Freie Software für die Sozialwissenschaften: Lehrveranstaltung
|
|
- Lisa Neumann
- vor 7 Jahren
- Abrufe
Transkript
1 Freie Software für die Sozialwissenschaften: Lehrveranstaltung am Mike Kühne 1 R-Kurs
2 INHALTSVERZEICHNIS Inhaltsverzeichnis 1 Tinn-R Bedienung von Tinn-R Einbinden der notwendigen Pakete Öffnen von R Hilfe Funktion Ein- und Ausgabe von Daten SPSS-Dateien Einlesen von SPSS-Dateien Schreiben von SPSS-Dateien Objekte in R Vektoren Erstellen von Vektoren numeric vectors integer vectors character vectors logical vectors Indizieren von Vektoren Datensätze - data frames Objekt in einen bestehenden data frame einfügen data frames zusammenführen Arbeiten mit data frames data frame im Suchpfad Subsets data frames aufteilen R Commander Einführung Webseite Tutorial Praxis 21 Mike Kühne 2 R-Kurs
3 1 TINN-R 1 Tinn-R ein speziell auf die Handhabung von R zugeschnittener Editor läuft nur unter Windows (9X/Me/2000/XP) Freie Software unter den Maßgaben der GPL zum Download angeboten klein (2,2 MB) Erweiterungen zur Rconsole Erweiterungen, wie beispielsweise syntax highlighting der S sowie der R Sprache zusätzliches Menu und eine Symbolleiste bei Erkennen eines R -Gui Addons (Menu, Toolbar) interagieren mit R Tinn-R im Internet Download Tinn-R unter SourceForge Webseite Mike Kühne 3 R-Kurs
4 1 TINN-R 1.1 Bedienung von Tinn-R Starten von Tinn-R Einbinden der notwendigen Pakete Für die Verwendung des gesamten Umfangs an Funktionen und Tools müssen noch einige Pakete eingebunden werden ( svide, svio, svsocket, R2HTML): Für die aktuelle Sitzung Menu > R > Configure > Temporary Der Vorgang kann in Abhängigkeit von der Rechnerleistung bis zu 2 Minuten dauern. Í Permanent Menu > R > Configure > Permanent Beim Ausführen dieses Befehls wird eine Edition in der Datei.../R/R-2.4.1/etc/Rprofile.site vorgenommen. Mike Kühne 4 R-Kurs
5 1 TINN-R 1.2 Öffnen von R Menu > R > Start preferred Rgui 1.3 Hilfe Funktion Die komplette Beschreibung des Programms findet man unter: Menu > Help Informationen zu Funktionen findet man im Informationsfenster über das Menu (Glühlampe), wenn ein Objekt oder eine Funktion ausgewählt ist. Mike Kühne 5 R-Kurs
6 2 EIN- UND AUSGABE VON DATEN 2 Ein- und Ausgabe von Daten Aufrufen, in welchem Verzeichnis auf der Festplatte R momentan arbeitet, mit: > getwd() Festlegen dieses Verzeichnisses mit: > setwd("f:/rkurs/daten") Überprüfen der Eingabe mit getwd(). 2.1 SPSS-Dateien Das Paket foreign stellt Importfunktionen für eine ganze Reihe von Binärdateien bereit (z.b. SPSS, SAS, Stata). Sollte es im Paket foreign keinen passenden Importfilter geben, ist die meist einfachste Lösung, aus der Ursprungssoftware die Daten im ASCII-Format zu exportieren und dieses dann in R einzulesen Einlesen von SPSS-Dateien > library(foreign) > data.spss.1 <- read.spss("allison_2.sav", # Name der Datei im aktuellen Verzeichnis > use.value.labels=true, # Variablen mit Wertelabeln werden zu Faktoren > to.data.frame=true) # Voreinstellung: Erstellt einen data frame Schreiben von SPSS-Dateien Im Paket foreign ist auch die Funktion write.foreign() enthalten, die das Schreiben von Datensätzen für andere Softwarepakete möglich macht. > file.1 <- data.spss.1 > library(foreign) > write.foreign(file.1, > "spssausr.txt", # erstellt ein Datenfile > "spssausr.sps", # Erstellt die Syntax zum Einlesen > package="spss") # Gibt an, um welche Software es sich handelt Mike Kühne 6 R-Kurs
7 3 Objekte in R Es gibt zahlreiche Objektarten, die unterschiedlichen Klassen angehören und verschiedene Eigenschaften besitzen. 3.1 Vektoren Erstellen von Vektoren mit dem Doppelpunkt Einfache Zahlenfolgen mit dem Abstand 1 lassen sich mit Hilfe des Doppelpunktes (:) erzeugen. > 1:10 [1] Idealerweise gibt man dem Objekt noch einem Namen > obj.1 <- 1:10 > obj.1 [1] mit der Funktion c() Mit der Funktion c() (concatenate) kann auf einfache Art und Weise ein Vector erzeugt werden. > x <- c(1.2345, , ,0) > y <- c("hallo", "Welt") > z <- c("hallo", x) > x [1] > y [1] "Hallo" "Welt" > z [1] "Hallo" "1.2345" "12.345" "123.45" "0" Vektoren können unterschiedliche Datentypen beinhalten (numeric, factorial, character, integer, logical), diese müssen aber innerhalb von Vektoren für alle Elemente gleich sein. Mike Kühne 7 R-Kurs
8 mit der Funktion seq() Die Funktion seq() (sequence) kann Zahlenfolgen mit gleichem Abstand erzeugen. > seq(1,10, by=2) [1] mit der Funktion rep() Für die Wiederholung eines Objektes kann die Funktion rep() verwendet werden. > rep(1,5) [1] > rep(c(1,2,3),5) [1] > rep(c(22:24),1:3) [1] Mike Kühne 8 R-Kurs
9 3.1.2 numeric vectors Vektoren der Klasse numeric eignen sich vor allem zur Erfassung metrischer Daten. Damit lassen sich aber auch kategoriale Daten (ordinalskaliert, nominalskaliert) repräsentieren. Für diese Klasse stehen eine ganze Reihe an Funktionen zur Verfügung: > x.1 <- 1.1:10.1 > mean(x.1) [1] 5.6 > summary(x.1) Min. 1st Qu. Median Mean 3rd Qu. Max Das Objekt x.1 gehört der Klasse numeric an. Auch der Datentyp aller Elemente ist numerisch. > class(x.1) [1] numeric > mode(x.1) [1] numeric Ob ein Objekt einen bestimmten Datentyp hat, kann man mit der gleichnamigen Funktion und dem Präfix is. abfragen. Man kann z.b. mit der Funktion is.numeric() testen, ob ein Vector den Datentyp numerisch innehat. > is.numeric(x.1) [1] TRUE Die Elemente numerischer Vektoren können benannt werden > stat.progs <- c(spss = 1, Stata = 2, R = 3, SAS =4, Statistika =5, sonstiges = 6) > is.numeric(stat.progs) [1] TRUE > stat.progs SPSS Stata R SAS Statistika sonstiges Mike Kühne 9 R-Kurs
