntable(datos_proc$sexo)\n\n\n Femenino Masculino \n 277 219 \n\ntable(datos_proc$ingreso_minimo)\n\n\ndebajo minimo sobre minimo \n 211 285 \n\ntable(datos_proc$autor_democ)\n\n\n A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario \n 112 \nEn algunas circunstancias, un gobierno autoritario puede ser preferible a uno democratico \n 62 \n La democracia es preferible a cualquier otra forma de gobierno \n 287 \n Ninguna \n 35 \n\n\nLo anterior nos entrega la frecuencia absoluta de las variables. Con ello, podemos observar que, en cuanto la preferencias entre autoritarismo y democracia, la mayoría de nuestros casos se concentran en “La democracia es preferible a cualquier otra forma de gobierno”. Para conocer la frecuencia relativa o porcentual de estas podemos utilizar el comando prop.table.\n\n(freq_table1 <-table(datos_proc$autor_democ))\n\n\n A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario \n 112 \nEn algunas circunstancias, un gobierno autoritario puede ser preferible a uno democratico \n 62 \n La democracia es preferible a cualquier otra forma de gobierno \n 287 \n Ninguna \n 35 \n\nprop.table(freq_table1)*100 \n\n\n A la gente como uno, nos da lo mismo un regimen democratico que uno autoritario \n 22.580645 \nEn algunas circunstancias, un gobierno autoritario puede ser preferible a uno democratico \n 12.500000 \n La democracia es preferible a cualquier otra forma de gobierno \n 57.862903 \n Ninguna \n 7.056452 \n\n\nAsí, podemos sostener que un 57,9% de los casos concideran que la democracia es preferible a cualquier otra forma de gobierno.\n\n\nb) Acumuladas\nMientras que si trabajamos con variables ordinales, podemos usar también la frecuencia acumulada:\n\n(freq_table2 <- table(datos_proc$tramo_ingreso))\n\n\nTramo 1 Tramo 2 Tramo 3 Tramo 4 Tramo 5 \n 77 198 80 60 81 \n\n(freq_table3 <- prop.table(freq_table2)*100)\n\n\n Tramo 1 Tramo 2 Tramo 3 Tramo 4 Tramo 5 \n15.52419 39.91935 16.12903 12.09677 16.33065 \n\ncumsum(freq_table3)\n\n Tramo 1 Tramo 2 Tramo 3 Tramo 4 Tramo 5 \n 15.52419 55.44355 71.57258 83.66935 100.00000 \n\n\nA partir de este estadístico, podemos ver que un 55% de los casos se ubican debajo del tramo 2 de ingresos, lo cual en términos sustantivos señala que un 55% de las observaciones obtienen menos de $500.000 de ingresos mensuales.\nTambién podemos unir todas estas frecuencias en una sola tabla:\n\ntbl3 <- table(datos_proc$tramo_ingreso)\ncbind(Freq=tbl3, relat = prop.table(tbl3)*100, Cum = cumsum(tbl3))\n\n Freq relat Cum\nTramo 1 77 15.52419 77\nTramo 2 198 39.91935 275\nTramo 3 80 16.12903 355\nTramo 4 60 12.09677 415\nTramo 5 81 16.33065 496\n\n\nOtra manera de calcular frecuencias (absolutas, relativas y acumuladas) en R, es mediante la función frq() del paquete sjmisc, el cual entrega todo lo anterior con un solo comando.\n\nsjmisc::frq(datos_proc$tramo_ingreso)\n\nx <character> \n# total N=496 valid N=496 mean=2.74 sd=1.31\n\nValue | N | Raw % | Valid % | Cum. %\n----------------------------------------\nTramo 1 | 77 | 15.52 | 15.52 | 15.52\nTramo 2 | 198 | 39.92 | 39.92 | 55.44\nTramo 3 | 80 | 16.13 | 16.13 | 71.57\nTramo 4 | 60 | 12.10 | 12.10 | 83.67\nTramo 5 | 81 | 16.33 | 16.33 | 100.00\n<NA> | 0 | 0.00 | <NA> | <NA>\n\n\n\n\n\n4.1.2 Tablas de contingencia\nTambién podemos cruzar dos variables mediante las llamadas tablas de contingencia o tablas cruzadas. Además de conocer la frecuencia absoluta en cada casilla, podemos también conocer la proporción o frecuencia relativa para cada casilla y el total de la filas y columnas.\n\ncrosstable(datos_proc, cols = sexo, by = tramo_edad)\n\n# A tibble: 2 × 6\n .id label variable Adultos `Adutos mayores` Jovenes \n <chr> <chr> <chr> <chr> <chr> <chr> \n1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%)\n2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%)\n\ncrosstable(datos_proc, cols = sexo, by = tramo_edad, total = \"both\") #fila y columna\n\n# A tibble: 3 × 7\n .id label variable Adultos `Adutos mayores` Jovenes Total \n <chr> <chr> <chr> <chr> <chr> <chr> <chr> \n1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%) 277 (55.85%) \n2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%) 219 (44.15%) \n3 sexo sexo Total 362 (72.98%) 93 (18.75%) 41 (8.27%) 496 (100.00%)\n\ncrosstable(datos_proc, cols = sexo, by = tramo_edad, total = \"row\") #solo fila\n\n# A tibble: 2 × 7\n .id label variable Adultos `Adutos mayores` Jovenes Total \n <chr> <chr> <chr> <chr> <chr> <chr> <chr> \n1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%) 277 (55.85%)\n2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%) 219 (44.15%)\n\ncrosstable(datos_proc, cols = sexo, by = tramo_edad, total = \"column\") #solo columna\n\n# A tibble: 3 × 6\n .id label variable Adultos `Adutos mayores` Jovenes \n <chr> <chr> <chr> <chr> <chr> <chr> \n1 sexo sexo Femenino 210 (75.81%) 44 (15.88%) 23 (8.30%)\n2 sexo sexo Masculino 152 (69.41%) 49 (22.37%) 18 (8.22%)\n3 sexo sexo Total 362 (72.98%) 93 (18.75%) 41 (8.27%)\n\n\n\n\n\n4.2 Estadísticos descriptivos para variables númericas\nA diferencia de las variables categóricas, a las variables numéricas (intervalaras o de razón) les podemos calcular una mayor cantidad de estadísticos descriptivos, como medidas de tendencia central, dispersión o posición.\nComo ya vimos en clases:\n\ndentro de las medidas de tendencia central que podemos calcular para describir a una variable numérica encontramos: media, mediana;\ndentro de las medidas de dispersión podemos señalar: desviación estándar, variancia, coeficiente de variación, rango;\ndentro de las medidas de posición podemos mencionar: mediana, q1, q3, mínimo, máximo.\n\n\n\n\n\n\n\nTip\n\n\n\nRecordemos que:\n\nlas medidads de tendencia central expresan el valor alrededor del cual se sitúa la mayor cantidad de los datos. Estamos mirando hacia el centro de los datos.\nlas medidas de dispersión buscan cuantificar lo próximo o alejado que están los valores de una variable de un punto central. Estamos mirando la dispersión de los datos respecto a su centro.