Einführung in R. Einführung. Einführung / 3. Einführung / 2
|
|
- Eva Ritter
- vor 7 Jahren
- Abrufe
Transkript
1 Einführung Einführung in R R ist ein Software-Paket für Statistisches Rechnen und Graphik. Es ist die Open Source Implementierung der Sprache S, die von John Chambers und Kollegen in den Bell Laboratories in den 1970ern entwickelt worden ist. Eine weitere, jedoch kommerzielle Implementierung von S ist S-PLUS. Bettina Grün Institut für Statistik LMU München SS 2011 Bettina Grün c SS 2011 Einführung in R 1 / 46 Einführung / 2 Die Sprache S erlaubt interaktives Rechnen mit Daten in einer vollwertigen interpretierten Programmiersprache, die den Benutzern Zugang zu allen Strukturen und Graphik für explorative Datenanalyse und Publikationszwecke bietet. Einführung / 3 R ist ursprünglich von Ross Ihaka und Robert Gentleman an der Universität von Auckland Mitte 1990er entwickelt worden. Derzeit Wartung und Weiterentwicklung durch eine weltweite Gruppe von Freiwilligen aus Forschung und Wirtschaft. Primäre Verbreitung über Webseiten ( und Archive (cran.r-project.org). R kann über Packages erweitert werden. Einige Packages sind in der R Distribution enthalten, weitere befinden sich auf CRAN (derzeit 2970 Pakete). Bettina Grün c SS 2011 Einführung in R 2 / 46 Bettina Grün c SS 2011 Einführung in R 3 / 46
2 Überblick Überblick / 2 Edgar Anderson's Iris Data Sepal.Length Sepal.Width Petal.Length Petal.Width Bettina Grün c SS 2011 Einführung in R 4 / 46 Überblick / 3 Bettina Grün c SS 2011 Einführung in R 5 / 46 Überblick / FOX WOLF BEAR STAR NOSE MOLE HAIRY TAIL MOLE RACCOON CIVET CAT COYOTE PECCARY BROWN BAT LUMP NOSE BAT SILVER HAIR BAT COMMON MOLE MOOSE DEER ANTELOPE BISON MOUNTAIN GOAT MUSKOX MOUNTAIN SHEEP REINDEER ELK OPOSSUM MARMOT BEAVER GROUNDHOG PRAIRIE DOG GROUND SQUIRREL CHIPMUNK FOX SQUIRREL GRAY SQUIRREL POCKET GOPHER KANGAROO RAT PORCUPINE GUINEA PIG FIELD MOUSE PACK RAT MUSKRAT BLACK RAT HOUSE MOUSE PYGMY BAT HOUSE BAT HOARY BAT RED BAT SNOWSHOE RABBIT PIKA MINK WEASEL FERRET BADGER SKUNK SEA OTTER GREY SEAL FISHER MARTEN WOLVERINE RIVER OTTER SEA LION FUR SEAL OCELOT JAGUAR COUGAR LYNX ELEPHANT SEAL WALRUS ARMADILLO z x y bot.can top.can top.inc top.mol bot.mol bot.inc bot.pre top.pre Bettina Grün c SS 2011 Einführung in R 6 / 46 Bettina Grün c SS 2011 Einführung in R 7 / 46
3 Überblick / 5 Vor- und Nachteile von R 1 mass p < Vorteile: Open source Node 2 (n = 167) 26.3 > Node 4 (n = 304) 3 age p < > 30 1 Node 5 (n = 297) 1 keine black box Skalierbarkeit, Adaptierbarkeit Erweiterbarkeit durch einfaches Programmieren preisgekrönte Sprache Automatisierung sich wiederholender Abläufe, Simulationen Reproduzierbarkeit, Sweave pos neg pos neg pos neg Support durch Mailinglisten, usw. Nachteile: keine komfortable graphische Benutzeroberfläche, sondern Command Line Interface keine interaktive Grafik Bettina Grün c SS 2011 Einführung in R 8 / 46 Wie komme ich zu R Bettina Grün c SS 2011 Einführung in R 9 / 46 Installieren von R Die allgemeine Informationswebseite ist CRAN: the Comprehensive R Archive Network Die Hauptseite ist Mirror Seiten sind in vielen Länder verfügbar, z.b. Auf den CRAN Seiten gibt es Binärdistributionen für Windows, Mac und mehrere Linux Distributionen. Unter Windows: Lade den Installer R win.exe von CRAN herunter und führe die Datei aus. Setzen des persönlichen Arbeitsverzeichnis: rechte Maustaste bei Start-Icon: Eigenschaften Ausführen in Setzen im GUI über Menü: File Change dir... Setzen über die Command Line mit setwd() Kontrolle mit getwd() Starten von R: über den Start-Icon über die Datei Rgui.exe Bettina Grün c SS 2011 Einführung in R 10 / 46 Bettina Grün c SS 2011 Einführung in R 11 / 46
4 Informationsquellen über R Pakete Die Webseite und CRAN. Die frequently asked questions (FAQ) Listen auf CRAN. Manuals: z.b. An Introduction to R R Data Import/Export Die Manuals sind Teil derr Installation bzw. befinden sich auf CRAN. Unter Windows können diese im Menü unter Help Manuals gefunden werden. Standardisierte Form der Erweiterung von R Verpacken von Funktionen, Sourcen, Datensätze und Dokumentation Validierungsmöglichkeiten einfache Verteilung an Dritte, z.b. über CRAN Installieren mit install.packages(paketname) Laden mit library(paketname) Bettina Grün c SS 2011 Einführung in R 12 / 46 Sweave Bettina Grün c SS 2011 Einführung in R 13 / 46 R als Taschenrechner Dynamische Dokumente durch Verbindung von Text und Code: L A T E X mit R Beginn von Code Chunk mit <<>>=, von Dokumentation Chunk Skalare im Text mit \Sexpr{} Sweave() erzeugt tex-datei mit eingebundenem R-Output Stangle() extrahiert den R Code Manual unter Beispiele als Vignetten in Source Paketen: vignette(vignettenname) edit(vignettenobjekt) Z.B. im Paket grid die Vignette grid. > [1] 2 > a <- 0.5 > b <- a * 2 > exp(b) [1] Bettina Grün c SS 2011 Einführung in R 14 / 46 Bettina Grün c SS 2011 Einführung in R 15 / 46
