ESTADÍSTICA EN R

Tests de Wilcoxon con wilcox.test()
Contrastes de hipótesis

Test de Kolmogorov-Smirnov con ks.test()
Contrastes de hipótesis

Coeficiente de variación
Medidas de dispersión

Rango con la función range()
Medidas de dispersión

Test chi-cuadrado de Pearson con chisq.test()
Contrastes de hipótesis

Muestras aleatorias y permutaciones con sample()
Simulación

Desviación absoluta mediana
Medidas de dispersión

Rango intercuartílico
Medidas de dispersión

Test de Lilliefors para la normalidad
Contrastes de hipótesis

Test de Kruskal Wallis (H test)
Contrastes de hipótesis

Covarianza y correlación
Medidas de asociación

Test para proporciones con prop.test()
Contrastes de hipótesis
¿CUÁLES SON LAS PRINCIPALES VENTAJAS DE UTILIZAR R PARA EL ANÁLISIS ESTADÍSTICO?
La estadística en R abarca un amplio espectro de funcionalidades y paquetes diseñados para realizar diversos análisis estadísticos, exploración de datos, contrastes de hipótesis y modelización. R se utiliza ampliamente en el análisis de datos, el mundo académico, la industria, la investigación científica y la computación estadística debido a su rico conjunto de herramientas y paquetes estadísticos. Algunas funcionalidades estadísticas clave en R incluyen:
-
Estadística descriptiva
R ofrece funciones para calcular estadísticas descriptivas básicas como la media, mediana, desviación típica, varianza, rango, cuartiles, percentiles y estadísticas de resumen para la exploración de datos (funciónsummary
). -
Contrastes de hipótesis
R proporciona funciones para realizar diversas pruebas estadísticas, como t-tests (t.test
), test chi-cuadrado (chisq.test
), ANOVA (aov
), test F (var.test
) y pruebas no paramétricas (comowilcox.test
okruskal.test
). -
Distribuciones de probabilidad
R incluye una amplia gama de funciones para trabajar con distribuciones de probabilidad (por ejemplo, normal, uniforme, binomial, Poisson) para generar números aleatorios, calcular probabilidades, cuantiles y funciones de densidad.