R (lenguaje de programación)

R es un entorno y lenguaje de programación con un

enfoque al análisis estadístico. R
R nació como una reimplementación de software
libre del lenguaje S, adicionado con soporte para
alcance estático. Se trata de uno de los lenguajes de
programación más utilizados en investigación
científica, siendo además muy popular en los campos Desarrollador(es)
de aprendizaje automático (machine learning), R Development Core Team
minería de datos, investigación biomédica, https://www.r-project.org
bioinformática y matemáticas financieras. A esto Información general
contribuye la posibilidad de cargar diferentes
Extensiones .R, .rda, .Rdata
bibliotecas o paquetes con funcionalidades de cálculo
comunes
y graficación.
Paradigma Multiparadigma:
R es parte del sistema GNU y se distribuye bajo la
licencia GNU GPL. Está disponible para los sistemas funcional, vectorial, imperativo,
operativos Windows, Macintosh, Unix y GNU/Linux. procedural, orientado a objetos
Apareció en 1993
Diseñado Ross Ihaka y Robert Gentleman
por
Índice Última 3.6.1 (05 de julio de 2019 (7 meses y 19
Historia versión días))

Características estable
Influido por S, Scheme, XLispStat
Extensiones y paquetes
Ha influido a Gretl (software) Julia (lenguaje)
Ejemplos mínimos
Ejemplo 1: Instalación y activación de Sistema Multiplataforma
paquetes operativo
Ejemplo 2: Elaboración de mapas Licencia GPL
Ejemplo 3: Estimación de salarios de
manera semilogaritmica
Proyectos relacionados
Herramientas de productividad
Interfaces gráficas
Editores e IDEs
Lenguajes de script
Alternativas libres
Alternativas privativas
Referencias
Enlaces externos
Documentación en español
Historia
Fue desarrollado inicialmente por Robert Gentleman y Ross Ihaka del Departamento de Estadística de la
Universidad de Auckland en 1993.1 Sin embargo, si se remonta a sus bases iniciales, puede decirse que
inició en los Bell Laboratories de AT&T y ahora Alcatel-Lucent en Nueva Jersey con el lenguaje S. Este
último, un sistema para el análisis de datos desarrollado por John Chambers, Rick Becker, y colaboradores
diferentes desde finales de 1970. La historia desde este punto es prácticamente la del lenguaje S. Los
diseñadores iniciales, Gentleman y Ihaka, combinaron las fortalezas de dos lenguajes existentes, S y
Scheme. En sus propias palabras: "El lenguaje resultante es muy similar en apariencia a S, pero en el uso
de fondo y la semántica es derivado desde Scheme". El resultado se llamó R "en parte al reconocimiento de
la influencia de S y en parte para hacer gala de sus propios logros".2

Su desarrollo actual es responsabilidad del R Development Core Team. Para saber más al respecto y en el
entorno del programa, puede teclearse contributors(); el la lista desplegada aparecen los nombres de los
autores iniciales y los actuales pertenecientes al R Development Core Team (Equipo Central de
Desarrolladores R).

A continuación se enumeran algunos hitos en el desarrollo de R:3

Versión 0.16: Es la última versión alfa desarrollada esencialmente por Ihaka y Gentleman,
que incluye gran parte de las características descritas en el "White Book".

La lista de correo comenzó su andadura el 1 de abril de 1997.

Versión 0.49 (23 de abril de 1997): Es la versión más antigua de la que se conserva el código
(que todavía compila en algunas plataformas UNIX). En esta fecha arrancó también CRAN
con tres espejos que albergaban 12 paquetes. Poco después aparecieron las versiones alfa
para Windows y Mac OS.

Versión 0.60 (5 de diciembre de 1997): R se integra oficialmente en el Proyecto GNU. El

código se versiona a través de CVS.

Versión 1.0.0 (29 de febrero de

2000): Los desarrolladores lo
consideran suficientemente estable
para su uso en producción.4

Versión 1.4.0: Se introducen los

métodos S4 y aparece la primera
versión para Mac OS X.

