Inhaltsverzeichnis. viii.

Transkript

1 1 Erste Schritte Vorstellung Pro und Contra R Typografische Konventionen R installieren Grafische Benutzeroberflächen Weiterführende Informationsquellen und Literatur Grundlegende Elemente R Starten, beenden und die Konsole verwenden Einstellungen Umgang mit dem workspace Einfache Arithmetik Funktionen mit Argumenten aufrufen Hilfe-Punktionen Zusatzpakete verwenden Empfehlungen und typische Fehlerquellen Datenstrukturen: Klassen, Objekte, Datentypen , Objekte benennen Zuweisungen an Objekte Objekte ausgeben Objekte anzeigen lassen, umbenennen und entfernen Datentypen Logische Werte, Operatoren und Verknüpfungen 24 2 Elementare Dateneingabe und -Verarbeitung Vektoren Vektoren erzeugen Elemente auswählen und verändern Datentypen in Vektoren Elemente benennen Elemente löschen Logische Operatoren Vektoren mit logischen Operatoren vergleichen Logische Indexvektoren Mengen Doppelt auftretende Werte finden Mengenoperationen Kombinatorik 39 viii

2 2.4 Systematische und zufällige Wertefolgen erzeugen Numerische Sequenzen erstellen Wertefolgen wiederholen Zufallig aus einer Urne ziehen Zufallszahlen aus bestimmten Verteilungen erzeugen Daten transformieren Werte sortieren Werte in zufällige Reihenfolge bringen Teilmengen von Daten auswählen Daten umrechnen Neue aus bestehenden Variablen bilden Werte ersetzen oder recodieren Kontinuierliche Variablen in Kategorien einteilen Gruppierungsfaktoren Ungeordnete Faktoren Faktoren kombinieren Faktorstufen nachträglich ändern Geordnete Faktoren Reihenfolge von Faktorstufen bestimmen Faktoren nach Muster erstellen Quantitative in kategoriale Variablen umwandeln Deskriptive Kennwerte numerischer Daten Summen, Differenzen und Produkte Extremwerte Mittelwert, Median und Modalwert Robuste Maße der zentralen Tendenz Prozentrang, Quartile und Quantile Varianz, Streuung, Schiefe und Wölbung Diversität kategorialer Daten Kovarianz und Korrelation Robuste Streuungsmafie und Kovarianzschätzer Kennwerte getrennt nach Gruppen berechnen Funktionen auf geordnete Paare von Werten anwenden Matrizen Datentypen in Matrizen Dimensionierung, Zeilen und Spalten Elemente auswählen und verändern Weitere Wege, Elemente auszuwählen und zu verändern Matrizen verbinden Matrizen sortieren Randkennwerte berechnen Beliebige Funktionen auf Matrizen anwenden Matrix Zeilen- oder spaltenweise mit Kennwerten verrechnen Kovarianz- und Korrelationsmatrizen Arrays Häufigkeitsauszählungen Einfache Tabellen absoluter und relativer Häufigkeiten 88 ix

3 Iterationen zählen Absolute, relative und bedingte relative Häufigkeiten in Kreuztabellen Randkennwerte von Kreuztabellen Datensätze aus Häufigkeitstabellen erstellen Kumulierte relative Häufigkeiten und Prozentrang Fehlende Werte behandeln Fehlende Werte codieren und identifizieren Fehlende Werte ersetzen und umcodieren Behandlung fehlender Werte bei der Berechnung einfacher Kennwerte Behandlung fehlender Werte in Matrizen Behandlung fehlender Werte beim Sortieren von Daten Behandlung fehlender Werte in inferenzstatistischen Tests Multiple Imputation Zeichenketten verarbeiten Objekte in Zeichenketten umwandeln Zeichenketten erstellen und ausgeben Zeichenketten manipulieren Zeichenfolgen finden Zeichenfolgen extrahieren Zeichenfolgen ersetzen Zeichenketten als Befehl ausführen Datum und Uhrzeit Datumsangaben erstellen und formatieren Uhrzeit Mit Datum und Uhrzeit rechnen Datensätze Listen Komponenten auswählen und verändern Komponenten hinzufügen und entfernen Listen mit mehreren Ebenen Datensätze Datentypen in Datensätzen Elemente auswählen und verändern Namen von Variablen und Beobachtungen Datensätze in den Suchpfad einfügen Datensätze transformieren Variablen hinzufügen und entfernen Datensätze sortieren Teilmengen von Daten mit subseto auswählen Doppelte und fehlende Werte behandeln Datensätze teilen Datensätze zeilen- oder spaltenweise verbinden Datensätze mit mergeo zusammenführen Organisationsform einfacher Datensätze ändern Organisationsform komplexer Datensätze ändern 143 x