5 R Basics Wenn der Funktionsname und anschließend [RET] getippt wird, wird die Funktion angezeigt. Um eine Funktion aufzurufen, muss der Funktionsname zusammen mit der Argumentenliste innerhalb von () eingetippt werden, auch wenn diese leer ist. D.h. q()[ret] anstatt q[ret] ist notwendig, um R zu verlassen. R Basics / 2 Hilfe: Zuweisung: help(topic) x = 5?topic x <- 5 help.search("topic") 5 -> x help.start() Operatoren: Vergleiche: +, -, *, /, ^ ==,!=, >, >=, <, <= &, &&,, see help("==") see help("+") Schleifen: Kommentare: for, while, if alles nach # Namen: case sensitive, Buchstabe zu Beginn Bettina Grün c SS 2011 Einführung in R 16 / 46 R Basics / 3 Elementare Datentypen: Logical: TRUE, FALSE, T, F Integer: 1, 100, 326,... Double: 1.0, , , NaN, Inf, -Inf Complex: 1+0i, 1i, 3+5i Character: "Hello", "How are you?" Missing Values: NA Bettina Grün c SS 2011 Einführung in R 17 / 46 R Basics / 4 Zusammengesetzte Datentypen: vector: von Elementen desselben elementaren Typs array: Vektor mit Dimensionsattribut (beliebige Anzahl an Dimensionen erlaubt). matrix: 2-dimensionaler Array. Spezialfall, um die üblichen Matrixoperationen wie z.b. Matrixmultiplikation durchführen zu können. factor: Spezieller Vektor für das Kodieren von Klassen. list: Liste von Elementen von verschiedenen Datentypen (sowohl elementar als auch zusammengesetzt) data.frame: Mischung aus Matrix und Liste Zugriff über [...], Dimensionen durch, getrennt. Bettina Grün c SS 2011 Einführung in R 18 / 46 Bettina Grün c SS 2011 Einführung in R 19 / 46
6 Methoden zur Konstruktion Die Funktionen zur Konstruktion haben dieselben Namen wie die entsprechenden Datentypen. Umwandlung kann mithilfe von as.type erfolgen, Checken des Typs mithilfe von is.type. > x <- matrix(1, nrow=5, ncol=2) > is.matrix(x) [1] TRUE > as.vector(x) [1] > x <- list(a="hello", b=1:10, pi= ) Methoden zur Konstruktion / 2 Konstruktion einfacher Vektoren: > c(1,2,7) [1] > c("hello", "World") [1] "Hello" "World" Bettina Grün c SS 2011 Einführung in R 20 / 46 Zugreifen auf Elemente Bettina Grün c SS 2011 Einführung in R 21 / 46 Zugreifen auf Elemente / 2 Vektoren: Elemente können über Nummern oder Namen angesprochen werden > x <- c(5,3,7) > names(x) <- c("apple","banana","orange") > x["apple"] # access by name apple 5 > x[1:2] # access by number apple banana 5 3 > length(x) [1] 3 Arrays: analog wie bei Vektoren, wobei die Dimensionen durch Kommas unterteilt werden > x <- matrix(1:8, ncol=2); > colnames(x) <- c("first", "Second") > x[1:2,] # returns a matrix First Second [1,] 1 5 [2,] 2 6 > x[,"second"] # returns a vector [1] Bettina Grün c SS 2011 Einführung in R 22 / 46 Bettina Grün c SS 2011 Einführung in R 23 / 46
7 Zugreifen auf Elemente / 3 > x[-3,] # exclude third row First Second [1,] 1 5 [2,] 2 6 [3,] 4 8 > dim(x) [1] 4 2 Zugreifen auf Elemente / 4 Listen: Dollar Zeichen $ oder Nummer in eckigen Klammern > x <- list(a="hello", b=1:10, pi= ) > x$a [1] "Hello" > x[["a"]] [1] "Hello" > x[[1]] ## returns first list element [1] "Hello" > x[1] ## returns a list with one element $a [1] "Hello" > length(x) [1] 3 Bettina Grün c SS 2011 Einführung in R 24 / 46 Data Frames Bettina Grün c SS 2011 Einführung in R 25 / 46 Attribute Können betrachtet werden als Matrix, wo jede Spalte einen unterschiedlichen Datentyp besitzt. Liste, wo jedes Element ein Vektor derselben Länge ist. Zugriff auf die Elemente analog wie bei Matrizen ODER Listen. attach() ermöglicht den Zugriff auf die Spalten über ihre Namen, wie wenn sie Variablen wären. Beobachtungen mit Missing Values können mithilfe von na.omit() entfernt werden, wodurch die gesamte Zeile gelöscht wird. Attribute ermöglichen die detailliertere Beschreibung des Inhaltes. Ein Array ist z.b. nur ein Vektor mit einem Dimensionsattribut. Weitere häufige Attribute beinhalten Namen für die Zeilen oder Spalten einer Matrix, Elemente einer Liste,... > x <- matrix(1:10, ncol = 5) > x [,1] [,2] [,3] [,4] [,5] [1,] [2,] > attributes(x) $dim [1] 2 5 Bettina Grün c SS 2011 Einführung in R 26 / 46 Bettina Grün c SS 2011 Einführung in R 27 / 46