Versión 2.0.0 (4 de octubre de

2004): Introduce el lazy loading, que
permite una carga rápida de datos
R efectuando múltiples tareas en Windows, versión 3.2.2.
con un coste de memoria mínimo.

Versión 2.1.0: Aparece el soporte

para UTF-8 y comienzan los esfuerzos de internacionalización para distintos idiomas.

Versión 2.9.0: El paquete 'Matrix' se incluye en la distribución básica de R.

Versión 2.11.0 (22 de abril de 2010): Soporte para sistemas Windows de 64 bits.
Versión 2.13.0 (14 de abril de 2011): Añadida una nueva función al compilador que permite
acelerar las funciones convirtiéndolas a byte-code.
Versión 2.14.0 (31 de octubre de 2011): Añadidos espacios de nombres obligatorios para los
paquetes. Añadido un nuevo paquete de paralelización.
 Versión 2.15.0 (30 de marzo de 2012): Nuevas funciones de balanceo de cargas. Mejorada la
velocidad de serialización para grandes vectores.
Versión 3.0.0 (3 de abril de 2013): Mejoras en GUI, funciones gráficas, gestión de memoria,
rendimiento e internacionalización.
Versión 3.4.0 (21 de abril de 2017): El compilador de código de bytes JIT ('Just In Time')
ahora está habilitado en el nivel 3 de forma predeterminada.

Características
R proporciona un amplio abanico de herramientas estadísticas (modelos lineales y no lineales, tests
estadísticos, análisis de series temporales, algoritmos de clasificación y agrupamiento, etc.) y gráficas Una
Herramienta Util.

Al igual que S, se trata de un lenguaje de programación, lo que permite que los usuarios lo extiendan
definiendo sus propias funciones. De hecho, gran parte de las funciones de R están escritas en el mismo R,
aunque para algoritmos computacionalmente exigentes es posible desarrollar bibliotecas en C, C++ o
Fortran que se cargan dinámicamente. Los usuarios más avanzados pueden también manipular los objetos
de R directamente desde código desarrollado en C. R también puede extenderse a través de paquetes
desarrollados por su comunidad de usuarios.

R hereda de S su orientación a objetos. La tarea de extender R se ve facilitada por su permisiva política de

lexical scoping.5

Además, R puede integrarse con distintas bases de datos y existen bibliotecas que facilitan su utilización
desde lenguajes de programación interpretados como Perl y Python.

Otra de las características de R es su capacidad gráfica, que permite generar gráficos con alta calidad. R
posee su propio formato para la documentación basado en LaTeX.

R también puede usarse como herramienta

de cálculo numérico, campo en el que puede
ser tan eficaz como otras herramientas
específicas tales como GNU Octave y su
equivalente privativo: MATLAB.6 Se ha
desarrollado una interfaz, RWeka7 para
interactuar con Weka que permite leer y
escribir ficheros en el formato arff y
enriquecer R con los algoritmos de minería
de datos de dicha plataforma.

Regresión y su análisis somero en R versión 3.2.2 y en el

Extensiones y paquetes sistema operativo Windows
R forma parte de un proyecto colaborativo y
abierto. Sus usuarios pueden publicar
paquetes que extienden su configuración básica. Existe un repositorio oficial de paquetes (https://web.archi
ve.org/web/20101221001753/http://cran.r-project.org/web/packages/) cuyo número superó en otoño de
2009 la cifra de los 2000.
Dado el enorme número de nuevos paquetes, estos se han organizado en vistas (o temas) (https://web.archi
ve.org/web/20100620013915/http://cran.r-project.org/web/views/), que permiten agruparlos según su
naturaleza y función. Por ejemplo, hay grupos de paquetes relacionados con estadística bayesiana,
econometría, series temporales, etc.

Para facilitar el desarrollo de nuevos paquetes, se ha puesto a servicio de la comunidad una forja de
desarrollo (http://r-forge.r-project.org) que facilita las tareas relativas a dicho proceso.

Otros sistemas de software comerciales que integran con R incluyen: JMP,8 Mathematica,9 MATLAB,10
Spotfire,11 SPSS,12 Statistica,13 Platform Symphony,14 SAS,15 Tableau Software,16 Esri ArcGis,17
Dundas,18 Statgraphics.19 y SQL Server 2017.20

Ejemplos mínimos
Algunos ejemplos mínimos para ver la forma en que se puede introducir el código.