10 3.1.3 integer vectors Vektoren mit dem Datentyp integer (ganzzahlig) werden selten verwendet und sind nicht von großer Bedeutung. Mit dem Präfix as. kann man bei einem Vector den Datentyp erzwingen. > x.2 < > is.numeric(x.2) [1] TRUE > x.3 <- as.integer(x.2) > x.3 [1] character vectors Vektoren mit dem Datentyp character kommen den String-Variablen in SPSS am nächsten. Beim Anlegen der Vektoren ist zu beachten, das die einzelnen übergebenen Werte in Anführungszeichen gesetzt werden. Anschließend können diese Vektoren nicht mehr für statistische Verfahren verwendet werden. > x.4 <- "Hallo Welt" > x.4 [1] "Hallo Welt" > x.5 <- c("hallo", "Welt") > x.5 [1] "Hallo" "Welt" > length(x.4) [1] 1 > length(x.5) [1] 5 > median(x.5) > Fehler in median.default(x.5) : need numeric data > x.4 + x.5 > Fehler in x.4 + x.5 : nicht-numerisches Argument für binären > Operator Mike Kühne 10 R-Kurs
11 3.1.5 logical vectors In R können auch Vektoren erzeugt werden, die logische Elemente (TRUE, FALSE) enthalten. ähnlich den vorhergehenden Vektoren können mit logical() speziell logische Vektoren erzeugt werden. Mit is.logical() kann man überprüfen, ob ein Objekt ein logisches Objekt ist. Mit as.logical() kann man die Klasse logical erzwingen. Tabelle 1: Die gebräuchlichsten Operatoren Operatoren Beschreibung ==,!= gleich, ungleich >, >= größer als, größer gleich <, <= kleiner als, kleiner gleich! nicht (Negation) &, && und, oder Rechnen mit logischen Werten Ein wahrer Wert (TRUE) wird als 1, ein falscher Wert (FALSE) wird als 0 interpretiert > TRUE + TRUE + TRUE + TRUE + FALSE [1] 4 > TRUE - TRUE - FALSE [1] 0 Das lässt sich mannigfaltig nutzen. Beispielsweise ist von Interesse, wie viele Mittelwerte der folgenden numerischen Vektoren über 10 liegen: > vec.1 <- c(101:110) > vec.2 <- c(1:10) > vec.3 <- c(201:210) > vec.4 <- c(1001:1010) > mean.vec <- c(mean(vec.1),mean(vec.2),mean(vec.3),mean(vec.4)) > mean.vec >10 [1] TRUE FALSE TRUE TRUE > sum(mean.vec >10) [1] 3 Mike Kühne 11 R-Kurs
12 > vec.log <- c(1,1,0,1,0,0,1,0,1,1) > vec.log.1 <- as.logical(vec.log) > sum(vec.log.1) [1] 6 > sum(!vec.log.1) # Negation [1] 4 Mit der Funktion which() wird ermittelt, an welchen Stellen ein logischer Vektor TRUE ist. Mit der Funktion which.max() kann man die Stelle mit dem Maximum in einem Vektor ermitteln. > which(vec.log.1) [1] > test <- c(1,2,3,4,12345) > which.max(test) [1] 5 Die beiden Funktionen any() und all() eigenen sich beispielsweise gut, für die überprüfung der Konsistenz großer Vektoren und Datensätze. > any(c(1,22,33,4,5,66) == c(1,2,3,4,5,6)) [1] TRUE > all(c(1,22,33,4,5,66) == c(1,2,3,4,5,6)) [1] FALSE Indizieren von Vektoren Mit dem Namen eines Vektors und einem nachgestellten Index, kann man auf einzelne Elemente eines Index zugreifen. Mit vec.1[1] wird auf das erste Element des Vektors vec.1 zugegriffen. > vec.1 <- 21:30 > vec.1 [1] > vec.1[4] [1] 24 Es müssen aber nicht immer ganze Zahlen sein: Mike Kühne 12 R-Kurs
13 Es können mehrere Indizes als Vektor angehängt werden. Dann wird ein Vektor durch einen Vektor indiziert. > vec.1[c(3,7,10)] [1] Ein vorangestelltes Minuszeichen schließt die indizierten Elemente aus. > vec.1[-c(3,7,10)] [1] Zur Indizierung können auch logische Vektoren verwendet werden. > vec.1[vec.1<25] [1] Benannten Elemente können über diese Namen angesprochen werden. > stat.progs <- c(spss = 1, Stata = 2, R = 3, SAS =4, Statistika =5) > stat.progs["sas"] SAS 4 während mit einer Indizierung in der eckigen Klammer spezifische Elemente ersetzt werden können, werden mit einer leeren eckigen Klammer alle Elemente eines Vektors ersetzt. > vec.1[c(1,10)] < > vec.1 [1] > vec.1[] <- 1.2 > vec.1 [1] Mike Kühne 13 R-Kurs
14 3.2 Datensätze - data frames Ein data frame ist eine spezielle Liste von Elementen mit einer gemeinsamen Länge n. Diese Länge n entspricht der Anzahl aller Zeilen eines data frames. Jeder Vektor repräsentiert die Messung einer Variable. Die Länge eines data frames entspricht der Anzahl der Vektoren. Aufgrund dieser Struktur werden data frames insbesondere genutzt, um Datensätze zu repräsentieren. > ID <- 1:9 > Var.1 <- seq(43,52,by=1) > Var.2 <- rep(c("weiblich", "männlich"),5) > Var.3 <- rnorm(10, mean=1, sd=10) > length(id) [1] 9 > length(var.1) [1] 10 > length(var.2) [1] 10 > length(var.3) [1] 10 Anschließend kann man die einzelnen Objekte (SPSS: Variablen) zu einem data frame (SPSS: Datensatz) zusammenfassen. > data.frame.1 <- data.frame(id,var.1, Var.2, Var.3) Fehler in data.frame(id, Var.1, Var.2, Var.3) : Argumente implizieren unterschiedliche Anzahl Zeilen: 9, 10 Allerdings wird eine Fehlermeldung produziert. Wichtig für die Arbeit mit data frames ist, dass alle Objekte die gleiche Länge n haben! Mike Kühne 14 R-Kurs
