R/S-Plus für Einsteiger und für Fortgeschrittene - STAMATS

Weitere Magazine

Empfehlungen

Info

der Kurs wurde konzipiert von Dr. Peter Ruckdeschel, [peter.ruckdeschel@uni-bayreuth.de] die Übungen wurden konzipiert von Dr. Matthias Kohl, [matthias.kohl@www.stamats.de] Übungsschein: kann bei erfolgreicher Teilnahme an den Übungen oder bei Übernahme eines Referats vergeben werden zu Übungsaufgaben: – 14–tägig 4 Aufgaben – Abgabe per E-Mail an Dozenten – Vorrechnen / Präsentation der Lösung am Rechner / Beamer – Datensätze im WWW verfügbar Mathematik VII Peter Ruckdeschel Matthias Kohl R/S-plus für Einsteiger und Fortgeschrittene 40
0.1.2 Adressaten / Ziele der Kurs wendet sich vorrangig an Studenten der Mathematik, Wirtschaftsmathematik und Technomathematik kann aber auch für Nicht–Mathematiker mit Interesse an Programmierung und Statistik verwendet werden Vorkenntnisse: – für Mathematiker: Stochastik I der Kurs wird in Bayreuth (BT) oft auch parallel zur Stochastik I angeboten und ergänzt simultan die dort präsentierten Konzepte durch ihre computertechnische Umsetzung – alternativ: Statistischer Methodenkurs für Nicht–Mathematiker der Kurs konzentriert sich auf die Umsetzung der Begriffe und Verfahren aus der Statistik in S, die Begriffe und Verfahren werden als bekannt vorausgesetzt Mathematik VII Peter Ruckdeschel Matthias Kohl R/S-plus für Einsteiger und Fortgeschrittene 41
Seite 1 und 2: Lehrstuhl Mathematik VII R/S-Plus f
Seite 3 und 4: Inhaltsverzeichnis. . . . . . . . .
Seite 5 und 6: 0.6 eine kommentierte Literaturlist
Seite 7 und 8: 1.4.6 Missings . . . . . . . . . .
Seite 9 und 10: 2 Einfache explorative Analyse. . .
Seite 11 und 12: 2.5.4 Visualisierung diskreter Zufa
Seite 13 und 14: 3.3.3 Fehlerbehandlung . . . . . .
Seite 15 und 16: 4.2.5 ein Beispiel . . . . . . . .
Seite 17 und 18: 5.1.4 -Test für Varianzen . . .
Seite 19 und 20: 6.3.3 Umsetzung in R . . . . . . .
Seite 21 und 22: 7.3.2 Autokovarianz und Spektrum .
Seite 23 und 24: 8.2.1 Wie benützt man R effizient?
Seite 25 und 26: 8.3.9 Koordination der Speichermana
Seite 27 und 28: A.3.2 Univariate Analyse . . . . .
Seite 29 und 30: A.7.3 Fisher- und t-Test. . . . . .
Seite 31 und 32: A.13.1 Zeitreihenanalyse I . . . .
Seite 33 und 34: L.2.2 Faktoren. . . . . . . . . . .
Seite 35 und 36: L.6.4 Regressionsplots. . . . . . .
Seite 37 und 38: L.12 Lösungsvorschläge Blatt 12.
Seite 39: 0 Vorwort 0.1 zur Veranstaltung 0.1
Seite 43 und 44: die Tests aus Kapitel 5 von Venable
Seite 45 und 46: Teil der BT’er Hörerschaft der S
Seite 47 und 48: 0.1.4 Quellen der Kurs folgt in gr
Seite 49 und 50: 0.1.5 zum Gebrauch des .pdf-Files
Seite 51 und 52: Datensätze, die ebenfalls verlinkt
Seite 53 und 54: 0.1.6 Danksagung Dank geht an unse
Seite 55 und 56: 0.2 Kurzvorstellung R/S-Plus c.f. V
Seite 57 und 58: Open Source-Variante: R - aktuell (
Seite 59 und 60: 0.2.3 Vergleich mit anderen Paketen
Seite 61 und 62: - wie jede höhere Programmiersprac
Seite 63 und 64: 0.3.2 Graphik: die vielen Parameter
Seite 65 und 66: 0.3.4 Klassen und objektorientierte
Seite 67 und 68: 0.3.6 Schnittstellenprogrammierung
Seite 69 und 70: 0.3.8 Organisation von CRAN und Ver
Seite 71 und 72: Zuweisung: A8 #weist dem Objekt A
Seite 73 und 74: im Entstehen begriffen (Apr. 2006):
Seite 75 und 76: 0.6 eine kommentierte Literaturlist
Seite 77 und 78: Kapitel 8 d. Kurses); wenige, lehrr
Seite 79 und 80: 0.7 eine elementare Sitzung # c.f.