Ejemplo 1: Instalación y activación de paquetes

Para cargar los paquetes que se requieren se debe de seleccionar el espejo (mirror), descargar la paquetería
y luego activarla. Para seleccionar el espejo:

> chooseCRANmirror(graphics=FALSE)
HTTPS CRAN mirror

1: 0-Cloud [https] 2: Algeria [https] 3: Australia (Melbourne)

[https]
4: Australia (Perth) [https] 5: Austria [https] 6: Belgium (Ghent) [https]
7: Brazil (SP 1) [https] 8: Bulgaria [https] 9: Canada (MB) [https]
10: Chile [https] 11: China (Beijing 4) [https] 12: Colombia (Cali) [https]
13: Czech Republic [https] 14: Denmark [https] 15: France (Lyon 1) [https]
16: France (Lyon 2) [https] 17: France (Marseille) [https] 18: France (Paris 2) [https]
19: Germany (Falkenstein) [https] 20: Germany (Münster) [https] 21: Iceland [https]
22: Ireland [https] 23: Italy (Padua) [https] 24: Japan (Tokyo) [https]
25: Malaysia [https] 26: Mexico (Mexico City) [https] 27: New Zealand [https]
28: Norway [https] 29: Philippines [https] 30: Russia (Moscow) [https]
31: Serbia [https] 32: Spain (A Coruña) [https] 33: Spain (Madrid) [https]
34: Switzerland [https] 35: Taiwan (Chungli) [https] 36: Turkey (Denizli) [https]
37: UK (Bristol) [https] 38: UK (Cambridge) [https] 39: UK (London 1) [https]
40: USA (CA 1) [https] 41: USA (IA) [https] 42: USA (KS) [https]
43: USA (MI 1) [https] 44: USA (TN) [https] 45: USA (TX) [https]
46: USA (WA) [https] 47: (HTTP mirrors)

Selection:

Al escribir solo chooseCRANmirror() se desplegará una ventana para elegirlo manualmente con el ratón.
Lo mismo ocurrirá si se omite graphics = FALSE o se escribe graphics = TRUE.

Cuando se instalan paquetes para análisis especializados, específicos o que simplemente no tiene
predeterminadamente instalados pero no activados el sistema, se instala. Así pues, en este caso, los
paquetes, al ser un entorno con dependencias funcionan mejor con tales paquetes auxiliares. Las
dependencias pueden ser por ejemplo otros paquetes o bases de datos para que funcione o bien, o mejor o
de hecho lo haga. Algunos paquetes funcionan con dependencias muy específicas, otros con dependencias
muy generales; como sea, a veces la misma instalación, al ser común la dependencia, lo hace de forma
automática, pero no en todas las ocasiones. Por esto para instalar el paquete de interés se escribirá:

install.packages("deldir", dep=T) # Para la triangulación de Delaunay y teselación de Dirichlet

junto con todas las dependencias
Para activar la librería pueden ser:

library("deldir") # Para el ejemplo anterior.

library('Benchmarking') # Para el [[Análisis de Datos Envolvente]]
require(maps) # Para elaborar mapas. Previa instalación.
require('plot3D') # Para elaborar mapas 3D. Previa instalación.

Todos tanto con comillas dobles (" ") como con comillas simples (' ') o libres. Si se instalaron las arriba
mencionadas dependencias, aparecerán indicaciones luego del comando que describe las dependencias que
también se activaron al llamar la librería que se usará.