\nlas medidas de posición señalan en qué “lugar” de una distribución se encuentra un dato o un conjunto de datos en relación al resto.\n\n\n\nEn R existen distintas formas de cálcular este tipo de estadísticos descriptivos.\n\na) Con summary\nPodemos obtener rapidamente un resumen de los datos con la funcion summary de R\n\nsummary(datos_proc$ingreso)\n\n Min. 1st Qu. Median Mean 3rd Qu. Max. \n 0 350000 500000 679514 800000 5000000 \n\n\nCon esto podemos ver que el promedio o media aritmética del ingreso individual de los entrevistados de nuestra base es de $679.514, mientras que la mediana es de 500.000 pesos.\nAsimismo, observamos que el 25% de la parte inferior de nuestros datos obtiene igual o menos de $350.000, en tanto que el 25% superior de la distribución de los datos gana igual o más de 800.000 pesos.\nSin embargo, aunque es informativo, no nos entrega toda la información que quisieramos.\n\n\nb) Con psych\n\npsych::describe(datos_proc$ingreso,\n quant = c(.25,.75),\n IQR = T)\n\n vars n mean sd median trimmed mad min max range skew\nX1 1 496 679514.1 611376.9 500000 572434.7 296520 0 5000000 5000000 3.01\n kurtosis se IQR Q0.25 Q0.75\nX1 13.42 27451.63 450000 350000 800000\n\n\nUsando la funcion describe del paquete psych podemos obtener mayor cantidad de estadísticos, además de especificarle otros adicionales.\nAsí, por ejemplo, ahora además de la media aritmética y la media, también tenemos la media recortada.\nPero lo más relevante es que nos aporta estadísticos de la dispersión de los datos, como la desviación estandár que nos indica que el grado de dispersión de mis datos respecto al promedio de ingresos es de $611.376. Con esto, podemos obtener también la varianza de los datos, que corresponde a la DS al cuadrado.\nAdemás de eso, nos aporta el rango (el valor máximo menos el mínimo), y el recorrido interquartilico (Q3 - Q1) que nos indica el grado de dispersión del 50% de los datos.\nCon esta información, podemos calcular los demás estadísticos que necesitamos “a mano”, es decir, computandolos directamente en R como una cálculadora.\n\n\nc) Con summarise de dplyr\nOtra manera de obtener todos los estadísticos que necesitamos es utilizando dplyr. Aquí, le especificamos lo que requerimos, pero debemos saber bien cómo calcular tales medidas:\n\ndatos_proc %>% \n summarise(media = mean(ingreso),\n mediana = median(ingreso),\n q1 = quantile(ingreso, probs = .25),\n q2 = quantile(ingreso, probs = .75),\n rango = max(ingreso) - min(ingreso),\n desviacion_estandar = sd(ingreso),\n varianza = var(ingreso),\n coef_variacion = sd(ingreso)/mean(ingreso))\n\n# A tibble: 1 × 8\n media mediana q1 q2 rango desviacion_estandar varianza coef_variacion\n <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>\n1 679514. 500000 350000 8e5 5e6 611377. 3.74e11 0.900\n\n\nAhora, conocemos no solo los estádisticos anteriores, sino que también obtuvimos la varianza y el coeficiente de variación." }, { "objectID": "assignment/04-practico.html#resumen", @@ -140,25 +553,25 @@ "text": "Video de clase" }, { - "objectID": "assignment/05-practico.html", - "href": "assignment/05-practico.html", - "title": "Práctica 5. Repaso procesamiento y análisis de datos en R", + "objectID": "assignment/06-practico.html", + "href": "assignment/06-practico.html", + "title": "Práctica 6. Visualización de datos con R", "section": "", - "text": "El objetivo de esta guía práctica es repasar los procedimientos básicos para el procesamiento y análisis descripivo de datos en R, los cuales fueron vistos en las sesiones pasadas del laboratorio.\nEn detalle, aprenderemos:\n\nEstablecer un flujo de trabajo en R.\nProcesar, limpiar y transformar bases de datos en R.\nRealizar análisis desciptivos (medidas de posición, tendencia central y dispersión) en R.\n\n¡Al final de esta práctica la idea es que cada un_ elabore y entienda su propio documento de preparación y análisis de datos!\n\n\n\nEn esta práctica trabajaremos con un subset de los datos del Estudio Longitudinal Social de Chile (ELSOC) realizado por COES. Esta base la pueden encontrar en el canal de U-Cursos sección Material Docente, o bien, en el siguiente enlace ELSOC 2022 podrán descargar el archivo que contiene la base ELSOC 2022.\nRecuerden que siempre es importante trabajar con el manual/libro de códigos de las bases de datos. El manual de la ELSOC 2022 lo pueden encontrar aquí." + "text": "El objetivo de esta guía práctica es introducir a la visualización de datos con R, considerando las mejores prácticas para comunicar datos y análisis en ciencias sociales.\nEn detalle, aprenderemos:\n\nQué es la visualización de datos y cómo comunicarlos a una audiencia de manera eficiente, completa e insesgada.\nVisualizar datos univariados con {ggplot2}.\n\n\n\n\nEn esta práctica trabajaremos con la base de datos de la Encuesta de Opinión Pública (CEP) de Diciembre del 2019 realizada por el Centro de Estudios Públicos. Esta base la pueden encontrar en el canal de U-Cursos sección Material Docente, o bien, en el siguiente enlace CEP 2019 podrán descargar el archivo que contiene la base CEP Diciembre 2019." }, { - "objectID": "assignment/05-practico.html#video-de-clase", - "href": "assignment/05-practico.html#video-de-clase", - "title": "Práctica 5. Repaso procesamiento y análisis de datos en R", - "section": "Video de clase", - "text": "Video de clase\n\nPrimer bloque\n\n\n\nSegundo bloque" + "objectID": "assignment/06-practico.html#objetivo-de-la-práctica", + "href": "assignment/06-practico.html#objetivo-de-la-práctica", + "title": "Práctica 6. Visualización de datos con R", + "section": "", + "text": "El objetivo de esta guía práctica es introducir a la visualización de datos con R, considerando las mejores prácticas para comunicar datos y análisis en ciencias sociales.\nEn detalle, aprenderemos:\n\nQué es la visualización de datos y cómo comunicarlos a una audiencia de manera eficiente, completa e insesgada.