15 > ID <- 1:10 > data.frame.1 <- data.frame(id,var.1, Var.2, Var.3) > data.frame.1 ID Var.1 Var.2 Var weiblich männlich weiblich männlich weiblich männlich weiblich männlich weiblich männlich Die Dimensionen (SPSS: Anzahl der Fälle und Variablen in einem Datensatz - Ausnahmen > Spell-bezogene Datensätze) erfährt man über ebenfalls über die Funktion dim(). > dim(data.frame.1) [1] Objekt in einen bestehenden data frame einfügen Einem bestehenden data frame kann ein Vector der gleichen Länge n einfach angefügt werden (SPSS: Erzeugen einer neuen Variable). > Var.new <- 203:212 > data.frame.2 <- data.frame (data.frame.1,var.new) > data.frame.2 ID Var.1 Var.2 Var.3 Var.new weiblich männlich weiblich männlich weiblich männlich weiblich männlich weiblich männlich data frames zusammenführen In der gleichen Weise können ganze Datensätze miteinander verbunden werden. Die Datensätze können unterschiedlich lang sein. Dann sollte das Anfügen aber über eine gemeinsame Variable erfolgen ( SPSS: MATCH FILE \by=). In Abhängigkeit der gewählten Methode des Zusammenfügens (mehr Informationen zur Funktion erreicht man mit?merge), wird ein neuer data frame erzeugt. Dabei kann es, wie in diesem Fall, zu fehlenden Werten kommen. Diese werden durch NA (not available) gekennzeichnet. Mike Kühne 15 R-Kurs
16 > # erster data frame (x) > x<-c (1:5); y<- log(x); z <- exp(x) > test.frame.1 <- data.frame(x, y, z) > test.frame.1 x y z > # zweiter data frame (y) > var.1 <- c(2000:2007); var.2 <- c(1000:1007); var.3 <- c(3,4,5,6,7,8,9,10) > test.frame.2 <- data.frame(var.1, var.2, var.3) > test.frame.2 var.1 var.2 var > test.merge <- merge(test.frame.1, test.frame.2, by.x = "x", by.y = "var.3", all.x=t) > test.merge x y z var.1 var NA NA NA NA Arbeiten mit data frames Innerhalb von data frames, müssen die Elemente alle die gleiche Länge haben. > ID <- 1:10 > Var.1 <- seq(43,52,by=1) > Var.2 <- rep(c("weiblich", "männlich"),5) > Var.3 <- rnorm(10, mean=1, sd=10) > data.frame.1 <- data.frame(id,var.1, Var.2, Var.3) > str(data.frame.1) 'data.frame': 10 obs. of 4 variables: $ ID : int $ Var.1: num $ Var.2: Factor w/ 2 levels "männlich","weiblich": $ Var.3: num > data.frame.1$var.1[3] [1] 45 > data.frame.1[3,2] [1] 45 Mike Kühne 16 R-Kurs
17 3.3.1 data frame im Suchpfad Die Indizierung eines data frames ist in der oben aufgeführten Form etwas aufwendig. Mit der Funktion attach() kann man einen data frame in den Suchpfad aufnehmen und die einzelnen Elemente des data frames direkt zugänglich machen. > rm(var.1, Var.2, Var.3, ID) # Absichern, dass die Variablen nicht existieren > attach(data.frame.1) > Var.1 [1] Allerdings ist der Befehl mit Vorsicht zu verwenden, da mit dem Befehl eine komplette Kopie des data frames im Suchpfad angelegt wird. Die Modifika- ª tion von Variablen ohne Angabe des data frames würden nur an dem data frame im Suchpfad vorgenommen. Diese würde sich nicht auf das ursprüngliche data frames auswirken und verfallen, wenn man den data frames ohne Überführung z.b. > new.data.frame$var.1 <- Var.1 mit detach() wieder aus dem Suchpfad entfernt. Sind keine Modifikationen geplant erleichtert der Befehl attach() allerdings das Arbeiten mit data frames. > Var.1[4] [1] 46 > Var.1[4] < > Var.1[4] [1] 1700 > data.frame.1$var.1[4] [1] 46 > data.frame.1$var.1 <- Var.1 > > detach(data.frame.1) > data.frame.1 ID Var.1 Var.2 Var weiblich männlich weiblich männlich weiblich männlich weiblich männlich weiblich männlich L Mike Kühne 17 R-Kurs
18 3.3.2 Subsets Die einfachste Variante zur Bildung einer Auswahl funktioniert über die Indizierung > data.frame.1[data.frame.1$var.1>47, ] ID Var.1 Var.2 Var männlich männlich weiblich männlich weiblich männlich In diesem Beispiel werden alle Fälle angezeigt, bei denen der Wert in der Variable Var.1 größer als 47 ist. Weitere Optionen zur Bildung von Subdatensätzen bietet die Funktion subset(). Mit dem Operator %in% können komplexe Auswahlmöglichkeiten getätigt werden. Damit können mehrere Werte einer Variable zur Auswahl bestimmt werden. Dabei kann sowohl auf Zeilen als auch Spalten zugegriffen werden. L > subset(data.frame.1, Var.1>47, select= -4) # Auswahl von Zeilen und Spalten ID Var.1 Var männlich männlich weiblich männlich weiblich männlich > subset(data.frame.1, Var.1 %in% c(43, 47, 51)) ID Var.1 Var.2 Var weiblich weiblich weiblich Es können auch Auswahlkriterien verknüpft werden. > subset(data.frame.1, Var.2 %in% c("männlich") & Var.1 > 44) ID Var.1 Var.2 Var männlich männlich männlich männlich Mike Kühne 18 R-Kurs
19 3.3.3 data frames aufteilen data frames können entlang der Ausprägungen einer Variablen in einzelne Datensätze aufgeteilt werden. Diese sind anschließend als Listenelemente zu erreichen. > sub.frames <- split(data.frame.1, Var.2) > sub.frames $männlich ID Var.1 Var.2 Var männlich männlich männlich männlich männlich $weiblich ID Var.1 Var.2 Var weiblich weiblich weiblich weiblich weiblich Mike Kühne 19 R-Kurs
20 4 R COMMANDER 4 R Commander 4.1 Einführung Auch für R steht eine einfache grafische Nutzeroberfläche zur Verfügung. Diese Oberfläche wird mit dem Paket Rcmdr geladen: > library(rcmdr) Der R Commander besteht aus: einer Menüleiste einer Werkzeugleiste einem Skriptfenster einem Ausgabefenster einem Nachrichtenfenster Die manuelle Zusammenstellung von Befehlen wird im Skriptfenster automatisch generiert und durch den OK Button ausgeführt. Die Befehle können aber im Nachhinein modifiziert und wiederum ausgeführt werden. 4.2 Webseite Autor des Pakets ist John Fox. Informationen zu diesem Paket unter: Webseite 4.3 Tutorial Tutorial von John Fox August 2006 Mike Kühne 20 R-Kurs
21 5 PRAXIS 5 Praxis Erstellen Sie 5 Vektoren gleicher Länge. Fügen Sie diese 5 Vektoren zu einem data frame zusammen. Exportieren Sie den data frame in das SPSS Format. Erstellen Sie das SPSS File und vergleichen Sie die Daten. Lesen Sie das SPSS File allison.sav in R ein. Informieren Sie sich über die einzelnen Variablen in dem Datensatz. Setzen Sie in der Variable SCHOOL alle Werte gleich 7 auf Ersetzen Sie in der Variable INCOME den Wert durch den Wert 0 mit Hilfe einer Syntax. Erzeugen Sie einen neuen data frame aus allison.sav der nur Frauen enthält. Mike Kühne 21 R-Kurs