Ejemplo 2: Elaboración de mapas

Para elaborar un mapa de Estados Unidos que sea sobre la tasa de desempleo de 2009 por condados
(municipios) y que estos estén marcados por densidad de color se usará lo que a continuación se presenta.
Basado en la solución J del "Choropleth Challenge" (http://blog.revolutionanalytics.com/2009/11/choroplet
h-challenge-result.html). Se puede obtener este ejemplo (en inglés y con los colores originales) en
example(map)

Para el ejemplo en español:

require(maps) # activación de librería

require(mapproj) # se usará para projection="polyconic"
# Cargar los datos
# unemp incluye datos para condados de los Estados Unidos continentales. Se excluyen Alaska,
Hawaii, Puerto Rico, y pequeñas ciudades de Virginia
data(unemp) # Datos de desempleo
data(county.fips) # mapa de los condados

# Se define la paleta de colores. Escala de grises en este caso. En el original, rosas y magenta.
colors = c("#F1EEF6", "#D3D3D3", "#B9B9B9", "#787878", "#2E2E2E", "#111111") # Colores
unemp$colorBuckets <- as.numeric(cut(unemp$unemp, c(0, 2, 4, 6, 8, 10, 100))) # Rangos de desempleo
leg.txt <- c("<2%", "2-4%", "4-6%", "6-8%", "8-10%", ">10%") # Etiquetas de los rangos

# Se alinean los datos con definiciones de mapa (parciales) de emparejamientos de estados,

# nombre de condados, que incluyen varios polígonos para algunos condados
cnty.fips <- county.fips$fips[match(map("county", plot=FALSE)$names, county.fips$polyname)]
colorsmatched <- unemp$colorBuckets [match(cnty.fips, unemp$fips)]

# Se dibuja el mapa. Luego se guarda en JPEG.

jpeg("desempleo Estados Unidos 2009.jpg", width = 1024, height=750) # Crea imagen de 1024 x 750
pixeles.
map("county", col = colors[colorsmatched], fill = TRUE, resolution = 0, lty = 0, projection =
"polyconic") # Mapa general del desempleo en grises
map("state", col = "white", fill = FALSE, add = TRUE, lty = 1, lwd = 0.2, projection="polyconic") #
Mapa de los estados sobre puesto
title(main="Desempleo por condado, año 2009", cex.main = 3,
sub="Creado con información de la solución de J del 'Choropleth Challenge'
más info en http://blog.revolutionanalytics.com/2009/11/choropleth-challenge-
result.html")
# Se creó el título del mapa
legend("top", leg.txt, horiz = T, fill = colors, bg="#F1F1F1", cex=1.5) # Indicación de los colores
por su rango
map.axes() # Para colocar ejes con la latitud y longitud
dev.off()
# Para ver los límites del condado débiles, vaya a RGui : File/SaveAs/PDF

Lo anterior da como resultado el mapa de la imagen inferior.

Ejemplo 3: Estimación de salarios de manera semilogaritmica
El siguiente ejemplo es tomado del libro de Kleiber y Zeileis intitulado Applied Econometrics with R. El
ejemplo que abajo se expondrá no es tomado al pie de la letra, se le agregaron algunos cambios por el tipo
de licencia; no obstante, el fin es el mismo. Se agregan muchas cosas para hacer más didáctico el código y
permitir exponer la flexibilidad del paquete estadístico R.

library(AER) # Para el compendio de datos del libro de Kleiber & Zeileis (2008)
library(scales) # Para las transparencias de los elementos de color.
library(quantreg) # Para usar las regresiones por cuantiles

