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

Weitere Magazine

Empfehlungen

Info

Kapitel 3 aus Venables and Ripley (1999), erweitert um einige nützliche Tabellen zum Abschluss des WS / Beginn des SS stehen in der Stochastik I/II in BT die klassische Schätz– und Testtheorie zur Verfügung Schätz– und Testtheorie wird parallel dazu in Kapitel 5 aufgegriffen und in ihrer Umsetzung in R betrachtet; dazu werden Tests aus Kapitel 5 von Venables and Ripley (1999) vorgestellt Prinzipien der ML–Schätzung und die entstehenden Optimierungs– /Nullstellenprobleme besprochen – BT ist bekannter Standort der Robusten Statistik mit Namen wie Huber, Rieder intuitiver Zugang zu den Fragestellungen der Robusten Statistik wird in Abschnitt 5.2.3 geboten Mathematik VII Peter Ruckdeschel Matthias Kohl R/S-plus für Einsteiger und Fortgeschrittene 44
Teil der BT’er Hörerschaft der Stochastik I/II hat bereits Numerik I/II gehört; um einen für unsere Zwecke hinreichend einheitlichen Kenntnisstand zu erreichen: – führen wir in Kapitel 6 einige Grundfragestellungen der Numerik / Optimierung ein: Integration, Interpolation, Lösen von Gleichungssystemen und Optimierung – nennen grundlegende Lösunsgsstrategien – zeigen ihre Umsetzung / ihre Umsetzbarkeit in R/S-Plus viele der für den Anwender sehr interessanten, strukturierteren Modelle und darauf aufbauenden Verfahren sind in BT Inhalt weiterführender Stochastik–Veranstaltungen: – lineare/generalisiert lineare Modelle – multivariate Analyse – Zeitreihenanalyse – räumliche Statistik um der Hörerschaft “Appetit” auf diese Veranstaltungen zu Mathematik VII Peter Ruckdeschel Matthias Kohl R/S-plus für Einsteiger und Fortgeschrittene 45
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 und 40: 0 Vorwort 0.1 zur Veranstaltung 0.1
Seite 41 und 42: 0.1.2 Adressaten / Ziele der Kurs
Seite 43: die Tests aus Kapitel 5 von Venable
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

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?