8 Attribute / 2 > rownames(x) <- c("eins", "Zwei") > x [,1] [,2] [,3] [,4] [,5] Eins Zwei > attributes(x) $dim [1] 2 5 $dimnames $dimnames[[1]] [1] "Eins" "Zwei" $dimnames[[2]] NULL Attribute / 3 Die as.xxx() Funktionen löschen alle Attribute, inklusive der Dimensionalität: > x <- matrix(1:10, nrow = 2) > x [,1] [,2] [,3] [,4] [,5] [1,] [2,] > as.character(x) [1] "1" "2" "3" "4" "5" "6" "7" "8" "9" "10" > storage.mode(x) <- "character" > x [,1] [,2] [,3] [,4] [,5] [1,] "1" "3" "5" "7" "9" [2,] "2" "4" "6" "8" "10" Bettina Grün c SS 2011 Einführung in R 28 / 46 Klassen Bettina Grün c SS 2011 Einführung in R 29 / 46 Klassen / 2 Unglücklicherweise hat S gleich zwei Klassensysteme: S3 und S4. Wir werden uns nur mit dem viel einfacheren S3 System beschäftigen. Ein spezielles Attribut jedes Objektes beschreibt seine Klasse. Dies ermöglicht einfaches objekt-orientiertes Programmieren und das Überladen von Funktionen. Setzen und Überprüfen der Klasse eines Objektes: > class(y) [1] "numeric" > class(y) <- "newclass" Generische Funktionen verhalten sich unterschiedlich für Objekte verschiedener Klassen. Bettina Grün c SS 2011 Einführung in R 30 / 46 > (x <- rep(0:1, c(5, 10))) [1] > class(x) [1] "integer" > summary(x) Min. 1st Qu. Median Mean 3rd Qu. Max > y <- as.factor(x) > class(y) [1] "factor" > summary(y) Bettina Grün c SS 2011 Einführung in R 31 / 46
9 Funktionen Funktionen: Formale Definition Obwohl S-Plus und R bereits in der Standardinstallation extrem mächtige Werkzeuge zur Datenanalyse darstellen, wollen die meisten Benutzer nach einiger Zeit dieses Werkzeug ihren eigenen Bedürfnissen anpassen. Einer der größten Vorteile von S ist, dass jeder Benutzer das System leicht, um eigene Funktionen erweitern oder bestehende Funktionen modifizieren kann. Der größte Teil von R selber ist in der Sprache S geschrieben. S ist eine vollwertige Programmiersprache, in deren Design die Notwendigkeiten der statistischen Datenanalyse mit einbezogen wurden; es ist nicht nur eine Sprache zur Datenanalyse. > function ( ARGLIST ) { + KÖRPER + } Das Schlüsselwort function markiert den Beginn einer Funktionsdefinition. Die Argumente der Funktion werden durch eine mit Kommas getrennte Liste von Ausdrücken der Form SYMBOL = AUSDRUCK oder durch das spezielle formale Argument... angegeben. Jeder gültige R Ausdruck kann als KÖRPER der Funktion verwendet werden, zumeist ist es ein durch geschwungene Klammern gruppierter Block von Anweisungen. In den meisten Fällen werden Funktionen Symbolen zugewiesen ( bekommen einen Namen ), aber auch anonyme Funktionen sind an gewissen Stellen sehr praktisch. Bettina Grün c SS 2011 Einführung in R 32 / 46 Funktionen aufrufen > moment <- function(x, n=2) { + sum(x^n)/length(x) + } Es wird nur ein Wert zurückgegeben (letztes Statement oder Argument von return). Wenn mehrere Werte zurückgegeben werden sollen, dann können diese in einer Liste zusammengefasst werden. Argumente mit Namen: Bei Aufruf einer Funktion können die Argumente in einer beliebigen Reihenfolge übergeben werden (z.b. moment(n=3, x=x)). Default Werte: Argumente mit Default Werten können beim Aufruf der Funktion weggelassen werden. Bettina Grün c SS 2011 Einführung in R 33 / 46 Funktionen aufrufen / 2 > set.seed( ) > y <- rnorm(100) > y[1:4] [1] > length(y) [1] 100 > moment(y) [1] > moment(y, 1) [1] Bettina Grün c SS 2011 Einführung in R 34 / 46 Bettina Grün c SS 2011 Einführung in R 35 / 46
10 Funktionen aufrufen / 3 > moment(n = 1, x = y) [1] > mean(y) [1] Das... Argument Funktionen können beliebig viele unspezifizierte Argumente besitzen, falls die Argumentliste das spezielle Argument... enthält, z.b. max(..., na.rm = FALSE). Eine zweite Verwendungsmöglichkeit ist das Weiterleiten von Argumenten an eine andere Funktion: > myplotfun <- function(x, y, myarg,...) { + ## do some computations using x, y and myarg + ## then call the standard plot function + plot(x, y,...) + } Damit versteht myplot() zusätzlich zu seinen eigenen Argumenten implizit auch alle Argumente von plot(). x <- list(...) im Körper einer Funktion konvertiert alle unspezifizierten Argumente in eine benannte Liste. Bettina Grün c SS 2011 Einführung in R 36 / 46 Argumente zusammenfügen Bettina Grün c SS 2011 Einführung in R 37 / 46 Lazy Evaluation Wenn eine Funktion aufgerufen wird, werden die tatsächlichen Argumente des Funktionsaufrufen mit den formalen Argumenten der Funktionsdefinition in der folgenden Reihenfolge zusammengefügt: 1 Alle benannten Argumente deren Namen dem eines formalen Argumentes exakt entspricht. 2 Wenn kein... Argument definiert wurde, genügt eine eindeutige Übereinstimmung am Beginn des Namens. 3 Position in der Argumentliste. 4 Verbleibende tatsächliche Argumente werden Teil von... (falls definiert). Anmerkung: Nicht alle formalen Argumente müssen auch durch tatsächliche Argumente abgedeckt werden. Beim Aufruf einer Funktion werden die Argumente nur geparsed, aber nicht evaluiert. Die Auswertung des Argumentes erfolgt erst, wenn das Argument zum ersten Mal verwendet wird: > myfun <- function(x, y) { + if (x < 0) return(nan) + else return(y * log(x)) + } > myfun(-1) [1] NaN > myfun(2, 3) [1] > myfun(2) Error in y * log(x) : y is missing Bettina Grün c SS 2011 Einführung in R 38 / 46 Bettina Grün c SS 2011 Einführung in R 39 / 46
