Dipl.-Volksw. Markus Pullen Wintersemester 2012/13. > attach(teildaten $ m) # groe.gew ist noch attached
|
|
- Hildegard Kerner
- vor 7 Jahren
- Abrufe
Transkript
1 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 > attach(teildaten $ ) # groe.ge ist noch attached The folloing object(s) are asked fro 'groe.ge': geschl, geicht, > geschl [1] Levels: > [1] > gerade. = l ( geicht ~ ) > aab. = gerade. $ coeff [1] > stg. = gerade. $ coeff [2] > detach(teildaten $ ) > geschl # groe.ge ist noch attached [1] Levels: > attach(teildaten $ ) # daher hier ieder die Meldung The folloing object(s) are asked fro 'groe.ge': geschl, geicht, > gerade. = l ( geicht ~ ) > aab. = gerade. $ coeff [1] > stg. = gerade. $ coeff [2] > detach(teildaten $ ) > stg ; stg. ; stg > # die Gesatsteigung ist kein Mittelert aus den Teilgruppen- Steigungen 1
2 Geicht Geicht Geicht > # Zielsetzung: Alle drei Bilder zu direkten Vergleich gruppieren > par(fro = c( 2,2) ) > plot(, geicht, ain= " und Geicht", sub = "Diese Daten sind frei erfunden", xlab="", ylab="geicht", las = 1, xli=c(,), yli=c(,11), pch=as.character(geschl) ) > curve ( aab + stg * x, 15:, add=true) > detach() > attach(teildaten$) > plot(, geicht, ain= " und Geicht (Männer)", sub = "", xlab="", ylab="geicht", las = 1, xli=c(,), yli=c(,11), pch=as.character(geschl) ) > curve ( aab. + stg. * x, 15:, add=true, col="blue") > plot (NULL, NULL) # erzeugt ein freies Feld, aber it Geecker: Fehler in plot.indo(...) : endliche 'xli' Werte nötig Zusätzlich: Warneldungen: 1: In in(x) : kein nicht-fehlendes Arguent für in; gebe Inf 2: In ax(x) : kein nicht-fehlendes Arguent für ax; gebe -Inf 3: In in(x) : kein nicht-fehlendes Arguent für in; gebe Inf 4: In ax(x) : kein nicht-fehlendes Arguent für ax; gebe -Inf > detach() > attach(teildaten$) > plot(, geicht, ain= " und Geicht (Frauen)", sub = "", xlab="", ylab="geicht", las = 1, xli=c(,), yli=c(,11), pch=as.character(geschl) ) > curve ( aab. + stg. * x, 15:, add=true, col="red") und Geicht und Geicht (Männer) und Geicht (Frauen)
3 > # Wir blähen die Beispieltabelle auf: > groe.ge.1 = erge(groe.ge, 1:1) > groe.ge.1 geschl geicht BMI y > sort() [1] [34] [67] [1] 193 > suary() Min. 1st Qu. Median Mean 3rd Qu. Max > sort() [c (1, 25, 26, 5, 51, 75, 76, 1) ] [1] > # > # in 1.Q. Median 3.Q. ax 3
4 > # Graphische Entsprechung zur Suary: der Boxplot > boxplot () > boxplot ( ~ geschl) > par(fro = c (1,4)) > boxplot(, ain = "",yli = c(, ) ) > # Einbeziehung der liefert eine Einschätzung, elche Ausaße der Boxplot relativ zu allgeeinen Niveau des Merkals hat. > boxplot( ~ geschl, ain = "",yli = c(, ) ) > boxplot(geicht, ain = "Geicht",yli = c(, 11) ) > boxplot(geicht ~ geschl, ain = "Geicht",yli = c(, 11) ) Geicht Geicht > # Wir arbeiten ab jetzt bei gruppierten Graphiken it R-Skripten. Dort erden die eingegebenen Befehle gespeichert und können einzeln oder in Gruppen an die R-Konsole überittelt erden. Dort ergibt sich der geohnte Dialog. Denken Sie daran, das Skript abzuspeichern. Alle Befehle daraus, die Sie ausgeführt haben, finden Sie aber auch in der History. > # Ein eiteres deskriptives Überblicksdiagra: das Histogra > par(fro = c(1,3) ) > hist ( ) > hist ( [geschl == ""] ) 4
5 > hist ( [geschl == ""] ) Histogra of Histogra of [geschl == ""] Histogra of [geschl == ""] [geschl == " "] [geschl == ""] > # Problee: Häufigkeitsachse uneinheitlich, Klasseneinteilung bei geschl == eicht ab. > hist ( ) > hist ( [geschl == ""], yli= c(,4), breaks = seq(165, 195, 5) ) > hist ( [geschl == ""], yli= c(,4), breaks = seq(165, 195, 5) ) Histogra of Histogra of [geschl == ""] Histogra of [geschl == ""] [geschl == " "] [geschl == ""] 5
