Grafiken und Statistik in R
Grafiken und Statistik in R
Grafiken und Statistik in R
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
CCA2<br />
−4 −3 −2 −1 0 1 2<br />
02−Hal−10−Mi<br />
02−WHa−14<br />
CCA<br />
02−YeR−42−Mi<br />
02−YeR−41−Mi<br />
02−YeR−44−Mi<br />
02−YeR−40−Mi<br />
02−YeR−51−Mi<br />
02−XiX−02−Mi<br />
02−YeR−35−Mi<br />
02−YeR−39−Mi<br />
03−Sic−24<br />
02−YeR−50−Mi<br />
Amp_sp.<br />
02−YeR−46−Mi<br />
03−Gah−01<br />
Can_com 02−ZlH−01−Mi<br />
02−YeR−49−Mi<br />
02−YeR−13−Mi<br />
Par_eup 02−ErH−01−Mi<br />
03−Sic−21<br />
03−Sic−02 Ily_ech Can_can Fab_dan 02−YeR−36−Mi<br />
Het_sp. Ton_lut 02−YeR−26−Mi<br />
02−YeR−43−Mi<br />
Ily_bra Par_sp.<br />
02−YeR−07−Mi<br />
02−Cha−01−Mi Cyc_ovu<br />
03−Sic−12<br />
pH Lim_san Can_rawCan_sp.<br />
Par_psa<br />
Euc_dul Fab_cau Cyp_vid<br />
Het_sal Ste_maj Her_sp.<br />
02−YeR−32−Mi<br />
Sar_acu DO_.<br />
Het_<strong>in</strong>c<br />
Ton_con Cyc_sp.<br />
Lim_<strong>in</strong>o<br />
02−YeR−16−Mi 02−YeR−30−Mi Pot_arc<br />
Can_fab<br />
02−YeR−47−Mi<br />
02−YeR−34−Mi Euc_<strong>in</strong>fCyp_pub<br />
02−YeR−48−Mi<br />
02−YeR−14−Mi<br />
02−YeR−29−Mi 03−Sic−26<br />
02−YeR−25−Mi sal<strong>in</strong>ity<br />
Leu_mir<br />
02−YeR−31−Mi<br />
02−YeR−17−Mi<br />
02−YeR−38−Mi<br />
02−YeR−19−Mi<br />
02−YeR−20−Mi<br />
0 2 4 6<br />
CCA1<br />
cca(...)<br />
−1 0 1<br />
vegan<br />
4.5 Ord<strong>in</strong>ationsmethoden<br />
4.5.4 CCA - unimodal, direkt<br />
4 <strong>Statistik</strong><br />
E<strong>in</strong>e Kanonische Korrespondenzanalyse (CCA) kann man mit der Funktion cca im package vegan berechnen<br />
lassen. � e<strong>in</strong>e gleiche Funktion gibt es im package ade4.<br />
# CCA – vegan (Hilfebeispiel)<br />
library(vegan) # Paket laden<br />
data(dune) # Beispieldatensatz (Arten - Gräser)<br />
data(dune.env) # Beispieldatensatz (Umweltdaten)<br />
modell good ; good.scale scores.x<br />
scores$species[filter,2] + good[filter]*0.2 -> scores.y<br />
rownames(scores$species)[filter] -> namen # Beschriftung<br />
text(scores.x, scores.y, labels=namen, adj=0, col="red")<br />
# automatische Angabe der Grenze für goodness<br />
title(paste("'dune' - Daten nach 'goodness' > ", grenze,"<br />
# Legende<br />
beschriftet"))<br />
# Sequenz Länge 6 von m<strong>in</strong> nach max<br />
good.summary