R (linguagem de programação)

Origem: Wikipédia, a enciclopédia livre.
(Redirecionado de R (estatística))
Ir para: navegação, pesquisa
NoFonti.svg
Este artigo ou se(c)ção cita uma ou mais fontes fiáveis e independentes, mas ela(s) não cobre(m) todo o texto (desde Dezembro de 2010).
Por favor, melhore este artigo providenciando mais fontes fiáveis e independentes e inserindo-as em notas de rodapé ou no corpo do texto, conforme o livro de estilo.
Encontre fontes: Googlenotícias, livros, acadêmicoScirusBing. Veja como referenciar e citar as fontes.
R
R com o tema Aqua
Paradigma multi-paradigma: sequencialização, orientado a objectos, imperativo, dinâmico, processual, recíproco
Surgido em 1993[1]
Última versão 3.0.1 (16 de maio de 2013)
Criado por Ross Ihaka e Robert Gentleman
Influenciada por S
Licença: GPL
Página oficial www.r-project.org

R é uma linguagem e um ambiente de desenvolvimento integrado, para cálculos estatísticos e gráficos.

Foi criada originalmente por Ross Ihaka e por Robert Gentleman no departamento de Estatística da universidade de Auckland, Nova Zelândia, e foi desenvolvido por um esforço colaborativo de pessoas em vários locais do mundo[2] .

O nome R provêm em parte das iniciais dos criadores[3] e também de um jogo figurado com a linguagem S (da Bell Laboratories, antiga AT&T).

R é uma linguagem e ambiente similar ao S - pode ser considerado uma implementação distinta do S; embora com importantes diferenças, muitos códigos escritos para o S rodam inalterados no R. A implementação comercial de S é S-PLUS.

O código fonte do R está disponível sob a licença GNU[4] [5] GPL e as versões binárias pré-compiladas são fornecidas para Windows, Macintosh, e muitos sistemas operacionais Unix/Linux.

R é também altamente expansível com o uso dos pacotes, que são bibliotecas para funções específicas ou áreas de estudo específicas.

Um conjunto de pacotes é incluído com a instalação de R, com muito outros disponíveis na rede de distribuição do R (em inglês CRAN).

A linguagem R é largamente usada entre estatísticos e data miners para desenvolver software de estatística[6] [7] e análise de dados.[7] Inquéritos e levantamentos de data miners mostram que a popularidade do R aumentou substancialmente nos últimos anos.[8] [9] [10]


Ferramentas de produtividade[editar | editar código-fonte]

Existem diversas GUI para R, incluindo JGR, RKWard, SciViews-R, Rcmdr e, mais recentemente, RStudio. Muitos editores oferecem recursos que facilitam o trabalho com o R: Emacs, Vim, jEdit, Kate, Tinn-R GUI/Editor, entre outros. Existem plug-ins para uso com a IDE Eclipse e Vim.

Software construído de modo colaborativo, com novos pacotes e GUIs incluídos a cada intervalo de tempo, antecipando-se até a alguns outros pacotes proprietários, como o complemento com o teste de Scott-Knott para a Análise de Variâncias ANOVA.

Recursos estatísticos[editar | editar código-fonte]

A R disponibiliza uma ampla variedade de técnicas estatísticas e gráficas, incluindo modelação linear e não linear, testes estatísticos clássicos, análise de séries temporais (time-series analysis), classificação, agrupamento e outras. A R é facilmente extensível através de funções e extensões, e a comunidade R é reconhecida pelos seus contributos ativos em termos de pacotes. Existem diferenças importantes, mas muito código escrito para S corre inalterado. Muitas das funções padrão do R são escritas no próprio R, o que torna fácil para os usuários seguir as escolhas algorítmicas feitas. Para tarefas computacionais intensivas, os códigos C, C++, e Fortran podem ser ligados e chamados durante a execução. Usuários experientes podem escrever código C ou Java[11] para manipular diretamente objetos R.