\nVisualizar datos univariados con {ggplot2}." }, { - "objectID": "assignment/06-practico.html", - "href": "assignment/06-practico.html", + "objectID": "assignment/06-practico.html#recursos-de-la-práctica", + "href": "assignment/06-practico.html#recursos-de-la-práctica", "title": "Práctica 6. Visualización de datos con R", "section": "", - "text": "El objetivo de esta guía práctica es introducir a la visualización de datos con R, considerando las mejores prácticas para comunicar datos y análisis en ciencias sociales.\nEn detalle, aprenderemos:\n\nQué es la visualización de datos y cómo comunicarlos a una audiencia de manera eficiente, completa e insesgada.\nVisualizar datos univariados con {ggplot2}.\n\n\n\n\nEn esta práctica trabajaremos con la base de datos de la Encuesta de Opinión Pública (CEP) de Diciembre del 2019 realizada por el Centro de Estudios Públicos. Esta base la pueden encontrar en el canal de U-Cursos sección Material Docente, o bien, en el siguiente enlace CEP 2019 podrán descargar el archivo que contiene la base CEP Diciembre 2019." + "text": "En esta práctica trabajaremos con la base de datos de la Encuesta de Opinión Pública (CEP) de Diciembre del 2019 realizada por el Centro de Estudios Públicos. Esta base la pueden encontrar en el canal de U-Cursos sección Material Docente, o bien, en el siguiente enlace CEP 2019 podrán descargar el archivo que contiene la base CEP Diciembre 2019." }, { "objectID": "assignment/06-practico.html#cargar-librerías", @@ -172,14 +585,14 @@ "href": "assignment/06-practico.html#importar-datos", "title": "Práctica 6. Visualización de datos con R", "section": "2. Importar datos", - "text": "2. Importar datos\nCargamos la base de datos CEP Diciembre 2019 mediante el paquete haven\n\ncep <- haven::read_sav(\"Input/data/CEP_dic2019.sav\")" + "text": "2. Importar datos\nCargamos la base de datos CEP Diciembre 2019 mediante el paquete haven\n\ncep <- haven::read_sav(\"Input/data/CEP_dic2019.sav\")" }, { "objectID": "assignment/06-practico.html#limpiar-datos", "href": "assignment/06-practico.html#limpiar-datos", "title": "Práctica 6. Visualización de datos con R", "section": "3. Limpiar datos", - "text": "3. Limpiar datos\nSeleccionamos las variables de interés y las renombramos:\n\nproc_cep <- cep %>% \n select(edad = DS_P2_EXACTA,\n sexo = DS_P1,\n empleo = DS_P5, \n satisfaccion = SV_1)\n\nRecodificamos las variables satisfaccion, sexo y empleo. Ademas, transformamos la variable edad a tramos:\n\nproc_cep$sexo <- as.factor(proc_cep$sexo) # primero pasamos a factor la variable al venir con etiquetas\nproc_cep$empleo <- as.factor(proc_cep$empleo)\n\nproc_cep <- proc_cep %>% \n mutate(satisfaccion=car::recode(satisfaccion, recodes = c(\"88 = NA; 99 = NA\")),\n sexo = car::recode(sexo, recodes = c(\"1 = 'Hombre'; 2 = 'Mujer'\")),\n empleo = car::recode(empleo, recodes = c(\"1 = 'Ocupado'; 2 = 'Desocupado'; 3 = 'Nunca ha trabajado'; 99 = NA\")),\n tramo_edad = case_when(edad <= 29 ~ \"Jovenes\",\n edad >= 30 & edad <= 59 ~ \"Adultos\",\n edad >= 60 ~ \"Adutos mayores\")) \n\nRemovemos los valores perdidos o missing.\n\nproc_cep <- na.omit(proc_cep)\n\nPor último, guardamos la base procesada.\n\nsaveRDS(proc_cep, file = \"Output/proc_cep.RData\")" + "text": "3. Limpiar datos\nSeleccionamos las variables de interés y las renombramos:\n\nproc_cep <- cep %>% \n select(edad = DS_P2_EXACTA,\n sexo = DS_P1,\n empleo = DS_P5, \n satisfaccion = SV_1)\n\nRecodificamos las variables satisfaccion, sexo y empleo. Ademas, transformamos la variable edad a tramos:\n\nproc_cep$sexo <- as.factor(proc_cep$sexo) # primero pasamos a factor la variable al venir con etiquetas\nproc_cep$empleo <- as.factor(proc_cep$empleo)\n\nproc_cep <- proc_cep %>% \n mutate(satisfaccion=car::recode(satisfaccion, recodes = c(\"88 = NA; 99 = NA\")),\n sexo = car::recode(sexo, recodes = c(\"1 = 'Hombre'; 2 = 'Mujer'\")),\n empleo = car::recode(empleo, recodes = c(\"1 = 'Ocupado'; 2 = 'Desocupado'; 3 = 'Nunca ha trabajado'; 99 = NA\")),\n tramo_edad = case_when(edad <= 29 ~ \"Jovenes\",\n edad >= 30 & edad <= 59 ~ \"Adultos\",\n edad >= 60 ~ \"Adutos mayores\")) \n\nRemovemos los valores perdidos o missing.\n\nproc_cep <- na.omit(proc_cep)\n\nPor último, guardamos la base procesada.\n\nsaveRDS(proc_cep, file = \"Output/proc_cep.RData\")" }, { "objectID": "assignment/06-practico.html#resumen", @@ -196,53 +609,25 @@ "text": "Video tutorial" }, { - "objectID": "assignment/07-practico.html", - "href": "assignment/07-practico.html", - "title": "Práctica 7. Forma de una distribución", + "objectID": "assignment/08-practico.html", + "href": "assignment/08-practico.html", + "title": "Inferencia estadística univariada", "section": "", - "text": "El objetivo de esta guía práctica es aplicar los conocimientos aprendidos en clases sobre la forma de una distribución en R, comprendiendo sus usos, relevancia y formas de analizarla.\nEn detalle, aprenderemos:\n\nLa noción de una distribución y sus tipos (continuas y discretas)\nEstimar e interpretar la asimetría y curtosis de una distribución\nContrastar distribuciones empíricas con teóricas\n\n\n\n\nEn esta práctica trabajeremos con los datos procesados que obtuvimos en la práctica anterior, en la cual trabajamos sobre la Encuesta de Opinión Pública (CEP) de Diciembre del 2019 realizada por el Centro de Estudios Públicos." - }, - { - "objectID": "assignment/07-practico.html#distribuciones-continuas-y-discretas", - "href": "assignment/07-practico.html#distribuciones-continuas-y-discretas", - "title": "Práctica 7. Forma de una distribución", - "section": "1. Distribuciones continuas y discretas", - "text": "1. Distribuciones continuas y discretas\nExisten dos tipos de distribuciones según el nivel de medición de las variables: las continuas y las discretas.