11 Flusskontrolle Der if Befehl Als vollwertige Programmiersprache besitzt S eine Reihe von Strukturen zur Kontrolle des Programmflusses. Iterationen werden durch die Befehle for, while und repeat zur Verfügung gestellt. Für bedingte Auswertungen können if, else und switch() verwendet werden. for und if sind von diesen, die bei weitem am häufigsten verwendeten. if-else Konstrukte haben die folgende Form. > if( Test ) { + Anweisungsblock_1 + } else { + Anweisungsblock_2 + } Wenn der Test den Wert TRUE liefert, wird Anweisungsblock_1 ausgeführt, sonst Anweisungsblock_2. Der else-teil ist optional. Bettina Grün c SS 2011 Einführung in R 40 / 46 Der if Befehl / 2 Ein typisches Beispiel für die Verwendung von if: > if (any(x < 0)) + stop("negative Werte in x") Auswahl zwischen mehreren Möglichkeiten: > if (all(x >= 0)) { + sqrt(x) + } else { + sqrt(x + 0i) + } Bettina Grün c SS 2011 Einführung in R 41 / 46 Wichtige R Funktionen q(): Beende die Session. Es wird gefragt, ob der Workspace (im File.RData) gespeichert werden soll. help(): Bekomme Hilfeseite für eine Funktion oder ein Objekt. help.start(): Verwende einen Webbrowser für das Lesen der Hilfe. ls(): Liste die Objekte im Workspace auf. rm(): Lösche Objekte im Workspace. save.image(): Speichern des Workspace-Inhalts in einem File. save(): Speichern eines Objekts in einem File. load(): Laden von mit R gespeicherten Daten. example(): Führe das Beispiel auf der Hilfeseite aus. str(): Anzeigen der Struktur eines Objekts. summary(): Fasse die Information über ein Objekt kurz zusammen. plot(): Erstelle eine Graphik für ein Objekt. library(): Laden von zusätzlichen (schon installierten) Packages. Bettina Grün c SS 2011 Einführung in R 42 / 46 Bettina Grün c SS 2011 Einführung in R 43 / 46
12 Einlesen von Daten Erstellen von Skripts In R gibt es die Möglichkeit, die Daten aus den verschiedensten Formaten einzulesen. Eine nähere Beschreibung befindet sich in R Data Import/Export. Häufig benötigte Befehle sind: read.table(): Einlesen von Daten in Tabellen-Format aus einer Datei und Erzeugen eines Data Frames Wichtige Parameter sind z.b. header, sep. read.csv() und read.csv2() sind spezielle Funktionen für Dateien im CSV-Format, in dem man z.b. Excel-Dateien abspeichern kann. Bei read.csv2() sind die Einträge durch Strichpunkte getrennt und das Dezimalzeichen ist wie im Deutschen üblich ein Komma. load(): Laden von Daten (und auch Objekten), die in R mit save() gespeichert worden sind Um Reproduzierbarkeit der R Sessions zu erreichen, können die einzelnen Befehle in ein File geschrieben werden und daraus nach R geladen werden. Verwende einen externen Editor zum Schreiben eines Skripts: Notepad, Tinn-R, Emacs... Einlesen des Skripts in R: > source("skript.r") Wenn die Befehle und Ergebnisse am Bildschirm mitverfolgt werden sollen: > source("skript.r", echo = TRUE) Wenn nur die Ergebnisse am Bildschirm mitverfolgt werden sollen: > source("skript.r", print.eval = TRUE) Bettina Grün c SS 2011 Einführung in R 44 / 46 Bettina Grün c SS 2011 Einführung in R 45 / 46 Erstellen von Skripts / 2 Mithilfe von sink kann die Ausgabe vom Bildschirm in eine Datei umgeleitet werden: > sink("sink.txt") > source("skript.r", echo = TRUE) > sink() Bettina Grün c SS 2011 Einführung in R 46 / 46
Einheit 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
MehrEinführung in R. Felix Kuhr Institut für Informationssysteme Universtität zu Lübeck. December 13, 2016
Einführung in R Felix Kuhr Institut für Informationssysteme Universtität zu Lübeck December 13, 2016 Einführung R ist ein Software-Paket für statistisches Rechnen. R ist eine Open Source Implementierung
MehrEinführung in R. Matthias Templ, Leonhard Seyfang. Oktober 2005
Einführung in R Matthias Templ, Leonhard Seyfang Oktober 2005 Ausblick 1. Was ist R? Warum ausgerechnet R? (eine kurze Werbung) 2. Installation von R 3. Informationsmaterial zu R 4. GUI s für R; R-Commander
MehrStatistische Software (R-Vertiefung) Kontrollstrukturen: Bedingte Anweisungen. Logische Operatoren & Verknüpfungen. Syntax. Paul Fink, M.Sc.