Seite 81 und 82: # # # 25 ^= Argument " n c l a s s
Seite 83 und 84: # l r f l o e s s ( y ~ x , data=d
Seite 85 und 86: # A u s r e i s s e r ) detach ( )
Seite 87 und 88: main=" Speed ␣ o f ␣ L i g h t
Seite 89 und 90: alle Einheiten sind Objekte Komman
Seite 91 und 92:
mode( a ) # Modus von a a [ 3 ] # g
Seite 93 und 94:
1.2.3 Listen vorzustellen als: ver
Seite 95 und 96:
v v e c t o r ( " numeric " , l e
Seite 97 und 98:
1.2.4 Funktionen I 1.2.4 (a) Funkti
Seite 99 und 100:
1.2.6 Data-Frames üblicher Typ zu
Seite 101 und 102:
1.3 Dateneingabe 1.3.1 Eingabe von
Seite 103 und 104:
# 2way d e s i g n # 4 Z e i l e n
Seite 105 und 106:
können wir aber auch schreiben "C:
Seite 107 und 108:
1.3.4 Einlesen von Daten II — Dat
Seite 109 und 110:
1.3.4 (b) Was sind „Daten“? Da
Seite 111 und 112:
Hauptuntersuchung) 3. Analysephase:
Seite 113 und 114:
Beispiel 1.3-5 [Dateneingabe über
Seite 115 und 116:
Tipps zur Datenspeicherung: Daten
Seite 117 und 118:
Excel-Blätter sehen dabei jedoch s
Seite 119 und 120:
# Wer s i c h e i n g e h e n d e r
Seite 121 und 122:
# nbg . sav mit R s c h l u g f e h
Seite 123 und 124:
# ohne w e i t e r e I n f o r m a
Seite 125 und 126:
# s i n n l o s i s t . # Dadurch k
Seite 127 und 128:
c l a s s ( t r y 4 a ) # # Anderer
Seite 129 und 130:
t r y 5 as . numeric (SEX) t r y 6
Seite 131 und 132:
R-Beispiel 1.3-10 [Import von ASCII
Seite 133 und 134:
# u n u n t e r s c h e i d b a r w
Seite 135 und 136:
# s o l l so a u f g e f a s s t we
Seite 137 und 138:
Ist bei einer elementweise definier
Seite 139 und 140:
1.4.4 Auswertungsreihenfolge , >,_
Seite 141 und 142:
Fehlerabfangen in eigenen Routinen
Seite 143 und 144:
R-Beispiel 1.5-1: data ( p a i n t
Seite 145 und 146:
unzul. Indizes: ergeben Fehler bei
Seite 147 und 148:
Namen für die Indizes: dimnames, z
Seite 149 und 150:
1.6.4 Sortieren kanonisch mit sort
Seite 151 und 152:
1.7.2 Matrixprodukte und Transposit
Seite 153 und 154:
1.7.3 apply und sweep 1.7.3 (a) app
Seite 155 und 156:
1.7.4 Funktionen in Matrizen Löse
Seite 157 und 158:
s e l b s t c (T, T, F , T, F , F
Seite 159 und 160:
1.8.4 split split splittet den Dat
Seite 161 und 162:
der Befehl write .matrix von Venabl
Seite 163 und 164:
der Befehl save - Syntax: save("",f
Seite 165 und 166:
1.10 Arbeiten mit dem System 1.10.1
Seite 167 und 168:
1.10.3 Auffinden von S-Objekten 1.1
Seite 169 und 170:
Tabelle 1.10-1 [Reguläre Ausdrück
Seite 171 und 172:
Löschen weiterer directories, List
Seite 173 und 174:
} der Befehl .Last - analog . Firs
Seite 175 und 176:
1.10.5 History-File mit history (m
Seite 177 und 178:
- -additiv: disjunkt
Seite 179 und 180:
- ordinale Merkmale: z.B. Schulnote
Seite 181 und 182:
2.1.3 wichtige Verteilungen 2.1.3 (
Seite 183 und 184:
2.1.3 (b) die Normalverteilung wic
Seite 185 und 186:
2.1.3 (d) sonstige stetige Verteilu
Seite 187 und 188:
- r : Simulation von Zufallsgröße
Seite 189 und 190:
2.2 Verteilungen mit den Zusatzpake
Seite 191 und 192:
R-Beispiel 2.2-1: l i b r a r y ( d
Seite 193 und 194:
In Paket distrEx hat man auch Funkt
Seite 195 und 196:
Die folgenden drei Unterabschnitte
Seite 197 und 198:
Beweis zu Lemma 2.3-3: Für is
Seite 199 und 200:
Beweis zu Lemma 2.3-4: Da , fo
Seite 201 und 202:
Aus der rechten Seite der Implikati
Seite 203 und 204:
2.3.2 (c) rein multiplikative Schem
Seite 205 und 206:
Schreibt man diese Rekursion aus, s
Seite 207 und 208:
2.3.2 (f) in R implementierte Zufal
Seite 209 und 210:
- Technik: Fibonacci-Folge mit Diff
Seite 211 und 212:
- betrachte Länge der Folgen
Seite 213 und 214:
2.3.3 (b) Wie zufällig müssen (si
Seite 215 und 216:
- : simuliere u.i.v. -Variabl
Seite 217 und 218:
Für den Zähler gilt
Seite 219 und 220:
2.3.4 (d) Ausnutzung der Definition
Seite 221 und 222:
2.3.4 (f) Wartezeiten bei Poissonva
Seite 223 und 224:
Achtung: bei Verwendung der Exp-Ver
Seite 225 und 226:
um also £ im (-)Bereich ; ( e
Seite 227 und 228:
dann: Glättung ## s t a r k e G l
Seite 229 und 230:
2.4.2 Zusammefassungen 2.4.2 (a) de
Seite 231 und 232:
2.4.5 Symmetrie / Krümmung Proble
Seite 233 und 234:
Beispieldatensatz: xc (100,1,4,3,3,
Seite 235 und 236:
Umsetzung in R: hist Parameter: -
Seite 237 und 238:
hier: links Originalwartezeiten, re
Seite 239 und 240:
Visualisierung von Unabhängigkeit/
Seite 241 und 242:
2.6 ein ausgearbeitetes Beispiel #
Seite 243 und 244:
# 2 . 4 g r a p h i s c h e u n i v
Seite 245 und 246:
stem ( abbey ) stem ( abbey , s c a
Seite 247 und 248:
2.7 Dichteschätzung Besitzt eine
Seite 249 und 250:
2.7.2 ASH und WARP Histogramm und
Seite 251 und 252:
2.7.3 Kerndichteschätzung 2.7.3 (a
Seite 253 und 254:
2.7.3 (c) verschiedene Kerne Unifo
Seite 255 und 256:
2.8 Anwendungen von Zufallszahlen 2
Seite 257 und 258:
Ausweg £ Beispiel zu letzterem: Ve
Seite 259 und 260:
- numerische Strategie: £ Approxim
Seite 261 und 262:
generell hilfreich: Symmetrie ausnu
Seite 263 und 264:
negatives reduziert die Varianz!