\nComo cabe esperar, las distribuciones continuas aplican a variables numericas (intervalares y de razón). Es una distribución que describe la probabilidad o frecuencia de que una variable continua tome un valor particular dado un intervalo o un rango. Toma valores a lo largo de un continuo de dominio (\\(R\\)), es decir, su dominio son todos los números reales.\n\n\n`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.\n\n\n\n\n\nPor su parte, las distribuciones discretas son comunmente utilizadas con variables categóricas (nominales y ordinales). Son distribuciones en las que una variable sólo puede tomar un número contable de valores distintos. En otras palabras, es una distribución en la que la variable sólo puede tomar valores específicos, en lugar de cualquier valor dentro de un intervalo. Su dominio es un conjunto de valores enteros (\\(N, Z, Q\\))." - }, - { - "objectID": "assignment/07-practico.html#preparación-de-datos", - "href": "assignment/07-practico.html#preparación-de-datos", - "title": "Práctica 7. Forma de una distribución", - "section": "1. Preparación de datos", - "text": "1. Preparación de datos\nCargamos las librerías y datos que ocuparemos\n\npacman::p_load(tidyverse, \n psych, \n sjmisc) \n\noptions(scipen = 999) \nrm(list = ls()) \n\nproc_cep <- readRDS(\"Output/proc_cep.RData\")" - }, - { - "objectID": "assignment/07-practico.html#análisis-de-la-forma-de-distribución", - "href": "assignment/07-practico.html#análisis-de-la-forma-de-distribución", - "title": "Práctica 7. Forma de una distribución", - "section": "2. Análisis de la forma de distribución", - "text": "2. Análisis de la forma de distribución\nAnalicemos e interpretemos la forma de la distribución de nuestras variables. En este ejemplo tenemos:\n\nuna de razón,\nuna ordinal de 10 categorías.\n\n\npsych::describe(proc_cep$edad)\n\n vars n mean sd median trimmed mad min max range skew kurtosis se\nX1 1 1474 48.43 17.84 48.5 48.01 21.5 18 99 81 0.14 -0.93 0.46\n\nggplot(data = proc_cep, \n mapping = aes(x = edad)) + \n geom_density(color = \"black\", fill = \"#FA8072\", alpha = 0.8) + \n labs(title =\"Diagrama densidad: Edad\", \n x = \"Edad\", \n y = \"Frecuencia\",\n caption = \"Fuente: Elaboración propia en base a Encuesta CEP Diciembre 2019.\") \n\n\n\n\nA partir de los estadísticos entregados, sabemos que la variable edad tiene una asimetría positiva (skew = 0.14) pero baja (< 0.5), lo cual indica que los datos se tienden a distribuir hacía los menores valores del eje X. Por su parte, la curtosis es negativa (kurtosis = -0.93) o platicúrtica, lo cual indica que existe una baja concentración en el centro de los datos.\n\npsych::describe(proc_cep$satisfaccion)\n\n vars n mean sd median trimmed mad min max range skew kurtosis se\nX1 1 1474 6.87 2.18 7 6.97 2.97 1 10 9 -0.32 -0.45 0.06\n\nggplot(data = proc_cep, \n mapping = aes(x = satisfaccion)) + \n geom_density(color = \"black\", fill = \"darkred\", alpha = 0.8) + \n labs(title =\"Histograma densidad: Satisfaccion\", \n x = \"Satisfaccion\", \n y = \"Frecuencia\",\n caption = \"Fuente: Elaboración propia en base a Encuesta CEP Diciembre 2019.\") \n\n\n\n\nEn cuanto a la variable satisfaccion, tenemos una asimetría negativa (skew = -0.32) aunque baja, indicando que los datos se tienden a distribuir hacia la parte superior de la variable. Además, la curtosis también es negativa o platicúrtica (kurtosis = -0.45), por lo que existe una baja concentración en el centro de los datos." - }, - { - "objectID": "assignment/07-practico.html#resumen", - "href": "assignment/07-practico.html#resumen", - "title": "Práctica 7. Forma de una distribución", - "section": "Resumen", - "text": "Resumen\nHoy aprendimos a visualizar datos en R. En detalle, vimos:\n\nLa noción de una distribución y sus tipos (continuas y discretas)\nEstimar e interpretar la asimetría y curtosis de una distribución\nContrastar distribuciones empíricas con teóricas" + "text": "El objetivo de esta guía práctica es aplicar los conocimientos aprendidos en clases sobre inferencia estadística univariada, comprendiendo sus fundamentos, relevancia y aplicación a un caso concreto en R.\nEn detalle, aprenderemos:\n\nEstablecer el diseño muestral de una base de datos en R.\nRealizar estimaciones puntuales e intervalares para medias y proporciones.\nContrastar hipótesis univariadas.\n\n\n\n\nEn esta práctica trabajaremos con la base de datos de la Encuesta Suplementaria de Ingresos (ESI) del 2021 realizada por el Instituto Nacional de Estadísticas (INE). Esta base la pueden encontrar en el canal de U-Cursos sección Material Docente, o bien, en el siguiente enlace ESI 2021 podrán descargar el archivo que contiene la base ESI 2021." }, { - "objectID": "assignment/07-practico.html#video-tutorial", - "href": "assignment/07-practico.html#video-tutorial", - "title": "Práctica 7. Forma de una distribución", - "section": "Video tutorial", - "text": "Video tutorial" + "objectID": "assignment/08-practico.html#objetivo-de-la-práctica", + "href": "assignment/08-practico.html#objetivo-de-la-práctica", + "title": "Inferencia estadística univariada", + "section": "", + "text": "El objetivo de esta guía práctica es aplicar los conocimientos aprendidos en clases sobre inferencia estadística univariada, comprendiendo sus fundamentos, relevancia y aplicación a un caso concreto en R.\nEn detalle, aprenderemos:\n\nEstablecer el diseño muestral de una base de datos en R.\nRealizar estimaciones puntuales e intervalares para medias y proporciones.\nContrastar hipótesis univariadas." }, { - "objectID": "assignment/08-practico.html", - "href": "assignment/08-practico.html", + "objectID": "assignment/08-practico.html#recursos-de-la-práctica", + "href": "assignment/08-practico.html#recursos-de-la-práctica", "title": "Inferencia estadística univariada", "section": "", - "text": "El objetivo de esta guía práctica es aplicar los conocimientos aprendidos en clases sobre inferencia estadística univariada, comprendiendo sus fundamentos, relevancia y aplicación a un caso concreto en R.\nEn detalle, aprenderemos:\n\nEstablecer el diseño muestral de una base de datos en R.