O R é fortemente extensível através do uso de pacotes enviados pelo utilizador para funções específicas ou áreas específicas de estudo. Devido à sua herança do S, o R possui fortes recursos de programação orientada por objetos, mais que a maioria das linguagens de computação estatística. Ampliar o R também é facilitado pelas suas regras de contexto lexical.[12]

Outra força do R são os gráficos estáticos, que podem produzir imagens com qualidade para publicação, incluindo símbolos matemáticos. Gráficos dinâmicos e interativos estão disponíveis através de pacotes adicionais.[13]

O R tem a sua própria documentação em formato LaTeX, a qual é usada para fornecer documentação de fácil compreensão, simultaneamente on-line em diversos formatos e em papel.

Recursos de programação[editar | editar código-fonte]

A R é uma linguagem interpretada tipicamente utilizada através de um Interpretador de comandos. Se um usuário escreve "2+2" no comando de inserção e pressiona enter, o computador responde com "4", conforme se mostra abaixo:

> 2+2
[1] 4

Como muitas outras linguagens, a R suporta matrizes aritméticas. A estrutura de dados da R inclui escalares, vetores, matrizes, quadros de dados (similares a tabelas numa base de dados relacional) e listas.[14] O sistema de objetos da R é extensível e inclui objectos para, entre outros, modelos de regressão, séries temporais e coordenadas geoespaciais.

A R suporta programação processual com funções e, para algumas funções, programação orientada a objetos com funções genéricas. Uma função genérica atua de forma diferente dependendo do tipo de argumentos que é passado. Por outras palavras a função genérica determina (dispatches) a função (método) específica para aquele tipo de objeto. Por exemplo, a R tem uma função genérica print() que pode imprimir quase qualquer tipo de objeto em R com uma simples sintaxe "print(nomedoobjeto)".

Enquanto a R é maioritariamente usada por estatísticos e outros utilizadores que requerem um ambiente para computação estatística e desenvolvimento de software, pode ser igualmente usada como uma caixa de ferramentas para cálculo matricial geral com benchmarks de desempenho comparáveis ao GNU Octave ou ao MATLAB.[15]

Exemplos[editar | editar código-fonte]

Exemplo 1[editar | editar código-fonte]

Os seguintes exemplos ilustram a sintaxe básica da língua e o uso do interface de linha de comando.

Na R, o largamente preferido[16] [17] [18] [19] operador de atribuição é uma seta formada por dois carateres "<-", embora "=" possa ser usado em sua vez.[20]

> x <- c(1,2,3,4,5,6)   # Create ordered collection (vector)
> y <- x^2              # Square the elements of x
> print(y)              # print (vector) y
[1]  1  4  9 16 25 36
> mean(y)               # Calculate average (arithmetic mean) of (vector) y; result is scalar
[1] 15.16667
> var(y)                # Calculate sample variance
[1] 178.9667
> lm_1 <- lm(y ~ x)     # Fit a linear regression model "y = f(x)" or "y = B0 + (B1 * x)" 
                        # store the results as lm_1
> print(lm_1)           # Print the model from the (linear model object) lm_1
 
Call:
lm(formula = y ~ x)
 
Coefficients:
(Intercept)            x  
     -9.333        7.000 
 
> summary(lm_1)          # Compute and print statistics for the fit
                         # of the (linear model object) lm_1
 
Call:
lm(formula = y ~ x)
 
Residuals:
1       2       3       4       5       6
3.3333 -0.6667 -2.6667 -2.6667 -0.6667  3.3333
 
Coefficients:
            Estimate Std. Error t value Pr(>|t|)
(Intercept)  -9.3333     2.8441  -3.282 0.030453 *
x             7.0000     0.7303   9.585 0.000662 ***
---
Signif. codes:  0***0.001**0.01*0.05 ‘.’ 0.1 ‘ ’ 1
 
Residual standard error: 3.055 on 4 degrees of freedom
Multiple R-squared: 0.9583,	Adjusted R-squared: 0.9478
F-statistic: 91.88 on 1 and 4 DF,  p-value: 0.000662
 
> par(mfrow=c(2, 2))     # Request 2x2 plot layout
> plot(lm_1)             # Diagnostic plot of regression model

Diagnostic graphs produced by plot.lm() function. Features include mathematical notation in axis labels, as at lower left.