data("CPS1985", package = "AER") # Carga los datos del paquete AER

cps <- CPS1985 # Renombra la variable como cps
cps_lm <- lm(log(wage) ~ experience + I(experience^2) + education, data = cps) # Hace la regresión
simple
cps_rq <- rq(log(wage) ~ experience + I(experience^2) + education, data = cps, tau = seq(0.2, 0.8,
by = 0.15)) # Regresión por cuantiles
cps2 <- data.frame(education = mean(cps$education), experience =
min(cps$experience):max(cps$experience)) # Crea un "data frame" con los datos pertinentes
cps2 <- cbind(cps2, predict(cps_lm, newdata = cps2, interval = "prediction")) # Se agregan los
valores requeridos al "data frame" anterior
cps2 <- cbind(cps2, predict(cps_rq, newdata = cps2, type = "")) # Se agregan los
valores "tau" a cps2. Los valores de los cuantiles
jpeg("salarios.jpeg", width = 924 , height=924) # Crea una imagen en el directorio actual con
924x924 px de cada lado
# Se hace la gráfica con:
plot(log(wage) ~ experience, data = cps, # Crea el mapeo principal de datos en el gráfico
pch=20, col="#234DEA", cex=2, # Se crean los puntos azules rellenos
axes=F, # se eliminan los ejes
ylab= "", xlab= "") # Se eliminan los nombres de los ejes
box(lty=2, col="#424242", lwd=2) # Agregada una caja gris punteada
# Sigue agregar el eje de las abscisas (de las x) y el de las ordenadas
axis(1, col="#610B21", lwd=3, col.axis="#610B21", cex=2)
axis(2, col="#610B21", lwd=3, col.axis="#610B21", las=2)
 # Se agregan las leyendas a los ejes
mtext("Experiencia", side=1, cex=1.7, col="#610B21", line=2)
mtext("Logaritmo del salario", side=2, cex=1.7, col="#610B21", line=2)
for(i in 6:10) lines(cps2[,i] ~ experience, data = cps2, # hace el mapeo de las líneas
predeterminadas
col=alpha("#FFFF00", .75), lwd=5) #líneas amarillas gruesas con un
75% de transperencia
title("Estimación de los salarios en forma semi-logarítmica", cex.main=2.7, col.main="#2E2E2E",
sub="Con base en el libro de Kleiber & Zeileis (2008) y con datos de Brendt (1991)",
col.sub="#FF0000", font.sub=4, cex.sub=1.3)
# Se crearon el título y subtítulo con los colores y tipo de texto correspondientes
dev.off() # Se cierra el archivo de imégen, JPEG en este caso

Acá abajo aparece la imagen que se generó con el código de arriba. Además, cualquier error que en la
imagen venga no es culpa de los autores del libro citado. Los propietarios de los derechos de autor son
totalmente los autores del libro.

Proyectos relacionados
 Bioconductor, un conjunto de paquetes para el análisis de datos en genómica.
Rmetrics, orientado al análisis de los mercados financieros y la valoración de instrumentos de
inversión.

Herramientas de productividad
Existen diversas interfaces que facilitan el trabajo con R.

Interfaces gráficas
JGR o Java GUI for R, una terminal de R multiplataforma basada en Java.
R Commander (Rcmdr), una interfaz gráfica multiplataforma basada en tcltk.
RExcel, que permite usar R y Rcmdr desde Microsoft Excel.
rggobi, una interfaz a GGobi para visualización.
RKWard, basado en KDE.
Sage
Statistical Lab
nexusBPM, una herramienta de automatización.
RStudio
Cantor21

Editores e IDEs
Entre los editores de texto e IDEs con soporte para R se cuentan:

Bluefish,22 Crimson Editor, ConTEXT, Eclipse,23 Emacs (Emacs Speaks Statistics), Geany, jEdit,24
Kate,25 RStudio,26 RKWard,27 Syn, TextMate, Tinn-R, Vim, gedit, SciTE, WinEdt (R Package
RWinEdt), notepad++ y Visual Studio.28

Sweave es un procesador de documentos que puede ejecutar código de R incrustado en código de LaTeX y
para insertar código, resultados y gráficos en el documento escrito en LaTeX. LyX puede usarse para crear
y compilar documentos desarrollados en Sweave. El paquete odfWeave es similar, generando documentos
en el formato OpenDocument (ODF); extensiones en estado experimental también permiten generar
documentos del tipo presentación u hoja de cálculo.

Lenguajes de script
La funcionalidad de R puede ser invocada desde código desarrollado en otros lenguajes de script tales
como Python (mediante RPy29 ), Perl (mediante Statistics::R30 ), Ruby31 y F#.32 También pueden
desarrollarse scripts en R directamente usando littler33 o Rscript, que forma parte de la distribución básica
de R desde la versión 2.5.0.