\nRealizar estimaciones puntuales e intervalares para medias y proporciones.\nContrastar hipótesis univariadas.\n\n\n\n\nEn esta práctica trabajaremos con la base de datos de la Encuesta Suplementaria de Ingresos (ESI) del 2021 realizada por el Instituto Nacional de Estadísticas (INE). Esta base la pueden encontrar en el canal de U-Cursos sección Material Docente, o bien, en el siguiente enlace ESI 2021 podrán descargar el archivo que contiene la base ESI 2021." + "text": "En esta práctica trabajaremos con la base de datos de la Encuesta Suplementaria de Ingresos (ESI) del 2021 realizada por el Instituto Nacional de Estadísticas (INE). Esta base la pueden encontrar en el canal de U-Cursos sección Material Docente, o bien, en el siguiente enlace ESI 2021 podrán descargar el archivo que contiene la base ESI 2021." }, { "objectID": "assignment/08-practico.html#cargar-librerías", @@ -256,14 +641,14 @@ "href": "assignment/08-practico.html#importar-datos", "title": "Inferencia estadística univariada", "section": "2. Importar datos", - "text": "2. Importar datos\nCargamos la base de datos ESI 2021 con readRDS\n\nesi <- readRDS(\"Input/data/esi-2021-ocupados.RData\")" + "text": "2. Importar datos\nCargamos la base de datos ESI 2021 con readRDS\n\nesi <- readRDS(\"Input/data/esi-2021-ocupados.RData\")" }, { "objectID": "assignment/08-practico.html#recodificar", "href": "assignment/08-practico.html#recodificar", "title": "Inferencia estadística univariada", "section": "3. Recodificar", - "text": "3. Recodificar\nSolo recodificamos y convertiremos a factor la variable sexo.\n\nesi$sexo <- car::recode(esi$sexo, recodes = c(\" 1 = 'Hombre'; 2 = 'Mujer'\"), as.factor = T)" + "text": "3. Recodificar\nSolo recodificamos y convertiremos a factor la variable sexo.\n\nesi$sexo <- car::recode(esi$sexo, recodes = c(\" 1 = 'Hombre'; 2 = 'Mujer'\"), as.factor = T)" }, { "objectID": "assignment/08-practico.html#resumen", @@ -279,27 +664,6 @@ "section": "Video de la sesión", "text": "Video de la sesión" }, - { - "objectID": "assignment/index.html", - "href": "assignment/index.html", - "title": "Laboratorio de Análisis de Datos", - "section": "", - "text": "En esta sección se encuentran las guías prácticas a desarrollar durante las sesiones del Laboratorio de Análisis de Datos.\nTodo el material es accesible desde el menú de la izquierda <–" - }, - { - "objectID": "assignment/index.html#instrucciones-generales-para-las-prácticas", - "href": "assignment/index.html#instrucciones-generales-para-las-prácticas", - "title": "Laboratorio de Análisis de Datos", - "section": "Instrucciones generales para las prácticas", - "text": "Instrucciones generales para las prácticas\n\nLas instancia prácticas consisten en el desarrollo de una guía práctica cada 2 semanas donde se aplican y profundizan los contenidos de las clases mediante las herramientas del lenguaje R. La organización de estas prácticas se puede revisar en la planificación del curso.\nEstas sesiones acompañarán el desarrollo de las guías prácticas disponibles en este sitio.\nEn las prácticas vamos a trabajar con el software R, Versión 4.2.2\nPara poder tener una asesoría y monitoreo más cercano en el desarrollo de las guías, los estudiantes han sido divididos en grupos asignados a un/a ayudante (ver en UCursos).\nEl trabajo con estas guías se organiza en los siguientes momentos:\n\nlas sesiones de laboratorios serán en modalidad online, en donde el equipo docente guiará el desarrollo del práctico\nel equipo docente mostrará el código para cada sesión, el cual contendrá los mismos contenidos de las guías alojadas en este sitio\nen paralelo, cada estudiante realiza esta guía de manera autónoma durante la sesión de laboratorio en su propio computador, apoyándose en el código que mostrarán los apoyos docentes\nen caso de dudas, las realizan en los foros disponibles o se contactan directamente con su ayudante" - }, - { - "objectID": "assignment/index.html#trabajo-con-software-r", - "href": "assignment/index.html#trabajo-con-software-r", - "title": "Laboratorio de Análisis de Datos", - "section": "Trabajo con software R", - "text": "Trabajo con software R\nPara los análisis estadísticos de este curso usamos el programa R, en parte porque es gratuito, pero la principal razón es que es de código abierto. Esto quiere decir que cualquier persona puede revisar cómo está hecho y aportar con modificaciones y procedimientos nuevos, como son las librerías que realizan funciones específicas.\nEl carácter de apertura de R posee muchas ventajas, pero también conlleva complicaciones. Se actualiza permanentemente, así como también las librerías, y esto puede generar problemas de compatibilidad y de fallas en ejecución del código de análisis.\nPara minimizar estos posibles problemas en este curso, vamos a:\n\ntrabajar con la misma y última versión de R, que es la 4.2\nevitar uso de tilde, ñ, espacios y mayúsculas tanto en carpetas y archivos, así como también en los nombres de las variables\nal momento de hacer consultas sobre problemas en la ejecución del código, adjuntar la siguiente información:\n\nCódigo completo hasta que se produce el problema\nIndicar línea del código donde se produce el problema\nAdjuntar el resultado del output de la información de la sesión (sessionInfo())\n\n\n\nInstalación de R & RStudio\nPara esta versión del curso vamos a trabajar con el programa R Version 4.2 (se sugiere la última versión 4.2.2) y con RStudio, que ofrece un entorno más amigable para trabajar con R.\nPara instalar R: ir a https://cran.r-project.org/index.html y bajar/instalar la versión correspondiente a la plataforma utilizada (Windows, Mac o Linux)\nPara instalar RStudio: ir a https://posit.co/downloads/ y bajar/instalar RStudio desktop, Open Source License (libre).