Seite 265 und 266:
2.8.4 globale Optimierung gesucht:
Seite 267 und 268:
2.9.2 Jack-Knife geht zurück auf
Seite 269 und 270:
Idee: alle Wertekombinationen der R
Seite 271 und 272:
Lösung 1: Dichteschätzung l i b r
Seite 273 und 274:
#Bandweitenwahl c ( ucv ( r e s ) ,
Seite 275 und 276:
3 Programmierung Quellen: Neben Ven
Seite 277 und 278:
#ohne #nahezu b i s a u f eps i f
Seite 279 und 280:
R-Beispiel 3.1-3 [verschiedene Test
Seite 281 und 282:
# mit Abkuerzungen r e s u l t s w
Seite 283 und 284:
3.1.3 (e) Beispiel R-Beispiel 3.1-4
Seite 285 und 286:
3.2.2 ein Beispiel: Blatt 5 Aufgabe
Seite 287 und 288:
X . x r u n i f ( n ) #e r z e u g
Seite 289 und 290:
{ # Achtung am g e s c h i c k t e
Seite 291 und 292:
################## # f u e r B l a
Seite 293 und 294:
3.2.3 Tricks zur Vermeidung von Sch
Seite 295 und 296:
Lösung: stratifizierte (geschichte
Seite 297 und 298:
- für die letzten beiden Begriffe
Seite 299 und 300:
- jederzeit möglich durch Übergab
Seite 301 und 302:
der Deklarationsreihenfolge den ver
Seite 303 und 304:
£ Umwandlung des von substitute er
Seite 305 und 306:
3.3.3 Fehlerbehandlung 3.3.3 (a) wa
Seite 307 und 308:
Problem: mit stop oder warning entw
Seite 309 und 310:
e r g t r y . t e s t ( 1 0 ) p r
Seite 311 und 312:
3.4.1 Exkurs: Exception-Handling in
Seite 313 und 314:
4: withRestarts({ .Internal(.signal
Seite 315 und 316:
schließlich auf session-Ebene - Eb
Seite 317 und 318:
3.4.3 Selbst ausgelöste Exceptions
Seite 319 und 320:
zum Zählen der “Schritte” für
Seite 321 und 322:
3.4.4 Übersicht Tabelle 3.4-4 [Tra
Seite 323 und 324:
3.4.5 in S-Plus: inspect In S-Plus
Seite 325 und 326:
- show.output.on.console: (logisch)
Seite 327 und 328:
verschiedene Aufrufe von R - Was ge
Seite 329 und 330:
3.5.2 shell shell ruft einen Syste
Seite 331 und 332:
- Sys.getenv, Sys.putenv: inspizier
Seite 333 und 334:
3.6 Rekursionen und Frames Rekursio
Seite 335 und 336:
Idee: Verwende für eine ¦ genauen
Seite 337 und 338:
R-Beispiel 3.6-2 [numerische Integr
Seite 339 und 340:
alle Namen, die ausgewertet werden
Seite 341 und 342:
alle Funktionen haben als Argument
Seite 343 und 344:
a s s i g n ( " v a l " ,NULL , e n
Seite 345 und 346:
3.6.3 Programmieroperationen auf de
Seite 347 und 348:
3.6.3 (c) Anwendungen im Zusammenh
Seite 349 und 350:
£ als Funktion ohne Argumente (geh
Seite 351 und 352:
[ 1 , ] 1 . 2 1 1 4 2 8 7 1 . 0 6 1
Seite 353 und 354:
hier: nur Windows-Welt windows sta
Seite 355 und 356:
Option "fixed": Dimensionen der Gra
Seite 357 und 358:
- family: Schriftenfamilie; genauer
Seite 359 und 360:
4.1.3 andere Ausgabeformate Neben d
Seite 361 und 362:
häufigste Parameter/Argumente —
Seite 363 und 364:
4.2.3 Die plot-Funktion ist die el
Seite 365 und 366:
Zeichentypus pch = "*" spezielles
Seite 367 und 368:
Befehle, um Text zu einem Graph hin
Seite 369 und 370:
las=m fügt die Beschriftung par
Seite 371 und 372:
4.3 einige Tabellen 4.3.1 Symbole f
Seite 373 und 374:
4.3.3 Linientypen genauer: eine de
Seite 375 und 376:
4.4 weitere grundlegende Plot-Befeh
Seite 377 und 378:
Tabelle 4.4-1 [grundlegende Grafikb
Seite 379 und 380:
4.4.2 (b) Säulendiagramme — barp
Seite 381 und 382:
eingeschlossen werden soll; oft nü
Seite 383 und 384:
R-Beispiel 4.4-2 [Tote in GB durch
Seite 385 und 386:
# Berechnung d e r a b s o l u t e
Seite 387 und 388:
4.4.2 (c) Punktdiagramme — dotcha
Seite 389 und 390:
4.4.3 multivariate Diagramme bishe
Seite 391 und 392:
- Hat eine der beiden Matrizen weni
Seite 393 und 394:
4.4.4 Interaktive Graphik ist eige
Seite 395 und 396:
Interfaces gibt auch für R xgobi
Seite 397 und 398:
4.4.5 Filme Abschnitt beruht auf H
Seite 399 und 400:
4.4.6 Flächendiagramme Für univa
Seite 401 und 402:
- Zugriff mit screen(), - Schließe
Seite 403 und 404:
p l o t ( x2 , y2 , t y p e=" l " ,
Seite 405 und 406:
4.5.2 Hinzufügen von Information 4
Seite 407 und 408:
die relative Position der Achsen-Ti
Seite 409 und 410:
- x.intersp, y.intersp: Zeichenabst
Seite 411 und 412:
4.5.3 interaktives Bearbeiten manc
Seite 413 und 414:
- dieser Label wird je nach Klickpo
Seite 415 und 416:
4.5.4 Mathematik in Labels vor all
Seite 417 und 418:
sinφ −1.0 −0.5 0.0 0.5 1.0 sin
Seite 419 und 420:
xlab = c(x.name, paste("Given :", a
Seite 421 und 422:
sollen die bedingten Plots der ents
Seite 423 und 424:
R-Beispiel 4.6-1 [Bedingte Plots]:
Seite 425 und 426:
4.7 Export von Daten und Graphik na
Seite 427 und 428:
locksize >= 0: das Object x wird in
Seite 429 und 430:
4.7.2 Export von Graphik 4.7.2 (a)
Seite 431 und 432:
Mathematik VII Peter Ruckdeschel Ma
Seite 433 und 434:
“Richtung” der Hypothese: einse
Seite 435 und 436:
Ist die Realisation von , so hei
Seite 437 und 438:
5.1.3 -Test für Mittelwert Modell
Seite 439 und 440:
5.1.4 -Test für Varianzen Mode
Seite 441 und 442:
5.1.6 Binomialtest — Einstichprob
Seite 443 und 444:
5.1.8 graphische Anpassungstests M
Seite 445 und 446:
Mathematik VII Peter Ruckdeschel Ma
Seite 447 und 448:
5.1.10 Kolmogoroff(-Smirnoff)-Test
Seite 449 und 450:
5.1.12 Wilcoxon-Rangtest Modell:
Seite 451 und 452:
- Kendall’s : Kritischer Wer
Seite 453 und 454:
5.2.1 (b) Typen von Schätzern Ang
Seite 455 und 456:
5.2.1 (e) Güte von Schätzern Kon
Seite 457 und 458:
R-Beispiel 5.2-1 [“direkte Progra
Seite 459 und 460:
d f t r y 1 : 4 0 # G i t t e r p
Seite 461 und 462:
R-Beispiel 5.2-3 [Maximierung mit u
Seite 463 und 464:
5.2.3 Robuste Parameterschätzung i
Seite 465 und 466:
Interpretation der folgenden Grafik
Seite 467 und 468:
5.2.3 (b) Begriffe der robusten Sta
Seite 469 und 470:
Bruchpunkt: - bei wieviel Prozent
Seite 471 und 472:
elative Effizienz - bei Verwendung
Seite 473 und 474:
IC IC IC IC IC −3 −3 −3 −3
Seite 475 und 476:
IC IC IC IC IC −1 0 1 2 3 4 1−D
Seite 477 und 478:
6 numerische Algorithmen in S-Plus/
Seite 479 und 480:
falls diese vom Typ für ein
Seite 481 und 482:
6.1.5 Umsetzung in R Lineare / Kon
Seite 483 und 484:
- Details £ Es werden nur vollstä
Seite 485 und 486:
c u r v e ( f c ( x ) , 0 , 10 , c
Seite 487 und 488:
p l o t ( x , y , main = p a s t e
Seite 489 und 490:
6.3 Integration 6.3.1 Problemstellu
Seite 491 und 492:
£ stop.on.error: (logisch) soll be
Seite 493 und 494:
die Funktion adapt aus dem CRAN-Pak
Seite 495 und 496:
- man beachte, dass die Zahl der n
Seite 497 und 498:
stochastische Suche: ziehe zufälli
Seite 499 und 500:
ei Glattheit: Newtonverfahren [-1]
Seite 501 und 502:
! besser als Bisektion, falls
Seite 503 und 504:
6.5.2 Klassen von Problemen Defini
Seite 505 und 506:
6.5.3 Methoden Minimierung auf Git
Seite 507 und 508:
+ sehr einfach zu realisieren + geo
Seite 509 und 510:
6.6 sich selbst verändernde Progra
Seite 511 und 512:
# #Rueckgabewert f_{m+1:2m+1}(x ) #
Seite 513 und 514:
# d i x f u n c t i o n ( x ,FUN=s
Seite 515 und 516:
#Median von FUN, Med(F) e v a l ( p
Seite 517 und 518:
} # r e t u r n ( d i ) ### e i n i
Seite 519 und 520:
# z . B . d f f u e r c h i s q # #
Seite 521 und 522:
} #Test # repKI (FUN=" exp " , n=21
Seite 523 und 524:
# {me i n t e g r a t e ( dix , l
Seite 525 und 526:
K I l r (FUN=" exp " , n=21, l l =
Seite 527 und 528:
weitere nötige Spezifikationen - F
Seite 529 und 530:
Beispiel 7.1-2 [ein Regressionsmode
Seite 531 und 532:
ei Faktoren (diskreten Regressoren)
Seite 533 und 534:
Versuchsplanung kann die Versuchsb
Seite 535 und 536:
Faktorkodierung - zur Umsetzung vo
Seite 537 und 538:
interpretieren — in R umgesetzt a
Seite 539 und 540:
produziert; sonst werden gewöhnlic
Seite 541 und 542:
- lm ruft selbst Hilfsfunctionen wi
Seite 543 und 544:
- plot erstellt diagnostische Plots
Seite 545 und 546:
matplot ( c l i m b [ s2 ] , c b i
Seite 547 und 548:
eine Struktur vor? - bei einem Plot
Seite 549 und 550:
- coefficients: eine Matrix, deren
Seite 551 und 552:
Argumente - object: Objekt vom Typ
Seite 553 und 554:
7.1.1 (g) Modellwahl Idee bei gesc
Seite 555 und 556:
R-Beispiel 7.1-5 [Modellanpassung]:
Seite 557 und 558:
7.1.1 (i) Box-Cox-Transformation I
Seite 559 und 560:
7.1.2 Generalisiert Lineare Modelle
Seite 561 und 562:
Linkfunktionen bei binären Variab
Seite 563 und 564:
7.1.2 (d) Modell-Einpassung in R d
Seite 565 und 566:
zusätzlich: - linear.predictors: d
Seite 567 und 568:
summary ( e r g ) par ( mfrow=c ( 2
Seite 569 und 570:
Wie kann man die Daten gut in einem
Seite 571 und 572:
Implementation in R — alles in Bi
Seite 573 und 574:
7.2.6 Cluster-Analyse Fragestellun
Seite 575 und 576:
7.2.7 Diskriminanzanalyse Frageste
Seite 577 und 578:
- um mit nur einer Realisation (ein
Seite 579 und 580:
7.3.1 (d) spezielle Klassen/Befehle
Seite 581 und 582:
- deltat: Zeitabstand zwischen zwei
Seite 583 und 584:
spezielle Methoden - aggregate bere
Seite 585 und 586:
7.3.2 Autokovarianz und Spektrum 7.
Seite 587 und 588:
- in R — in ts £ Bestimmung aus
Seite 589 und 590:
“Stationarisierung” durch Diffe
Seite 591 und 592:
7.3.5 (b) Realisation in R —in ds
Seite 593 und 594:
7.3.6 (b) der Kalman-Filter mithil
Seite 595 und 596:
- Kalman Glätter smoother R-Beispi
Seite 597 und 598:
7.3.7 (b) Realisation in R — in t
Seite 599 und 600:
7.4 Geostatistik 7.4.1 Grundlagen 7
Seite 601 und 602:
(zum Teil kommentierte) Literaturli
Seite 603 und 604:
Nicholas Lewin-Koh und Michael Tief
Seite 605 und 606:
auf (neuem) Gitter - Kriging: anste
Seite 607 und 608:
p l o t ( p i n e s , x l i m=c ( 0
Seite 609 und 610:
- Grundsituation: einzelner Program
Seite 611 und 612:
anderen Klassen via Vererbung expli
Seite 613 und 614:
Instanz / Objekt: Variable vom Typ
Seite 615 und 616:
8.1.3 OOP - Realisierung in R 8.1.3
Seite 617 und 618:
S4-Classes: basierend auf S Version
Seite 619 und 620:
- generiert ein Objekt x vom Typ /
Seite 621 und 622:
- die spezifischste Methode wird ve
Seite 623 und 624:
Konflikt / Zweideutigkeit: foo.bar.
Seite 625 und 626:
8.1.3 (f) weitere Literatur Beitr
Seite 627 und 628:
- validate: eine Funktion, die übe
Seite 629 und 630:
matplot mehrere Kurven verarbeitet
Seite 631 und 632:
Generierung einer Instanz von "trac
Seite 633 und 634:
Methode (mit ein und demselben Name
Seite 635 und 636:
8.1.4 (d) Anwendung virtueller Klas
Seite 637 und 638:
Problem: NULL ist selbst keine List
Seite 639 und 640:
- Bereitstellung einer Initialisier
Seite 641 und 642:
Anlegen der generischen Funktion:
Seite 643 und 644:
8.1.5 (b) Generische Funktionen in
Seite 645 und 646:
- R-Beispiel 8.1-9 [ein plot-Befehl
Seite 647 und 648:
8.1.5 (c) Zugriffsmethoden — Acce
Seite 649 und 650:
t1 new ( " t r a c k " , x =1:20 ,
Seite 651 und 652:
R-Beispiel 8.1-12 [Ersetzungsmethod
Seite 653 und 654:
8.1.5 (f) elementweise Funktionen,
Seite 655 und 656:
- aber nur eine Frage des Interpret
Seite 657 und 658:
Anzeige aller Gruppenmitglieder mit
Seite 659 und 660:
Datenbank zurück: selectMethod(""
Seite 661 und 662:
£ Methoden zur Konvertierung von e
Seite 663 und 664:
8.1.8 Befehle: Typüberprüfung zur
Seite 665 und 666:
v a l i d a r r a y f u n c t i o
Seite 667 und 668:
8.1.8 (b) Spezifizieren von is-Rela
Seite 669 und 670:
durch die Funktion extends beschrie
Seite 671 und 672:
£ sondern: direkt slots des überg
Seite 673 und 674:
# Methoden f ü r bestimmte K l a s
Seite 675 und 676:
- sonst möglich: Probleme bei tief
Seite 677 und 678:
Initialisieren gesetzt werden könn
Seite 679 und 680:
- diese kann man mit attach oder lo
Seite 681 und 682:
8.2.1 (c) Nutzung von R-Output - un
Seite 683 und 684:
Anpassung durch Nutzer oder Adminis
Seite 685 und 686:
- ein COPYING file, in dem —falls
Seite 687 und 688:
8.2.4 Aufbau des DESCRIPTION-file
Seite 689 und 690:
einem Ausdruck (= ) mit der entspre
Seite 691 und 692:
8.2.5 Format für Datensätze Daten
Seite 693 und 694:
\ keyword { d i s t r i b u t i o n
Seite 695 und 696:
8.2.6 (c) Formatbefehle zur Textmar
Seite 697 und 698:
8.2.6 (d) Listen-/Tabellenbefehle
Seite 699 und 700:
8.2.6 (f) Sonderzeichen R (“wir
Seite 701 und 702:
R CMD Rd2txt erzeugt “schöne”
Seite 703 und 704:
Erinnerung: Außerhalb von Paketen
Seite 705 und 706:
Vignetten: - Idee: Lücke zwischen
Seite 707 und 708:
- die Angabe unter \usage konsisten
Seite 709 und 710:
Kommt es dennoch zu Namenskollision
Seite 711 und 712:
£ für S4-Klassen: ¡ per .onLoadf
Seite 713 und 714:
dem prompt-Befehl erzeugt, für S4-
Seite 715 und 716:
8.2.11 Checken eines Pakets mithil
Seite 717 und 718:
esten direkt erhält unter http://p
Seite 719 und 720:
6. Anpassen der Datei MKRules: (im
Seite 721 und 722:
8.2.13 Erstellen von Bundles manch
Seite 723 und 724:
- promptClasses zur Dokumentation v
Seite 725 und 726:
£ Abhhängigkeiten mit .onLoad Fun
Seite 727 und 728:
where ’ pkg ’ i s t h e name o
Seite 729 und 730:
8.3.2 vor Nutzung von compiliertem
Seite 731 und 732:
zweiter Schritt: Profiling von R-Co
Seite 733 und 734:
8.3.3 Schnittstellen von und zu and
Seite 735 und 736:
weitere Schnittstellen zu Oracle (P
Seite 737 und 738:
8.3.4 (c) Exkurs: Hauptbefehle in S
Seite 739 und 740:
ein Beispiel: ## Not run : # c r e
Seite 741 und 742:
8.3.5 C/FORTRAN-Code in R Beispiele
Seite 743 und 744:
wichtig: Sicherheits-/Absturzrisiko
Seite 745 und 746:
Erläuterung: - storage.mode(x)="do
Seite 747 und 748:
conv f u n c t i o n ( a , b ) { .