Klaus Schliep. 16. Februar 2004
Einführung in R Klaus Schliep 16. Februar 2004 Allgemeines R besteht ausschließlich aus Objekten. Die meisten Objekte sind entweder Daten oder Funktionen. Alle Funktionen werden mit runden Klammern geschrieben,
MehrEinführung in die Ökonometrie
Einführung in die Ökonometrie Das Programmpaket R Installierung und Pakete R als Taschenrechner Laden von Datensätzen und Einlesen von Daten Hilfe und Dokumentation Einfaches Datenmanagement Univariate
MehrR-Wörterbuch Ein Anfang... ein Klick auf einen Begriff führt, sofern vorhanden, zu dessen Erklärung.
R-Wörterbuch Ein Anfang... ein Klick auf einen Begriff führt, sofern vorhanden, zu dessen Erklärung. Carsten Szardenings c.sz@wwu.de 7. Mai 2015 A 2 B 3 C 4 D 5 F 6 R 16 S 17 V 18 W 19 Z 20 H 7 I 8 K 9
MehrDer Download von R erfolgt über die homepage
Einführung in R 1. Allgemeines zu R Der Download von R erfolgt über die homepage www.r-project.org Wenn man das Programm öffnet, erscheint eine leere Konsole. Das > -Zeichen zeigt das Eingabefeld an. Befehle
MehrR Einstieg. Manuel Eugster, Armin Monecke, Faban Scheipl. Institut für Statistik Ludwig-Maximilians-Universität München.
R Einstieg Manuel Eugster, Armin Monecke, Faban Scheipl Institut für Statistik Ludwig-Maximilians-Universität München Einführung in R Was ist S? S ist eine Sprache für Datenanalyse und Graphik, entwickelt
MehrEine Einführung in R: Grundlagen II
Eine Einführung in R: Grundlagen II Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws11/r-kurs/
Mehr2 R die Basics. Inhalt. 2.1 Ziel. 2.2 R als Taschenrechner. Markus Burkhardt
2 R die Basics Markus Burkhardt (markus.burkhardt@psychologie.tu-chemnitz.de) Inhalt 2.1 Ziel... 1 2.2 R als Taschenrechner... 1 2.3 Umgang mit Vektoren... 2 2.3 Weitere Objektklassen... 3 2.4 Umgang mit
MehrUnivariate explorative Datenanalyse in R
Univariate explorative Datenanalyse in R Achim Zeileis 2009-02-20 1 Grundlegende Befehle Zunächst laden wir den Datensatz (siehe auch Daten.pdf ) BBBClub R> load("bbbclub.rda") das den "data.frame" BBBClub
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 2. Sitzung Wertzuweisungen zu Objekten, Vektoren, Matrizen,
MehrIDE Grundlagen Vektoren Matrizen Faktoren Dataframes Visualisierung Tips. Quick & dirty
Quick & dirty Eine pragmatische Einführung in R (Seminar Forschungsevaluation, Universität Wuppertal) Stephan Holtmeier kibit GmbH, stephan@holtmeier.de 31. Mai 2013 1 / 24 Unsere Entwicklungsumgebung:
MehrErwin Grüner 10.11.2005
FB Psychologie Uni Marburg 10.11.2005 Themenübersicht in R Arithmetische Operator Wirkung + Addition - Subtraktion * Multiplikation / Division ˆ Exponentiation %/% Integerdivision %% Modulo Vergleichsoperatoren
MehrProgrammieren mit statistischer Software
Programmieren mit statistischer Software Eva Endres, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Funktionen Definition von Funktionen I Eine Funktion hat einen Namen benötigt Argumente
MehrFormale Methoden der Ökonomik: Einführung in die empirische Wirtschaftsforschung
Übung Formale Methoden der Ökonomik: Einführung in die empirische Wirtschaftsforschung BACHELOR FT 2013 (HSU) Übung Emp. WiFo FT 2013 1 / 17 Organisatorisches (HSU) Übung Emp. WiFo FT 2013 2 / 17 Organisatorisches
MehrProgrammieren mit statistischer Software
Programmieren mit statistischer Software Eva Endres, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Datenaufbereitung The Forbes 2000 Ranking of the World s Biggest Companies I Paket
MehrLeseanleitung für QIDB-Rechenregeln. IQTIG-spezifische Variablen, Operatoren und Funktionen in R
Stand: 1. Oktober 2018 Impressum Thema: IQTIG-spezifische Variablen, Operatoren und Funktionen in R Datum der Veröffentlichung: 30. September 2018 Herausgeber: IQTIG Institut für Qualitätssicherung und
MehrUnivariate explorative Datenanalyse in R
Univariate explorative Datenanalyse in R Achim Zeileis, Regina Tüchler 2006-10-03 1 Ein metrisches Merkmal Wir laden den Datensatz: R> load("statlab.rda") und machen die Variablen direkt verfügbar: R>
MehrTU Bergakademie Freiberg Datenanalyse/Statistik Wintersemester 2016/ Übungsblatt. Homepage zur Übung unter:
1. Übungsblatt Homepage zur Übung unter: http://www.mathe.tu-freiberg.de/ds Themen und Begriffe Skalenniveaus Stichprobe und Zufallsexperiment repräsentative Stichprobe Einführung in die Programmiersprache
MehrMit R können Rechenoperationen durch direkte Eingabe durchgeführt werden. Beispiel >(3*(5+7)^4)/3 [1] 20736
Einführung in R 1. Allgemeines Der Download erfolgt über die homepage www.r-project.org Mit Datei neues Skript wird der R-Editor geöffnet. Hier können Befehle eingegeben und abgespeichert werden. Mit copy
MehrR- Grundlagen. TU Ilmenau. Stefan Heyder. 07. März 2019
R- Grundlagen Stefan Heyder 07. März 2019 TU Ilmenau Einleitung Arithmetik Funktionen Logik Variablen Datentypen Vektoren Fehlende Daten (NA) Einleitung Arithmetik Funktionen Logik Variablen Datentypen
MehrWichtige Befehle in R zur Datenanalyse Ergänzende Unterlagen zur Vorlesung Prof. Dr. Oliver Gansser
Wichtige Befehle in R zur Datenanalyse Ergänzende Unterlagen zur Vorlesung Prof. Dr. Oliver Gansser Inhaltsverzeichnis Einleitung 2 Das Programm R............................................ 2 Datenmanagement
MehrRunning R. Windows Aus Menü. Lese R Code ein führt den Code auch gleich aus, eventuell muss vorher das Verzeichnis gewechselt werden.