Kontrollstrukturen: Bedingte Anweisungen Statistische Software (R-Vertiefung) if ( Bedingung ) { Ausdruck 1 } else { Ausdruck 2} Paul Fink, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München
MehrKlaus 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,
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
MehrGrundlagen C R ash-kurs
Grundlagen C R ash-kurs Torsten Hothorn Institut für Statistik Was ist S? Was ist R? S ist eine Sprache für Datenanalyse und Graphik, entwickelt von John Chambers und Kollegen in den Bell Laboratories
MehrProgrammieren mit statistischer Software
Programmieren mit statistischer Software Eva Endres, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Grundbegriffe Danksagung Herzlichen Dank an Manuel Eugster, Cornelia Oberhauser
MehrSyntax Variablen. mtrx <- matrix (c(1,2,3,4,5,6),ncol=2,nrow=3) Anzeigen des Types: class(var) Umwandeln mit: as.vector(mtrx)
TUTORIUM BIOINFORMATIK SS17 Was ist R? Programmiersprache für statistische Analysen Funktionelle Programmiersprache Einfach und effektiv Bietet Funktionen zum Einlesen und Analysieren von Daten Erzeugen
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
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
MehrStatistisches Programmieren
Statistisches Programmieren Session 1 1 Was ist R R ist eine interaktive, flexible Software-Umgebung in der statistische Analysen durchgeführt werden können. Zahlreiche statistische Funktionen und Prozeduren
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:
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
MehrC# - Einführung in die Programmiersprache Methoden. Leibniz Universität IT Services
C# - Einführung in die Programmiersprache Methoden Leibniz Universität IT Services 02.07.12 Methoden... sind Subroutinen in einer Klasse. können einen Wert an den Aufrufer zurückgeben. verändern die Eigenschaften
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
MehrInformatik Erste Schritte mit MATLAB
Informatik Erste Schritte mit MATLAB 1. Der Bildschirmarbeitsplatz Ihr Rechner ist über ein Netzwerk (Kabel + Programme für den Datenaustausch mit einem speziellen Rechner (im RZBT) verbunden, dem Server.
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
MehrProgrammiervorkurs für die Numerik Teil 2/4
line 1 1 0.8 0.6 0.4 0.2 0-0.2-0.4 Programmiervorkurs für die Numerik Teil 2/4 Christian Power Mathematisches Institut Universität Tübingen -8-6 -4-2 0 05.10.2016 2 4 6 8-8 -6-4 -2 0 2 4 6 8 Wiederholung
MehrKurze Einführung in R
Dr. Katharina Best Sommersemester 2011 Kurze Einführung in R WiMa-Praktikum Erste Schritte R wird durch Eintippen von R in der Konsole gestartet. Beendet wird es durch q() oder quit(). Es existieren auch
MehrEinführung in die Ökonometrie - Übung
Einführung in die Ökonometrie Übung Einführung in die angewandte Regressionsanalyse mit R Allgemeine Einführung in R Deskriptive und explorative Datenanalyse mit R Regressionsanalyse mit R Programmieren
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,
MehrObjekte haben eine eigene Notation, also Schreibweise, beim Aufruf:
JavaScript - Inhalt 1. Objekte 2. Arrays 3. Callbacks 1)JavaScript Objekte Objekte haben eine eigene Notation, also Schreibweise, beim Aufruf: Eine Methode wird immer mit dem Namen des Objekts, einem Punkt
MehrStatistische Software (R)
Statistische Software (R) Paul Fink, M.Sc., Eva Endres, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Einführung Statistik und Computer Nach Efron (2003): Statistik im 20. Jahrhundert
MehrStatistik für Informatiker, SS 2017 Organisatorisches, ein Startbeispiel und eine sehr knappe R-Einführung
1/18 Statistik für Informatiker, SS 2017 Organisatorisches, ein und eine sehr knappe R-Einführung Matthias Birkner http://www.staff.uni-mainz.de/birkner/statinfo17/ 19.4.2017 2/18 Herzlich willkommen zur
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
Mehrm-files sind Folgen von MATLAB-Anweisungen oder Daten-Files.
MATLAB m-files m-files sind Folgen von MATLAB- oder Daten-Files. Erstellen von m-files Über File New M-file wird ein Texteditor geöffnet. Dort wird das m-file als ASCII-File erzeugt und unter name.m im
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?...............................
MehrNumerik-Programm, mittlerweile mit vielen Erweiterungen (Toolboxen) Matlab = Matrix Laboratory Sehr gute Doku (doc, help, lookfor)
Matlab Numerik-Programm, mittlerweile mit vielen Erweiterungen (Toolboxen) Matlab = Matrix Laboratory Sehr gute Doku (doc, help, lookfor) Arbeitsumgebung Die Fenster Konsole zur Befehlseingabe (Command
Mehr4.2 Selbstdefinierte Matlab-Funktionen 1. Teil
4.2 Selbstdefinierte Matlab-Funktionen 1. Teil 37 Ein m-file mit Namen Funktionsname.m und einer ersten Zeile der folgen Form: function Funktionsname(input1,input2,...,inputn) oder function output1=funktionsname(input1,input2,...,inputn)
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
MehrFunktionen in JavaScript
Funktionen in JavaScript Eine Funktion enthält gebündelten Code, der sich in dieser Form wiederverwenden lässt. Mithilfe von Funktionen kann man denselben Code von mehreren Stellen des Programms aus aufrufen.
