R starten (Arbeitsverzeichnis wählen, Workspace abspeichern, History abspeichern)
|
|
- Ella Goldschmidt
- vor 7 Jahren
- Abrufe
Transkript
1 Zusammenfassung Sitzung 1: R installieren (wichtig für später: neue Versionen) R starten (Arbeitsverzeichnis wählen, Workspace abspeichern, History abspeichern) R-Konsole als Dialog, farbliche Darstellung, Zurückholen früherer Kommandos, unvollständige Eingabe, Abbruch mit ESC-Taste, Kommentare Einfache Berechnungen ( +, -, *, /, ^, %/%, %%), Punkt- vor Strichrechnung usw., Klammern Mathematische Funktionen und Umkehrfunktionen R beenden (vorher Konsoleninhalt als Text sichern, Workspace speichern) 1
2 Zusammenfassung Sitzung 2: Zuweisungen und Objekte Logische Vergleiche (==,!= (ungleich), <, <=, >, >=), Wahrheitswerte TRUE und FALSE Erzeugen von Vektoren (c, seq, rep, a : b, scan) Rechnen mit Vektoren (Operationen mit zwei Vektoren: komponentenweise) Zu kurze Vektoren werden recycelt Zugriff auf einzelne Komponenten und Teilvektoren (Lesen und Schreiben) 2
3 Zusammenfassung Sitzung 3: Erzeugen von Matrizen (matrix, cbind, rbind) Benennen der Zeilen und/oder der Zeilendimension Benennen der Spalten und/oder der Spaltendimension Zugriff auf einzelne Komponenten, einzelne Zeilen und Spalten Erzeugen von Listen (list) Zugriff auf einzelne Einträge einer Liste (doppelte eckige Klammern, $ Eintragsname) 3
4 Zusammenfassung Sitzung 4: Datentabelle (data.frame) als grundlegender Objekttyp für statistische Daten (Vorteil gegenüber Matrix: Spalten unterschiedlichen Datentyps sind möglich) Vereinfachter Zugriff auf Spalten durch attach (Dabei entsteht eine lokale Arbeitskopie der Spalte, die ursprüngliche Datentabelle bleibt auch bei ändernden Zuweisungen erhalten) rückgängig mit detach Datentyp einer Spalte (bzw. eines beliebigen Objekts): class Datentyp factor : Kategoriales Merkmal, Darstellung durch Zeichen bzw. Zeichenkette Grundfunktionen der deskriptiven Statistik: mean, median, min, max Alle zusammen in summary (zusätzlich 1. und 3. Quartil) Geordnete Auflistung der Merkmalswerte (sort) bzw. der nach diesem Merkmal geordneten Merkmalsträger-Nummern (order) 4
5 Zusammenfassung Sitzung 5: Streudiagramm zweier Merkmale mit plot (x, y) Layout einer Graphik: Beschriftungen, las, xlim, ylim, col, pch (usw. usw.) Ermittlung einer Regressionsgeraden: lm (y ~ x) Einfügen einer Geraden: abline Zeichnen einer Funktionskurve : curve (hier: ergänzend zur vorhandenen Graphik) Aufteilung von Daten nach einem kategorialen Gruppierungsmerkmal: Vektor[Gruppierungsmerkmal == Ausprägung] split (Vektor, Gruppierungsmerkmal) split (data.frame, Gruppierungsmerkmal) Dritte Variante: Zuordnung zu Merkmalsträgern bleibt erhalten Vorsicht: Gruppierungsmerkmal wirkt bei beliebigen Vektoren, Zugehörigkeit zum gleichen data.frame wird nicht geprüft Konflikt durch mehrfach auftretende Namen bei attach: gelöst durch Maskierung (Ausblenden): Warnhinweis, Zugriff erfolgt auf dasjenige Objekt mit einem mehrfach auftretenden Namen, das durch den zuletzt ausgeführten attach-befehl zugewiesen wurde. Nach entsprechendem detach ist das vor dem letzten attach verfügbare Objekt mit diesem Namen wieder zugreifbar. Vorsicht mit detach(): besser detach(objekt), damit man nicht ungewollt detach auf etwas anwendet, das man selbst (oder das System) noch braucht 5
6 Zusammenfassung Sitzung 6: Gruppierung von mehreren Graphiken mit par ( mfrow = c (Zeilenzahl, Spaltenzahl) ) 6
