我正在使用RMarkdown进行滑动演示。问题在于某些幻灯片最终会变得太长，我必须在幻灯片中向下滚动才能查看其全部内容。我希望幻灯片的整个内容适合屏幕的大小，因此我可以一次查看所有内容。有关如何执行此操作的任何想法？
Slide的4,5和6是我要防止发生的示例。这是代码：
---
title: ""
author: ""
date: "12 de octubre de 2018"
output: slidy_presentation
---
## Visualización de datos
- Interescción entre estadística y diseño.
- Realizar gráficos atractivos y significativos.
- Por un lado se capta la atención del lector; por el otro, facilita el entendimiento del mensaje.
```{r, echo=FALSE, warning=FALSE, message=FALSE, fig.align='center'}
library(dplyr)
library(ggplot2)
knitr::include_graphics('./dataviz.jpg')
```
## Tipos de visualización de datos
- Exploratorio vs Explicativo
```{r, echo=FALSE, fig.align='center'}
knitr::include_graphics('./data-scientist-reader.png')
```
"El buen diseño consiste en pensar en la audiencia. También en que a veces la audiencia es uno mismo."
## Análisis Exploratorio vs Explicativo
Por ejemplo, tenemos esta tabla de datos que contiene los pesos promedio del cuerpo y cerebro de 62 animales:
```{r, echo=F}
head(MASS::mammals,n=15)
dplyr::glimpse(MASS::mammals)
```
## Análisis Exploratorio vs Explicativo
- Lo más intuitivo es comenzar con un gráfico de dispersión.
```{r, fig.align='center',warning=F,out.width='50%',out.height='50%'}
ggplot(MASS::mammals,aes(x=body, y=brain))+geom_jitter(alpha=.5)
```
- Podemos Observar que existe un sesgo positivo en los datos (Debido a dos especies de elefantes)
## Análisis Exploratorio
- Ahora podríamos ajustar un modelo lineal a los datos para observar cómo se relacionan
```{r, fig.align='center',warning=F,out.width='50%',out.height='50%'}
ggplot(MASS::mammals,aes(x=body, y=brain))+geom_jitter(alpha=.5)+stat_smooth(method="lm",col="red",se=F, size= 1)
```
- Pero dada la naturaleza de los datos rápidamente observamos que esto no parece ser adecuado.
- De esta exploración podemos concluir que el resultado de ajustar un modelo líneal a los datos sería pobre.
## Análisis Exploratorio
- Una transformación logarítmica de ambas variables permite un mejor ajuste.
```{r, fig.align='center',warning=F,out.width='50%',out.height='50%', tidy = FALSE}
ggplot(MASS::mammals,aes(x=body, y=brain))+
geom_point(alpha=.6)+coord_fixed()+
scale_x_log10()+scale_y_log10()+
stat_smooth(method="lm",col="red",se=F, size=1)
```
- Notemos como un gráfico muy simple, preeliminar, nos informó sobre la estructura de nuestros datos y nos permitió llegar a una mejor representación.