Alternativas libres
Otras alternativas a R son las que abajo se presentan. Cabe recordar que pueden tener cierto sesgo a
especializarse en algún tema específico, como R lo hace con la biología, fisiología o similares, por ejemplo
con el proyecto Bioconductor. En el caso de estos sesgos positivos puede mencionarse a GNU Octave, que
es más matemático, o Gretl que se centra más a series de tiempo (usadas en econometría).
No obstante los sesgos temáticos, hay amplísimos grupos que usan todas las alternativas para usos
eclécticos. Econometría, biología, edafología, topología, estadística pueden ser algunas de las ramas que
cada vez están usando más las alternativas libres de software o lenguajes de programación (como R) para
su aplicación teórica o práctica.

Además, los paquetes se desarrollan para R conforme las investigaciones o publicaciones, como el caso del
ejemplo 3 líneas arriba. Otro ejemplo es el paquete de Benchmarking de R elaborado por Peter Bogetoft y
Lars Otto, ambos investigadores y especialistas del tema. Es decir, los productores de estos paquetes con,
casi siempre, especialistas e investigadores que desean compartir los conocimientos aplicados a la
comunidad de usuarios.

La naturaleza de los paquetes libres permiten que se testeen rápido y sean sinérgicas las opiniones para un
avance pronto. Entonces, existen ámbitos positivos en este caso también tanto como en las siguientes
alternativas, las privativas.

GNU Octave
Maxima
RStudio [1] (http://www.rstudio.com/)
Gnumeric
Gretl
WinBUGS
Tinn-R [2] (https://web.archive.org/web/20071214225832/http://www.sciviews.org/Tinn-R/)
PSPP [3] (https://www.gnu.org/software/pspp/)

Alternativas privativas
No obstante las poderosas alternativas libres mencionadas arriba, existen opciones que son privadas o
empresariales. En este caso, pueden presentarse lenguajes de programación con comunidades que
comparten códigos. En éste caso, Stata es un fuerte ejemplo. Es decir, un especialista puede desarrollar un
paquete especial para ese programa y luego compartirlo usualmente con la empresa autora; entonces, la
empresa puede distribuirla primero a manera de prueba y luego de forma gratuita (o con montos monetarios
especiales) y con el respaldo de la calidad avalada.

Existen puntos a favor de que las empresas distribuyan con cierto aval los códigos o paqueterías: se asegura
del óptimo funcionamiento de las mismas, se evitan los bugs que eventualmente pueden ser comunes en
ciertos códigos de las alternativas libres y otras más.