7 Zusammenfassung Sitzung 7: Boxplots, Histogramme R-Skripte: mehrere Befehle in einem Editor-Fenster, Abschicken an die Konsole zur Ausführung: Strg-R (einzeln oder als markierter Block), Skript muss separat gespeichert werden Vorteil: Komplexere Abläufe (z. B. gruppierte Graphiken) können modifiziert und dann als Ganzes nochmal abgearbeitet werden. Wahrscheinlichkeitsverteilungen in R Beispiel Standardormalverteilung N (0, 1): Idee: zufällige Ziehung eines Wertes (im Beispiel zwischen - und + ) dnorm (x): qnorm (p): pnorm (q): Dichtefunktion (zur Kennzeichnung der Verteilung gezeichnete Kurve: Flächen unter der Kurve Integrale von a bis b entsprechen Wahrscheinlichkeiten, dass ein Wert zwischen a und b gezogen wird) Quantilsfunktion (Bei welchem Wert q liegt genau eine Wahrscheinlichkeitsmasse der Größe p links von q unter der Kurve?) Verteilungsfunktion (wieviel Wahrscheinlichkeitsmasse liegt links von q unter der Kurve?) d, q, p geht mit jeder in R verfügbaren Verteilung (z. B. dt, qf, pchisq usw.) 7
8 Zusammenfassung Sitzung 7 (fortgesetzt): Der Vollständigkeit halber: Erzeugung von Pseudo-Zufallszahlen mit einer vorgegebenen Verteilung für die Durchführung von Simulationen (z. B. Untersuchung eines Verfahrens, das die Verteilung aus den Daten ermitteln soll, mit der Zusatzinformation, dass ich die tatsächlich zugrundeliegende Verteilung schon kenne) : rnorm (n): Vektor von n standardnormalverteilten Zahlen. r (n) funktioniert ebenfalls mit allen in R verfügbaren Verteilungen set.seed (Zahl) setzt den Anfangspunkt auf der pseudo-zufälligen Liste fest (falls man genau diese Ziehung später noch einmal erzeugen will) dnorm, qnorm, pnorm, rnorm (x, mean =, sd = ) liefern die entsprechenden Ergebnisse für eine beliebige Normalverteilung N (mean, sd) mit Erwartungswert mean und Standardabweichung sd. Programmierung von Schleifen: for (i in a:b) { Befehl_1 ; Befehl_2 ; } In jedem Durchlauf können die Befehle den neuen Wert von i = a,, b verwenden. (Bitte möglichst nicht benutzen, um von einer Komponente zur anderen durch einen Vektor durchzulaufen stattdessen Vektoroperationen mit dem ganzen Vektor.) 8
9 Zusammenfassung Sitzung 8: Konfidenzintervall: Zahlenbereich, in dem mit einer vorgegebenen Wahrscheinlichkeit der Wert für den gesuchten Parameter der Grundgesamtheit liegt (-> Intervallschätzung als Ergänzung zur Punktschätzung des Parameters) Anmerkung: Berechnetes Intervall ist nur empirische Entsprechung des eigentlichen Konfidenzintervalls Berechnung von Hand und mit der Funktion t.test Größere Stichprobe: Kleineres Intervall, d. h. genauere Schätzung Hypothesentest: datengestütztes Bestätigen oder Verwerfen eines bestimmten Wertes bzw. einer bestimmten Aussage (Wiederholung des grundlegenden Testkonzeptes) Ein-Stichproben-t-Test zum Erwartungswert der Grundgesamtheit: Mit Hilfe des Mittelwertes und der Standardabweichung der Stichprobe kann ich einen bestimmten Wert für den Erwartungswert der Grundgesamtheit verwerfen oder bestätigen (von Hand und mit Funktion t.test) 9
10 Zusammenfassung Sitzung 9: Verkettung von mehreren Zeichenketten und Zahlen für Überschriften etc. mit cat(zeichenkette1, Zahl 1, Zeichenkette2, Zahl2, ) Erzeugen von Csv-Dateien (durch Trennzeichen getrennte Werte) in Excel / OpenOffice Einlesen von Csv-Dateien in eine R-Datentabelle (read.csv2) R-Pakete: Fundstellen, Installation, Einbinden in den Workspace Umfassende Möglichkeiten, R für bestimmte Aufgabenstellungen nachzurüsten Programmieren eigener Funktionen (Argumente, Befehle, Rückgabe des Funktionswertes) Funktionseditor Aufruf mit fix (Fname) Dateneditor Aufruf mit fix (Datentabelle)oder fix (Vektor/Matrix) Export/Import von Objekten (Speichern und Laden als externe Datei) mit dump und source Sitzung 10: Umfassende Abschlussübung 10
