Grafiken und Statistik in R

Weitere Magazine

Empfehlungen

Info

1.2 Blitzstart 1 Allgemeines 4 # Breite Grafikfenster erzwingen # siehe Benutzerfunktion grDeviceUserSize() auf Seite 213 ################################################# # Grafiken abspeichern s. auch auf Seite 10 # Größenangaben des Grafikfensters abfragen breite
1 Allgemeines 1.2 Blitzstart 1.2.2 Übung: Erste Schritte Starte eine -Sitzung und gib folgendes – jeweils in schwarz – anfangs natürlich ohne das >-Promptzeichen ein (benutze auch die Tasten ↑ ↓ Pos1 und Ende ): # R-Sitzung starten > ls() # anzeigen, welche Daten-Objekte geladen sind #character(0) # also noch nichts > options(prompt=" ") # Promptzeichen '>'zu Leerzeichen; besser f. Kopieren aus Konsole demo(persp) # Demo zu 3-D Grafiken # darauf achten was in der Konsole passiert! ls() # anzeigen, welche Daten-Objekte geladen sind #[1] "fcol" "fill" "i1" "i2" "opar" "rotsinc" #[7] "sinc.exp" "x" "y" "z" "z0" "zi" # demo(persp) hat also eine ganze Reihe neuer Objekte erzeugt. Was könnte [1] und [7] bedeuten? ls()[1] # Was ist der Unterschied zur Eingabe'ls()'? #[1] "fcol" ls()[2] # Was ist der Unterschied zur Eingabe'ls()'? #[1] "fill" # aha – die eckige Klammer ist also eine Art Index-Klammer rm(list=ls()) # rm(...) = remove – löscht UNWIDERRUFLICH Objekte # 'ls()' liefert dabei das, was unwiderruflich gelöscht werden soll ?matrix # direkte Hilfe zur Funktion 'matrix(...)' anschauen matrix(1:12,3,4) # Beispielmatrix # [,1] [,2] [,3] [,4] #[1,] 1 4 7 10 #[2,] 2 5 8 11 #[3,] 3 6 9 12 ls() # anzeigen, welche Daten-Objekte geladen sind #character(0) # keine Objekte da m
Seite 1 und 2: Skript zum Umgang und zur multivari
Seite 3 und 4: Inhaltsverzeichnis Abbildungsverzei
Seite 5 und 6: 3.2.16 Balkendiagramme/Histogramme
Seite 7 und 8: 4.6.1 Umkehrpunkte . . . . . . . .
Seite 9 und 10: 1 Allgemeines Benutzung des Skripte
Seite 11: 1 Allgemeines 1.2 Blitzstart die Au
Seite 15 und 16: 1 Allgemeines 1.2 Blitzstart m[1,]
Seite 17 und 18: 1 Allgemeines 1.2 Blitzstart par(ma
Seite 19 und 20: 1 Allgemeines 1.4 Pakete laden, her
Seite 21 und 22: 2 Daten log(...) # natürlicher Log
Seite 23 und 24: 2 Daten 2.3 Datenumgang cat(file=ff
Seite 25 und 26: 2 Daten 2.3 Datenumgang 2.3.4 Einge
Seite 27 und 28: 2 Daten 2.3 Datenumgang # Reihe än
Seite 29 und 30: 2 Daten 2.3 Datenumgang sich natür
Seite 31 und 32: 2 Daten 2.3 Datenumgang # 1 (4.33,4
Seite 33 und 34: 2 Daten 2.4 Transformieren . . . .
Seite 35 und 36: 3 Grafik 3.1 Einstellungen Zusätze
Seite 59 und 60: 3 Grafik 3.2 Diagramme Für die Leg
Seite 61 und 62: 3 Grafik 3.2 Diagramme # subset in
Seite 63 und 64:
3 Grafik 3.2 Diagramme Entsprechend
Seite 65 und 66:
3 Grafik 3.2 Diagramme def.par
Seite 67 und 68:
3 Grafik 3.2 Diagramme Fallen mehre
Seite 69 und 70:
3 Grafik 3.2 Diagramme # Zufallsdat
Seite 71 und 72:
3 Grafik 3.2 Diagramme # Bsp.: Lini
Seite 73 und 74:
3 Grafik 3.2 Diagramme −20 −25
Seite 75 und 76:
3 Grafik 3.2 Diagramme # Gitternetz
Seite 77 und 78:
3 Grafik 3.2 Diagramme par(las=1) #
Seite 79 und 80:
3 Grafik 3.2 Diagramme par(las=1) #
Seite 81 und 82:
3 Grafik 3.2 Diagramme −20 −25
Seite 83 und 84:
3 Grafik 3.2 Diagramme plot.after =
Seite 85 und 86:
3 Grafik 3.2 Diagramme 3.2.16 Balke
Seite 87 und 88:
3 Grafik 3.2 Diagramme # mtext = ma
Seite 89 und 90:
3 Grafik 3.2 Diagramme polygon(x.bo
Seite 91 und 92:
3 Grafik 3.2 Diagramme # Sterndiagr
Seite 93 und 94:
3 Grafik 3.2 Diagramme data(volcano
Seite 95 und 96:
3 Grafik 3.2 Diagramme library(plot
Seite 97 und 98:
4 Statistik set.seed(25) # Zufallsg
Seite 99 und 100:
4 Statistik # allgemeine Modell Aus
Seite 101 und 102:
4 Statistik 4.3 Regressionsanalyse
Seite 103 und 104:
4 Statistik data(airquality) # Date
Seite 105 und 106:
4 Statistik } val
Seite 107 und 108:
4 Statistik rect.hclust(hc, h=50, w
Seite 109 und 110:
4 Statistik library(fpc) # Paket la
Seite 111 und 112:
4 Statistik msplot(boston.pv, edges
Seite 113 und 114:
4 Statistik # Dendrogramm verkürze
Seite 115 und 116:
4 Statistik 4.4.10 Heatmaps 4.4 Clu
Seite 117 und 118:
4 Statistik 4.4 Clusteranalyse 3. D
Seite 119 und 120:
4 Statistik similarities distances
Seite 121 und 122:
4 Statistik Methode pro & contra Be
Seite 123 und 124:
4 Statistik ostr.pca $ci s.arrow(o
Seite 125 und 126:
4 Statistik 4.5 Ordinationsmethoden
Seite 127 und 128:
4 Statistik # mit Maus platzieren l
Seite 129 und 130:
4 Statistik ?dune # Hilfe zum Daten
Seite 131 und 132:
4 Statistik # Schwerpunkt jeder Gru
Seite 133 und 134:
4 Statistik # gehören die Daten zu
Seite 135 und 136:
4 Statistik bnr2
Seite 137 und 138:
4 Statistik YY
Seite 139 und 140:
4 Statistik 4.8 Paläo - Rekonstruk
Seite 141 und 142:
4 Statistik 4.8 Paläo - Rekonstruk
Seite 143 und 144:
5 Programmierung # Grafik wieder 1x
Seite 145 und 146:
5 Programmierung 5.1 Benutzerfunkti
Seite 147 und 148:
6 Diverses NULL # default )# end sw
Seite 149 und 150:
6 Diverses 6.5 L ATEX/HTML Ausgaben
Seite 151 und 152:
7 Linkliste - Tutorien - Pakete We
Seite 153 und 154:
7 Linkliste - Tutorien - Pakete Abb
Seite 155 und 156:
7 Linkliste - Tutorien - Pakete Tab
Seite 157 und 158:
7 Linkliste - Tutorien - Pakete än
Seite 159 und 160:
Glossar A abhängig X → Y - Hier
Seite 161 und 162:
B am Ähnlichsten ist, hat die Auto
Seite 163 und 164:
Chi 2 - Test Mit dem Chi-Quadrat-Te
Seite 165 und 166:
D Datentransformation Die Transform
Seite 167 und 168:
E Eigenvektor Eigenvektoren eines l
Seite 169 und 170:
Friedman - Test Der Friedman - Test
Seite 171 und 172:
horseshoe effect Siehe arch effect.
Seite 173 und 174:
und xi werden die Deskriptoren stan
Seite 175 und 176:
Manhattan-Metrik (auch City-Block-M
Seite 177 und 178:
Multikolinearität Das Vorliegen ei
Seite 179 und 180:
man schreibt das mathematisch so au
Seite 181 und 182:
P Datenmatrizen unsymmetrisch symme
Seite 183 und 184:
post-hoc Tests auch a posteriori Te
Seite 185 und 186:
R R - Modus s. Q - Modus. R 2 auch
Seite 187 und 188:
skaleninvariant Skaleninvarianz ist
Seite 189 und 190:
Normalverteilung: Shapiro-Wilk Test
Seite 191 und 192:
Verteilungen Binomialverteilung, B(
Seite 193 und 194:
W Ward Clusteranalyse Beim Ward - V
Seite 195 und 196:
Literatur Amaral, G. J. A., I. L. D
Seite 197 und 198:
Anhang Funktion 1: Zum Zeichnen von
Seite 199 und 200:
# NA - data (not available) show.na
Seite 201 und 202:
x.max
Seite 203 und 204:
x=seq(from=x.axis[1] , to=x.axis[nx
Seite 205 und 206:
data.null[, 1], col=ifelse(length(p
Seite 207 und 208:
} y1
Seite 209 und 210:
stop("\n#> 'chain' should be a char
Seite 211 und 212:
} ) data
Seite 213 und 214:
# y
Seite 215 und 216:
# stop("Stop: chain data needed wit
Seite 217 und 218:
"theta[ni=%8$2s]:%1$32.50f psi=%2$8
Seite 219 und 220:
# mod.lm
Seite 221 und 222:
xy$y[2:3]
Seite 223 und 224:
R Reference Card by Tom Short, EPRI
Seite 225 und 226:
Where leading zeros are shown they
Seite 227 und 228:
character expansion font = 1 (1,2,3
Seite 229 und 230:
Index Alle Stichwörter mit (G) fin
Seite 231 und 232:
k - medoid pma(...) cluster . . . .
Seite 233 und 234:
Blattfunktion . . . . . . . . . . .
Seite 235 und 236:
Linienenden par(lend="rounded") 29
Seite 237 und 238:
Redundanzanalyse Glossar . . . . .
Seite 239 und 240:
Partial least squares . . . . . . .
Alle anzeigen

Grafiken und Statistik in R

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

Template löschen?

Als Template speichern?