\nSi por alguna razón se prefiere trabajar sin descargar, también se puede utilizar RCloud, abajo un tutorial de una versión anterior del curso de estadística multivarada\n\n\n\n\n\n\n\nSobre el trabajo en hojas de código en RStudio\n\nEl trabajo de análisis en RStudio se efectua en una hoja de código (o R script o sintaxis, o para los usuarios de Stata la do-file), que es donde se anotan los comandos y funciones. Para abrir una hoja, en RStudio ir a File > New File > R Script (o ctrl+shift+N),y aparecerá un panel con una pestaña “Untitled” (sin título). Esta es la hoja de código donde se anotan los comandos.\nLos contenidos de las hojas de código son básicamente 2:\n\ncomandos o funciones: se escriben en la hoja, y para ejecutarlos se debe posicionar el cursor en la línea respectiva y ctrl+enter, el resultado aparecerá en el panel de resultados o Consola.\ntexto: para escribir títulos, comentarios, y todo lo que permita entender qué se está haciendo, al principio de la línea respectiva escribir el signo #\n\nPara grabar nuestra hoja de código y así respaldar nuestros análisis, File > Save (o ctrl+s), y dar un nombre al archivo. Recordar: breve, sin espacios ni tildes ni eñes. Por defecto, la extensión de estos archivos es .R" - }, { "objectID": "class/01-class.html#lecturas", "href": "class/01-class.html#lecturas", @@ -307,13 +671,6 @@ "section": "Lecturas", "text": "Lecturas" }, - { - "objectID": "class/02-class.html#lecturas", - "href": "class/02-class.html#lecturas", - "title": "Presentación", - "section": "Lecturas", - "text": "Lecturas" - }, { "objectID": "class/03-class.html#lecturas", "href": "class/03-class.html#lecturas", @@ -321,13 +678,6 @@ "section": "Lecturas", "text": "Lecturas" }, - { - "objectID": "class/04-class.html#lecturas", - "href": "class/04-class.html#lecturas", - "title": "Presentación", - "section": "Lecturas", - "text": "Lecturas" - }, { "objectID": "class/05-class.html#lecturas", "href": "class/05-class.html#lecturas", @@ -335,13 +685,6 @@ "section": "Lecturas", "text": "Lecturas" }, - { - "objectID": "class/06-class.html#lecturas", - "href": "class/06-class.html#lecturas", - "title": "Presentación", - "section": "Lecturas", - "text": "Lecturas" - }, { "objectID": "class/07-class.html#lecturas", "href": "class/07-class.html#lecturas", @@ -349,13 +692,6 @@ "section": "Lecturas", "text": "Lecturas" }, - { - "objectID": "class/08-class.html#lecturas", - "href": "class/08-class.html#lecturas", - "title": "Presentación", - "section": "Lecturas", - "text": "Lecturas" - }, { "objectID": "class/09-class.html#lecturas", "href": "class/09-class.html#lecturas", @@ -363,40 +699,12 @@ "section": "Lecturas", "text": "Lecturas" }, - { - "objectID": "class/index.html", - "href": "class/index.html", - "title": "Presentaciones y lecturas", - "section": "", - "text": "En esta sección se encuentran las presentaciones de las clases lectivas de la cátedra de Estadística Descriptiva.\nTodo el material es accesible desde el menú de la izquierda <–" - }, { "objectID": "index.html", "href": "index.html", - "title": "Estadística Descriptiva", - "section": "", - "text": "Estadística Descriptiva\n \n \n \n \n \n SOC01014-1 • Primer Semestre 2024Departamento de Sociología, Facultad de Ciencias SocialesUniversidad de Chile\n \n \n \n \n \n\n\n\n\n\nEquipo docente\nProfesor\n\n\n\nRodrigo Asún\n\n Departamento de Sociología FACSO\n rasun@uchile.cl\n\nApoyos docentes\n\n\n\nDaniela Olivares\n\n danielaolivarescollio@gmail.com\n Agendar reunión\n\n\n\n\nAndreas Laffert\n\n andreas.laffert@ug.uchile.cl\n Agendar reunión\n\nAyudantes\n\n\n\n\n\n\nActividades\n\n Lunes 8:30-10:00 - Aulario B/1\n Miércoles 8:30-10:00 Online\n\n\n\n\nContacto\nA través de correo o U-Cursos\n\n\nVersiones anteriores del curso\n\n2023" - }, - { - "objectID": "resource/01-resource.html", - "href": "resource/01-resource.html", - "title": "Bases de datos", + "title": "\n Estadística Descriptiva\n ", "section": "", - "text": "Encuestas CEP\nELSOC\nCASEN\nENETS\nENE\nESI\nENCLA\nENUT\nEstudios PNUD\nENDIDE\nEANNA" - }, - { - "objectID": "resource/01-resource.html#internacionales", - "href": "resource/01-resource.html#internacionales", - "title": "Bases de datos", - "section": "Internacionales", - "text": "Internacionales\n\nILO\nWID\nSWIID\nICTWSS\nOECD\nBanco Mundial" - }, - { - "objectID": "resource/01-resource.html#comparativas", - "href": "resource/01-resource.html#comparativas", - "title": "Bases de datos", - "section": "Comparativas", - "text": "Comparativas\n\nWorld Values Survey\nISSP\nESS\nLAPOP\nLatinobarómetro" + "text": "Estadística Descriptiva\n \n \n \n \n \n SOC01014-1 • Primer Semestre 2024Departamento de Sociología, Facultad de Ciencias SocialesUniversidad de Chile\n \n \n \n \n \n\n\n\n\n\nEquipo docente\nProfesor\n\n\n\nRodrigo Asún\n\n Departamento de Sociología FACSO\n rasun@uchile.cl\n\nApoyos docentes\n\n\n\nDaniela Olivares\n\n danielaolivarescollio@gmail.com\n\n\n\n\nKevin Carrasco\n\n kevin.carrasco@ug.uchile.cl\n\nAyudantes\n\nVictoria Arias\nLeonardo Capobianco\nCatalina Díaz\nMartina Gallardo\nAntonia Jimenez\nSophia Karoussis\nCristobal Mejías\nYerkho Nuñez\nJuan Prado\nLuis Ríos\nBenjamín Zavala\n\n\n\nActividades\n\n Lunes 8:30-10:00 - Aulario B/1\n Miércoles 8:30-10:00 Online\n\n\n\n\nContacto\nA través de correo o U-Cursos\n\n\nVersiones anteriores del curso\n\n2023" }, { "objectID": "resource/02-resource.html", @@ -406,15 +714,15 @@ "text": "Recursos web para aprender R\n\nR para Ciencia de Datos\nHands-On Programming with R\nManual de R\nMás libros de R\nAnalizaR Datos Políticos\nR Cheatsheets\nGuías rápidas en R\nRStudio para Estadística Descriptiva en Ciencias Sociales\n\n\n\nVisualización de datos en R\n\nR Graph Gallery\nData to Viz\nData Visualization Course\n\n\n\nSitios de consulta y comunidad de R\n\nStack Overflow\nGeeks for geeks\nChatGPT\nRstudio Community" }, { - "objectID": "resource/03-resource.html", - "href": "resource/03-resource.html", - "title": "Importar datos en R", + "objectID": "resource/04-resource.html", + "href": "resource/04-resource.html", + "title": "Procesamiento, limpieza y manipulación de datos en R", "section": "", - "text": "pacman::p_load(tidyverse,\n sjmisc,\n dplyr,\n haven, # para .dta, .sav\n readr, # para .csv\n readxl) # para archivos excel \n\n\n\n\n\n\nLos archivos con extensión .dta generalmente provienen de Stata, es decir, son bases o datos procesadas en dicho software. Para estos archivos, así como aquellos que vienen en .sav, usamos el paquete haven(). En estos casos siempre es conveniente señalar el tipo de encoding en el argumento, en este caso, usamos \"UTF-8\" que corresponde al estandar.