MehrUrsprünge. Die Syntax von Java. Das Wichtigste in Kürze. Konsequenzen. Weiteres Vorgehen. Rund um Java
Ursprünge Die Syntax von Java Borland Software Corp 1995 Syntax: Pascal Objektorientierte Prorammierung optional Plattformen: Windows (Linux, Mac OS X) Sun Microsystems 1995 Syntax: C/C++ Objektorientiert
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
MehrFunktionen in JavaScript
Funktionen in JavaScript Eine Funktion enthält gebündelten Code, der sich in dieser Form wiederverwenden lässt. Es können ganze Programmteile aufgenommen werden. Mithilfe von Funktionen kann man denselben
MehrMATLAB Sommersemester 2018 Dr. Ulf Mäder
MATLAB Sommersemester 2018 Dr. Ulf Mäder Dr. Ulf Mäder - IMPS Folie 1 MATLAB - Befehle Allgemeine Form Zuweisungen Zwei Arten von Befehlen Anweisungen >> = Einfache Spezialform
Mehr2 Teil 2: Nassi-Schneiderman
2 Teil 2: Nassi-Schneiderman Wie kann man Nassi-Schneiderman in einer objektorientierten Sprache verwenden? Jedes Objekt besitzt Methoden, welche die Attribute des Objektes verändern. Das Verhalten der
MehrPython Einführung. Monica Selva Soto. 24 März Mathematisches Institut
Mathematisches Institut mselva@math.uni-koeln.de 24 März 2009 Übungen zur Numerik 1 Vorlesung Übungen praktische Aufgaben Webseite: (Anmeldung, Übungsblätter) http://www.mi.uni-koeln.de/~mselva/numerik1.php
MehrUlrich Stein
Von C nach MATLAB Einführung in MATLAB für Personen mit C-Kenntnissen Datentypen ähnlich in C und MATLAB, dort aber automatische Typzuweisung möglich double a = 2; Arrays a = double( 2 ); aber auch a =
MehrArrays. Theorieteil. Inhaltsverzeichnis. Begriffe. Programmieren mit Java Modul 3. 1 Modulübersicht 3
Programmieren mit Java Modul 3 Arrays Theorieteil Inhaltsverzeichnis 1 Modulübersicht 3 2 Eindimensionale Arrays 3 2.1 Arrays deklarieren.............................. 3 2.2 Arrays erzeugen................................
MehrC++ Teil 2. Sven Groß. 16. Apr IGPM, RWTH Aachen. Sven Groß (IGPM, RWTH Aachen) C++ Teil Apr / 22
C++ Teil 2 Sven Groß IGPM, RWTH Aachen 16. Apr 2015 Sven Groß (IGPM, RWTH Aachen) C++ Teil 2 16. Apr 2015 1 / 22 Themen der letzten Vorlesung Hallo Welt Elementare Datentypen Ein-/Ausgabe Operatoren Sven
MehrDas diesem Dokument zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen
Das diesem Dokument zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 16OH21005 gefördert. Die Verantwortung für den Inhalt dieser
MehrBash-Skripting Linux-Kurs der Unix-AG
Bash-Skripting Linux-Kurs der Unix-AG Sebastian Weber 13.06.2012 Was ist ein Bash-Skript? Skript muss mit chmod +x ausführbar gemacht sein Aneinanderreihung von Befehlen normale Befehle nutzbar Sebastian
MehrStatistik und Computer. Statistische Software (R) Was ist Statistiksoftware? Formeln und Code. Applications. Theory. Methodology
Statistik und Computer Efron (2001): Statistik im 20. Jahrhundert Applications Statistische Software (R) Paul Fink, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Einführung Theory
MehrProbeklausur: Programmierung WS04/05
Probeklausur: Programmierung WS04/05 Name: Hinweise zur Bearbeitung Nimm Dir für diese Klausur ausreichend Zeit, und sorge dafür, dass Du nicht gestört wirst. Die Klausur ist für 90 Minuten angesetzt,
MehrProgramming 101. Carl Herrmann IPMB & DKFZ
Programming 101 Carl Herrmann IPMB & DKFZ Programmieren Kommandozeile Einfache Befehle Shell Skript aneinanderketten von Befehlen Schleifen Programmiersprache Komplexere Aufgaben Gemeinsamkeiten Alle Programmiersprachen
MehrProgrammiersprache 1 (C++) Prof. Dr. Stefan Enderle NTA Isny
Programmiersprache 1 (C++) Prof. Dr. Stefan Enderle NTA Isny 7. Funktionen Einleitung Nach dem Prinzip Divide and Conquer bietet es sich an, größere Aufgaben in kleinere Teile zu unterteilen. Anweisungsblöcke,
MehrDie Syntax von Java. Ursprünge. Konsequenzen. Das Wichtigste in Kürze. Weiteres Vorgehen. Rund um Java. Sun Microsystems. Borland Software Corp
Ursprünge Die Syntax von Java Borland Software Corp 1995 Syntax: Pascal Objektorientierte Prorammierung optional Plattformen: Windows (Linux, Mac OS X) Sun Microsystems 1995 Syntax: C/C++ Objektorientiert
MehrC++ - Objektorientierte Programmierung Konstruktoren und Destruktoren
C++ - Objektorientierte Programmierung Konstruktoren und Destruktoren hat eine Kantenlänge hat eine Füllfarbe Kantenlänge setzen Füllfarbe lesen Volumen berechnen Leibniz Universität IT Services Anja Aue
Mehrzu große Programme (Bildschirmseite!) zerlegen in (weitgehend) unabhängige Einheiten: Unterprogramme
Bisher Datentypen: einfach Zahlen, Wahrheitswerte, Zeichenketten zusammengesetzt Arrays (Felder) zur Verwaltung mehrerer zusammengehörender Daten desselben Datentypes eindimensional, mehrdimensional, Array-Grenzen
MehrEmpirische Softwaretechnik
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Einführung in das Statistikpaket 2 R?! nicht vergleichbar mit den üblichen Statistikprogrammen wie SAS oder
