Not published yet.
This is an interesting plor to compare variables in a lot of researches.
The write_xlsx() function from the writexl package provides a straightforward and efficient way to export data frames as Excel files.
Se presenta dos imagen interactivas que refieren al porcentaje de distribución pecuaria en el municipio de Entre Ríos - Cochabamba.
The read_excel() function provides an efficient solution to read Excel worksheets as tibbles.
Excel is a very important tool to interactively work with data in corporate environments.
Se presenta un resumen de resultados del censo agropecuario del municipio de Entre Ríos del departamento de Cochabamba.
En los últimos años, términos como inteligencia artificial, aprendizaje automático y aprendizaje profundo se han utilizado mucho. Tan misteriosas como suenan estas palabras, ¿cuál es su diferencia y de qué son capaces?.
Comprender los tipos de gráficos y los principios básicos de la gramática de los gráficos. Cree sus primeras visualizaciones con el paquete ggplot2 que incluye diagramas de dispersión, gráficos de líneas y gráficos de barras.
Utilice verbos `dplyr` básicos para filtrar filas, seleccionar columnas y ordenar/organizar conjuntos de datos en combinación con el operador pipe `%>%`.
Las emisiones de dióxido de carbono y otros gases de efecto invernadero son uno de los principales motores del cambio climático.
Abordamos la primera etapa en el manejo de datos. Podrá explorar la base de datos. Para ello, tiene que familiarizarse con las funciones de marco de datos base de R y también verá las funciones del paquete tibbles que es parte de tidyverse de RStudio.
Es una introducción al manejo y uso básico a la plataforma de R. Este software es muy popular e increíblemente útil para las personas que trabajan como científicos de datos o en empresas.
En esta oportunidad hacemos referencia a una colección de aplicaciones (inkaverse) para los procedimientos de diseño experimental y análisis estadístico.
Les presento una alternativa para hallar área foliar e indice de severidad de enfermedades foliares utilizando el paquete pliman. pliman (PLant IMage ANalysis) es un paquete de R para el análisis de imágenes de plantas, principalmente de hojas.
Se presenta las tendencias de rendimiento de los principales cultivos en los diez paises más poblados del mundo.
Se realiza una introducción al web scraping con el paquete rvest para la cosecha de datos de la web.
Es una recopilación de "data.table Introduction" y "Listen Data". Los ejemplos se tradujeron del Ingles al Español para facilitar la comprensión de este paquete.
Situación de pesticidas en la agricultura desde 1990 hasta 2017.
Se analiza las tendencias del cambio de la temperatura desde el año 1960 hasta 2019 en cada región de los continentes del mundo.
Breve análisis de datos climáticos de la Estación Experimental de Kallutaca, durante la campaña agrícola 2019-2020.
Tendencias de rendimiento de los cultivos más importantes de Bolivia desde 1984 hasta 2019.
l análisis de componentes principales nos permite resumir y visualizar la información de un conjunto de datos que contiene observaciones descritos por múltiples variables cuantitativas inter-correlacionadas.
Un post replicable para extraer y ordenar datos FAOSTAT con el paquete Tidyverse. Se presenta un análisis comparativo de paises latinoamericanos en función al rendimiento de los cultivos mas consumidas por la humanidad.
La figura de prueba de promedios de TukeyHSD es una buena opción, ya que incluye p-valor del ANVA y de la comparación de medias entre tratamientos.
Análisis para variables categóricas utilizando la metodología de tablas cruzadas con la prueba de chi-cuadrado. Este análisis es una recopilación del libro Multivariate Analysis II: Practical Guide To Principal Component Methods in R.
Es un ejemplo de caso extraido del libro R4DS.
© 2022 Franklin Santos
Made with
,
,
and the
distill package