Ejercicios de TIplE

Mediante el procesador de texto de LibreOffice, crea un documento llamado informe-ubuntu (LibreOffice le añadirá la extensión .odt por omisión) y guárdalo en la carpeta informes.

El documento debe contener la ecuación: \(\Gamma(\alpha) = \psi_\beta.\Delta^\omega\)

Prueba a incluir también

• fórmulas más complejas
• una tabla
• una lista numerada
• una lista no numerada
• un título
• una cabecera y un pie de página
• un texto en cursiva, otro en negrita y otro monoespaciado
• diversos colores de texto y colores de fondo

Abre una nueva hoja en paises.ods y crea la siguiente tabla:

Crea en tu carpeta personal la siguiente estructura de directorios:

              +-----+     
              |  ~  |
              +-----+
                | | 
        +-------+ +------+
        |                |
        v                    v
   +---------+          +--------+
   |Descargas|  |Imágenes|
   +---------+          +--------+
     |     |              |     |
     V     V              V     V
+------+ +-----+    +---+ +---+
|libros| |pelis|    |JPG| |PNG|        
+------+ +-----+    +---+ +---+

En la misma carpeta está el fichero pisa2012.csv.gz. El sufijo .gz indica que está comprimido. Puedes descomprimirlo con el comando gunzip pisa2012.csv.gz, con lo que se convierte en un fichero de texto normal y corriente.

• ¿Cuántos registros contiene?
• ¿Cuántas variables? Ten en cuenta las órdenes head y tr; pueden ser útiles (considera las opciones -n 1 para head y -c y -d para tr).

Si no quieres descomprimir un fichero físicamente, sino sólo usarlo al vuelo, puedes usar zcat. Por ejemplo:

zcat pisa2012.csv.gz | wc

Compara los resultados de las siguientes órdenes e intenta averiguar la razón:

time zcat pisa2012.csv.gz | wc
time zcat pisa2012.csv.gz | wc -l

Intenta averiguar qué hace esta orden:

zcat pisa2012.csv.gz | cut -d',' -f1 | uniq -c | sort -n

Ídem:

zcat piso2012.csv.gz | head -n 1 > /tmp/muestra.csv
zcat piso2012.csv.gz | tail -n +2 | shuf -n 100 >> /tmp/muestra.csv

Averigua qué hace esta instrucción explorando cada tubo:

cat /usr/share/common-licenses/GPL|tr ' ' '\n'|sort|uniq -c|sort -n

• Mete en el tubo una instrucción para convertir mayúsculas a minúsculas.
• Ídem para eliminar todos los símbolos que no sean letras minúsculas.
• Intenta hacer lo mismo con los ficheros texto1 … texto4 sitos en bellman.ciencias.uniovi.es. Para quitar acentos, tendrás que meter en el tubo la orden iconv ó recode.

Obtengamos el código fuente de un paquete de Ubuntu, por ejemplo así:

apt-get source r-cran-rcmdr

Metámonos en el directorio con las fuentes:

ls -lrt
cd rcmdr-2.0-3

¿Cuántos ficheros hay? ¿Cuántos son de código fuente R? ¿Cuántos renglones supone el código fuente de R? ¿Cuántas definiciones de funciones de R hay? Una definición debe contener algo como « <- function ( »

Halla en qué se diferencian los ficheros vacas.csv y vacas0.csv mediante el comando diff (pista: se ha usado

cat vacas.csv | sed 's/;;/;0;/g' | sed 's/;;/;0;/g' > vacas0.csv

para crear el fichero vacas0.csv; ¿por qué se repetirá el sed?).

A partir de la información de esta página y este directorio intenta averiguar qué hace esta orden:

for i in $(seq 1987 2008); do wget http://bellman.ciencias.uniovi.es/~carleos/master/manadine/curso1/TIplE/ejercicios/datos/vuelos/$i.csv.bz2; done

• ¿Cuántos registros contiene? (intenta hacerlo lo más rápido posible)
• ¿Cuántas variables?
• ¿Cuántos registros se refieren al aeropuerto internacional de la capital de Iowa? (Pista: halla el código de su aeropuerto.)

• Pincha a la izquierda en el menú de navegación.
• Pincha en "Productos y servicios".
• Pincha en "Información estadística".
• Pincha en "Ficheros de microdatos".
• Pincha en "Censos de población".
• Pincha en "Censos 2011".
• Pincha en "Ficheros de microdatos: Nacional".
• Guarda el archivo y descomprímelo.
• En el apartado "Personas y hogares", pincha en "diseño de registro y valores válidos de las variables".
• ¿Cuántas personas de cada sexo aparecen registradas?