Exemplo 2[editar | editar código-fonte]

Código R curto calcula o modelo de Mandelbrot (Mandelbrot set) através das primeiras 20 iterações da equação z = z² + c mapeados para diferentes constantes complexas c. Este exemplo demonstra:

  • O uso de livrarias externas (chamadas pacotes) desenvolvidas pela comunidade, neste caso, o pacote caTools
  • Manipulação de número complexo.
  • Matrizes multidimensionais de números usados como tipos de dados básicos, ver variáveis C, Z e X.
library(caTools)         # external package providing write.gif function
jet.colors <- colorRampPalette(c("#00007F", "blue", "#007FFF", "cyan", "#7FFF7F", 
                                 "yellow", "#FF7F00", "red", "#7F0000")) 
m <- 1200                # define size
C <- complex( real=rep(seq(-1.8,0.6, length.out=m), each=m ), 
              imag=rep(seq(-1.2,1.2, length.out=m), m ) ) 
C <- matrix(C,m,m)       # reshape as square matrix of complex numbers
Z <- 0                   # initialize Z to zero
X <- array(0, c(m,m,20)) # initialize output 3D array
for (k in 1:20) {        # loop with 20 iterations
  Z <- Z^2+C             # the central difference equation  
  X[,,k] <- exp(-abs(Z)) # capture results
} 
write.gif(X, "Mandelbrot.gif", col=jet.colors, delay=100)

"Mandelbrot.gif" – Graphics created in R with 14 lines of code in Example 2

Exemplo 3[editar | editar código-fonte]

## Leitura do conjunto de dados. Também pode-se usar read.csv() quando os dados estiverem em arquivos .csv
dados <- read.table("escreva a localização do arquivo...", header=TRUE) %colunas com tratamentos (tratam c/ titulo) e n-linhas (repet).
 
## Preparação de dados
dados.vetor <- c(dados$trat1, dados$trat2, dados$trat3, dados$trat4) %pode ser com qualquer quantidade de tratamentos.
N <- gl(trat, repeticoes) %escreva o número de tratamentos e o tratamento com maior número de repetições.
dados.vert <- data.frame(N, dados.vetor)
fator <- factor(Loc) % fatores são variáveis tratadas como variáveis categóricas no R. 
 
## Cáculo da tabela ANOVA
pre_anova <- aov(dados.vetor~fator)
ANOVA <- summary(pre_anova) 
 
## Fazendo teste de Tukey, teremos:
TukeyHSD(pre_anova, ordered=TRUE)
plot(TukeyHSD(bruto.aov, ordered=TRUE))
 
sk5 <- SK(x=dados, y=dados.vert$dados.vetor, model="y~fator", which="fator",sig.level=0.05)
summary(sk5)

Pacotes[editar | editar código-fonte]

As capacidades da R são estendidas através de pacotes criados pelo usuário, que permitem técnicas estatísticas especializadas, dispositivos gráficos, capacidades de importação/exportação, ferramentas de relatórios, etc. Estes pacotes são primeiro desenvolvidos em R, e por vezes em Java, C e Fortran. Um conjunto básico de pacotes são incluídos com a instalação do R, com 5300 pacotes adicionais (a partir de abril 2012) disponíveis em Comprehensive R Archive Network (CRAN), Bioconductor, e outros repositórios.[21]

A página "Task Views" (lista de assuntos) no website da CRAN lista a vasta gama de aplicações (Finança, genética, aprendizagem de máquinas, imagiologia médica, ciências sociais e estatísticas espaciais) nos quais R tem sido aplicada e para que pacotes está disponível.