Univariate 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>
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
MehrR starten (Arbeitsverzeichnis wählen, Workspace abspeichern, History abspeichern)
Zusammenfassung Sitzung 1: R installieren (wichtig für später: neue Versionen) R starten (Arbeitsverzeichnis wählen, Workspace abspeichern, History abspeichern) R-Konsole als Dialog, farbliche Darstellung,
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
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
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
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")
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 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 2. Sitzung Wertzuweisungen zu Objekten, Vektoren, Matrizen,
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg
für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 16 Prof. Dr. Stefan Etschberger Hochschule Augsburg Outline 1 : Einführung Berühmte Leute zur Wie
MehrÜbungsrunde 2, Gruppe 2 LVA , Übungsrunde 1, Gruppe 2, Markus Nemetz, TU Wien, 10/2006
1 1.2.3.4. 1.1 Angabe Übungsrunde 2, Gruppe 2 LVA 107.369, Übungsrunde 1, Gruppe 2, 24.10. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 10/2006 Bestimmen Sie für den Datensatz bulb.dat die Quartile,
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
MehrZufallsauswahl mit R
Zufallsauswahl mit R Wie in der Vorlesung erwähnt, werden Zufallsstichproben mit Hilfe eines Computers erzeugt. In R kann der Befehl sample() verwendet werden, um aus einer Grundgesamtheit zufällige Elemente
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,
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
Mehr10. Medizinische Statistik
10. Medizinische Statistik Projektplanung Deskriptive Statistik Inferenz-Statistik Literatur: Hüsler, J. und Zimmermann, H.: Statistische Prinzipien für medizinische Projekte, Verlag Hans Huber, 1993.
MehrStatistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher, Dr. Stan Lai Physikalisches Institut Westbau 2 OG Markus.Schumacher@physik.uni-freiburg.de
Mehr# Erforderlich da Leerstellen in einigen Elementen vorhanden sind kj = read.delim(file.path(pfad, "kj.txt"))
1 Data-Frames, Faktoren, Deskriptive Statistik Jonathan Harrington Siehe auch: R/Rpad Reference Card: http://rpad.googlecode.com/svn/rpad_homepage/rpad-refcard.pdf Für Abbildungen: http://addictedtor.free.fr/graphiques/
MehrModul: Statistik II. Dr.habil. Jochen Merker. Business Intelligence and Statistics Modul: Statistik II Dr.habil. Jochen Merker 1/29
Modul: Statistik II Dr.habil. Jochen Merker Business Intelligence and Statistics 17.09.2013 Modul: Statistik II Dr.habil. Jochen Merker 1/29 1 Formalien Dozent Jochen Merker 1996-2001: Studium der Mathematik
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 1 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen
Mehr- Beschreibung der Stichprobe(n-Häufigkeitsverteilung) <- Ermittlung deskriptiver Maßzahlen (Mittelungsmaße, Variationsmaße, Formparameter)
Mehr
N 1 0 50 0.5 50 0.5 2 1 20 0.2 70 0.7 3 2 15 0.15 85 0.85 4 3 10 0.1 95 0.95 5 4+ 5 0.05 100 1-100 1.00 - -
2 Deskriptive Statistik 1 Kapitel 2: Deskriptive Statistik A: Beispiele Beispiel 1: Im Rahmen einer Totalerhebung der Familien eines Dorfes (N = 100) wurde u.a. das diskrete Merkmal Kinderanzahl (X) registriert.
