Paquete BioestadisticaR2

Autor/a

1 Instalación del paquete

Requisitos

BioestadisticaR2 utiliza procedimientos gráficos de ggplot2, por lo que es necesario tenerlo instalado
ggplot2 está disponible en repositorio oficial de R, CRAN, y se puede instalar utilizando la opción del panel packages o bien mediante el código presentado a continuación

Instalación de ggplot2

install.packages("ggplot2")

Instalación rápida de BioestadisticaR2

Opción 1 (aconsejada)

install.packages(
  "https://digibug.ugr.es/bitstream/handle/10481/84535/BioestadisticaR2_2.5.0.zip",
  repos = NULL
)

Opción 2 (si falla la anterior)

install.packages(
  "https://digibug.ugr.es/bitstream/handle/10481/84535/BioestadisticaR2_2.5.0.tar.gz",
  repos = NULL,
  type = "source"
)

Carga del paquete una vez instalado

library(BioestadisticaR2)

Si este procedimiento te da problemas, usa la instalación robusta que aparece debajo de este epígrafe.

Instalación robusta de BioestadisticaR2

Esta versión del procedimiento de instalación descarga (en la carpeta de trabajo) el paquete BioestadisticaR2 y después lo instala.

Opción 1 (aconsejada)

##   1º Descarga del archivo del paquete al directorio de trabajo
url <- "https://digibug.ugr.es/bitstream/handle/10481/84535/BioestadisticaR2_2.5.0.zip?sequence=1&isAllowed=y"
download.file(
  url,
  destfile = "BioestadisticaR2_2.5.0.zip",
  mode = "wb",
  method = "libcurl"
)
## 2º Instalacion del paquete ----
install.packages(
  "BioestadisticaR2_2.5.0.zip",
  repos = NULL
)

Opción 2 (si falla la anterior)

## Opción 2 (si hay problemas con la opción anterior) ----
##   1º Descarga del archivo del paquete al directorio de trabajo
url <- "https://digibug.ugr.es/bitstream/handle/10481/84535/BioestadisticaR2_2.5.0.tar.gz?sequence=2&isAllowed=y"