Outros recursos do pacote R incluem Crantastic, um site comunitário para avaliação e revisão de todos os pacotes CRAN, e também R-Forge, uma plataforma central para o desenvolvimento colaborativo de pacotes R, software relacionado com R, e projetos. Tem muitos documentos não publicados, pacotes beta e versões de desenvolvimento de pacotes CRAN.

O projeto Bioconductor disponibiliza pacotes R para a análise de dados genómicos, tais como Affymetrix e cDNA de análise e manipulação de dados orientadas a objetos, e começou disponibilizar ferramentas para a análise de dados da próxima geração de métodos de alto rendimento de sequenciação.

A pesquisa reprodutível e geração automática de relatórios pode ser realizada com pacotes que suportam a execução de código R incorporado em LaTeX, OpenDocument format e outros marcadores (markups).[22]

Acelerador e eficiência de memória[editar | editar código-fonte]

Teste é um pacote jit que disponibiliza compilação JIT, e outro pacote compilador que oferece um compilador de byte-code para o R.[23]

Existem diversos pacotes (snow, multicore, parallel) que disponibilizam paralelismo para o R[24] .

O pacote ff economiza memória arquivando dados no disco. As estruturas de dados comportam-se como se estivessem na RAM. O pacote ffbase disponibiliza funções estatísticas básicas para o 'ff'.

Marcos[editar | editar código-fonte]

A lista completa de alterações é mantida no ficheiro NEWS. Alguns destaques estão listados abaixo.

  • Versão 0.16 – Esta é a última versão alpha desenvolvida incialmente por Ihaka e Gentleman. Muitas das funcionalidades básicas do "White Book" (ver S history) foram implementadas. As listas de discussão começaram em 1de april 1 de 1997.
  • Versão 0.49 – 23 de abril 23 de 1997 – Esta é a mais antiga versão da fonte disponível, e compila num número limitado de plataformas Unix. O CRAN começou nesta data, com 3 mirrors que hospedavam inicialmente 12 pacotes. As versões Alpha do R para Microsoft Windows e Mac OS ficaram disponíveis pouco tempo depois desta versão.
  • Versão 0.60 – 5 de dezembro de 1997 – O R torna-se oficialmente parte do projeto GNU . O código é alojado e mantido no CVS.
  • Versão 1.0.0 – 29 de fevereiro de 2000 – Foi considerado pelos seus criadores suficientemente estável para utilização produtiva.[25]
  • Versão 1.4.0 – Os métodos S4 são introduzidos e a primeira versão para Mac OS X ficou disponível logo após.
  • Versão 2.0.0 – 4 de outubro de 2004 – Foi introduzida a lazy loading, que permite o carregamento rápido de dados com um mínimo de dispêndio de memória do sistema.
  • Versão 2.1.0 – Suporte para codificação UTF-8, e o início da internacionalização e localização para diferentes linguagens.
  • Versão 2.11.0 – 22 de abril de 2010 – Suporte para sistemas Windows de 64 bits.
  • Versão 2.13.0 – 14 de abril de 2011 – Adiciona uma nova função de compilação que permite acelerar funções convertendo-as em byte-code.
  • Versão 2.14.0 – 31 de outubro de 2011 – Adicionados namespaces obrigatórios para os pacotes. Adicionado um novo pacote paralelo.
  • Versão 2.15.0 – 30 de março de 2012 – Novas funções de balanceamento de carga. Melhorada a velocidade de seriação para vetores longos.