Einführung 1 / 1 Einführung 2/1 Running R Windows Aus Menü Linux Lese R Code ein führt den Code auch gleich aus, eventuell muss vorher das Verzeichnis gewechselt werden. Auf der Konsole/Eingabeaufforderung:
MehrInhalt. Dokument Beschreibung. Bentley Technical Support ProStructures.Net - Zusatzprogrammierung Visual Basic Express PST_Bearbeitung_Dialog
Bentley Technical Support ProStructures.Net - Zusatzprogrammierung Inhalt Dokument Beschreibung... 1 Windows Form einfügen... 2 Steuerelemente einfügen... 2 Steuerelemente Titel und Name... 3 Dialog Laden
MehrÜbung zur Vorlesung: Mikroökonometrie. Mi. 9:45-11:15 Uhr PC-Pool und Barbara Hanel
Übung zur Vorlesung: Mikroökonometrie Mi. 9:45-11:15 Uhr PC-Pool und 3.125 Barbara Hanel Organisatorisches Übungstermine: bis ca. 10.6. STATA-Übung im PC-Labor ab 17.6. Übung mit Aufgabenblättern in Raum
MehrStatistische Software (R)
Statistische Software (R) Paul Fink, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Daten einlesen Daten DRY-Prinzip Daten als eine Zusammenstellung von Informationen zu einem bestimmten
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 1. Sitzung Einstieg, Berechnungen und Funktionen, Zuweisungen
MehrAlgorithmen und ihre Programmierung
Veranstaltung Pr.-Nr.: 101023 Algorithmen und ihre Programmierung Veronika Waue WS 07/08 Einführung Definition: Algorithmus Ein Algorithmus ist eine genau definierte Folge von Anweisungen zur Lösung eines
MehrEinführung in R. 17. April Emacs mit Erweiterung ESS (http://ess.r-project.org/),
Einführung in R Wissensentdeckung in Datenbanken SS 2009 17. April 2009 R und Editoren für R: Auf den Poolrechnern der Fakultät Statistik (M/711 und M/U18, Mathe-Tower, Campus Nord) ist R installiert.
MehrBivariate explorative Datenanalyse in R
Bivariate explorative Datenanalyse in R Achim Zeileis, Regina Tüchler 2006-10-09 In der LV Statistik 1 haben wir auch den Zusammenhang von 2 Variablen untersucht. Hier werden die dazugehörenden R-Befehle
MehrEinführung in die Angewandte Bioinformatik: Datenanalyse mit R
Einführung in die Angewandte Bioinformatik: Datenanalyse mit R 20.05.2010 Prof. Dr. Sven Rahmann 1 Funktionsaufruf mit benannten Parametern Es ist Konvention, einer Funktion erst die nötigen Daten zu übergeben;
MehrÜbungsblatt 1. Java Vorkurs (WS 2017)
Übungsblatt 1 Java Vorkurs (WS 2017) Aufgabe 1 Hallo-Welt Erstelle ein neues Projekt mit dem Namen HelloJava. Erzeuge in diesem Projekt eine neue Klasse HelloJava. (a) Schreibe die main-methode in die
Mehr> patienten<-data.frame( c(28,61,79,54,na,48), c(2,2,3,2,1,1), c("pillen","pillen","massage","gymnastik","massage","gymnastik"),
1 Der Datentyp factor in R 2 Beispieldatensatz > patienten
MehrDie Klasse string Verfasser: Christian Bartl
Die Klasse string Verfasser: Index 1. Allgemein... 3 2. Eingabe von Strings... 3 3. Ausgabe von Strings... 4 4. Länge eines Strings... 4 5. Durchlaufen aller Zeichen eines Strings... 4 6. Kopieren von
Mehr$Strasse [1] "Autobahn" "Landstr" "Nebenstr" "Autobahn" "Landstr" "Nebenstr" [7] "Autobahn" "Landstr" "Nebenstr" "Autobahn" "Landstr" "Nebenstr"
# In vielen typischen Anwendungsfällen sind Listen nicht optimal J
MehrJavaScript. Dies ist normales HTML. Hallo Welt! Dies ist JavaScript. Wieder normales HTML.
