Investigación reproducible con R

Una breve presentación sobre investigación reproducible (reproducible research) en R preparada para el Grupo de Usuarios de R de Bogotá.

Pueden ver la presentación acá.

Enlaces

Algunos enlaces que se encuentran en la presentación (todos en inglés):

• Principal fuente: una presentación, notas de la presentación y una guia breve de pasos para hacer reproducible research, por Karl Broman

• Recursos básicos:

  • La pagina de Wikipedia sobre reproducibilidad en particular el apartado sobre reproducible research
  • Vista de tareas de investigación reproducible en el CRAN

• Documentación, manuales y recursos

  • La pagina de knitr en especial la sección de opciones: http://yihui.name/knitr/options/ y su repositorio en GitHub: https://github.com/yihui/knitr
  • La pagina de rmarkdown: http://rmarkdown.rstudio.com/
  • La pagina de markdown y la de pandoc
  • Jupyter (antes iPython)
  • kernels de Jupyter. (Como instalar)
  • iRkernel - kernel de R para Jupyter.
  • El ambiente para computo cientifico de Python: SciPy / Anaconda
  • Algunos tutoriales relacionados por Karl Broman: http://kbroman.org/pages/tutorials

• Organización (o flujos de trabajo) y guías de estilo de R:

  • Compilado de enlaces relacionados respondiendo a la pregunta: ¿Como gestionar eficientemente un proyecto de analisis estadístico?
  • Por ejemplo, LCFD: Load, Clean, Function, Do
  • ProjectTemplate
  • "La respuesta estandar" a ¿como organizar programas grandes de R?: paquetes y el manual oficial de extesiones de R.
  • El libro de Hadley Whickham sobre paquetes (http://r-pkgs.had.co.nz) muestra que no es nada dificil - usando roxygen2 hacemos literate programming moderno y simplificamos el proceso - documentamos y obtenemos codigo de un mismo sito.
  • Una guia de estilo y algo más
  • La guia de estilo de R de Google
  • La recomendada guia de estilo de Hadley (basada en la de Google)

• Sobre herramientas que vale la pena aprender:

  • GNU Make y el tutorial minimal para empezar con make (de Karl Broman)
  • git + GitHub/bitbucket y la sección de R Packages sobre Git + GitHub + RStudio

• Sobre otras herramientas que pueden valer la pena:

  • Manejo de dependencias / ambientes virtuales (e.g. packrat, Docker + rocker)
  • Validez del codigo con pruebas (en especial para lanzar paquetes) testthat y testdat. Ver testing for data science con Python.

• Algunos ejemplos de rmarkdown:

  • Con el estilo Tufte en html y en pdf del paquete tuftehandouts
  • Kmeans https://rpubs.com/dnchari/kmeans
  • Mapas y proyecciones https://rpubs.com/hrbrmstr/coord_proj_stress_test
  • Htmlwidgets de Redes https://rpubs.com/yoshio/99778

• Opciones avanzadas con rmarkdown:

  • Reportes parametrizados
  • Documentos reactivos embebiendo Shiny
  • Cambiar el template y crear otros formatos.

• Algunas referencias históricas y otros sitios relacionados:

  • WaveLab and Reproducible Research (para el curioso, en particular las anecdotas en la sección 2)
  • La pagina en wikipedia sobre Literate programming y la pagina de Donald Knuth
  • Stanford Exploration Project - tambien pioneros en reproducible research
  • El articulo original de Donald Knuth explicando WEB, encontrado en http://www.literateprogramming.com/ un sitio dedicado a literate programming.
  • El sitio de noweb y el de su creador: Norman Ramsey
  • Llegando a R esta el sitio de Sweave por Friedrich Leisch
  • Mucho más en: http://reproducibleresearch.net otro sitio dedicado a reproducible research - en especial la sección de enlaces

Licencia

Esta presentación fue preparada por Juan Pablo Marin y Daniel Moreno para el Grupo de Usuarios de R de Bogotá y el contenido original esta bajo la licensia CC-BY 4.0.