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
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 207 Streuungsparameter Voraussetzung: kardinale Werte x,..., x n Beispiel: a)
Mehr1. Zellen vervielfachen durch Runterziehen (auch möglich: Rüberziehen zur Seite)
Zusammenfassung Sitzung 1: 0. Neu erzeugte Datei zuerst an einem sinnvollen Ort speichern, zwischendurch immer wieder Strg+S drücken. 1. Zellen vervielfachen durch Runterziehen (auch möglich: Rüberziehen
MehrLösungen zur Hausaufgabe Statistik für Hydrologen 2016
Dr. Wiltrud Kuhlisch SOS 2016 TU Dresden, Institut für Mathematische Stochastik Lösungen zur Hausaufgabe Statistik für Hydrologen 2016 Aufgabe 1: Das Merkmal Groesse hat metrisches Skalenniveau. Darstellung
MehrMeßdaten und Zufall: statistische Datenauswertung
Vorlesung: Coputergestütte Datenausertung Meßdaten und Zufall: statistische Datenausertung Günter Quast Fakultät für Physik Institut für Experientelle Kernphysik KIT Die Forschungsuniversität in der Helholt-Geeinschaft
MehrDr. Quapp: Statistik für Mathematiker mit SPSS. Lösungs Hinweise 1. Übung Beschreibende Statistik & Verteilungsfunktion
Dr. Quapp: Statistik für Mathematiker mit SPSS Lösungs Hinweise. Übung Beschreibende Statistik & Verteilungsfunktion. Die folgende Tabelle enthält die Pulsfrequenz einer Versuchsgruppe von 39 Personen:
MehrStatistik SS Deskriptive Statistik. Bernhard Spangl 1. Universität für Bodenkultur. March 6, 2012
Statistik SS 2012 Bernhard Spangl 1 1 Institut für angewandte Statistik und EDV Universität für Bodenkultur March 6, 2012 B. Spangl (Universität für Bodenkultur) Statistik SS 2012 March 6, 2012 1 / 19
MehrEmpirische Verteilungsfunktion
Empirische Verteilungsfunktion H(x) := Anzahl der Werte x ist. Deskriptive
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 28. Oktober 2010 Bernd
MehrEin metrisches Merkmal
Kapitel 4 Ein metrisches Merkmal 4.1 Wie kann man ein metrisches Merkmal numerisch beschreiben? Häufigkeitstabellen erzeugt man mit table. Das arithmetische Mittel und den Median berechnet man mit mean
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
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg
für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2016 Prof. Dr. Stefan Etschberger Hochschule Augsburg Daten einlesen und Struktur anschauen # Arbeitsverzeichnis
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen interessiert, sondern an der Häufigkeit von Intervallen. Typische Fragestellung:
MehrSPSS (20.0) Hilfe Version 1
SPSS (20.0) Hilfe Version 1 Statistik-UE SS 2015 Datenmanagement Informationen zur Syntax: Öffnen der Syntax: Datei Öffnen Syntax Eingabe z. B. COMPUTE bzw. wenn Sie einen Befehl in SPSS ausführen, drücken
MehrÜbung 1 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
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:
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
MehrAufgaben. Frage: (Aufgabe 3) Warum findet R den Befehl approx.r nicht?
Aufgaben Frage: (Aufgabe 3) Warum findet R den Befehl approx.r nicht? Antwort: Weil es kein Befehl ist! Es ist eine Skriptdatei die man sich von der HP der Vorlesung runterladen und in R ausführen soll.
