Grafiken und Statistik in R

Weitere Magazine

Empfehlungen

Info

Teststatistiken. . . . . . . . . . . . . . . . . . . . . . . . .121–122 unimodal CA - indirekt . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 CCA - direkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118 DCA - indirekt, detrended . . . . . . . . . . . . . . . . 120 „d“CCA - direkt, detrended . . . . . . . . . . . . . . . 120 pCCA - part., direkt . . . . . . . . . . . . . . . . . . . . . 119 Vorhersagen - predict.cca() . . . . . . . . . . . . . . 122 Outline/Umriß Analyse (Benutzerfunktionen) 200 P p Anteilswert (G) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 package aktualisieren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 deinstallieren. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .11 installieren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 laden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 Packages Landmarks - shapes . . . . . . . . . . . . . . . . . . . . . . . . 148 pairwise.t.test(...) (G) 175 Pakete 147 panel.first zuerst zeichnen 36 panel.last zuletzt zeichnen 36 par(...) 28 par(...) 30 par(mfg) 34 parameterfreie Verfahren (G) 173 Partial least squares 133 PCA dudi.pca(...) 114 PCA princomp(...) 116 pCCA 119 PCoA (G) 174 Permutationstests (G) 174 Pfeile arrows(...) platzieren 36 Grafikelemente . . . . . . . . . . . . . . . . . . . . . . . . . 36, 137 plot.depth(...) 189 plot.grassmeta(...) GRASS 88 plotcorr(...) ellipse 88 plotregion 30 PLS WAPLS(y, x,..) Poissonvertei -rioja 133 Polygone polygon(...) 36 Polygonplot polygon(...) 60 post-hoc Tests (G) 175 Potenz x^y 12 Potenztransformation (G) 176 Power, statistische (G) 180 predict.cca 122 presence/absence Werte erstellen 26 228 pretty(...) 34 Produkt kumuliertes cumprod(...) . . . . . . . . . . . . . . . . . . . 12 Vektorelemente prod(...) . . . . . . . . . . . . . . . . . . . 12 Programmierung for() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 if(). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .138 ifelse() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 kommentieren. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .138 stop() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 switch(...) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 while() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 Prokrust Analyse 128 Prokrustes-Test (G) 175 Punkte siehe Grafik, Symbole Beschriftung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 Farbe datenabhängig . . . . . . . . . . . . . . . . . . . . . . . . 41 Typen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 Typen (LiniePunkt) . . . . . . . . . . . . . . . . . . . . . . . . . 55 Punktreihen dotchart(...) 60 Q Quartil (G) 176 R R 2 (G) 153 Radialdiagramm 84 Rahmen Diagramm bty="7" . . . . . . . . . . . . . . . . . . . . . . . . . . 29 Rand äußerster – Grafik par(omi=..) par(oma=..) . . 29 äußerster – Grafik par(xpd=NA) . . . . . . . . . . . . . . 30 Grafik mar=c(b,l,t,r) . . . . . . . . . . . . . . . . . . . . . . 29 skalieren – Grafik par(mex=..) . . . . . . . . . . . . . . . 29 Zeichenregion par()$usr[1:4] 1:li 2:re 3:un 4:ob 30 Randstriche histSpike(...) Hmisc. . . . . . . . . . . . . . . . . . . .35 rug(...) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 scat1d(...) Hmisc . . . . . . . . . . . . . . . . . . . . . . . 35 Randtext mtext() 40 range(...) 24 Rangkorrelationskoeffizienten (G) 177 Rasterdaten 88 RDA Glossar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 RDA rda(...) 117 read.fwf(...) 14 read.table(...) 14 Rechtecke rect(...) 36 reciprocal averaging (G) 177
