Introducción a R

B0305 – Lab Eco Gral
https://ucr-ecologia.github.io/B0305-lab-eco-gral/

Prof. G. Avalos y T. Nakov

Escuela de Biologia, Universidad de Costa Rica

01 Aug 2025

R. Que? Por que?

¿Qué es R?

Lenguaje de programación estadística gratuito y de código abierto
Desarrollado específicamente para análisis de datos y estadística
Amplia comunidad científica y de desarrolladores
Miles de paquetes especializados disponibles

¿Por qué R?

Excelentes capacidades de procesamiento de datos
Excelentes capacidades de modelado estadístico
Excelentes gráficos, visualizaciones hermosas
Excelente soporte para programación reproducible
Excelente soporte para visualización interactiva de datos
Ampliamente usado en Ecología, Evolución, Bioinformática, …
Especialmente útil para análisis ecológicos y evolutivos especializados
Muchas extensiones escritas por científicos y desarrolladores de métodos específicamente para problemas biológicos

¿Qué es RStudio?

Entorno de desarrollo integrado (IDE) para R
Interfaz gráfica amigable para usar R
Facilita la escritura de código, visualización de datos y manejo de proyectos
Gratuito para uso personal y académico

Installation

Instalación de R

Visitar https://www.r-project.org/
Hacer clic en “Download R” → “CRAN”
Seleccionar un mirror (ej: “Universidad de Costa Rica”)
Elegir tu sistema operativo:
- Windows: “Download R for Windows” → “base” → “Download R 4.x.x for Windows”
- macOS: “Download R for macOS” → seleccionar la versión apropiada
- Linux: seguir instrucciones para tu distribución
Ejecutar el instalador descargado y seguir las instrucciones

Instalación de RStudio

Primero instalar R (paso anterior)
Visitar https://posit.co/downloads/
Scroll down hasta “RStudio Desktop”
Hacer clic en “Download RStudio Desktop”
Seleccionar la versión gratuita: “RStudio Desktop Open Source License”
Elegir tu sistema operativo y descargar
Ejecutar el instalador y seguir las instrucciones

Importante

R debe estar instalado ANTES que RStudio
RStudio es solo la interfaz; R es el motor

Verificación de la instalación

Abrir RStudio (no R directamente)
En la consola (panel inferior izquierdo), escribir:
Si aparecen los resultados, ¡la instalación fue exitosa! 🎉

# Verificar versión de R
R.version.string

[1] "R version 4.5.1 (2025-06-13)"

# Hacer un cálculo simple
2 + 2

[1] 4

# Crear un vector simple
mi_vector <- c(1, 2, 3, 4, 5)
mi_vector

[1] 1 2 3 4 5

Recursos adicionales:

Manual oficial: https://cran.r-project.org/doc/manuals/r-release/R-intro.html
RStudio Cheatsheets: https://posit.co/resources/cheatsheets/

Entorno de R

¿Qué es renv?

Problema común:

“Mi código funciona en mi computadora, pero no en la tuya” 😕
Diferentes versiones de paquetes
Incompatibilidades entre estudiantes
Dificultad para reproducir análisis

Solución: renv

Gestión de entornos reproducibles en R
Congela versiones específicas de paquetes
Garantiza que todos tengan el mismo entorno
Facilita la colaboración y enseñanza

Configuración del curso

Paquetes incluidos para ecología:

📊 Análisis y Visualización:
- readr/readxl - Importar datos
- dplyr - Transformación de datos
- ggplot2 - Gráficos hermosos

🔬 Análisis ecológico:
- vegan - Análisis de comunidades

📝 Reportes:
- rmarkdown - Documentos reproducibles
- quarto - Reportes modernos
- kableExtra - Tablas bonitas

Instalación y uso

Paso 1: Instalar renv

install.packages("renv")

Paso 2: Descargar archivo de configuración

Descargar el archivo renv.lock desde: Archivo renv.lock del curso
Guardar en tu directorio de trabajo de R