4 3.4 Daten aggregieren Funktionen auf Variablen anwenden Funktionen für mehrere Variablen anwenden Funktionen getrennt nach Gruppen anwenden Befehle und Daten verwalten Befehlssequenzen im Editor bearbeiten Daten importieren und exportieren Daten im Editor eingeben Datentabellen im Textformat R-Objekte Daten mit anderen Programmen austauschen Daten in der Konsole einlesen Ulistrukturierte Textdateien Datenqualität sicherstellen Dateien verwalten Dateien auswählen Dateipfade manipulieren Dateien verändern Hilfsmittel für die Inferenzstatistik Wichtige Begriffe inferenzstatistischer Tests Lineare Modelle formulieren : Funktionen von Zufallsvariablen Dichtefunktion Verteilungsfunktion Quantilfunktion Lineare Regression Test auf Korrelation Einfache lineare Regression Deskriptive Modellanpassung Regressionsanalyse Multiple lineare Regression Deskriptive Modellanpassung und Regressionsanalyse Modell verändern Modelle vergleichen und auswählen Moderierte Regression Regressionsmodelle auf andere Daten anwenden Regressionsdiagnostik Extremwerte, Ausreißer und Einfluss Verteilungseigenschaften der Residuen Multikollinearität Erweiterungen der linearen Regression Robuste Regression Penalisierte Regression Nichtlineare Zusammenhänge 207 xi

5 6.6.4 Abhängige Fehler bei Messwiederholung oder Clusterung Partialkorrelation und Semipartialkorrelation t-tests und Varianzanalysen Tests auf Varianzhomogenität F-Test auf Varianzhomogenität für zwei Stichproben Levene-Test für mehr als zwei Stichproben Fligner-Killeen-Test für mehr als zwei Stichproben t-tests t-test für eine Stichprobe t-test für zwei unabhängige Stichproben t-test für zwei abhängige Stichproben Einfaktorielle Varianzanalyse (CR-p) Auswertung mit oneuay. testc) Auswertung mit aov() Auswertung mit anovao Effektstärke schätzen Voraussetzungen grafisch prüfen Einzelvergleiche (Kontraste) Einfaktorielle Varianzanalyse mit abhängigen Gruppen (RB-p) Univariat formuliert auswerten und Effektstärke schätzen' Zirkularität der Kovarianzmatrix prüfen Multivariat formuliert auswerten mit AnovaO Multivariat formuliert auswerten mit anovao Einzelvergleiche und alternative Auswertungsmöglichkeiten Zweifaktprielle Varianzanalyse (CRF-pq) Auswertung und Schätzung der Effektstärke Quadratsummen vom Typ I, II und III Bedingte Haupteffekte testen Beliebige arpriori Kontraste Beliebige post-hoc Kontraste nach Scheffe Marginale Paarvergleiche nach Tukey Zweifaktorielle Varianzanalyse mit zwei Intra-Gruppen Faktoren (RBF-pq) Univariat formuliert auswerten und Effektstärke schätzen Zirkularität der Kovarianzmatrizen prüfen Multivariat formuliert auswerten Einzelvergleiche (Kontraste) Zweifaktorielle Varianzanalyse mit Split-Plot-Design (SPF-p q) Univariat formuliert auswerten und Effektstärke schätzen Voraussetzungen und Prüfen der Zirkularität Multivariat formuliert auswerten Einzelvergleiche (Kontraste) Erweiterung auf dreifaktorielles SPF-p qr Design Erweiterung auf dreifaktorielles SPF-p? r Design Kovarianzanalyse Test der Effekte von Gruppenzugehörigkeit und Kovariate Beliebige a-priori Kontraste 276 xii