Interfaces[editar | editar código-fonte]

Interfaces de usuário gráficas[editar | editar código-fonte]

  • RGUI – vem com uma versão pré-compilada do R para Microsoft Windows.
  • Tinn-R– Um ambiente de desenvolvimento em fonte aberta altamente capaz e integrado com destaque para a sintaxe semelhante à do MATLAB. Apenas disponível para Windows
  • Java Gui for R – multi-plataforma independente de terminais R e editor baseado em Java (também conhecido como JGR).
  • Deducer – Interface de usário gráfica para o menu de análise de dados orientado (similar ao SPSS/JMP/Minitab).
  • Rattle GUI – multi-plataforma de interface de usuário gráfica baseada no RGtk2 e especificamente criada para data mining.
  • R Commander – multi-plataforma baseada em menus orientados sobre interface de usário gráfica baseada no tcltk (vários plug-ins para Rcmdr também estão disponíveis).
  • RapidMiner[25] [26]
  • RExcel – usando R e Rcmdr a partir do Microsoft Excel.
  • RKWard – Interface de usário gráfica extensível e IDE para R.
  • RStudio – multi-plataforma de fonte aberta IDE (que também pode ser corrida num servidor remoto linux).
  • A Revolução Analítica [1] disponibiliza um Visual Studio baseado em IDE e tem planos para pontos baseados na web e interfaces de click.
  • Weka[27] permite a utilização de recursos de mineração de dados em Weka e análise estatística em R.
  • Existe um número especial do Journal of Statistical Software (de junho de 2012) que discute as interfaces de usuário gráficas para o R [2].

Editores e IDEs[editar | editar código-fonte]

Editores de texto e ambientes integrados de desenvolvimento (IDEs) com algum suporte para R incluem: Bluefish,[28] Crimson Editor, ConTEXT, Eclipse (StatET),[29] Emacs (Emacs Speaks Statistics), LyX (módulos para knitr e Sweave), Vim, Geany, jEdit,[30] Kate,[31] R Productivity Environment (parte da Revolution R Enterprise),[32] RStudio,[33] TextMate, gedit, SciTE, WinEdt (R Package RWinEdt) e Notepad++.[34]

Linguagens de Script[editar | editar código-fonte]

As funcionalidades do R foram tornadas acessíveis a partir de diversas linguagens de script como a Python (pelo pacote de interface do RPy[35] ), Perl(pelo módulo Statistics::R[36] ), e Ruby (com o rsruby[37] rubygem). PL/R pode ser usado juntamente, ou em vez da linguagem de script PL/pgSQL no sistema de gestão de bases de dados PostgreSQL e Greenplum. Scripts no próprio R são possíveis via littler[38] bem como via Rscript.

useR! conferências[editar | editar código-fonte]

"useR!" é o nome dado à reunião anual oficial dos usuários do R. O primeiro destes eventos foi o useR! 2004 em maio de 2004, em Viena de Áustria.[39] Depois de saltar 2005, a conferência useR tem tido lugar anualmente, alternando habitualmente entre localizações na Europa e na América do Norte.[40]

Esta é lista das conferências useR!:

  • useR! 2004, Viena, Áustria
  • useR! 2006, Viena, Áustria
  • useR! 2007, Ames, Iowa, Estados Unidos da América
  • useR! 2008, Dortmund, Alemanha
  • useR! 2009, Rennes, França
  • useR! 2010, Gaithersburg, Maryland, Estados Unidos da América
  • useR! 2011, Coventry, Reino Unido
  • useR! 2012, Nashville, Tennessee, Estados Unidos da América
  • useR! 2013, Albacete, Espanha

Comparação com SAS, SPSS e Stata[editar | editar código-fonte]

O consenso geral é que o R se compara bem com outros populares pacotes estatísticos, tais como SAS, SPSS e Stata.[41] Em janeiro de 2009, o New York Times publicou um artigo sobre o aumento de aceitação do R entre os analistas de dados e apresentando uma potencial ameaça para a quota de mercado ocupada por pacotes estatísticos comerciais, como o SAS.[42]

Suporte comercial para o R[editar | editar código-fonte]