download.file(
  url,
  destfile = "BioestadisticaR2_2.5.0.tar.gz",
  mode = "wb",
  method = "libcurl"
)
## 2º Instalacion del paquete ----
install.packages(
  "BioestadisticaR2_2.5.0.tar.gz",
  repos = NULL,
  type = "source"
)
````

#| code-fold: true
#| code-summary: "Carga del paquete "
#| echo: true
#| results: "hide"
#| eval: false

library(BioestadisticaR2)

Realmente, para que funcione BioestadisticaR2 no hace falta cargar ggplot2. Cuando BioestadisticaR2 lo necesite entonces lo cargará automáticamente.

2 Funciones descriptivas

Tabulación de variables

Función	Resultado	Ejemplo
freq()	tabla de frecuencias de un vector de datos	(ver más abajo)

Argumentos

Argumento	clase	Cometido
x	vector o data.frame*	datos a resumir
acum	lógico	si `acum=TRUE` proporciona la frecuencia relativa acumulada
cuts	entero	es el número de intervalos a realizar. Si se omite se utiliza el criterio de Sturges
agrup	lógico	si `agrup=FALSE` no se hace agrupación en intervalos aunque haya más de 10 categorías
decs	entero	número de decimales a mostrar
grf	lógico	si TRUE (FALSE) se muestra (omite) la salida gráfica

* Si x es un data frame, la función se aplica sobre todas las columnas que lo permiten

Ejemplos

dat<-c(12,15,13,12,11,14,15,15,15,12,11,13,14,15,NA)
freq(dat)

cats<-c('a','b','c','b','c','b','c','a','c','c','a','a','a')
freq(cats,acum=FALSE,grf=TRUE)

dat2<-rnorm(550,212.3,6.3)
freq(dat2, agrup=TRUE,cuts=5)

t<-rbinom(25,20,0.65)
freq(t,agrup=FALSE,cuts=5,decs=2)

Descripción por grupos

Función	Resultado	Ejemplo
grps()	n, media y desviación típica de una variable para cada nivel de un factor	(ver más abajo)

Argumentos

Argumento	clase	Cometido
x	vector numérico	datos a resumir
f	factor	factor cuyos niveles segmentan x (si se omite se da la descriptiva de x)
ic	lógico	ic=TRUE, proporciona el intervalo de confianza para la media*
conf	numérico	nivel de confianza si `ic=TRUE`
alfa	numérico	nivel de error si `ic=TRUE` (anula a conf)
decs	entero	número de decimales a mostrar
grf	lógico	si TRUE (FALSE) se muestra (omite) la salida gráfica

* No se aplica corrección de tipo Bonferroni cuando el factor tiene más de dos niveles

Ejemplos

nivel <- c(
  1.1,
  2.1,
  2.2,
  3.2,
  0.1,
  .2,
  1.0,
  0.4,
  0.7,
  1.3,
  1.5,
  3.1,
  2.4,
  3.6,
  1.1,
  2.4,
  3.2,
  2.6,
  1.5,
  6.1,
  2.1,
  1.9,
  1,
  2.1,
  1.3,
  4.1,
  1.2
)
grupo <- c(
  "A",
  "A",
  "A",
  "A",
  "A",
  "A",
  "A",
  "B",
  "B",
  "B",
  "B",
  "B",
  "B",
  "C",
  "C",
  "C",
  "C",
  "C",
  "C",
  "C",
  "C",
  "C",
  "D",
  "D",
  "D",
  "D",
  "D"
)
grps(x = nivel)
grps(x = nivel, f = grupo)
grps(x = nivel, f = grupo, ic = TRUE)

3 Estimación de parámetros

Generalidades de las funciones de estimación

Funciones de estimación

Función	Parámetro a estimar	Distribución implicada
icm()	Media $\small \mu$ de una variable cuantitativa	t de Student
icp()	Proporción $\small \pi$	Binomial
icl()	Media (varianza) $\small \lambda$	Poisson

Argumentos comunes

Además de los argumentos característicos de cada una de las funciones, las tres admiten los siguientes argumentos comunes

Argumento	Propósito	Valor predefinido	Observaciones
conf	Nivel de confianza $\small 1-\alpha$	0.95	anula a alfa
alfa	Nivel de error $\small \alpha$	0.05	anula a conf
d	Precisión objetivo $\small \delta_{\text{objetivo}}$	0	Si d>0, se invoca automáticamente a la correspondiente función de cálculo del tamaño muestral
decs	Número de decimales en la salida	3

Función icm() para estimar $\mu$

Uso con una muestra sin resumir

Argumento	Propósito	Ejemplo
x	Vector de datos	`icm(x=datos$colesterol)`

Uso con una muestra sintetizada en $\small n$, $\small \bar{x}$ y $\small s$

Argumento	Propósito	Ejemplo
n	tamaño muestral
m	media muestral
s	desviación típica muestral	`icm(n=50, m=10, s=2.1)`

Cálculo de tamaño muestral

Esta función invoca a la función de cálculo del tamaño muestral nm(), al declarar un argumento d no nulo.

Especificar el argumento d=precisión objetivo
Ejemplo: icm(n=50, m=10, s=2.1, d=0.25)

Caso de variables discretas

Si la variable es discreta y el tamaño de muestra garantiza la aproximación a la normalidad, se puede aplicar una corrección por continuidad (cpc).

Para aplicar la cpc incluir el argumento: vac = FALSE
Ejemplo: icm(n=80, m=15, s=2.1, vac=FALSE)

Función icp() para estimar $\pi$

Uso con una muestra sin resumir

Argumento	Propósito	Ejemplo
x	Vector de datos
level	Modalidad a estimar	`icp(x=datos$sexo, level="mujer")`

Uso con una muestra sintetizada en $\small x$ y $\small n$

Argumento	Propósito	Ejemplo
x	Numerador de la proporción muestral
n	Tamaño muestral	`icp(x=15, n=50)`

Cálculo de tamaño muestral

Esta función invoca a la función de cálculo del tamaño muestral np(), al declarar un argumento d no nulo.

Especificar el argumento d=precisión objetivo
Ejemplo: icp(x=15, n=50, d=0.05)

Informe tabulado

Se puede obtener una salida en forma tabular que facilita la comparación entre los diferentes métodos de estimación.

Para obtener salida tabular se debe incluir el argumento: tabla = TRUE
Ejemplo: icp(x=15, n=50, d=0.05, tabla=TRUE)

Función icl() para estimar $\lambda$

Uso con una muestra sin resumir

Argumento	Propósito	Ejemplo
x	Vector de valores enteros	`icl(x=n_episodios)`

con n_episodios <- c(1,2,5,3,5,2,0)

**Uso con una muestra sintetizada en $\small x$ y $\small n$

Argumento	Propósito	Ejemplo
x	Numero medio de eventos
n	Tamaño muestral	`icl(x=5.5, n=38)`

Cálculo de tamaño muestral

Esta función invoca a la función de cálculo del tamaño muestral nl(), al declarar un argumento d no nulo.

Especificar el argumento d=precisión objetivo
Ejemplo: icl(x=5.5 n=38, d=0.5)

Funciones de cálculo del tamaño muestral

Funciones de estimación del tamaño muestral

Las siguientes funciones permiten calcular el tamaño muestral necesario para alcanzar una precisión objetivo $\small \delta$ al estimar el parámetro correspondiente.

Estas funciones pueden emplearse de forma independiente o bien a través de la función de referencia (la función principal de estimación del parámetro), especificando en esta el argumento $d$ que representa la precisión objetivo.

Cuando se utilizan de manera independiente, deben indicarse explícitamente los mismos argumentos que requiere la función de referencia.

Función	Función de referencia	Parámetro a estimar
nm()	icm()	Media $\small \mu$ de una variable cuantitativa
np()	icp()	Proporción $\small \pi$
nl()	icl()	Parámetro $\small \lambda$ de la distribución de Poisson