Paso 3: Activar el entorno del curso

# En el directorio donde guardaste renv.lock:
renv::restore()

Paso 4: Verificar que funciona

library(tidyverse)
library(vegan)
library(ggplot2)
# Si no hay errores, ¡todo listo! 🎉

⚠️ Solo necesitas hacer esto UNA VEZ al inicio del curso

Ejercicios

Ejercicio 1: Primeros pasos con R

Operaciones básicas y variables

# 1. Realiza las siguientes operaciones matemáticas:
5 + 3
10 - 4
6 * 7
20 / 4
2^3

# 2. Crea variables y úsalas:
mi_edad <- 25
tu_edad <- 30
edad_promedio <- (mi_edad + tu_edad) / 2
edad_promedio

# 3. Crea un vector con las edades de tu grupo:
edades_grupo <- c(22, 25, 19, 28, 21)
mean(edades_grupo)  # promedio

Ejercicio 2: Trabajando con vectores

Manipulación de datos básicos

# 1. Crea vectores de datos ecológicos:
especies <- c("Quercus", "Pinus", "Cecropia", "Ficus", "Inga")
alturas <- c(15.2, 22.8, 8.5, 18.3, 12.1)  # metros
diametros <- c(45, 67, 23, 52, 38)  # cm

# 2. Explora los datos:
length(especies)  # número de especies
max(alturas)      # altura máxima
min(diametros)    # diámetro mínimo
mean(alturas)     # altura promedio

# 3. Filtra datos:
especies[alturas > 15]  # especies con altura > 15m
alturas[diametros < 50] # alturas con diámetro < 50cm

Ejercicio 3: Data frames y análisis

Creando y analizando conjuntos de datos

# 1. Crea un data frame:
arboles <- data.frame(
  especie = c("Quercus", "Pinus", "Cecropia", "Ficus", "Inga"),
  altura = c(15.2, 22.8, 8.5, 18.3, 12.1),
  diametro = c(45, 67, 23, 52, 38),
  sitio = c("bosque", "bosque", "claro", "ribera", "claro")
)

# 2. Explora el data frame:
head(arboles)          # primeras filas
str(arboles)           # estructura
summary(arboles)       # resumen estadístico

# 3. Análisis por sitio:
mean(arboles$altura[arboles$sitio == "bosque"])
table(arboles$sitio)   # frecuencia por sitio

Ejercicio 4: Visualización básica

Gráficos simples para datos ecológicos

# Usando los datos del ejercicio anterior:

# 1. Gráfico de dispersión:
plot(arboles$diametro, arboles$altura,
     xlab = "Diámetro (cm)", 
     ylab = "Altura (m)",
     main = "Relación Diámetro-Altura")

# 2. Boxplot por sitio:
boxplot(altura ~ sitio, data = arboles,
        xlab = "Tipo de sitio",
        ylab = "Altura (m)",
        main = "Altura por tipo de sitio")

# 3. Histograma:
hist(arboles$altura, 
     xlab = "Altura (m)", 
     main = "Distribución de alturas")

Ejercicio 5: Configuración del entorno

Práctica con renv y paquetes del curso

# 1. Configurar renv (solo la primera vez):
install.packages("renv")
renv::restore()  # instalar paquetes del curso

# 2. Cargar paquetes principales:
library(tidyverse)
library(vegan)

# 3. Probar con datos de ejemplo:
data(penguins, package = "palmerpenguins")
head(penguins)

# 4. Crear un gráfico con ggplot2:
ggplot(penguins, aes(x = bill_length_mm, y = bill_depth_mm)) +
  geom_point(aes(color = species)) +
  labs(title = "Dimensiones del pico en pingüinos",
       x = "Longitud del pico (mm)",
       y = "Profundidad del pico (mm)")

# 5. Verificar que vegan funciona:
library(vegan)
data(dune)
diversity(dune, index = "shannon")

Bibliografia

Manual oficial: https://cran.r-project.org/doc/manuals/r-release/R-intro.html

RStudio Cheatsheets:https://posit.co/resources/cheatsheets/

Gromelund, G. 2014. Hands on Programming with R. https://rstudio-education.github.io/hopr/index.html