Ejecuta R en un terminal, crea una variable llamada altura que valga 170 y sal de R guardando el espacio de trabajo. Comprueba la naturaleza de los nuevos ficheros que aparecen en el directorio actual:

ls -la                     # deben aparecer .Rhistory y .Rdata;
file .*                    # .Rhistory debe identificarse como texto y .RData como un fichero comprimido;
less .Rhistory             # deben aparecer los comandos realizados;
zcat .RData | less         # no se ve gran cosa; se trata de un fichero binario;
zcat .RData | strings      # las cadenas contenidas en el fichero;
zcat .RData | hexdump -C   # el contenido del fichero octeto por octeto;

(Ejecución por lotes) Prueba a usar R en un tubo de terminal:

echo '1-2*(1-pnorm(1.96))' | R --vanilla

Crea mediante un editor de textos un pequeño programa en R. Por ejemplo:

alfa    <- 0.05
cuantil <- qnorm (1 - alfa/2)
cat ("El cuantil gausiano bilateral asociado a alfa=", alfa, "es", cuantil, ".\n")

Llama al fichero ejemplo.R. Entonces puedes ejecutarlo de alguna de estas maneras:

cat ejemplo.R | R --vanilla
R --vanilla < ejemplo.R          # equivale a la anterior;
R -e 'source("ejemplo.R")'       # no hace eco de cada orden;
R CMD BATCH ejemplo.R            # la salida se guarda en ejemplo.Rout

1. ¿Cómo seleccionar el primer valor de x?
2. ¿Cómo seleccionar el tercero?
3. ¿Cómo obtener un vector que contenga los dos primeros valores?
4. ¿Cómo obtener un vector que contenga todos los valores menos el tercero?
5. ¿Qué posiciones ocupan los valores menores que 10? (Pista: which).
6. ¿Cómo obtener un vector que contenga los valores menores que diez?
7. Sustituye los elementos de x menores que diez por un cero.

Crea un vector llamado precipitacion en R y que contenga los siguientes datos (pulgadas anuales de precipitación sobre Mineápolis - San Pablo):

Halla la media, mediana, desviación típica y recorrido intercuartílico de la variable número de hijos:

(Aparte: puedes usar scan() para importar en R cómodamente datos separados por espacios (por ejemplo, al copiarlos desde HTML ó PDF y pegarlos en el terminal.)

Crea un dataframe que contenga sólo las variables número de hijos y número de coches, pero que represente a la muestra completa:

En un experimento se examinó el efecto de la densidad plantar sobre la producción de tomate. Se plantaron tres variedades de tomate a cuatro diferentes densidades. Cada combinación se replicó tres veces. He aquí los resultados:

Creamos la tabla de producciones así:

prod <- c ( 9.2, 12.4,  5.0,  8.9,  9.2,  6.0, 16.3, 15.2,  9.4,
           12.4, 14.5,  8.6, 12.7, 14.0, 12.3, 18.2, 18.0, 16.9, 
           12.9, 16.4, 12.1, 14.6, 16.0, 14.7, 20.8, 20.6, 18.7, 
           10.9, 14.3,  9.2, 12.6, 13.0, 13.0, 18.3, 16.0, 13.0)

¿Cómo usarías rep para crear vectores que representen la variedad y la densidad?

(Pista: rep(1:nd,rep(nr*nv,nd)), rep(1:nd,each=nr*nv); rep(rep(1:nv,rep(nr,nv)),nd), rep(1:nv,each=nr,nd))

R2

coeficiente de determinación del ajuste cuadrático

beta0

ordenada en el origen

sigbeta0

p-valor asociado a \(\beta_0\)

peso100

predicción de peso cuando alzada vale 100 (ajuste parabólico)

• dibuje un histograma a partir de un vector numérico dado como primer argumento
• admita un segundo argumento opcional, el color del histograma (por omisión, rojo)
• admita un tercer argumento opcional, el número de barras (por omisión, diez); hay que forzar que el histograma tenga exactamente el número de barras pedido
• cada barra debe mostrar por encima el porcentaje de observaciones que representa

Por cada país de PISA, crea un gráfico png y otro pdf que contenga:

• un histograma de PERSEV
• un histograma de OPENPS
• la nube de puntos entre ambas variables

Puedes generar los nombres de los ficheros usando paste o paste0.