6 7.8.3 Beliebige post-hoc Kontraste nach Scheffe Power, EfFektstärke und notwendige Stichprobengröße Binomialtest i-test Einfaktorielle Varianzanalyse Regressionsmodelle für kategoriale Daten und Zähldaten Logistische Regression Modell für dichotome Daten anpassen Modell für binomiale Daten anpassen Anpassungsgüte Vorhersage, Klassiiikation und Anwendung auf neue Daten Signifikanztests für Parameter und Modell Andere Link-Punktionen Mögliche Probleme bei der Modellanpassung Ordinale Regression Modellanpassung Anpassungsgüte Signifikanztests für Parameter und Modell Vorhersage, Klassifikation und Anwendung auf neue Daten Multinomiale Regression Modellanpassung.' Anpassungsgüte Signifikanztests für Parameter und Modell Vorhersage, Klassifikation und Anwendung auf neue Daten Regression für Zähldaten Poisson-Regression Ereignisraten analysieren Adjustierte Poisson-Regression und negative Binomial-Regression Zero-inflated Poisson-Regression Zero-truncated Poisson-Regression Log-lineare Modelle Modell Modellanpassung Survival-Analyse Verteilung von Ereigniszeiten Zensierte und gestutzte Ereigniszeiten Zeitlich konstante Prädiktoren Daten in Zählprozess-Darstellung Kaplan-Meier-Analyse Survival-Funktion und kumulatives hazard schätzen Log-Rank-Test auf gleiche Survival-Funktionen Cox proportional hazards Modell Anpassungsgüte und Modelltests Survival-Funktion und baseline hazard schätzen Modelldiagnostik 340 xiii

7 9.4.4 Vorhersage und Anwendung auf neue Daten Erweiterungen des Cox PH-Modells Parametrische proportional hazards Modelle Darstellung über die Hazard-Funktion Darstellung als accelerated failure time Modell Anpassung und Modelltests Survival-Funktion schätzen Klassische nonparametrische Methoden Anpassungstests r Binomialtest Test auf Zufälligkeit (Runs-Test) Kolmogorov-Smirnov-Anpassungstest x 2 -Test auf eine feste Verteilung x 2_ Test auf eine Verteilungsklasse Analyse von gemeinsamen Häufigkeiten kategorialer Variablen au f Unabhängigkeit x 2 -Test auf Gleichheit von Verteilungen x 2 -Test für mehrere Auftretenswahrscheinlichkeiten Fishers exakter Test auf Unabhängigkeit Fishers exakter Test auf Gleichheit von Verteilungen Kennwerte von (2 x 2)-Konfusionsmatrizen ROC-Kurve und AUC Maße für Zusammenhang und Übereinstimmung Spearmans p und Kendalls r Zusammenhang kategorialer Variablen Inter-Rater-Übereinstimmung Tests auf gleiche Variabilität Mood-Tsst Ansari-Bradley-Test Tests auf Übereinstimmung von Verteilungen Kolmogorov-Smirnov-Test für zwei Stichproben Vorzeichen-Test Wilcoxon-Vorzeichen-Rang-Test für eine Stichprobe Wilcoxon-Rangsummen-Test / Mann-Whitney-!/-Test Wilcoxon-Test für zwei abhängige Stichproben Kruskal-Wallis-//-Test für unabhängige Stichproben Friedman-Rangsummen-Test für abhängige Stichproben Cochran-Q-Test für abhängige Stichproben Bowker-Test für zwei abhängige Stichproben McNemar-Test für zwei abhängige Stichproben Stuart-Maxwell-Test für zwei abhängige Stichproben Resampling-Verfahren Bootstrapping Replikationen erstellen Bootstrap-Vertrauensintervalle für ß 404 xiv