Dipl.-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,
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
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
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 7 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 212/13 Abschlussübung 1. Sitzung: Laden Sie die Datei BIP S_Kreise_29.csv aus
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,
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 8. Sitzung Konfidenzintervalle, Hypothesentests > # Anwendungsbeispiel
MehrÜbungsaufgaben. zahlen bis auf das 3. und 7. Element enthält. (e) Erstellen Sie einen Vektor. zahlen3, der ein Klon von
Kurzeinführung in R Prof. Dr. Andreas Behr 1. Erzeugen Sie folgende Vektoren: (a) a : {1, 3, 7} Übungsaufgaben (b) b : { Katja, Christoph, Gerald, Jurij } (c) d : {T RUE, T RUE, F ALSE} 2. Erzeugen Sie
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>
MehrWolf-Gert Matthäus. Lösungen für die Statistik mit Excel 97
Wolf-Gert Matthäus Lösungen für die Statistik mit Excel 97 Vorwort 9 Einleitung 11 1 Excel 97 - Zusammenstellung einiger Möglichkeiten 13 1.1 Begriffe und Bedienung 13 1.2 Niveaustufen der Arbeit mit Excel
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
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
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
MehrStatistik mit MATHCAD und MATLAB
Hans Benker Statistik mit MATHCAD und MATLAB Einführung in die Wahrscheinlichkeitsrechnung und mathematische Statistik für Ingenieure und Naturwissenschaftler Mit 31 Abbildungen Springer Einleitung 1 1.1
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
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
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
MehrGrundlagen der Bioinformatik Übung 5 Einführung in R. Ulf Leser, Yvonne Mayer
Grundlagen der Bioinformatik Übung 5 Einführung in R Ulf Leser, Yvonne Mayer Introduction to R Ulf Leser: Grundlagen der Bioinformatik, Sommer Semester 2016 2 Einführung in R Voraussetzung: funktionsfähige
MehrWorkshop Statistik mit R
Workshop Statistik mit R Aufgaben Stefan Heyder 7. und 8. März 2019 1 Grundlagen R und Vektoren 1.1 Einen Vektor erstellen (i) Erstellen Sie einen Vektor x welcher die Zahlen 1 bis 12 enthält. (ii) Multiplizieren
MehrWolfgang Kohn Riza Öztürk. Statistik für Ökonomen. Datenanalyse mit R und SPSS. 3., überarbeitete Auflage. 4^ Springer Gabler
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 3., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Statistik-Programme 3 1.1 Kleine Einführung
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
MehrErwin Grüner
FB Psychologie Uni Marburg 24.11.2005 Themenübersicht Die Funktion Die Funktion Wahrscheinlichkeitsverteilungen Die Funktion Die Funktion dient zur Festlegung von Voreinstellungen für Graphiken. Die Funktion
MehrStatistik für Ökonomen
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS tfü. Springer Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R 3 1.1 Installieren und Starten von R 3 1.2 R-Befehle
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
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
MehrFerienkurse Mathematik Sommersemester 2009
Ferienkurse Mathematik Sommersemester 2009 Statistik: Grundlagen 1.Aufgabenblatt mit praktischen R-Aufgaben Aufgabe 1 Lesen Sie den Datensatz kid.weights aus dem Paket UsingR ein und lassen sie die Hilfeseite
