sí es sensible a las letras mayúsculas.
•Aunque los amantes del idioma castellano no estarán de acuerdo con el autor, a veces dentro del texto se ha preferido el uso de algunos términos en inglés y no los castellanos, simplemente porque dichos términos son más cortos, y son más fáciles para encontrar ayuda en internet.
•En la obra, cuando se representen comentarios de sintaxis (escritos en tipografía courier y precedidos por el símbolo #) y en algunas etiquetas de gráficos se ha omitido el uso de tildes, para así evitar problemas que a veces ocurren por la configuración del teclado en los computadores.
Índice general
2 Introducción a la sintaxis de R
2.2.2 Funciones de densidad de probabilidad
2.2.3 Funciones trigonométricas
3 Objetos
3.1 Asignación
3.2 Valores escalares
3.2.1 Numérico
3.2.2 Cadena de caracteres alfanuméricos
3.2.3 Lógico
3.3 Estructura de datos
3.3.1 Vector
3.3.2 Factores
3.3.3 Matrices
3.3.4 Listas
3.3.5 Set de datos
3.4 Otras funciones útiles
3.4.1 sample()
3.4.2 rep()
3.4.3 paste()
II Explorando datos
4 Cargar y guardar datos
4.1 ¿Dónde se está trabajando en el computador?
4.2 Cargando datos
4.2.1 Desde un paquete de R
4.2.2 Desde un archivo con valores separados con coma
4.2.3 Desde un archivo ASCII
4.2.4 Desde un archivo ASCII tipo Fortran
4.2.5 Desde un archivo dBbase (.dbf)
4.2.6 Desde un archivo en internet
4.2.7 Desde un archivo .xls
4.3 Guardando datos
4.3.1 Como un archivo con valores separados con coma
4.3.2 Como un archivo ASCII
5 Exploración de datos
5.1 Cargando un set de datos
5.2 Creando variables
5.3 Seleccionar una porción de una dataframe (filtros)
5.4 Estadística descriptiva
6 Gráficos
6.1 Gráficos de distribución
6.2 Gráficos de dispersión
6.3 Algunos otros gráficos más complejos
6.4 Guardar un gráfico
6.4.1 Mediante el GUI de R
6.4.2 Con línea de comando
III Ajuste de modelos
7 Análisis de regresión
7.1 El modelo lineal: algo de teoría
7.2 Ajustando un modelo lineal simple
7.2.1 Predicción con un modelo de regresión ajustado
7.3 Ajuste de un modelo lineal múltiple
7.3.1 Revisando valores perdidos
7.3.2 Relación entre varias variables
7.3.3 Modelos ajustados
7.3.4 Comparación de modelos
8 Modelos en diseños experimentales
8.1 ANOVA: modelo de regresión con variable predictora categórica
8.2 Un factor: anova simple
8.2.1 Describiendo los datos
8.2.2 anova
8.2.3 Distribución de los residuales ("normalidad")
8.2.4 Homocedasticidad de los residuales
8.2.5 Gráficos de residuales
8.3 Comparaciones entre tratamientos
8.3.1 Comparaciones pareadas
8.3.2 Pruebas de comparación múltiple
8.3.3 Contrastes
8.4 Dos o más factores: Experimento factorial
8.4.1 Describiendo los datos