Em 2007, a Revolução Analítica foi fundada para disponibilizar suporte comercial para a Revolução R, a sua distribuição do R, que também inclui componentes desenvolvidos pela companhia. Os principais componentes adicionais incluem: ParallelR, o ambiente de produtividade IDE para o R, RevoScaleR (para análise de grandes dados), RevoDeployR, quadro de serviços web, e a capacidade para ler e escrever dados no formato de ficheiro SAS.[43]

Em outubro de 2011, a Oracle anunciou o Big Data Appliance, que integra o R, o Apache Hadoop, o Oracle Enterprise Linux, e uma base de dados NoSQL com o hardware Exadata.[44] [45] [46] O Oracle R Enterprise[47] é agora um dos dois componentes do "Oracle Advanced Analytics Option"[48] (o outro componente é o Oracle Data Mining).

Outros grandes sistemas de software comercial que suportam conexões ou integração com o R incluem: JMP,[49] Mathematica,[50] MATLAB,[51] Spotfire,[52] SPSS,[53] STATISTICA,[54] Platform Symphony,[55] e SAS[56] .

TIBCO, o atual proprietário da linguagem S-Plus, está a permitir que alguns dos seus empregados apoiem ativamente o R participando na sua lista de discussão R-Help (anteriormente mencionada), e pelo patrocínio da série useR das reuniões de grupos de usuários. A Google é um grande utilizador interno do R e publica um guia de estilo.[57] Patrocina os projetos R nos seus trabalhos Summer-of-Code, e também suporta financeiramente as séries de reuniões useR.

RStudio oferece software, educação e serviços para a comunidade R.

Wikibooks[editar | editar código-fonte]

Tutorial Rápido[editar | editar código-fonte]

Para sair do R, digitar q().

Para procurar qualquer coisa, digitar help.search("qualquer coisa").

Normalmente, essa procura vai mencionar a biblioteca necessária para rodar a função. Para carregar a biblioteca, digitar library("biblioteca").

É possível escrever comandos em um arquivo e executá-lo, basta digitar source("arquivo").

summary(variavel) dá várias informações sobre a variável. Outra forma de obter (ainda mais) informações é digitando variavel[].

getwd e setwd são usados para informar e alterar o diretório de trabalho.

Para buscar ajuda na Internet sobre algum conceito:

RSiteSearch("conceito")

Ver também[editar | editar código-fonte]