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 13. Januar 2017 Prüfer: Etschberger, Jansen, Ivanov, Wins Studiengang: IM, BW, Inf und W-Inf Punkte: 21, 18, 12, 12, 11, 16 ; Summe der Punkte: 90 Aufgabe
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
MehrProjektarbeit UE Angewandte Statistik I MBIOB 17 Sommersemester 2015
Projektarbeit UE Angewandte Statistik I MBIOB 17 Sommersemester 2015 Projektgruppe: Namen der Teammitglieder: Aufteilung der Projektarbeit auf die einzelnen Teammitglieder: Datum: Seite 2 von 7 Inhalt
Mehr4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
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
MehrGrundlagen der Bioinformatik Assignment 4: Introduction to R. Yvonne Lichtblau SS 2017
Grundlagen der Bioinformatik Assignment 4: Introduction to R Yvonne Lichtblau SS 2017 Presentations Assignment 3 Yvonne Lichtblau: Grundlagen der Bioinformatik, Sommer Semester 2017 2 Overview Assignment
MehrFit for Abi & Study Stochastik
Fit for Abi & Study Stochastik Prof. Dr. Tilla Schade Hochschule Harz 15. und 16. April 2014 No. 1 Stochastik besteht aus: Wahrscheinlichkeitsrechnung Statistik No. 2 Gliederung Grundlagen Zufallsgrößen
MehrR Befehle SS min(x) Bestimmt das Minimum von x Bestimmt die Anzahl der sum(x<=4) Werte von x, die kleiner oder max(x) Bestimmt das Maximum von x
I. Grundlagen: Datenverwaltung, grundlegende Operationen: - Speichern von Objekten:
Mehra <- c("w","e") # Alle elementaren Datentypen können zusammengefasst werden a # Der Umgang mit den Vektoren hängt nicht vom Datentyp ab
Übung 02 - Datenanalyse und Statistik WS 2008/2009 # Starten Sie JGR! # Tutorial: Skalenniveaus in R #- Zahlen und Zeichen 1:4 # Zahlenfolge "Hallo" # Zeichenfolge a
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.............................
MehrSchließende Statistik
Schließende Statistik [statistical inference] Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.
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
MehrI Beschreibende Statistik 1
Inhaltsverzeichnis Vorwort ix I Beschreibende Statistik 1 Lernziele zu Teil I 2 1 Statistik, Daten und statistische Methoden 3 1.1 Statistik im Alltag, in Politik und Gesellschaft...... 3 1.2 Aufgaben
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrMaterial zur Vorlesung Räumliche Statistik
Dr. Felix Ballani SoSe 2018 Material zur Vorlesung Räumliche Statistik Einführung in R Während der folgenden Übungen sollen Sie ab und zu mit dem Statistik-Programm R arbeiten. Das Statistik-Programm R
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 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
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
MehrTheorie-Teil: Aufgaben 1-3: 30 Punkte Programmier-Teil: Aufgaben 4-9: 60 Punkte
Hochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann Probe-Klausur zur Vorlesung Ökonometrie Theorie-Teil: Aufgaben 1-3: 30 Punkte Programmier-Teil: Aufgaben 4-9: 60 Punkte (die eigentliche Klausur wird
MehrBei Anwendung statistischer Verfahren benutzen Sie die unten aufgeführten Abkürzungen!
Bei Anwendung statistischer Verfahren benutzen Sie die unten aufgeführten Abkürzungen! t-test für Korrelationskoeffizient Einstichproben-t-Test Zweistichproben-t-Test F-Test Wilcoxon-Rangtest: tr t t2
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
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter Erwartsungswert und Varianz
MehrEinstieg in SPSS. Man kann auch für jede Ausprägung einer Variablen ein Wertelabel vergeben.