8 Bootstrap-Vertrauensintervalle für (i? Lineare Modelle: case resampling Lineare Modelle: model-based resampling Lineare Modelle: wild bootstrap Permutationstests Test auf gleiche Lageparameter in unabhängigen Stichproben Test auf gleiche Lageparameter in abhängigen Stichproben Test auf Unabhängigkeit von zwei Variablen Multivariate Verfahren Lineare Algebra Matrix-Algebra Lineare Gleichungssysteme lösen Norm und Abstand von Vektoren und Matrizen Mahalanobistränsformation und Mahalanobisdistanz Kennwerte von Matrizen Zerlegungen von Matrizen Orthogonale Projektion Hauptkomponentenanalyse Berechnung Dimensionsreduktion Faktorenanalyse Multidimensionale Skalierung Multivariate multiple Regression Hotellings T Test für eine Stichprobe Test für zwei unabhängige Stichproben Test für zwei abhängige Stichproben Univariate Varianzanalyse mit abhängigen Gruppen (RB-p) Multivariate Varianzanalyse (MANOVA) Einfaktorielle MANOVA Zweifaktorielle MANOVA Diskriminanzanalyse Das allgemeine lineare Modell Modell der multiplen linearen Regression Modell der einfaktoriellen Varianzanalyse Modell der zweifaktoriellen Varianzanalyse Parameterschätzungen, Vorhersage und Residuen Hypothesen über parametrische Punktionen testen Lineare Hypothesen als Modellvergleiche formulieren Lineare Hypothesen testen Beispiel: Multivariate multiple Regression Beispiel: Einfaktorielle MANOVA Beispiel: Zweifaktorielle MANOVA 488 xv

9 13 Vorhersagegüte prädiktiver Modelle Kreuzvalidierung linearer Regressionsmodelle fc-fache Kreuzvalidierung Leave-One-Out Kreuzvalidierung Kreuzvalidierung verallgemeinerter linearer Modelle Bootstrap-Vorhersagefehler Diagramme erstellen Grafik-Devices Aufbau und Verwaltung von Grafik-Devices Grafiken speichern Streu- und Liniendiagramme Streudiagramme mit ploto Datenpunkte eines Streudiagramms identifizieren Streudiagramme mit matploto Diagramme formatieren Grafikelemente formatieren Farben spezifizieren Achsen formatieren Säulen- und Punktdiagramme Einfache Säulendiagramme Gruppierte und gestapelte Säulendiagramme Dotchart Elemente einem bestehenden Diagramm hinzufügen Koordinaten in einem Diagramm identifizieren In beliebige Diagrammbereiche zeichnen Punkte Linien Polygone Funktionsgraphen Text und mathematische Formeln Achsen Fehlerbalken Rastergrafiken Verteilungsdiagramme Histogramm und Schätzung der Dichtefunktion Stamm-Blatt-Diagramm Boxplot Stripchart Quantil-Quantil-Diagramm Empirische kumulierte Häufigkeitsverteilung Kreisdiagramm Gemeinsame Verteilung zweier Variablen Daten interpolieren und litten Lineare Interpolation und LOESS-Glätter Splines 548 xvi

10 14.8 Multivariate Daten visualisieren Höhenlinien und variable Datenpunktsymbole Dreidimensionale Gitter und Streudiagrammme Bedingte Diagramme für mehrere Gruppen mit ggplot Bedingte Diagramme für mehrere Gruppen mit lattice Matrix aus Streudiagrammen Heatmap Mehrere Diagramme in einem Grafik-Device darstellen layouto par(mfrow, mfcol, fig) split.screeno R als Programmiersprache Kontrollstrukturen Fallunterscheidungen Schleifen Eigene Funktionen erstellen Funktionskopf Funktionsrumpf Fehler behandeln Rückgabewert und Funktionsende Eigene Funktionen verwenden Generische Funktionen Funktionen analysieren und verbessern Quelltext fremder Funktionen begutachten Funktionen zur Laufzeit untersuchen Effizienz von Auswertungen steigern 587 Literaturverzeichnis 590 xvii