S-Plus (http://www.insight Minitab Statistica

ful.com/products/splus/de SAS Stata
fault.asp)
Archivado (https://web.ar
chive.org/web/200804102
21802/http://www.insightf
ul.com/products/splus/def
ault.asp) el 10 de abril de
2008 en la Wayback
Machine.
SPSS
Referencias
1. A Brief History (http://cran.r-project.org/doc/
html/interface98-paper/paper_2.html) R:
Past and Future History, Ross Ihaka,
Statistics Department, The University of
Auckland, Auckland, New Zealand,
available from the CRAN website
2. Kleiber, Christian; Zeileis, Achim (2008).
Applied Econometrics with R (http://www.spr
inger.com/us/book/9780387773162) (1ra
edición). Springer Science+Business Media.
p. 15. ISBN 978-0-387-77316-2.
3. What's new in R? (http://www.r-project.org/n
ews.html) What's new in R?
4. Peter Dalgaard. «R-1.0.0 is released» (http
s://stat.ethz.ch/pipermail/r-announce/2000/0
00127.html). Consultado el 6 de junio de
2009.
5. Jackman, Simon (Spring 2003). «R For the
Political Methodologist» (https://web.archiv
e.org/web/20060721143309/http://polmeth.
wustl.edu/tpm/tpm_v11_n2.pdf) (PDF). The
Political Methodologist (Political
Methodology Section, American Political
Science Association) 11 (1): 20-22.
Archivado desde el original (http://polmeth.
wustl.edu/tpm/tpm_v11_n2.pdf) el 21 de
julio de 2006. Consultado el 3 de agosto de
2006.
6. «Speed comparison of various number
crunching packages (version 2)» (https://we
b.archive.org/web/20071016130210/http://w
ww.sciviews.org/benchmark/). SciView.
Archivado desde el original (http://www.scivi
ews.org/benchmark) el 16 de octubre de
2007. Consultado el 3 de noviembre de
2007.
7. «RWeka: An R Interface to Weka. R
package version 0.3-17» (http://CRAN.R-pr
oject.org/package=RWeka). Kurt Hornik,
Achim Zeileis, Torsten Hothorn and
Christian Buchta. Consultado el 2009.
8. JMP (2013). «Analytical Application
Development with JMP» (http://www.jmp.co
m/applications/analytical_apps/). SAS
Institute Inc. Consultado el 19 de
septiembre de 2013.
9. «New in Mathematica 9: Built-in Integration
with R» (http://www.wolfram.com/mathemati
ca/new-in-9/built-in-integration-with-r/).
Wolfram. 2013. Consultado el 18 de
septiembre de 2013.
10. Henson, Robert (23 de julio de 2013).
«MATLAB R Link» (http://www.mathworks.c
om/matlabcentral/fileexchange/5051). The
MathWorks, Inc. Consultado el 18 de
septiembre de 2013.
11. Gibson, Brendan (8 de marzo de 2010).
«Spotfire Integration with S+ and R» (http
s://web.archive.org/web/20120319050518/h
ttp://spotfire.tibco.com/community/blogs/stn/
archive/2010/03/08/spotfire-integration-with-
s-and-r.aspx). Spotfire. Archivado desde el
original (http://spotfire.tibco.com/community/
blogs/stn/archive/2010/03/08/spotfire-integr
ation-with-s-and-r.aspx) el 19 de marzo de
2012. Consultado el 19 de septiembre de
2013.
12. Clark, Mike (octubre de 2007). «Introduction
to SPSS 16» (http://www.unt.edu/benchmar
ks/archives/2007/october07/rss.htm).
University of North Texas Research and
Statistical Support. Consultado el 19 de
septiembre de 2013.
13. StatSoft (n.d.). «Using the R Language
Platform» (https://web.archive.org/web/2013
0612060237/http://www.statsoft.com/solutio
ns/r-language-platform/). StatSoft Inc.
Archivado desde el original (http://www.stats
oft.com/solutions/r-language-platform/) el 12
de junio de 2013. Consultado el 20 de
septiembre de 2013.
14. Parmar, Onkar (31 de marzo de 2011). « "R"
integrated with Symphony» (http://platformc
omputing.blogspot.com/2011/03/r-integrated
-with-symphony.html). Platform Computing
Corporation. Consultado el 20 de
septiembre de 2013.
15. SAS (11 de noviembre de 2010). «Calling
Functions in the R Language (SAS/IML)» (h
ttp://support.sas.com/documentation/cdl/en/i
mlsstat/63545/HTML/default/viewer.htm#sta
tr_toc.htm). Consultado el 20 de septiembre
de 2013.
16. Tableau (17 de diciembre de 2013). «R is
Here!» (http://www.tableau.com/about/blog/r
-integration). Consultado el 29 de enero de
2015.
17. «Building a Bridge to the R Community» (htt
ps://blogs.esri.com/esri/esri-insider/2015/07/
20/building-a-bridge-to-the-r-community/).
Esri. 20 de julio de 2015. Consultado el 14
de abril de 2016.
18. Dundas. «R Integrated with Dundas BI» (htt
p://www.dundas.com/). Consultado el 30 de
julio de 2015.
19. «Statgraphics R Interface» (http://www.statg
raphics.com/webinars).
20. «Editions and supported features of SQL
Server 2017» (https://docs.microsoft.com/en
-us/sql/sql-server/editions-and-components-
of-sql-server-2017). 15 de marzo de 2018.
21. «Cantor - Description» (http://edu.kde.org/c
antor/). The KDE Education Project.
Consultado el 4 de noviembre de 2012.
22. Customizable syntax highlighting based on
Perl Compatible regular expressions, with
subpattern support and default patterns
for..R, tenth bullet point, Bluefish Features
(http://bluefish.openoffice.nl/features.html),
Bluefish website, retrieved 9 July 2008.
23. Stephan Wahlbrink. «StatET: Eclipse based
IDE for R» (http://www.walware.de/goto/stat
et). Consultado el 26 de septiembre de
2009.
24. Jose Claudio Faria. «R syntax» (http://com
munity.jedit.org/?q=node/view/2339).
Consultado el 3 de noviembre de 2007.
25. «Syntax Highlighting» (https://web.archive.o
rg/web/20080707062903/http://www.kate-ed
itor.org/downloads/syntax_highlighting).
Kate Development Team. Archivado desde
el original (http://kate-editor.org/downloads/s
yntax_highlighting) el 7 de julio de 2008.
Consultado el 9 de julio de 2008.
26. «Integrated Development Environment
(IDE) for R» (http://www.rstudio.org/).
RStudio, Inc. Consultado el 16 de marzo de
2012.
27. «Página proyecto RKWard» (http://rkward.s
ourceforge.net/).
28. NppToR: R in Notepad++ (http://sourceforg
e.net/projects/npptor/)
29. RPy home page (http://rpy.sourceforge.net)
30. Statistics::R page on (http://search.cpan.or
g/~gmpassos/Statistics-R-0.02/lib/Statistics/
R.pm)CPAN
31. RSRuby GitHub project (https://github.com/
alexgutteridge/rsruby)
32. F# R Type Provider (http://bluemountaincapi
tal.github.io/FSharpRProvider/)
33. littler web site (http://dirk.eddelbuettel.com/c
ode/littler.html)