Redundanzanalyse Glossar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 pRDA - partiell . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 RDA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 Regression 92–98 add1(...) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 AIC - Entscheidungskriterium (G) . . . . . . . . . . . 151 drop1(...) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 Grafik termplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 Konfidenzintervalle . . . . . . . . . . . . . . . . . . . . . . . . . . 92 modell.matrix(...). . . . . . . . . . . . . . . . . . . . . . . . .95 multipel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94–95 polynomial – poly(...) . . . . . . . . . . . . . . . . . . . . . 94 step(...) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 Regressionsanalyse 177 Reihe ausfüllen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .20 Zahlen eingeben. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9 zusammenführen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 Reihennamen matrix(..., dimnames=list()) . . . . . . . . . . . . . . 20 dimnames(daten)[[1]] . . . . . . . . . . . . . . . . . . . . . . 20 rownames(...) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 rep(...) - replizieren 21 replizieren rep(...) 21 robust (G) 178 rownames(...) 20 S σ (G) 179 Sørensen (G) 180 σ 2 (G) 182 Scatterplot allgemein plot(...). . . . . . . . . . . . . . . . . . . . . . . . .55 Marginalhistogramme s.hist(...) ade4 . . . 56 Punktreihen dotchart(...) . . . . . . . . . . . . . . . . . . 60 Punkttyp par(pch=12). . . . . . . . . . . . . . . . . . . . . . .30 Scatterplotmatrix pairs(...) 57 Scheffé – post hoc 96 Scheffé-Test (G) 175 Schiefe (G) 179 Schrift Achse font.axis=5 . . . . . . . . . . . . . . . . . . . . . . . . . . 28 Achsenlabel font.lab=5 . . . . . . . . . . . . . . . . . . . . . 28 allgemein family="HersheySans" . . . . . . . . . . . . . 28 allgemein font=1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 in Text unterschiedlich . . . . . . . . . . . . . . . . . . . . . . 43 skalierbare ∼ family="HersheySans" . . . . . . . . . 28 skalieren, Achsen cex.axis=1 . . . . . . . . . . . . . . . . 28 skalieren, allg. cex=1 . . . . . . . . . . . . . . . . . . . . . . . . 28 skalieren, Label cex.lab=1 . . . . . . . . . . . . . . . . . . . 28 skalieren, Titel cex.main=1. . . . . . . . . . . . . . . . . . .28 skalieren, Untertitel cex.sub=1 . . . . . . . . . . . . . . . 28 Titel font.main=5 . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 Untertitel font.sub=5 . . . . . . . . . . . . . . . . . . . . . . . 28 score(...) 116 Sequenzen seq(...) 21 set.seed() Zufallsgenerator reproduzierbar 90 setdiff(a, b) 25 setequal(a, b) 24 Shape-Analyse darstellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 Formen Vgl. Goodall’s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 Hotelling’s T 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 Shepard-Diagramm (G) 178 showDefault(function) ganze Funktion zeigen 24 σ (G) 179 σ 2 (G) 182 silhouette(..) 101 Skalenniveau (G) 179 Skewness (G) 179 Skripte einlesen source('Pfad/zur/Datei.R') . . . . . . . . 16 Sonderzeichen 9 source(..) Funktionen einlesen 16 Spalte als Reihennamen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 ausfüllen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .20 zusammenführen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 Spaltennamen matrix(..., dimnames=list()) . . . . . . . . . . . . . . 20 colnames(...) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 dimnames(daten)[[2]] . . . . . . . . . . . . . . . . . . . . . . 20 species score (G) 179 speichern Daten write.table(...) . . . . . . . . . . . . . . . . . . . . 16 Grafiken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 Objekte dput(..) Objekte dput(..) . . . . . . . . . . . . . . . . . . . . . . . . . 16 spezielle Werte 9 Standardabweichung σ sd(...) (G) 179 standard error (G) 179 Standardfehler (G) 179 Standardisieren 25 Standardisierung (G) 179 stars(...) Sterndiagramme 82 statistische Power (G) 180 Sterndiagramme stars(...) 82 Stichprobe (G) 162 stop() 138 str(...) 25 229
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 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: Linienenden par(lend="rounded") 29
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?