Referências

  1. A Brief History R: Past and Future History, Ross Ihaka, Statistics Department, The University of Auckland, Auckland, New Zealand, available from the CRAN website
  2. Contributors, site www.r-project.org
  3. Kurt Hornik. The R FAQ: Why is R named R?. [S.l.: s.n.]. ISBN 3-900051-08-9 Página visitada em 2008-01-29.
  4. Free Software Foundation (FSF) Free Software Directory: GNU R. Página visitada em 2012-11-13.
  5. What is R?. Página visitada em 2009-04-28.
  6. Fox, John and Andersen, Robert. (January 2005). "Using the R Statistical Computing Environment to Teach Social Statistics Courses" (PDF). Department of Sociology, McMaster University.
  7. a b Vance, Ashlee. "Data Analysts Captivated by R's Power", New York Times, 2009-01-06. Página visitada em 2009-04-28. “R is also the name of a popular programming language used by a growing number of data analysts inside corporations and academia. It is becoming their lingua franca...”
  8. David Smith (2012); R Tops Data Mining Software Poll, Java Developers Journal, May 31, 2012.
  9. Karl Rexer, Heather Allen, & Paul Gearan (2011); 2011 Data Miner Survey Summary, presented at Predictive Analytics World, Oct. 2011.
  10. Robert A. Muenchen (2012);The Popularity of Data Analysis Software.
  11. Duncan Temple Lang, Calling R from Java, http://www.nuiton.org/attachments/168/RFromJava.pdf 
  12. Jackman, Simon. (Spring 2003). "R For the Political Methodologist" (PDF). The Political Methodologist 11 (1): 20–22. Political Methodology Section,American Political Science Association.
  13. CRAN Task View: Graphic Displays & Dynamic Graphics & Graphic Devices & Visualization. The Comprehensive R Archive Network. Página visitada em 2011-08-01.
  14. Dalgaard, Peter. Introductory Statistics with R. New York, Berlin, Heidelberg: Springer-Verlag, 2002. 10–18, 34 p. ISBN 0387954759
  15. Speed comparison of various number crunching packages (version 2). SciView. Página visitada em 2007-11-03.
  16. R Development Core Team. Writing R Extensions. Página visitada em 14 June 2012. "[...] we recommend the consistent use of the preferred assignment operator ‘<-’ (rather than ‘=’) for assignment."
  17. Google's R Style Guide. Página visitada em 14 June 2012.
  18. Wickham, Hadley. Style Guide. Página visitada em 14 June 2012.
  19. Bengtsson, Henrik. R Coding Conventions (RCC) - a draft. Página visitada em 14 June 2012.
  20. Assignments with the =Operator. Página visitada em 14 June 2012.
  21. Robert A. Muenchen. The Popularity of Data Analysis Software.
  22. CRAN Task View: Reproducible Research
  23. up your R code using a just-in-time (JIT) compiler
  24. Package 'parallel' (em inglês)
  25. R Extension Presented on RCOMM 2010
  26. Data Mining / Analytic Tools Used Poll (May 2010).
  27. RWeka: An R Interface to Weka. R package version 0.3–17. Kurt Hornik, Achim Zeileis, Torsten Hothorn and Christian Buchta. Página visitada em 2009.
  28. Customizable syntax highlighting based on Perl Compatible regular expressions, with subpattern support and default patterns for..R, tenth bullet point, Bluefish Features, Bluefish website, retrieved 2008-07-09.
  29. Stephan Wahlbrink. StatET: Eclipse based IDE for R. Página visitada em 2009-09-26.
  30. Jose Claudio Faria. R syntax. Página visitada em 2007-11-03.
  31. Syntax Highlighting. Kate Development Team. Arquivado do original em 2008-07-07. Página visitada em 2008-07-09.
  32. R Productivity Environment. Revolution Analytics. Página visitada em 2011-09-03.
  33. J. J. Alaire and colleagues. RStudio: new IDE for R. Página visitada em 2011-08-04.
  34. NppToR: R in Notepad++. sourceforge.net. Página visitada em 2010-07-11.
  35. RPy home page
  36. page on CPAN
  37. RSRuby rubyforge project
  38. littler web site
  39. useR 2004
  40. useR! – International R User Conference
  41. of R to SAS, Stata and SPSS
  42. Vance, Ashlee. "Data Analysts Captivated by R's Power", The New York Times, 2009-01-07.
  43. Timothy Prickett Morgan (2011); 'Red Hat for stats' goes toe-to-toe with SAS, The Register, February 7, 2011.
  44. Doug Henschen (2012);Oracle Makes Big Data Appliance Move With Cloudera, InformationWeek, January 10, 2012.
  45. Jaikumar Vijayan (2012);Oracle's Big Data Appliance brings focus to bundled approach, ComputerWorld, January 11, 2012.
  46. Timothy Prickett Morgan (2011);Oracle rolls its own NoSQL and Hadoop Oracle rolls its own NoSQL and Hadoop, The Register, October 3, 2011.
  47. Chris Kanaracus (2012);Oracle Stakes Claim in R With Advanced Analytics Launch, PC World, February 8, 2012.
  48. Doug Henschen (2012);Oracle Stakes Claim in R With Advanced Analytics Launch, InformationWeek, April 4, 2012.
  49. JMP for Analytical Application Development
  50. integration with R
  51. MATLAB R Link
  52. Integration with S+ and R
  53. RSS Matters
  54. R Language Platform | StatSoft
  55. integrated with Symphony
  56. Functions in the R Language (SAS/IML)
  57. R Style Guide

Ligações externas[editar | editar código-fonte]