Enlaces externos
Wikimedia Commons alberga una categoría multimedia sobre R.
Página oficial (http://www.r-project.org/)
The R Reference Manual - Base Package (https://web.archive.org/web/20071217004131/htt
p://www.network-theory.co.uk/R/base/), R Development Core Team. ISBN 0-9546120-0-0
(vol. 1), ISBN 0-9546120-1-9 (vol. 2)
Colección de paquetes en CRAN (Comprehensive R Archive Network) (https://web.archive.or
g/web/20080105045216/http://cran.r-project.org/)
R-Wiki (https://web.archive.org/web/20080821105438/http://wiki.r-project.org/)
Interfaz Web para R (https://web.archive.org/web/20060615112752/http://www.math.montan
a.edu/Rweb/)
R Graph Gallery (https://web.archive.org/web/20130113002105/http://gallery.r-enthusiasts.co
m/), una colección de gráficos creados con R.
Proyecto R UCA (http://knuth.uca.es/R/), Universidad de Cádiz

Documentación en español
R para Principiantes (http://cran.r-project.org/doc/contrib/rdebuts_es.pdf), la versión en
español de R for Beginners, traducido por Jorge A. Ahumada (PDF).
Versión en español de An Introduction to R (http://cran.r-project.org/doc/contrib/R-intro-1.1.0-
espanol.1.pdf) por Andrés González y Silvia González (PDF).
Estadística Básica con R y R-Commander (http://knuth.uca.es/moodle/course/view.php?id=3
7) (libro libre)
 Gráficos Estadísticos con R (http://cran.r-project.org/doc/contrib/grafi3.pdf) por Juan Carlos
Correa y Nelfi González (PDF).
Cartas sobre Estadística de la Revista Argentina de Bioingeniería (http://cran.r-project.org/do
c/contrib/Risk-Cartas-sobre-Estadistica.pdf) por Marcelo R. Risk (PDF).
Introducción al uso y programación del sistema estadístico R (http://cran.r-project.org/doc/con
trib/curso-R.Diaz-Uriarte.pdf) por Ramón Díaz-Uriarte, transparencias preparadas para un
curso de 16 horas sobre R, dirigido principalmente a biólogos y especialistas en
bioinformática (PDF).
Lista de correo R-help-es en español (https://stat.ethz.ch/mailman/listinfo/r-help-es) Lista de
correo oficial de R en español.

Obtenido de «https://es.wikipedia.org/w/index.php?title=R_(lenguaje_de_programación)&oldid=123636831»

Esta página se editó por última vez el 18 feb 2020 a las 16:18.

El texto está disponible bajo la Licencia Creative Commons Atribución Compartir Igual 3.0; pueden aplicarse cláusulas
adicionales. Al usar este sitio, usted acepta nuestros términos de uso y nuestra política de privacidad.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una organización sin ánimo de lucro.