Seite 749 und 750:
R-Beispiel 8.3-4 [Faltung zweier Ve
Seite 751 und 752:
weil dieses Makro möglicherweise e
Seite 753 und 754:
8.3.5 (d) Manipulation von R-Instan
Seite 755 und 756:
- der C-Code dazu: #i n c l u d e
Seite 757 und 758:
R-Beispiel 8.3-6 [LUdec-Objekt und
Seite 759 und 760:
Kommentare zu diesem Beispiel: - wi
Seite 761 und 762:
Überblick über die in C zur Verf
Seite 763 und 764:
3. setzen der breakpoints in den Co
Seite 765 und 766:
- Rückgabewert: ein Character-Vekt
Seite 767 und 768:
explizit: Ein/Ausladen der Biblioth
Seite 769 und 770:
- Achtung: wird ein Symbol in mehre
Seite 771 und 772:
#i n Unix dyn . l o a d ( " SimpleM
Seite 773 und 774:
8.3.8 Erzeugen von Shared Libraries
Seite 775 und 776:
gesamte (oder zumindest Teile des)
Seite 777 und 778:
char£ R_alloc(long n, int size ):
Seite 779 und 780:
- Schnittstellenprogrammierung, c.f
Seite 781 und 782:
£ (übliches “kilo”) ¢
Seite 783 und 784:
dieser verwaltet auch den Speicher
Seite 785 und 786:
} pred . b p r e d i c t ( lm . b
Seite 787 und 788:
Methode aus - funktioniert analog z
Seite 789 und 790:
S — und damit auch R haben das Pr
Seite 791 und 792:
möglich Trade-Off zwischen guter
Seite 793 und 794:
8.3.11 (b) Kommandozeilenoptionen
Seite 795 und 796:
- Zugriff auf die Kommandozeilenpar
Seite 797 und 798:
- daneben auch Aufruf von spezielle
Seite 799 und 800:
Hauptfenster (sdi) für die Konsole
Seite 801 und 802:
8.3.12 R auf Parallelrechnern 8.3.1
Seite 803 und 804:
8.3.12 (b) “Poor Man’s Parallel
Seite 805 und 806:
- Quelle unter AllTask #! / b i n /
Seite 807 und 808:
# w h i l e ( ‘ l s 1 £ . $ s c
Seite 809 und 810:
Textdatei myRcall mit eigentlichem
Seite 811 und 812:
Problem Verfahren Anwendugen robust
Seite 813 und 814:
Software zur Regelung der Kommunika
Seite 815 und 816:
£ Wichtige Funktionen in snow ¡ A
Seite 817 und 818:
Quellen - allgemeine Einführungen
Seite 819 und 820:
8.3.13 Beispiel: R im InterNet —
Seite 821 und 822:
Program f o r k d i m e n s i o n a
Seite 823 und 824:
R i g h t l i m i t rb o f t h e r
Seite 825 und 826:
£ f i l t e r t e i n e n Tokenstr
Seite 827 und 828:
i n t dim=a t o i ( i l [ 0 ] ) , t
Seite 829 und 830:
£ A u f r u f von R im BATCH Modus
Seite 831 und 832:
p r i n t f ( "␣ a r e :" ) ; Ma
Seite 833 und 834:
w h i l e ( ( c=g e t c ( f o ) ) !
Seite 835 und 836:
das eigentliche R-Programm — verf
Seite 837 und 838:
#( v g l . Rieder (1994, Theorem 5.
Seite 839 und 840:
} } b1 (k£G2A + G2£ (V c0^2£v
Seite 841 und 842:
} } a s s i g n ( " e f f " , e f
Seite 843 und 844:
8.4 Struktur von CRAN / das R Core
Seite 845 und 846:
8.4.2 (c) Leitung Präsidenten: Ro
Seite 847 und 848:
- Mitgliedschaft sowohl natürliche
Seite 849 und 850:
- Duncan Temple Lang (USA): duncan@
Seite 851 und 852:
Catherine Loader (USA): catherine@r
Seite 853 und 854:
8.4.3 (c) Entwicklungsprozess Abst
Seite 855 und 856:
Tue Jul 1 09:55:21 UTC 2003, hornik
Seite 857 und 858:
- automatisierte Formulare zur Fehl
Seite 859 und 860:
eff . aovlist , expand.grid, extrac
Seite 861 und 862:
8.4.4 Einreichung eigener Pakete be
Seite 863 und 864:
Aufgabensammlung zur Veranstaltung
Seite 865 und 866:
A.1.1 Arbeit mit R-Skripten am Beis
Seite 867 und 868:
A.1.3 Datenimport (a) Welche Funkti
Seite 869 und 870:
A.2 Blatt 2 Stoff bis einschließl
Seite 871 und 872:
Lösungsvorschlag: .pdf-Version: L
Seite 873 und 874:
A.2.3 String-, Matrixoperationen We
Seite 875 und 876:
Seite 877 und 878:
Seite 879 und 880:
A.3.2 Univariate Analyse Beziehen S
Seite 881 und 882:
(d) Erstellen Sie zu einen Boxplot
Seite 883 und 884:
Seite 885 und 886:
Trommel. Ab wieviel (einzelnen) Soc
Seite 887 und 888:
A.4.1 Visualisierung des (schwachen
Seite 889 und 890:
A.4.2 Numerische Integration: Berec
Seite 891 und 892:
A.4.3 Berechnung von (a) Sei
Seite 893 und 894:
A.4.4 Konfidenzintervalle, Bootstra
Seite 895 und 896:
Seite 897 und 898:
A.5.1 Maximale Lücke Motivation: D
Seite 899 und 900:
A.5.2 Buffons Nadelproblem — Bere
Seite 901 und 902:
Seite 903 und 904:
Seite 905 und 906:
Parameter lambda=8 und ein Vektor
Seite 907 und 908:
(3) Ist die Abweichung in einem der
Seite 909 und 910:
Seite 911 und 912:
A.6.1 Visualisierung (a) Visualisie
Seite 913 und 914:
A.6.2 Bundestagswahl 2002 (a) Bezie
Seite 915 und 916:
A.6.3 Multivariate Konvexkombinatio
Seite 917 und 918:
zeichnen Sie grün, falls Sie inner
Seite 919 und 920:
Seite 921 und 922:
Seite 923 und 924:
A.7.2 Wilcoxon und t-Test, - und
Seite 925 und 926:
A.7.3 Fisher- und t-Test (a) Ermitt
Seite 927 und 928:
gemacht. Treffen Sie eine Testentsc