JavaScript JavaScript wird direkt in HTML-Dokumente eingebunden. Gib folgende Zeilen mit einem Texteditor (Notepad) ein: (Falls der Editor nicht gefunden wird, öffne im Browser eine Datei mit der Endung
MehrProgrammieren mit statistischer Software
Programmieren mit statistischer Software Eva Endres, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Vektorwertiges Programmieren Programmieren ohne explizite Schleife I Vektorisierung
Mehr1 Univariate Statistiken
1 Univariate Statistiken Im ersten Kapitel berechnen wir zunächst Kenngrößen einer einzelnen Stichprobe bzw. so genannte empirische Kenngrößen, wie beispielsweise den Mittelwert. Diese können, unter gewissen
MehrBedienungsanleitung für die Anwendung zur elektronischen Datenerfassung der Schüler- und Klassenzahlen an privaten, berufsbildenden Schulen
Bedienungsanleitung für die Anwendung zur elektronischen Datenerfassung der Schüler- und Klassenzahlen an privaten, berufsbildenden Schulen In dieser Anleitung wird ihnen Schritt für Schritt erklärt, wie
MehrDownload Aufruf Hilfe Objekte in R Datenimport Rechnen Grafik Verteilungen. R Grundlagen
R Grundlagen A. Gebhardt 6. Juni 2013/ R Institut für Statistik Universität Klagenfurt Universitätsstr. 65-67, A 9020 Klagenfurt albrecht.gebhardt@uni-klu.ac.at 1 / 27 Inhalt 1 Bezugsquelle 2 Aufruf 3
MehrEinführung in die formale Demographie Übung
Einführung in die formale Demographie Übung Roland Rau mailto:roland.rau@uni-rostock.de 10. Oktober 2016 Inhaltsverzeichnis 1 Überblick 2 2 Erste Schritte in R 2 2.1 Woher erhalte ich R?...............................
MehrDie SQL-Schnittstelle
Die SQL-Schnittstelle Merlin 19 Version: 19.0 Stand: 01.03.2016 Angerland-Data Gesellschaft für Baudatentechnik mbh Am Gierath 28, 40885 Ratingen DEUTSCHLAND Internet: www.angerland-data.de Inhalt Die
MehrStatistik PS R-Ergänzungen
Statistik PS R-Ergänzungen Kurt Hornik 2005-02-28 Kapitel 1 Einleitung 1.1 Einfaches Rechnen in R Zunächst starten wir R: auf den Windows-Rechnern, indem wir unter Start - Programme - Anwendungen - Mathematik
MehrEin erstes "Hello world!" Programm
OOP Henrik Horstmann 14. September 2014 Inhaltsverzeichnis Inhaltsverzeichnis 1 Bedeutung der Symbole...1 2 Die Benutzer Oberfläche von HOOPLU...2 2.1 Projekte öffnen und speichern...2 2.2 Die Klasse Program
MehrEine Einführung in R: Grundlagen I
Eine Einführung in R: Grundlagen I Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 14. Oktober 2009 Bernd Klaus, Verena Zuber Grundlagen
MehrSoftwarepraktikum. zu Elemente der Mathematik. Carsten Rezny Institut für angewandte Mathematik Universität Bonn
Softwarepraktikum zu Elemente der Mathematik Carsten Rezny Institut für angewandte Mathematik Universität Bonn 23. 25.05.2018 Listen Liste: Aufzählung von beliebigen Objekten liste={2,1.4,"abc"} Einzelnes
MehrObjektorientiertes Programmieren (Java)
Grundlagen Objektorientiertes Programmieren (Java) Java folgt gewissen Rechtschreibregeln die Syntax. Diese besagt, dass hinter jeden Befehl ein Semikolon( ; ) stehen muss, damit der Computer weiß, dass
MehrOrganisatorisches. Folien (u.a.) gibt's auf der Lva-Homepage zum Download
Organisatorisches Folien (u.a.) gibt's auf der Lva-Homepage zum Download Diesen Mi erstes Tutorium (15-17) Ab nächster Woche montags 10-12 (jeweils im Computerraum) 17.10.2017 IT I - VO 3 1 Organisatorisches
MehrErwin Grüner
FB Psychologie Uni Marburg 01.12.2005 Themenübersicht Die Funktion Die Funktion Zweck: Erzeugung eines Vektors durch Replizieren Parameter x times length.out each Bedeutung Zahl oder Vektor Anzahl der
MehrVerwaltung der Textdokumente
Verwaltung der Textdokumente Im Programm FACTOR Zeitarbeit können benutzereigene Vorlagen für Textdokumente, E-Mails und SMS integriert werden. Zu finden ist die Dokumentenverwaltung im FACTOR AdminTool,
MehrVorwort Einführung in Power Query Erste Abfrage erstellen... 21
Vorwort... 11 1 Einführung in Power Query... 13 1.1 Power Query installieren und aktivieren... 13 1.2 Power Query aktivieren bzw. deaktivieren... 14 Was tun, wenn das Register nicht angezeigt wird... 16
MehrEinführung in SPSS Wintersemester 2000/2001
Einführung in SPSS für Windows Wintersemester 2000/2001 Carina Ortseifen (Stand: 18. Oktober 2000) SPSS Statistical Program for Social Sciences Am URZ ist installiert: SPSS für Windows 9.0 und 10.0 (deutsch
MehrEine Einführung in R: Grundlagen I
Eine Einführung in R: Grundlagen I Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws11/r-kurs/
MehrStrings. Daten aus Dateien einlesen und in Dateien speichern.
Strings. Daten aus Dateien einlesen und in Dateien speichern. Strings Ein String ist eine Zeichenkette, welche von MATLAB nicht als Programmcode interpretiert wird. Der Ausdruck 'a' ist ein String bestehend
MehrEinheit 1. Einführung in R. IFAS JKU Linz c 2018 Programmieren mit Statistischer Software 1 0 / 11
Einheit 1 Einführung in R IFAS JKU Linz c 2018 Programmieren mit Statistischer Software 1 0 / 11 Einführung R ist ein Software-Paket für Statistisches Rechnen und Graphik. Es ist die Open Source Implementierung
MehrInformatik für Schüler, Foliensatz 2 Ausdrücke, Variablen, Datentypen, Ein- und Ausgabe
Prof. G. Kemnitz Institut für Informatik, Technische Universität Clausthal 26. August 2009 1/17 Informatik für Schüler, Foliensatz 2 Ausdrücke, Variablen, Datentypen, Ein- und Ausgabe Prof. G. Kemnitz
MehrSTATA II: Daten- und Analysevorbereitung (Teil 1)
STATA II: Daten- und Analysevorbereitung (Teil 1) 10. November 2003 Wiederholung I K:\mo14-16 Aufgaben: 1. Stellen Sie den aktuell gültigen Pfad \data fest und wechseln Sie in das \project1 Verzeichnis
MehrModul G d) Gibt es einen Größen- bzw. Altersunterschied zwischen den anwesenden Männern und Frauen?