\n\nelsoc_2022 <- haven::read_dta(file = \"input/data/ELSOC_W06_v1.0_Stata.dta\", encoding = \"UTF-8\")\n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n \n 1 1101011 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 2 1101012 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 3 1101023 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 4 1101041 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 5 1101081 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 6 1101082 6 [2022] 202201 1 [Muest… 1 [Peruanos] 1 [Completa] 1 [CAP…\n 7 1101102 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n 8 1101103 6 [2022] 202201 1 [Muest… 1 [Peruanos] 1 [Completa] 1 [CAP…\n 9 1101111 6 [2022] 202201 1 [Muest… 2 [Venezola… 1 [Completa] 1 [CAP…\n10 1101113 6 [2022] 202201 1 [Muest… 1 [Peruanos] 1 [Completa] 1 [CAP…\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento , comuna , comuna_cod ,\n# region , region_cod , estrato , ponderador01 ,\n# ponderador02 , fact_exp01 , fact_exp02 , r05_01 ,\n# r05_02 , r06 , r07 , r08 ,\n# r09 , r10 , r11 , r12_01 ,\n# r12_02 , r12_03 , r12_04 , r12_05 , …\n\n\n\n\n\nPara los archivos con extension .csv usamos el paquete readr::. Importante es que los archivos .csv vienen separados por comas ,.\n\nelsoc_2022 <- readr::read_csv(file =\"input/data/ELSOC_W06_v1.0_CSV.csv\")\n\nRows: 2730 Columns: 437\n── Column specification ────────────────────────────────────────────────────────\nDelimiter: \",\"\nchr (14): comuna, region, c12_09_otro, c16_otro, c17_otro, c20_otro, m36_o...\ndbl (422): idencuesta, ola, version, muestra, cuestion_mig, cuestion_comple...\ndate (1): fecha_entr\n\nℹ Use `spec()` to retrieve the full column specification for this data.\nℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.\n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n \n 1 1101011 6 202201 1 2 1 1\n 2 1101012 6 202201 1 2 1 1\n 3 1101023 6 202201 1 2 1 1\n 4 1101041 6 202201 1 2 1 1\n 5 1101081 6 202201 1 2 1 1\n 6 1101082 6 202201 1 1 1 1\n 7 1101102 6 202201 1 2 1 1\n 8 1101103 6 202201 1 1 1 1\n 9 1101111 6 202201 1 2 1 1\n10 1101113 6 202201 1 1 1 1\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento , comuna , comuna_cod ,\n# region , region_cod , estrato , ponderador01 ,\n# ponderador02 , fact_exp01 , fact_exp02 , r05_01 ,\n# r05_02 , r06 , r07 , r08 , r09 , r10 ,\n# r11 , r12_01 , r12_02 , r12_03 , r12_04 ,\n# r12_05 , r12_06 , r12_07 , r13_nredes , …\n\n\n\n\n\nPara los archivos que provienen de Excel, tales como los .xlsx usamos el paquete readxl::. Noten que podemos cargar la base completa, como en el primer ejemplo, pero también podemos especificarle que queremos determinadas columnas y filas de un archivo Excel, como en el segundo ejmplo.\n\nelsoc_2022 <- readxl::read_excel(\"input/data/ELSOC_W06_v1.0_EXCEL.xlsx\")\n\nelsoc_2022\n\n# A tibble: 2,730 × 437\n idencuesta ola version muestra cuestion_mig cuestion_completo formato\n \n 1 1101011 6 202201 1 2 1 1\n 2 1101012 6 202201 1 2 1 1\n 3 1101023 6 202201 1 2 1 1\n 4 1101041 6 202201 1 2 1 1\n 5 1101081 6 202201 1 2 1 1\n 6 1101082 6 202201 1 1 1 1\n 7 1101102 6 202201 1 2 1 1\n 8 1101103 6 202201 1 1 1 1\n 9 1101111 6 202201 1 2 1 1\n10 1101113 6 202201 1 1 1 1\n# ℹ 2,720 more rows\n# ℹ 430 more variables: segmento , comuna , comuna_cod ,\n# region , region_cod , estrato , ponderador01 ,\n# ponderador02 , fact_exp01 , fact_exp02 , r05_01 ,\n# r05_02 , r06 , r07 , r08 , r09 , r10 ,\n# r11
Varimax (ortogonal)
fac_ml_var <- fa(r = data, nfactors = 2, fm= "ml", rotate="varimax") # ortogonal -fac_ml_var
fac_ml_var <- fa(r = data, nfactors = 2, fm= "ml", rotate="varimax") # ortogonal +fac_ml_var
Factor Analysis using method = ml Call: fa(r = data, nfactors = 2, rotate = "varimax", fm = "ml") @@ -800,14 +811,14 @@ Rotación Mean item complexity = 1.1 Test of the hypothesis that 2 factors are sufficient. -The degrees of freedom for the null model are 15 and the objective function was 2.9 with Chi Square of 849 -The degrees of freedom for the model are 4 and the objective function was 0.01 +df null model = 15 with the objective function = 2.9 with Chi Square = 849 +df of the model are 4 and the objective function was 0.01 The root mean square of the residuals (RMSR) is 0.01 The df corrected root mean square of the residuals is 0.02 -The harmonic number of observations is 300 with the empirical chi square 0.97 with prob < 0.91 -The total number of observations was 300 with Likelihood Chi Square = 2.9 with prob < 0.57 +The harmonic n.obs is 300 with the empirical chi square 0.97 with prob < 0.91 +The total n.obs was 300 with Likelihood Chi Square = 2.9 with prob < 0.57 Tucker Lewis Index of factoring reliability = 1 RMSEA index = 0 and the 90 % confidence intervals are 0 0.076 @@ -822,8 +833,8 @@ Rotación
Promax (oblicua)
fac_ml_pro <- fa(r = data, nfactors = 2, fm= "ml", rotate="promax") -fac_ml_pro
fac_ml_pro <- fa(r = data, nfactors = 2, fm= "ml", rotate="promax") +fac_ml_pro