Seite 929 und 930:
Seite 931 und 932:
Seite 933 und 934:
Seite 935 und 936:
(e) Schätzen Sie die Varianzen und
Seite 937 und 938:
A.9.1 Berechnung eines Quantils Geg
Seite 939 und 940:
A.9.2 Schätzung eines eindimension
Seite 941 und 942:
(d) Integrieren Sie in Ihre Funktio
Seite 943 und 944:
mit Erwartungswert ¡ (
Seite 945 und 946:
Seite 947 und 948:
wobei auf einem -Gitter (
Seite 949 und 950:
den empirischen mean squared error
Seite 951 und 952:
A.10.1 Lineare Regression Plotten S
Seite 953 und 954:
Gravitationskonstante mit einem Sch
Seite 955 und 956:
Modell 2. Die Positionen der Steine
Seite 957 und 958:
Hinweis: Verwenden Sie die Funktion
Seite 959 und 960:
A.11.1 ANOVA Der Absatz von Produkt
Seite 961 und 962:
A.11.2 Box-Cox-Transformation I Bet
Seite 963 und 964:
A.11.4 Generalisiert lineares Model
Seite 965 und 966:
A.12 Blatt 12 Stoff bis einschlie
Seite 967 und 968:
Verteilung rot, falls sie innerhalb
Seite 969 und 970:
.R-Version (www): Blatt 12, Aufgabe
Seite 971 und 972:
A.12.4 Normalisierte Hauptkomponent
Seite 973 und 974:
Seite 975 und 976:
A.13.1 Zeitreihenanalyse I Beziehen
Seite 977 und 978:
A.13.2 Zeitreihenanalyse II (a) Sim
Seite 979 und 980:
A.13.3 Räumliche Statistik Wiederh
Seite 981 und 982:
A.14.1 Entwurf einer Simulationskla
Seite 983 und 984:
A.14.3 Simulationsklasse II (a) Mac
Seite 985 und 986:
die eine Instanz vom Typ Auswertung
Seite 987 und 988:
A.15.1 Checken/Erstellen eines Pake
Seite 989 und 990:
Kopieren Sie dabei alle Konsolenerg
Seite 991 und 992:
A.16 Blatt 16 Stoff bis Ende des K
Seite 993 und 994:
(b) Schreiben Sie den Algorithmus a
Seite 995 und 996:
(c) Wiederholen Sie Aufgabe A.5.1,
Seite 997 und 998:
(d) Laden und Abarbeiten Sie einzel
Seite 999 und 1000:
algebra nlme2 Non-Linear Mixed Effe
Seite 1001 und 1002:
class Functions for classification
g.data Delayed-Data Packages gafit
MASS Main Library of Venables and R
pixmap tree traversal Bitmap Images
splines Regression Spline Functions
L.1.3 Datenimport (a) read. table
L.1.4 Mustererzeugung #############
L.2 Lösungsvorschläge Blatt 2 L.2
###################################
#T e i l ( b ) ####################
# Matrix 3 aus Aufgabe 1 ( a ) M3
L.2.4 Matrixoperationen ###########
L.2.5 Schreiben von Daten auf File
stem ( L a u f z e i t ) summary (
L.3.3 Elementare Datenanalyse #####
###################################
L.3.4 Univariate Konvexkombinatione
L.3.5 Übungsaufgaben zur Stochasti
# k q pte 1 phyper ( q=23, m=120 ,
# Paar bekommen zu haben Pncum exp
# Ziehen d e r W u e r f e l e r g
# v e r s c h i e d e n e n Werte n
L.4.2 Numerische Integration: Berec
# s q r t ( n ) >= 2 Phi ^ 1(0.975
par ( c o l =1) t i t l e ( p a s t
n 100 x m a t r i x ( r c h i s q
f s 2 d c h i s q ( df =1, x=U22 )
L.4.4 Konfidenzintervalle, Bootstra
s t r e u b sd ( medb ) KIb q u a
medf . bsm mean ( medf . bs ) s t
} } k 2 M 500 # n = 5 n 5 } mini
Min4 minima (U1) summary ( Min1 )
# M a t r t i x mit i d e n t i s c
# Berechnen von M S i m u l a t i o
# v e r z e r r t w i r k t , s o l
# Erzeugen des K o o r d i n a t e
# e i n e r S t r e i f e n g r e n
Pexakt (81200000) # zu ungenau ! ##
L.5.3 Dichteplot ##################
} } sep="" ) ) ) t i t l e ( p a s
L.5.4 Schleifen - Schleifenvermeidu
} } i t e r j 0 w h i l e ( i t e
} } M o u t e r ( as . numeric ( n
L.5.5 Adaptives Verfahren zur 2-dim
} } e l s e { } m ( c+d ) /2 ( R e
} a s s i g n ( " v a l x " , NULL
nrow=n , n c o l =2) ##############
l i 0.2 r e 1 . 3 par ( c o l =1)
# T e i l ( b ) ###################
mi min (X . d ) i n d X . d==mi i
# f e s t z u s t e l l e n , ob e
x r e max( Pfade . x ) + 1 y l i
Pfade4 . ym r b i n d ( j i t t e
L.6.2 Bundestagswahl 2002 #########
# e n t s p r e c h e n d e n P a n
# p r i n t ( l o c a t o r ( 1 ) )
#dev . o f f ( ) " y e l l o w " ,
Scont d i a g ( rep ( 0 . 6 4 , k
p l o t (X [ 1 , ] , X [ 2 , ] , t
par ( c o l=" b l a c k " ) p l o t
L.6.4 Regressionsplots ############
###################################
L.6.5 Powerpoint-Präsentation Ma
e q u i r e ( c t e s t ) #########
#U n t e r t e i l e n d e r Daten
########### ### qq P l o t ########
X6 . l i s t e s p l i t (X6 , S e
# F Test v a r . t e s t (X6 . l i
# B e r u f s t a t u s ==1: a r b
#a s y m p t o t i s c h e r F i s
L.7.4 Testvergleich durch Simulatio
###################################
# # E_1 [ 1 (N=9 oder 1 0 ) ] =P_1(
meana mean ( xa ) # 0 . 7 7 => NPT
M 10000 ve 0 . 0 5 X . i d . 0 m
e n t s c h . i d . 0 . v z t r e
cat ( " E m p i r i s c h e r ␣ F
␣␣␣␣␣␣␣␣ ( kont .