Modul G 29.11.2007 Hausaufgabe vom 22.11.2007: Erstelle eine Matrix mit (fiktiven) Initialen, Alter, Geschlecht und Größe von 18 Seminarteilnehmern. Auswertung a) Zähle pro vorkommendem Alter die Anzahl
MehrBiometrisches Tutorial III
Biometrisches Tutorial III Montag 16-18 Uhr Sitzung 3 07.05.2018 Dr. Christoph Borzikowsky Biometrisches Tutorial III 1. Anforderungen an Daten und Datenstrukturen 2. Einführung in SPSS (Grundlagen) 3.
MehrStatistik IV Übung mit Stata 10. Statistik IV. 3. Datenaufbereitung II und erste Auswertungen. Göttingen 27. Mai Dozent: Jürgen Leibold
Statistik IV 3. Datenaufbereitung II und erste Auswertungen Dozent: Jürgen Leibold 1 Terminplanung Nr. Termin Inhalt 1 14.04.09 Einführung Organisatorisches und Scheinvoraussetzungen Statistik mit Softwareunterstützung?
Mehr[Arbeiten mit dem Nvu Composer]
Eine neue Seite erstellen Beim Start des Composers steht automatisch eine neue Composer-Seite zur Verfügung, die direkt verwendet werden kann. Über Datei > Neu > Composer-Seite kann jederzeit eine neue
MehrInstallation von ib-normcad 11 unter rz-industriebau 2012
Installation von ib-normcad 11 unter rz-industriebau 2012 Für ib-normcad 11 unter rz-industriebau 2012 gibt es derzeit kein Setup-Programm. Die Anwendung muss manuell installiert werden. Dazu sind die
MehrFunktionen nur wenn dann
Funktionen nur wenn dann Funktionen können auch nur in bestimmten Fällen angewendet werden. Code wird nur in einem bestimmten Fall ausgeführt Code Ja Code Block wahr if wahr? Nein else Code Block Alternative
MehrEinfaches Datenmanagement in R
Einfaches Datenmanagement in R Achim Zeileis 2009-02-20 1 Daten einlesen Datensätze werden in R typischerweise als Objekte der Klasse "data.frame" dargestellt. In diesen entsprechen die Zeilen den Beobachtungen
MehrBenutzerhandbuch. ce - Inspector
ce - Inspector Stand: ce -Inspector 1.0 rel 21 17.01.2007 Erstellt durch Dipl.-Ing. (FH) Helmut Eß Am Hafen 22.. Telefon (0531)310390. Fax (0531)313074. E-Mail: info@was-bs.de. http://www.was-bs.de Seite:
MehrDatenaufbereitung, Grafische Datenanalyse
Datenaufbereitung, Grafische Datenanalyse R-Übung 2 Statistik III für Nebenfachstudierende LMU WS 2013/14 David Rügamer 6. & 13. November 2013 Nach einer Vorlage von Toni Hilger (WS 11/12) und Arne Kaldhusdal
MehrDie grundlegenden Konzepte von R
Die grundlegenden Konzepte von R I R ist ein klassischer Interpreter, der in einer sogenannten read-eval-print-loop arbeitet. I Es wird Zeile für Zeile eingelesen, jeweils bis der Interpreter das Ende
MehrStatistik IV Übung mit Stata 10. Statistik IV. 1. Grundlagen und Datenaufbereitung. Göttingen 2. Mai Dozent: Jürgen Leibold
Statistik IV 1. Grundlagen und Datenaufbereitung Dozent: Jürgen Leibold 1 Terminplanung Nr. Termin Inhalt 1 14.04.09 Einführung Organisatorisches und Scheinvoraussetzungen Statistik mit Softwareunterstützung?
MehrEinführung in die Programmierung (MA8003)
Theorie 2.1: Relationale und logische Operatoren, Funktionen Dr. Lorenz John Technische Universität München Fakultät Mathematik, Lehrstuhl für Numerische Mathematik M2 05.10.2016 Ablauf Theorie 1.1+1.2
MehrFreiberuflicher IT-Berater Schwerpunkte: Unix, Oracle, Netzwerk. IT-Berater. Dipl.-Inform.
Freiberuflicher Schwerpunkte: Unix, Oracle, Netzwerk 1 Oracle Data Guard Oracle Standby Database Höhere Verfügbarkeit und Datensicherheit 2 Oracle Data Guard Oracle Standby Database Konzepte Erzeugen und
MehrMathematische Computer-Software
Mathematische Computer-Software Kommerzielle Computeralgebrasysteme (CAS) Beispiele: Mathematica, Maple, Numerisches und symbolisches Verarbeiten von Gleichungen: Grundrechenarten Ableitung und Integration
MehrDie SQL-Schnittstelle
Die SQL-Schnittstelle Merlin 16 Version 16.0 vom 09.10.2012 Inhalt Die SQL-Export-Schnittstelle... 4 Der Menüpunkt Abfrage durchführen... 4 Beschreibung Fenster Abfrage durchführen... 4 Schaltflächen Fenster
MehrR-Fehlermeldungsleitfaden
R-Fehlermeldungsleitfaden Carsten Szardenings c.sz@wwu.de Wichtig: In neueren RStudio-Versionen wird auf einige Syntaxfehler (siehe Abschnitt 2) im Skript schon vor der Ausführung hingewiesen. Tippt so
MehrGrundlagen der Informatik Vorlesungsskript
Grundlagen der Informatik Vorlesungsskript Prof. Dr. T. Gervens, Prof. Dr.-Ing. B. Lang, Prof. Dr. F.M. Thiesing, Prof. Dr.-Ing. C. Westerkamp 16 AUTOMATISCHES ÜBERSETZEN VON PROGRAMMEN MIT MAKE... 2 16.1
MehrÜbersicht PERL. !!!! Wichtig: Nach dem Befehl einem Strichpunkt setzen!!!!
