ggstatsplot: Visualización y Estadística en R con un Solo Paquete

Ejemplos de ggstatsplot.

📌 ggstatsplot: Visualización y Estadística en R 📊📈

📢 ¿Quieres generar gráficos en R que incluyan análisis estadísticos automáticamente? ggstatsplot es una poderosa extensión de ggplot2 que combina visualización y estadística inferencial, facilitando la exploración de datos y la presentación de resultados.

📌 En este post, exploraremos qué es ggstatsplot, cómo funciona y cómo implementarlo en análisis de datos en R.

🟢 ¿Qué es ggstatsplot?

📌 ggstatsplot es una librería en R que permite generar gráficos con análisis estadísticos automáticos en una sola línea de código.

✅ Basado en ggplot2, mantiene la estructura familiar de gráficos en R.
✅ Incluye pruebas estadísticas como ANOVA, t-tests, correlaciones y más.
✅ Soporta múltiples tipos de gráficos, desde dispersión hasta diagramas de caja y violin.

📖 Ideal para científicos de datos, estadísticos e investigadores que desean una integración fluida entre visualización y estadística.

🔗 Más información en: ggstatsplot en GitHub

🟢 Instalación y Primeros Pasos

📌 Para instalar y comenzar a usar ggstatsplot en RStudio, sigue estos pasos:

# Instalar ggstatsplot desde CRAN
install.packages("ggstatsplot")

# Cargar la librería
library(ggstatsplot)

🔵 Ejemplo 1: Gráfico de Dispersión con Correlación

📌 En este ejemplo, generaremos un gráfico de dispersión con análisis de correlación incluido.

# Crear un gráfico de dispersión con estadística de correlación
ggstatsplot::ggscatterstats(
  data = mtcars,
  x = mpg,
  y = hp
)

📌 Este gráfico incluye automáticamente:
✅ Cálculo del coeficiente de correlación (Pearson, Spearman o Kendall).
✅ Intervalo de confianza y valores p.
✅ Línea de tendencia con bandas de confianza.

🟢 Ejemplo 2: Comparación de Medias con Diagramas de Caja

📌 Podemos utilizar ggstatsplot para comparar distribuciones entre grupos con diagramas de caja.

# Comparación de medias por tipo de cilindros
mtcars$cyl <- as.factor(mtcars$cyl)

ggstatsplot::ggbetweenstats(
  data = mtcars,
  x = cyl,
  y = mpg
)

📌 Este gráfico incluye:
✅ Prueba de ANOVA o t-test según corresponda.
✅ Estadística inferencial con valores p y tamaño del efecto.
✅ Opciones para personalizar la visualización de los datos.

📌 Comparación Rápida con Otros Métodos

library(knitr)
data <- data.frame(
  Método = c("ggplot2 + estadísticas manuales", "ggstatsplot"),
  Código_Necesario = c("Más de 5 líneas", "1 línea"),
  Automatización = c("No, manual", "Sí, incluye estadísticas automáticamente"),
  Tipos_de_Gráficos = c("Barras, dispersión, líneas", "Barras, dispersión, violin, boxplot y más"),
  Integración = c("Con paquetes adicionales", "Incluye estadísticas y visualización en uno solo")
)
kable(data)

Método	Código_Necesario	Automatización	Tipos_de_Gráficos	Integración
ggplot2 + estadísticas manuales	Más de 5 líneas	No, manual	Barras, dispersión, líneas	Con paquetes adicionales
ggstatsplot	1 línea	Sí, incluye estadísticas automáticamente	Barras, dispersión, violin, boxplot y más	Incluye estadísticas y visualización en uno solo

📌 ggstatsplot permite realizar análisis estadísticos sin necesidad de calcular valores p o intervalos de confianza manualmente.

Conclusión

📌 Si ya usas ggplot2, ggstatsplot mejorará tu flujo de trabajo al integrar estadísticas automáticamente.
📌 Si eres investigador o analista de datos, esta librería facilitará la presentación de resultados con gráficos listos para reportes y artículos científicos.
📌 Si trabajas con múltiples variables, puedes ahorrar tiempo al generar visualizaciones con estadísticas incluidas en una sola línea de código.