Grafiken und Statistik in R

Weitere Magazine

Empfehlungen

Info

CCA2 −4 −3 −2 −1 0 1 2 02−Hal−10−Mi 02−WHa−14 CCA 02−YeR−42−Mi 02−YeR−41−Mi 02−YeR−44−Mi 02−YeR−40−Mi 02−YeR−51−Mi 02−XiX−02−Mi 02−YeR−35−Mi 02−YeR−39−Mi 03−Sic−24 02−YeR−50−Mi Amp_sp. 02−YeR−46−Mi 03−Gah−01 Can_com 02−ZlH−01−Mi 02−YeR−49−Mi 02−YeR−13−Mi Par_eup 02−ErH−01−Mi 03−Sic−21 03−Sic−02 Ily_ech Can_can Fab_dan 02−YeR−36−Mi Het_sp. Ton_lut 02−YeR−26−Mi 02−YeR−43−Mi Ily_bra Par_sp. 02−YeR−07−Mi 02−Cha−01−Mi Cyc_ovu 03−Sic−12 pH Lim_san Can_rawCan_sp. Par_psa Euc_dul Fab_cau Cyp_vid Het_sal Ste_maj Her_sp. 02−YeR−32−Mi Sar_acu DO_. Het_inc Ton_con Cyc_sp. Lim_ino 02−YeR−16−Mi 02−YeR−30−Mi Pot_arc Can_fab 02−YeR−47−Mi 02−YeR−34−Mi Euc_infCyp_pub 02−YeR−48−Mi 02−YeR−14−Mi 02−YeR−29−Mi 03−Sic−26 02−YeR−25−Mi salinity Leu_mir 02−YeR−31−Mi 02−YeR−17−Mi 02−YeR−38−Mi 02−YeR−19−Mi 02−YeR−20−Mi 0 2 4 6 CCA1 cca(...) −1 0 1 vegan 4.5 Ordinationsmethoden 4.5.4 CCA - unimodal, direkt 4 Statistik Eine Kanonische Korrespondenzanalyse (CCA) kann man mit der Funktion cca im package vegan berechnen lassen. � eine gleiche Funktion gibt es im package ade4. # CCA – vegan (Hilfebeispiel) library(vegan) # Paket laden data(dune) # Beispieldatensatz (Arten - Gräser) data(dune.env) # Beispieldatensatz (Umweltdaten) modell good ; good.scale scores.x scores$species[filter,2] + good[filter]*0.2 -> scores.y rownames(scores$species)[filter] -> namen # Beschriftung text(scores.x, scores.y, labels=namen, adj=0, col="red") # automatische Angabe der Grenze für goodness title(paste("'dune' - Daten nach 'goodness' > ", grenze," # Legende beschriftet")) # Sequenz Länge 6 von min nach max good.summary
4 Statistik # mit Maus platzieren locator(1) -> wo legend(wo$x, wo$y, # Legende title="goodness", legend=good.legend, # Text aus summary ohne 1.Spalte + Runden 1 Stelle + %-Zeichen text.col="blue4", # Farben f. Text col="blue4", # Farben f. Punkte pch=16, # Punkt-Typ pt.cex=good.summary[-1]*good.scale, # Punkt-Größe aus summary ohne 1.Spalte bty="n" # keine Box ) # detach(package:vegan) # Paket eventuell wieder entfernen # CCA – vegan ostr.dca
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 und 12:
1 Allgemeines 1.2 Blitzstart die Au
Seite 13 und 14:
1 Allgemeines 1.2 Blitzstart 1.2.2
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 37 und 38:
Seite 39 und 40:
Seite 41 und 42:
Seite 43 und 44:
Seite 45 und 46:
Seite 47 und 48:
Seite 49 und 50:
Seite 51 und 52:
Seite 53 und 54:
Seite 55 und 56:
Seite 57 und 58:
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: 4 Statistik 4.5 Ordinationsmethoden
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

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?