MehrEinführung in MATLAB + MATLAB Simulink. Dipl.-Inf. Markus Appel
Einführung in MATLAB + MATLAB Simulink Dipl.-Inf. Markus Appel mappel@informatik.hu-berlin.de 28.10.2016 Was ist MATLAB? ein universelles Algebra-Programm zur Lösung mathematischer Probleme grafische Darstellung
MehrMathematische Computer-Software
Mathematische Computer-Software Kommerzielle Computeralgebrasysteme (CAS) Beispiele: Mathematica, Maple, Numerisches und symbolisches Verarbeiten von Gleichungen: Grundrechenarten Ableitung und Integration
Mehr7 Funktionen. 7.1 Definition. Prototyp-Syntax: {Speicherklasse} {Typ} Name ({formale Parameter});
S. d. I.: Programieren in C Folie 7-1 7 Funktionen 7.1 Definition Prototyp-Syntax: Speicherklasse Typ Name (formale Parameter); der Funktions-Prototyp deklariert eine Funktion, d.h. er enthält noch nicht
MehrLineare Algebra mit dem Statistikprogramm R
SEITE 1 Lineare Algebra mit dem Statistikprogramm R 1. Verwendung von Variablen Variablen werden in R definiert, indem man einem Variablennamen einen Wert zuweist. Bei Variablennamen wird zwischen Groß
MehrCrashkurs Haskell Mentoring WiSe 2016/17. Anja Wolffgramm Freie Universität Berlin
Crashkurs Haskell Mentoring WiSe 2016/17 Anja Wolffgramm Freie Universität Berlin 02/11/2016 , Inhalt Kommandozeile Haskell installieren & starten Ein 1. Haskell-Programm Funktionsdefinition Primitive
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
MehrProgrammierkurs Python I
Programmierkurs Python I Michaela Regneri & Stefan Thater Universität des Saarlandes FR 4.7 Allgemeine Linguistik (Computerlinguistik) Winter 2010/11 Übersicht Kurze Wiederholung: while Sammeltypen (kurz
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:
MehrMartin Unold INFORMATIK. Geoinformatik und Vermessung
Zusammenfassung Was ist eine Programmiersprache? Eine Sprache, die Formal eindeutig in Maschinenbefehle übersetzbar ist Für Menschen einfacher verständlich ist als Bytecode Zur Formulierung von Datenstrukturen
MehrZweiter Teil des Tutorials. Workspace M-files Matrizen Flow Control Weitere Datenstrukturen Gemeinsames Beispiel erarbeiten
Zweiter Teil des Tutorials Workspace M-files Matrizen Flow Control Weitere Datenstrukturen Gemeinsames Beispiel erarbeiten Workspace Im Workspace sind die Variablen mit ihrem jeweiligen Wert gespeichert.
MehrVorbemerkung. Allgemeines zu Shell Scripts. Aufruf. Einfaches Beispiel
Inhalt: Vorbemerkung...1 Allgemeines zu Shell Scripts...1 Aufruf...1 Einfaches Beispiel...1 Testen eines Shell-Scripts...2 Kommandozeilen-Parameter...2 Prozeßsteuerung...3 Bedingte Ausführung: if...3 Mehrfachentscheidung:
MehrSchülerworkshop Computertomographie Mathematik als Schlüsseltechnologie
Schülerworkshop Computertomographie Mathematik als Schlüsseltechnologie Peter Quiel 1. und 2. Juni 2007 MATLAB-Einführung Überblick Für die nächsten 1 ½ Stunden ist MATLAB unser Thema! Was ist MATLAB,
Mehr3 Kurzeinführung in Matlab
3 Kurzeinführung in Matlab Matlab ist ein sehr leistungsfähiges interaktives Programmpaket für numerische Berechnungen. Nutzen Sie dies parallel zu den Vorlesungen. Sie können damit persönlich erfahren,
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
Mehr2 Eine einfache Programmiersprache
2 Eine einfache Programmiersprache Eine Programmiersprache soll Datenstrukturen anbieten Operationen auf Daten erlauben Kontrollstrukturen zur Ablaufsteuerung bereitstellen Als Beispiel betrachten wir
Mehr2 Eine einfache Programmiersprache. Variablen. Operationen Zuweisung. Variablen
Variablen Eine Programmiersprache soll Datenstrukturen anbieten Operationen auf Daten erlauben Kontrollstrukturen zur Ablaufsteuerung bereitstellen Variablen dienen zur Speicherung von Daten. Um Variablen
MehrL A TEX-Tipps & knitr
L A TEX-Tipps & knitr Propädeutikum im Sommersemester 2016 Paul Fink Institut für Statistik, LMU 08.04.2016 Paul Fink (LMU) LaTeX-Tipps & knitr 08.04.2016 1 / 11 knitr Wozu? Direkte Verknüpfung von L A
MehrAngewandte Mathematik und Programmierung
Angewandte Mathematik und Programmierung Einführung in das Konzept der objektorientierten Anwendungen zu mathematischen Rechnens WS 2013/14 Operatoren Operatoren führen Aktionen mit Operanden aus. Der
Mehrjavascript Coding-Guidelines 2. Ausgabe Februar 2015 Der Guideline beschreibt den verwendeten Coding-Stil von javascript als eigene Richtline.
javascript Coding-Guidelines 2. Ausgabe Februar 2015 Der Guideline beschreibt den verwendeten Coding-Stil von javascript als eigene Richtline. Inhalts-Verzeichnis 1. Allgemeine Richtlinien...1 1.1 Anzahl
MehrGrundlagen von MATLAB
Die folgenden Folien zur Vorlesung Grundlagen der Informatik betreffen den Teil Grundlagen von MATLAB Quelle für diese Zusammenstellung ist eine Ausarbeitung von R. Trefft unter Betreuung von A. Chamakh
MehrS: nur für Statistiker?