A partir de mtcars, obtén un dataframe que contenga los coches que

• pesen más de 1.500 quilos y
• consuman más de 15 litros por cada cien quilómetros

o bien

• su nombre empiece por T pero no contenga Corolla

(Pistas: rownames, substr, grep.)

1. El consumo venga en litros por 100 km.
2. El peso venga en toneladas métricas.
3. El cubicaje venga en centímetros cúbicos.
4. Las variables vs y am sean factores con etiquetas adecuadas.

Para calcular el coeficiente de determinación en tanto por cien, he probado

100 * summary (l) ["r.squared"]

pero me da error. ¿Por qué?

El bucle

for (i in iris) print (summary (i))

escribe los resúmenes descriptivos de cada variable, pero no sus nombres. Modifícalo para que ponga el nombre de cada variable antes del resumen.

1. Definir en R la función f que calcule dicha densidad en un punto x dado como argumento. Por omisión, usar a=2.
2. Comprobar si f puede aplicarse a vectores, por ejemplo, f(0:5). Si no, crear una versión fv vectorizada de f.

Se define el fectorial del entero \(z\in\mathbf{Z}\) como \[ \mathcal F(z) = \prod_{i=z}^{-1}\,i %= i\cdot(i+1)\cdots(-2)\cdot(-1) \] o bien, recursivamente, como \[ \mathcal F(-1) = -1\qquad \mathcal F(z) = z\cdot\mathcal F(z') \] donde \(z'=z+1\) si \(z<-1\) y \(z'=z-1\) si \(z>-1\).

Escribe una función en R que calcule el fectorial de su argumento.

Dibujar la función de densidad de una distribución ji-cuadrado de 5 grados de libertad.

Sombrear las dos colas del 5% de probabilidad cada una, es decir, del 0 al percentil 5 y del percentil 95 hasta «infinito».

Hacer un diagrama de dispersión de la longitud de pétalo frente a la longitud de sépalo, con los datos del dataframe «iris» (si no estuviera, ejecutar «library(datasets);data(iris)»).

Que la setosa aparezcan de color rojo; las versicolor, de color azul; y las virginica, de verde.

• la primera columna sean valores aleatorios de una uniforme U(0;1)
• la segunda, aleatorios gausianos N(170;15)
• la tercera, aleatorios exponenciales de esperanza 5
• la cuarta, aleatorios puasones de esperanza 20
• la quinta, letras aleatorias del alfabeto inglés (variable «letters») con la misma probabilidad
• la sexta, vocales (a, e, i, o, u) aleatorias donde la «u» tenga el doble de probabilidad que cada una de las otras

• mtcoches
• paises
• pisa2012
• vacas
• vuelos http://stat-computing.org/dataexpo/2009/the-data.html en nuestros ordenadores seri'a imposible cargar los datos de vuelos completos; lo haremos a trozos, procesa'ndolos segu'n un objetivo concreto; por ejemplo,
  1. mostrar distribución de vuelos por meses (Month)
  2. mostrar distribución de tiempos de retraso en llegadas (ArrDelay)

Crea un fichero listado.txt a partir de la salida del comando de Bash siguiente:

find /usr/share/doc -ls

La columna segunda contiene la cantidad de bloques ocupados en KiB (quibioctetos).

La columna sétima contiene el tamaño de los ficheros en octetos.

Mediante cut, obtén un fichero octetos.txt que contenga sólo las dos columnas mencionadas arriba.

Si no están bien alineadas las columnas en el fichero original, prueba a entubarlo a través del comando column -t

Compáralo con este programa en Python:

import fileinput,string
for renglon in fileinput.input():
  campos = renglon.split()
  print campos[0], campos[1], \
    string.atoi(campos[0])*1024 - string.atoi(campos[1])

Compáralo con este programa en Lisp

(defun dividir (cadena)
  (let ((s (make-string-input-stream cadena)))
    (loop for campo = (read s nil)
         while campo
         collect campo)))
(loop for renglon = (read-line *standard-input* nil)
   while renglon
   do (let ((campos (dividir renglon)))
        (format t "~@{~a ~}~%" 
                (car campos) 
                (cadr campos) 
                (- (* 1024 (car campos))
                   (cadr campos)))))