MehrMusterlösung zu Serie 2
Dr. Lukas Meier Varianzanalyse und Versuchsplanung HS 2017 Musterlösung zu Serie 2 1. a) We use summary() to display a summary of the data. > d.stream
MehrSkript 7 Kreuztabellen und benutzerdefinierte Tabellen
Skript 7 Kreuztabellen und benutzerdefinierte Tabellen Ziel: Analysieren und verdeutlichen von Zusammenhängen mehrerer Variablen, wie z.b. Anzahlen pro Kategorien; Mittelwert und Standardabweichung pro
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
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
MehrÜbung 1 im Fach "Biometrie / Q1" Thema: Deskriptive Statistik
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
MehrGliederung. Bachelorseminar: Graphiken in R Visualisierung Kategorialer Daten. Einführung. Visualisierung von zweidimensionalen Kontingenztafeln
Gliederung Bachelorseinar: Graphiken in R Visualisierung Kategorialer Daten Matthias Mitterayer betreut durch Sebastian Kaiser Einführung Institut für Statistik, LMU München 13. Januar 2011 Fazit Visualisierung
MehrKreisdiagramm, Tortendiagramm
Kreisdiagramm, Tortendiagramm Darstellung der relativen (absoluten) Häufigkeiten als Fläche eines Kreises Anwendung: Nominale Merkmale Ordinale Merkmale (Problem: Ordnung nicht korrekt wiedergegeben) Gruppierte
MehrMathematik-Wettbewerb 2012/ Runde Statistische Auswertung
Mathematik-Wettbewerb 2012/2013 Statistische Auswertung Landesergebnisse: Zur Einordnung ihrer eigenen Ergebnisse (zu finden in mw1213_1r_schulergebnisse.pdf ) erhalten alle Schulen die Landesdurchschnittswerte
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
MehrMathematik Semester 3 / Arbeitsblatt f (x) = x x 3 4 x. 5 x 3 20 x. x 2 1
9.2 Aufgaben Aufgabe 16.39 aus dem Buch. 1. f (x) = x4 + 1 x 3 + x 4. f (x) = x4 1 2 x 3 8 x 2. f (x) = x3 + 1 x 3 4 x 5. f (x) = x5 + 1 5 x 3 20 x 3. f (x) = 4 x2 x 2 + 1 6. f (x) = x2 2 x 2 7. f (x)
Mehr6. Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen)
6. Übung Stochastik und Statistik WS09/10 (Boogaart, Jansen) Die Resultate benötigter Tests werden durch die Übungsleiter gegeben (Folie) und erst nach den erfolgten Übungen zum Nacharbeiten ergänzt! An
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?
MehrWirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 2016 Prof. Dr. Stefan Etschberger HSA Lageparameter "Sollen wir das arithmetische Mittel als durchschnittliche Körpergröße nehmen und den Gegner erschrecken,
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 / 15 Datensätze Statistische Auswertungen gehen in den meisten Fällen
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das auszuwertende Merkmal
MehrStatistische Software (R)
Statistische Software (R) Paul Fink, M.Sc., Eva Endres, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Grafiken Leitmotiv bei Erstellung von Grafiken Sinnvolle, leicht zu verstehende
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.............................
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
MehrLösen von Differentialgleichungen durch Reihenentwicklung
Lösen von Differentialgleichungen durch Reihenentwicklung Thomas Wassong FB17 Mathematik Universität Kassel 30. April 2008 Einführung Reihen in der Mathematik Reihen zum Lösen von Differentialgleichungen
MehrModul G Anmerkungen zur Hausaufgabe vom
Modul G 6.12.2007 Anmerkungen zur Hausaufgabe vom 22.11.07 Gewichtung zwischen eleganter und einfacher Programmierung finden (je nach Kenntnissen, Aufgabenstellung und Interesse an Programmierarbeit. Z.B.
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 9
Übung zur Vorlesung Statistik I WS 2012-2013 Übungsblatt 9 17. Dezember 2012 Aufgabe 26 (4 Punkte): In einer Studie mit n = 10 Patienten soll die Wirksamkeit eines Medikaments gegen Bluthochdruck geprüft
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
MehrMittelwert, Standardabweichung, Median und Bereich für alle durchgeführten Messungen (in Prozent)
3. Ergebnisse 3.1 Kennwerte, Boxplot Die Kennwerte der deskriptiven Statistik sind in der Tabelle 1 für alle Messungen, in der Tabelle 2 für die Messungen, bei denen mit der Referenzmethode eine festgestellt
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2008/2009. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2008/2009 Aufgabe 1 Der Student
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
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
MehrGrundlagen der Bioinformatik Übung 5: Microarray Analysis. Yvonne Lichtblau
Grundlagen der Bioinformatik Übung 5: Microarray Analysis Yvonne Lichtblau Vorstellung Lösungen Übung 4 Yvonne Lichtblau: Grundlagen der Bioinformatik, Sommer Semester 2017 2 Lösungen vorstellen - Übung
MehrAnalysen politikwissenschaftlicher Datensätze mit Stata. Sitzung 6: Übung zur logistischen Regression
n politikwissenschaftlicher Datensätze mit Stata Sitzung 6: Übung zur logistischen Regression 1 Vorbereitung Laden Sie den Datensatz z:\logitdemo Der Datensatz enthält 2000 Fälle, von denen 69 die Republikaner
MehrStatistik in R Block 1: April 1
Statistik in R Block 1: 24-26.April 1 Statistik in R Ziele: Theoretische Grundlagen der deskriptiven Statistik und der Prüfstatistik Anwendung in der Phonetik Berechnungen mit R Themen Übungen mit R 1.