Factor Analysis using method = ml Call: fa(r = data, nfactors = 2, rotate = "promax", fm = "ml") @@ -851,14 +862,14 @@ Rotación Mean item complexity = 1 Test of the hypothesis that 2 factors are sufficient. -The degrees of freedom for the null model are 15 and the objective function was 2.9 with Chi Square of 849 -The degrees of freedom for the model are 4 and the objective function was 0.01 +df null model = 15 with the objective function = 2.9 with Chi Square = 849 +df of the model are 4 and the objective function was 0.01 The root mean square of the residuals (RMSR) is 0.01 The df corrected root mean square of the residuals is 0.02 -The harmonic number of observations is 300 with the empirical chi square 0.97 with prob < 0.91 -The total number of observations was 300 with Likelihood Chi Square = 2.9 with prob < 0.57 +The harmonic n.obs is 300 with the empirical chi square 0.97 with prob < 0.91 +The total n.obs was 300 with Likelihood Chi Square = 2.9 with prob < 0.57 Tucker Lewis Index of factoring reliability = 1 RMSEA index = 0 and the 90 % confidence intervals are 0 0.076 @@ -876,69 +887,69 @@ Rotación Reporte: Tabla análisis factorial A html via sjPlot -tab_fa(data, rotation = "varimax",show.comm = TRUE, title = "Análisis factorial asignaturas") +tab_fa(data, rotation = "varimax",show.comm = TRUE, title = "Análisis factorial asignaturas") Parallel analysis suggests that the number of factors = 2 and the number of components = NA - - -Análisis factorial asignaturas - - -Factor 1 -Factor 2 -Communality + +Análisis factorial asignaturas + + + +Factor 1 +Factor 2 +Communality - -BIO -0.85 -0.13 -0.75 + +BIO +0.85 +0.13 +0.75 - -GEO -0.78 -0.13 -0.63 + +GEO +0.78 +0.13 +0.63 - -CHEM -0.86 -0.06 -0.75 + +CHEM +0.86 +0.06 +0.75 - -ALG -0.03 -0.79 -0.63 + +ALG +0.03 +0.79 +0.63 - -CALC -0.10 -0.97 -0.95 + +CALC +0.10 +0.97 +0.95 - -STAT -0.17 -0.51 -0.29 + +STAT +0.17 +0.51 +0.29 - -Total Communalities - -3.99 + +Total Communalities + +3.99 - -Cronbach's α -0.88 -0.79 - + +Cronbach's α +0.88 +0.79 + - - + + @@ -978,9 +989,23 @@ Código icon: icon }; anchorJS.add('.anchored'); + const isCodeAnnotation = (el) => { + for (const clz of el.classList) { + if (clz.startsWith('code-annotation-')) { + return true; + } + } + return false; + } const clipboard = new window.ClipboardJS('.code-copy-button', { - target: function(trigger) { - return trigger.previousElementSibling; + text: function(trigger) { + const codeEl = trigger.previousElementSibling.cloneNode(true); + for (const childEl of codeEl.children) { + if (isCodeAnnotation(childEl)) { + childEl.remove(); + } + } + return codeEl.innerText; } }); clipboard.on('success', function(e) { @@ -1045,6 +1070,92 @@ Código return note.innerHTML; }); } + let selectedAnnoteEl; + const selectorForAnnotation = ( cell, annotation) => { + let cellAttr = 'data-code-cell="' + cell + '"'; + let lineAttr = 'data-code-annotation="' + annotation + '"'; + const selector = 'span[' + cellAttr + '][' + lineAttr + ']'; + return selector; + } + const selectCodeLines = (annoteEl) => { + const doc = window.document; + const targetCell = annoteEl.getAttribute("data-target-cell"); + const targetAnnotation = annoteEl.getAttribute("data-target-annotation"); + const annoteSpan = window.document.querySelector(selectorForAnnotation(targetCell, targetAnnotation)); + const lines = annoteSpan.getAttribute("data-code-lines").split(","); + const lineIds = lines.map((line) => { + return targetCell + "-" + line; + }) + let top = null; + let height = null; + let parent = null; + if (lineIds.length > 0) { + //compute the position of the single el (top and bottom and make a div) + const el = window.document.getElementById(lineIds[0]); + top = el.offsetTop; + height = el.offsetHeight; + parent = el.parentElement.parentElement; + if (lineIds.length > 1) { + const lastEl = window.document.getElementById(lineIds[lineIds.length - 1]); + const bottom = lastEl.offsetTop + lastEl.offsetHeight; + height = bottom - top; + } + if (top !== null && height !== null && parent !== null) { + // cook up a div (if necessary) and position it + let div = window.document.getElementById("code-annotation-line-highlight"); + if (div === null) { + div = window.document.createElement("div"); + div.setAttribute("id", "code-annotation-line-highlight"); + div.style.position = 'absolute'; + parent.appendChild(div); + } + div.style.top = top - 2 + "px"; + div.style.height = height + 4 + "px"; + let gutterDiv = window.document.getElementById("code-annotation-line-highlight-gutter"); + if (gutterDiv === null) { + gutterDiv = window.document.createElement("div"); + gutterDiv.setAttribute("id", "code-annotation-line-highlight-gutter"); + gutterDiv.style.position = 'absolute'; + const codeCell = window.document.getElementById(targetCell); + const gutter = codeCell.querySelector('.code-annotation-gutter'); + gutter.appendChild(gutterDiv); + } + gutterDiv.style.top = top - 2 + "px"; + gutterDiv.style.height = height + 4 + "px"; + } + selectedAnnoteEl = annoteEl; + } + }; + const unselectCodeLines = () => { + const elementsIds = ["code-annotation-line-highlight", "code-annotation-line-highlight-gutter"]; + elementsIds.forEach((elId) => { + const div = window.document.getElementById(elId); + if (div) { + div.remove(); + } + }); + selectedAnnoteEl = undefined; + }; + // Attach click handler to the DT + const annoteDls = window.document.querySelectorAll('dt[data-target-cell]'); + for (const annoteDlNode of annoteDls) { + annoteDlNode.addEventListener('click', (event) => { + const clickedEl = event.target; + if (clickedEl !== selectedAnnoteEl) { + unselectCodeLines(); + const activeEl = window.document.querySelector('dt[data-target-cell].code-annotation-active'); + if (activeEl) { + activeEl.classList.remove('code-annotation-active'); + } + selectCodeLines(clickedEl); + clickedEl.classList.add('code-annotation-active'); + } else { + // Unselect the line + unselectCodeLines(); + clickedEl.classList.remove('code-annotation-active'); + } + }); + } const findCites = (el) => { const parentEl = el.parentElement; if (parentEl) { @@ -1087,7 +1198,10 @@ Código
A html via sjPlot
tab_fa(data, rotation = "varimax",show.comm = TRUE, title = "Análisis factorial asignaturas")
Parallel analysis suggests that the number of factors = 2 and the number of components = NA
Evaluaciones (): Evaluaciones individuales y colectivas a desarrollar durante el semestre.