# M1i , M2i , I i s t o unabh # M1i
# = S l o g ( q ( p ) ) ( n S ) l o
# #a b e r 2( S/n q ) = p^ML p ####
f a c s / s0 cat ( " Schaetzung
Na 30 na 10 ka c ( 3 , 4 , 6 , 4
} ks sample ( k , l e , r e p l a
# f i n d e N u l l s t e l l e t h
# T e i l ( d ) t i t l e ( main="
asvarnMedid+asBiasMedid ^2 , "\ t \
par ( new=F , mar=c ( 5 . 1 , 4 . 1
x s t a r t x . l i s t a r t x .
} i t e r 0 w h i l e ( t e s t >
} w h i l e ( t e s t > d e l t a )
L.9.2 Schätzung eines eindimension
lambda c ( s t a r t , ( ende s t
} #Newton A l g o r i t h m u s new
} w h i l e ( t e s t > d e l t a )
lambda1 maximum(Y [ , 1 ] , d e l
L.9.3 Numerische Probleme mit dem C
S i e b f o r m e l . v a r f u n
cat ( " Die ␣ Streuung ␣ i s t
} } p r i n t ( i ) y as . i n t e
L.9.4 Optimale Prognose ###########
} # T e i l ( b ) r e t u r n ( i
###################################
n 5000 y l i m=c ( 0 , 5 ) , x l a
k . a . i . i g . i . f k t (Y . i
) ) mean ( (Y . i i i k . a . i i
# Vermutung : # p r e s z = c o n s
e i n s rep ( 1 , l e n g t h ( h
L.10.3 Länge der alten Meile #####
z y [2:6] y [ 1 : 5 ] z # K l e i
# backward s e l e c t i o n lm . i
# 1 . M o e g l i c h k e i t #k u
L.11 Lösungsvorschläge Blatt 11 L
windows ( ) par ( mfrow=c ( 2 , 1 )
lm1 lm ( g a i n ~ d e n s i t y )
summary ( lm2 ) windows ( ) par ( m
L.11.3 Box-Cox-Transformation II ##
# a l s o E( n ) /n= a £ l o g ( n
d i f f=mach e r g 2 $co [ 3 ] ) )
# e r z e u g e n d e r Response V
p o i n t s ( aufw , p e r s / 66)
} i f ( sum ( t ( x ) !=x )>0) stop
# N o r m a l v e r t e i l u n g e
p l o t ( e l l i p s e , t y p e="
t i t l e ( e x p r e s s i o n ( p
p l o t ( h1 , main=" Complete ␣
###################################
L.12.3 Hauptkomponentenanalyse, Fak
# 2 . M o e g l i c h k e i t bank
L.12.4 normalisierte Hauptkomponent
#E r k l ä r t e V a r i a n z p s
t e x t (NPC2 [ i n d 1 ==1], NPC3
EVktRb e i g e n (Rb) $ v e c t o
( u s c r i m e [ , 1 0 ] ) [ i n d
L.13 Lösungsvorschläge Blatt 13 L
#" s t a t " : 2 4 8 9 10 11 ## ab
a c f ( z e i t d $"V9" , t y p e="
a c f ( z e i t d $"V8" , t y p e="
WW3 d i f f ( z e i t d $"V3" , 1 ,
L.13.2 Zeitreihenanalyse II #######
# V o r h e r s a g e p r e d i c t
l o a d ( f i l e =p a s t e (PFAD,
i n 1 v a r i o g ( s101 , uvec =
method = "RML" ) o l s v a r i o f
p l o t ( bin1 , main = e x p r e s
par ( par . o r i ) ## ## 6 . P r o
polygon ( x=c ( 0 , 1 , 1 , 0 ) , y
legend ( 0 . 4 , 0 . 4 , l e g e n
#s a v e . image ( ) p r i o r . c
## ## ## c o l=gray ( seq ( 1 , .
L.14.2 Indexoperator Mathematik V
L.14.4 Schätzerauswertungsklasse
L.16.3 Aufruf von C Code unter R L.
Literatur Homepage John Chambers: h
—— (2002): Introduction to time
Geiger C. and Kanzow C. (1999): Num
Luenberger D. (1969): Optimization
Sawitzki G. (2005): Einführung in
Alle anzeigen

R/S-Plus für Einsteiger und für Fortgeschrittene - STAMATS

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?