Einstieg in SPSS In SPSS kann man für jede Variable ein Label vergeben, damit in einer Ausgabe nicht der Name der Variable (der kryptisch sein kann) erscheint, sondern ein beschreibendes Label. Der Punkt
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;
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13. > attach(teildaten $ m) # groe.gew ist noch attached
Statistische Ausertungen it R Universität Kassel, FB 7 Wirtschaftsissenschaften Dipl.-Volks. Markus Pullen Winterseester 12/13 Beispiele 6. Sitzung Gruppierte Graphiken, Boxplot, R-Skripte, Histogra >
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
MehrProbeklausur zu Mathematik 3 für Informatik
Gunter Ochs Juli 0 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immel ohne Galantie auf Fehreleiheit Sei f ln a Berechnen Sie die und die Ableitung f und f Mit der Produktregel erhält
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 7. Mai 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 5 Version: 30. April
MehrAufgaben zur Vorlesung Statistische Analyse von Systemen
Dr. Felix Ballani SoSe 2018 Aufgaben zur Vorlesung Statistische Analyse von Systemen Übung am 04. April 2018 Während der folgenden Übungen sollen Sie mit dem Statistik-Programm R arbeiten, das Sie (überwiegend)
MehrEine Einführung in R: Deskriptive Statistiken und Graphiken
Eine Einführung in R: Deskriptive Statistiken und Graphiken Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 27. Oktober 2011 Bernd
MehrSozialwissenschaftliche Datenanalyse mit R
Katharina Manderscheid Sozialwissenschaftliche Datenanalyse mit R Eine Einführung F' 4-1 V : 'i rl ö LiSl VS VERLAG Inhaltsverzeichnis Vorwort 5 Danksagung 7 Inhaltsverzeichnis 9 R für sozialwissenschaftliche
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrKurze Einführung in Octave
Kurze Einführung in Octave Numerische Mathematik I Wintersemester 2009/2010, Universität Tübingen Starten von Octave in einer Konsole octave eintippen (unter Linux) Octave als Taschenrechner Beispiele:
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrÜbungen mit dem Applet Rangwerte
Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen
MehrTeil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation
Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit
MehrStatistik für Ökonomen
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 2., überarbeitete Auflage 4ü Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R '! 3 1.1 Installieren
MehrEinführung Teil I: Erste Schritte bei der statistischen Analyse mit R... 25
O:/Wiley/Reihe_Dummies/71398_Schmuller/3d/ftoc.3d from 26.06.2017 16:16:30 Auf einen Blick Über den Autor.... 9 Einführung... 21 Teil I: Erste Schritte bei der statistischen Analyse mit R.... 25 Kapitel
MehrBivariate explorative Datenanalyse in R
Bivariate explorative Datenanalyse in R Achim Zeileis 2009-02-20 1 Zwei metrische Merk Zunächst einmal wird wieder der BBBClub Datensatz geladen und der Bequemlichkeit halber auch attached. R> load("bbbclub.rda")
MehrDatenstrukturen. Querschnitt. Grösche: Empirische Wirtschaftsforschung
Datenstrukturen Datenstrukturen Querschnitt Panel Zeitreihe 2 Querschnittsdaten Stichprobe von enthält mehreren Individuen (Personen, Haushalte, Firmen, Länder, etc.) einmalig beobachtet zu einem Zeitpunkt
MehrÜber dieses Buch Die Anfänge Wichtige Begriffe... 21
Inhalt Über dieses Buch... 12 TEIL I Deskriptive Statistik 1.1 Die Anfänge... 17 1.2 Wichtige Begriffe... 21 1.2.1 Das Linda-Problem... 22 1.2.2 Merkmale und Merkmalsausprägungen... 23 1.2.3 Klassifikation
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst mit dem R Commander A Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist
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
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrDer Weg eines Betrunkenen
Der Weg eines Betrunkenen 2 Hätte es damals schon Computer gegeben, wäre es für unseren Mathematiker um einiges leichter gewesen, den Weg des Betrunkenen zu bestimmen. Er hätte nicht nur eine beliebige
MehrStichwortverzeichnis. Chi-Quadrat-Verteilung 183, 186, 189, 202 ff., 207 ff., 211 Testen von Zufallszahlen 294 Cărtărescu, Mircea 319
Stichwortverzeichnis A Ableitung partielle 230 absolute Häufigkeit 47 Abweichungen systematische 38, 216, 219 zufällige 216, 218, 220, 222 Algorithmus average case 303 Las Vegas 300 Monte Carlo 300 randomisierter
MehrBeispiele elementarer Datentypen Ganze Zahlen (integer) Unterbereiche Gleitkommazahlen Festkommazahlen
Beispiele elementarer Datentypen Ganze Zahlen (integer) - Werte sind ganze Zahlen in vorgegebenen Bereich (z. B. -2 31 bis 2 31-1) - Übliche Operationen: Arithmetik (z. B. +,-,*, Division mit Rest, Rest
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2017 Organisatorisches Anmeldung in Basis: 19. 23.06.2017 Skript und Übungsaufgaben unter: http://www.iam.uni-bonn.de/users/rezny/statistikpraktikum
MehrStatistik für Bachelorund Masterstudenten
Walter Zucchini Andreas Schlegel Oleg Nenadic Stefan Sperlich Statistik für Bachelorund Masterstudenten Eine Einführung für Wirtschaftsund Sozialwissenschaftler 4y Springer 1 Der Zufall in unserer Welt
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:
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
MehrPhilipp Sibbertsen Hartmut Lehne. Statistik. Einführung für Wirtschafts- und. Sozialwissenschaftler. 2., überarbeitete Auflage. 4^ Springer Gabler
Philipp Sibbertsen Hartmut Lehne Statistik Einführung für Wirtschafts- und Sozialwissenschaftler 2., überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Teil I Deskriptive Statistik 1 Einführung
MehrVorkurs Informatik WiSe 16/17
Java Ausdrücke und Variablen Dr. Werner Struckmann / Stephan Mielke, Jakob Garbe, 05.10.2016 Technische Universität Braunschweig, IPS Überblick Ausdrücke, Datentypen und Variablen Kontrollstrukturen 05.10.2016
MehrNormalverteilung. Erwartungswert, Median und Modus sind identisch. Symmetrieeigenschaft um den Erwartungswert
Normalverteilung Stetige Wahrscheinlichkeitsverteilung, die zahlreiche natur, wirtschafts und sozialwissenschaftliche Merkmalsausprägungen mit guter Näherung abbilden kann und somit von elementarer Bedeutung
MehrGrundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften
Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Grundlagen der Biometrie, WS 2011/12 Vorlesung: Dienstag 8.15-9.45,
MehrNachname: Matrikel-Nr.: Studiengang. Versuch Nr.: Klausur Statistik
Vorname: Nachname: Matrikel-Nr.: Studiengang: Versuch Nr.: Klausur Statistik Prüfer Etschberger, Ivanov, Jansen, Wesp, Wins Prüfungsdatum 5. Juli 2017 Prüfungsort Augsburg Studiengang IM, BW, Inf und W-Inf
MehrDas Ergebnis der Untersuchung eines kardinalskalierten Merkmals X sei in folgender Tabelle wiedergegeben: Ausprägung Anzahl
Aufgabe 10 Deskriptiv: Lageparameter Das Ergebnis der Untersuchung eines kardinalskalierten Merkmals X sei in folgender Tabelle wiedergegeben: Ausprägung 1 2 3 4 7 Anzahl 4 4 6 4 2 a) Bestimmen Sie das
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
MehrWiMa-Praktikum 1. Woche 8
WiMa-Praktikum 1 Universität Ulm, Sommersemester 2017 Woche 8 Lernziele In diesem Praktikum sollen Sie üben und lernen: Besonderheiten der For-Schleife in Matlab Wiederholung des Umgangs mit Matrizen und
Mehr