Grafiken und Statistik in R

Cluster-Zentren entstehen, die mehr oder weniger weit von den eigentlichen Clustern liegen. ⇒ k-means ist
nicht sehr robust. (s.a.Cluster Analyse Verfahren).
k - medoid PAM funktioniert ähnlich wie k - means. Es werden für eine gegebene Anzahl von k Clustern zunächst
k Repräsentanten, sog. „medoids“, aus der Menge aller Daten gesucht. Die Medoids werden so ermittelt,
daß die Summe der Abstände der Daten zu ihrem jeweils nächstgelegenen Medoid minimal ist. Nach Bestimmung
der k Repräsentanten werden k Cluster gebildet, indem jeder Wert seinem nächstgelegenen Medoid
zugeordnet wird. (Quelle: http://www.stat.uni-muenchen.de/~strimmer/publications/diplom-lampert.pdf).
Dieses Verfahren wird als robuster beurteilt (aus -Hilfe). siehe auch Cluster Analyse Verfahren.
Kolmogorov-Smirnov-Test Mit dem Kolmogorov-Smirnov-Test ks.test(...) kann man testen, ob zwei
numerische Datenvektoren X und Y von derselben Verteilung stammen. (Nullhypothese H0 Kommen x
und y aus derselben Verteilung?)
library(ctest)
x −0.3 bis 0 nicht signifikant korreliert in Abhängigkeit von n
0 bis 0.3 nicht signifikant korreliert in Abhängigkeit von n
> 0.3 bis 0.7 schwach positiv korreliert
> 0.7 bis < 1 stark positiv korreliert