S: nur für Statistiker? Gliederung - Übersicht Was ist S? Historie S: die Sprache Beispiele R GUI Anwendungen Was ist S? An Interactive Environment for Data Analysis and Graphics Programmiersprache für
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
MehrSchleifen Datenfelder (Arrays) Verzweigungen
Schleifen Datenfelder (Arrays) Verzweigungen Vektoren, Matrizen, Tabellen for, while, foreach, if-else und switch-case Dr. Beatrice Amrhein Überblick Schleifen o for, while, foreach Eindimensionale Arrays
MehrMobile Anwendungsentwicklung - Überblick über ios & Swift I -
Mobile Anwendungsentwicklung - Überblick über & I - Prof. Dr. Michael Cebulla 4. November 2016 Hochschule Schmalkalden Wintersemester 2016/17 1 / 38 M. Cebulla Mobile Anwendungsentwicklung Gliederung 1
MehrMatlab: eine kleine Einführung
Praktikum zur Vorlesung: Numerische Mathematik für Lehramt SS 2006 Matlab: eine kleine Einführung Jan Mayer 27. April 2006 Linux Matlab: eine kleine Einführung 2 Linux Matlab starten: 1. Konsole öffnen
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
MehrProf. Dr. Stefan Funken, Dipl.-Ing. Christoph Erath 15. Mai WiMa-Praktikum (Matlab 2/9) Einführung in LATEXund Matlab
Prof. Dr. Stefan Funken, Dipl.-Ing. Christoph Erath 15. Mai 2009 WiMa-Praktikum (Matlab 2/9) Einführung in LATEXund Matlab Page 2 WiMa-Praktikum (Matlab 2/9) 15. Mai 2009 Funken / Erath Matlab 2/9 m-files
MehrEinführung in den Einsatz von Objekt-Orientierung mit C++ I
Einführung in den Einsatz von Objekt-Orientierung mit C++ I ADV-Seminar Leiter: Mag. Michael Hahsler Syntax von C++ Grundlagen Übersetzung Formale Syntaxüberprüfung Ausgabe/Eingabe Funktion main() Variablen
MehrKlausur Grundlagen der Programmierung
Klausur Grundlagen der Programmierung Aufgabenstellung: Martin Schultheiß Erreichte Punktzahl: von 60 Note: Allgemeine Hinweise: Schreiben Sie bitte Ihren Namen auf jedes der Blätter Zugelassene Hilfsmittel
MehrÜbersicht Shell-Scripten
!!!! Wichtig: Bei Shell-Scripten enden die Zeilen nicht mit einem Strichpunkt!!!! Erste Zeile eines Shell-Scripts: #! /bin/bash Variablen in Shell-Scripts: Variablennamen müssen mit einem Buchstaben beginnen,
MehrBash-Skripting Linux-Kurs der Unix-AG
Bash-Skripting Linux-Kurs der Unix-AG Sebastian Weber 07.01.2013 Was ist ein Bash-Skript? Skript muss mit chmod +x ausführbar gemacht sein Aneinanderreihung von Befehlen normale Befehle nutzbar Sebastian
MehrStatistische Datenanalyse mit R. Dr. Andrea Denecke Leibniz Universität IT-Services
Statistische Datenanalyse mit R Dr. Andrea Denecke Leibniz Universität IT-Services Funktionen Eigene Funktionen in R haben den Aufbau namefunction
MehrWS2018/ Oktober 2018
Einführung in die Programmierung Ronja Düffel WS2018/19 05. Oktober 2018 Rückblick Datentypen bool Zahlen (int und float) string Variablen Kontrollstrukturen Verzweigungen (if...: und if...else:) Schleifen
MehrProgrammieren I. Kapitel 5. Kontrollfluss
Programmieren I Kapitel 5. Kontrollfluss Kapitel 5: Kontrollfluss Ziel: Komplexere Berechnungen im Methodenrumpf Ausdrücke und Anweisungen Fallunterscheidungen (if, switch) Wiederholte Ausführung (for,
MehrWS2017/ Oktober 2017
Einführung in die Programmierung Ronja Düffel WS2017/18 09. Oktober 2017 Rückblick Datentypen bool Zahlen (int und float) string Variablen Kontrollstrukturen Verzweigungen (if...: und if...else:) Schleifen
MehrÜBUNGS-BLOCK 7 LÖSUNGEN
ÜBUNGS-BLOCK 7 LÖSUNGEN Aufgabe 1: Gegeben ist folgender Code: Auto[] array = new Auto[3]; // Alle Autos im Array tunen: for (int i = 1; i
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
Mehr7. Einführung in C++ Programmieren / Algorithmen und Datenstrukturen 1 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt
7. Einführung in C++ Programmieren / Algorithmen und Datenstrukturen 1 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt 1 Kontrollfragen Rekursion Was bedeutet Rekursion? Geben Sie Beispiele
MehrShell. Oder Konsole suchen im Application Finder. Auch Terminal, Bash oder Kommandozeile genannt. Bash nimmt Befehle entgegen und führt diese aus
LUKAS LEIPOLD Shell Shell Oder Konsole suchen im Application Finder Auch Terminal, Bash oder Kommandozeile genannt Bash nimmt Befehle entgegen und führt diese aus Befehle I cd mkdir pwd rm mv cp ls ln
MehrEine Einführung in R: Programmstrukturen
Eine Einführung in R: Programmstrukturen Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 4. November 2009 Bernd Klaus, Verena Zuber
Mehr