!!!! Wichtig: Nach dem Befehl einem Strichpunkt setzen!!!! Erste Zeile eines PERL-Scripts: #! /usr/bin/perl Variablen in PERL: Normale Variablen beginnen mit einem $-Zeichen Array-Variablen beginnen mit
MehrOrganisatorisches. Folien (u.a.) auf der Lva-Homepage Skriptum über MU Online
Organisatorisches Folien (u.a.) auf der Lva-Homepage Skriptum über MU Online Nächste Woche VO und UE am Dienstag, den 30.10.! UE im CR IL/IT Wissensüberprüfung am Zettel 25.10.2018 IT I - VO 3 1 Organisatorisches
MehrOrganisatorisches. drei Gruppen Gruppe 1: 10:10-11:40, Gruppe 2: 11:45-13:15 Gruppe 3: 13:20-14:50
Organisatorisches Vorlesung Donnerstag 8:35 bis 10:05 Übung drei Gruppen Gruppe 1: 10:10-11:40, Gruppe 2: 11:45-13:15 Gruppe 3: 13:20-14:50 Tutorium (Mehr oder weniger) abwechselnd Mo und Mi 10-11:30 Termine
MehrOrganisatorisches. Neue Übungsblätter: Nur mehr elektronisch? Abgabe Di, , 14 Uhr bis Do, , 8Uhr
Organisatorisches Neue Übungsblätter: Nur mehr elektronisch? Abgabe Di, 14.10., 14 Uhr bis Do, 23.10., 8Uhr. 14.10.2014 IT I - VO 1 1 IT I: Heute Wiederholung CuP ctd: this Arrays, ArrayLists Schleifen:
MehrEinführung in SPSS. Sitzung 2: Datenbereinigung und Datenmanagement. Knut Wenzig. 9. Dezember 2004
Sitzung 2: 9. Dezember 2004 Benutzeroberfläche von SPSS Rückblick auf die Übungsaufgaben Rückblick auf eine Hausaufgabe Übungsaufgaben Hausaufgabe Benutzeroberfläche von SPSS Rückblick auf die Übungsaufgaben
MehrStatistische Datenanalyse mit R, R-Studio. Dr. Andrea Denecke Leibniz Universität IT-Services
Statistische Datenanalyse mit R, R-Studio Dr. Andrea Denecke Leibniz Universität IT-Services R Studio Ist ein separat zu installierendes Programm, das aber mit dem eigentlichen R-Programm kommuniziert.
MehrSoftwarepraktikum. zu Elemente der Mathematik. Carsten Rezny Institut für angewandte Mathematik Universität Bonn
Softwarepraktikum zu Elemente der Mathematik Carsten Rezny Institut für angewandte Mathematik Universität Bonn 18. 20.05.2016 Listen Liste: Aufzählung von beliebigen Objekten liste={2,1.4,"abc"} Einzelnes
MehrEinleitung Erste Abfrage erstellen...2
Einleitung...7 1 Einführung in Power Query... 11 1.1 Power Query installieren und aktivieren... 11 1.2 Power Query aktivieren bzw. deaktivieren... 12 Was tun, wenn das Register nicht angezeigt wird...
MehrRessourcenpool. Anleitungen für Merlin Project ProjectWizards GmbH
Ressourcenpool Anleitungen für Merlin Project 2018 - ProjectWizards GmbH Ressourcen-pool - Stand Juni 2018 Ressourcenpool 1 Was ist ein Ressourcenpool? 1 Vorteile bei der Projektplanung 1 Ressourcenpool
MehrGrundsätzliches Ein erster Blick auf die Daten
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 3 Seite 1 Grundsätzliches Ein erster Blick auf die Daten Das vorliegende Online-Material soll
MehrDatenmanagement in R: Eine Einführung
UNIVERSITÄT BASEL Frühjahrsemester 2012 WWZ, Abt. Quantitative Methoden 23. März 2012 Prof. Dr. Christian Kleiber Linda Walter Jean-Michel Benkert Datenmanagement in R: Eine Einführung Diese Einführung
MehrEinführung LänderInformationsSystem für Anlagen LIS-A Version Auswertungen
Einführung LänderInformationsSystem für Anlagen LIS-A Version 1.2.1 1 Formularbasierte Querybasierte (SQL Kenntnisse) Komplexe (Kenntnisse erforderlich im Umgang mit Business Intelligence and Reporting
MehrImport und Export von Veranstaltungen
14 Import und Export von Veranstaltungen Sie haben die Möglichkeit, im Onlineplaner Veranstaltungen zu exportieren und zu importieren. Diese Funktionen stehen Ihnen auch in der Vollversion Ihres Veranstaltungsmanagements
MehrModell Bahn Verwaltung. Tutorial. Links. Min. Programm Version 0.65, März w w w. r f n e t. c h 1 / 11
Modell Bahn Verwaltung Tutorial Links Min. Programm Version 0.65, März 2015 Tutorial Version 04.01.2017 rfnet Software w w w. r f n e t. c h 1 / 11 Vorwort... 3 1 Links... 4 1.1 Einführung... 4 1.2 Link
MehrVisual Basic Express Fehlerermittlung
Inhalt Dokument Beschreibung... 1 Fehlermeldungen anzeigen... 1 Fehlerkorrektur mit Fehlerliste... 2 Laufzeitfehler... 3 Arbeiten mit Haltepunkten... 4 Dokument Beschreibung Bei der Programmierung können
MehrEinführung in die Programmierumgebung R Michael Wenk
Einführung in die Programmierumgebung R Michael Wenk 25.04.2018 Inhaltsverzeichnis 1 Installation und Start von R 1 2 Grundlagen 1 2.1 Basisoperationen und Variablenzuweisung.............................
MehrGreenfoot: Verzweigungen Nicolas Ruh und Dieter Koch
Greenfoot: Verzweigungen Nicolas Ruh und Dieter Koch Betrachten wir die act()-methode des Wombats aus dem Wombats-Szenario: Wie interpretieren Sie diesen Code? (einfach übersetzen) Falls der Wombat ein
Mehr1 Medien einbinden Definition der Medientypen Options-Argumente Ein Bild einbinden... 7
Medien einbinden Inhalt 1 Medien einbinden... 3 2 Definition der Medientypen... 4 3 Options-Argumente... 5 4 Ein Bild einbinden... 7 4.1 Bild einbinden mittels Medien-Icon... 7 4.2 Bild einbinden mittels
MehrEinführung in die Programmierung (MA8003)
Theorie 1.2: Vektoren & Matrizen II, Funktionen, Indizierung Dr. Lorenz John Technische Universität München Fakultät Mathematik, Lehrstuhl für Numerische Mathematik M2 04.10.2016 Theorie 1.2: Inhalt 1
Mehr