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
MehrMathematik IV: Statistik
für D-UWIS, D-ERDW, D-USYS und D-HEST SS16 Sie hören Vitamin String Quartet Daniel Stekhoven 14.04.2016 1 Daniel Stekhoven 14.04.2016 2 Überblick Lernziele Erledigt! Grundlagen Wahrscheinlichkeitsmodell
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
MehrBerechenbarkeit und Komplexität
Teil II: Berechenbarkeit und Komplexität Algorithmen und Komplexität 22. November 2016 Berechenbarkeitstheorie RAM-Maschine 1: M 1 1 2: M 0 1 3: M 0 M 0 M 1 4: M 2 M 2 M 1 5: GOTO 3 IF M 2 > 0. M 2 : M
Mehr3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler
Wahrscheinlichkeitsrechnung und Statistik für Biologen 2. Der Standardfehler Martin Hutzenthaler & Dirk Metzler http://www.zi.biologie.uni-muenchen.de/evol/statgen.html 27. April 2010 1 Eine kurze Wiederholung
MehrMussten wir eine ganze Reihe solcher Zahlen speichern, haben wir das eindimensionale Array verwendet.
C Zweidimensionale Arrays Fachspezifische Softwaretechnik 1 Scriptum 2017 HTL St.Pölten Elektronik und Technische Informatik EL Autor: Kuran Zweidimensionale Arrays: Bisher konnten wir in Variablen einfache
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrDeskriptive Statistik II. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Deskriptive Statistik II Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Übersicht Wiederholung Maße der zentralen Tendenz Streuungsmaße Zusammenfassung einer Verteilung tabellarisch
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;
MehrStatistik IV Übung mit Stata 10. Statistik IV. 4. Auswertungen und graphische Darstellung. Göttingen 26. Mai 2009. Dozent: Jürgen Leibold
Statistik IV 4. Auswertungen und graphische Darstellung Dozent: Jürgen Leibold 1 Terminplanung Nr. Termin Inhalt 1 14.04.09 Einführung Organisatorisches und Scheinvoraussetzungen Statistik mit Softwareunterstützung?
MehrIngenieurinformatik II Numerik für Ingenieure Teil 2
Hochschule München, FK 03 MB SS 013 Name Vorname Matrikelnummer Sem.Gr. Hörsaal Platz Ingenieurinformatik II Numerik für Ingenieure Teil Bearbeitungszeit : 60 Minuten Aufgabensteller : Dr. Reichl Hilfsmittel
MehrÜbungen zur Vorlesung Mathematik für Chemiker 1
Prof. Dr. D. Egorova Prof. Dr. B. Hartke Lösungen Aufgabe Übungen zur Vorlesung Mathematik für Chemiker WiSe 204/5 Blatt 2 0.-2..204 f( x) = f(x) = gerade f( x) = f(x) = ungerade 8 6 4 2. f ( x) = ( x
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 5. Juli 2017 Prüfer: Etschberger, Ivanov, Jansen, Wesp, Wins Studiengang: IM, BW, Inf und W-Inf Punkte: 18, 16, 14, 10, 9, 15, 8 ; Summe der Punkte: 90
MehrIf something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra
If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?
MehrGrundlagen der Bioinformatik Übung 6: Microarray Analysis. Yvonne Lichtblau
Grundlagen der Bioinformatik Übung 6: Microarray Analysis Yvonne Lichtblau Vorstellung Lösungen Übung 4/Übung 5 Yvonne Lichtblau: Grundlagen der Bioinformatik, Sommer Semester 2016 2 Lösungen vorstellen
MehrEinführung in SPSS. 1. Die Datei Seegräser
Einführung in SPSS 1. Die Datei Seegräser An 25 verschiedenen Probestellen wurde jeweils die Anzahl der Seegräser pro m 2 gezählt und das Vorhandensein von Seeigeln vermerkt. 2. Programmaufbau Die wichtigsten
MehrEine Einführung in R: Dichten und Verteilungsfunktionen
Eine Einführung in R: Dichten und Verteilungsfunktionen Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 25. November 2009 Bernd
MehrTechnische Universität München Zentrum Mathematik Sommersemester Juli 2005 Arbeitszeit 60 Minuten
Name: Frau Herr (nichtzutreffendes bitte streichen) Fachrichtung geb. am (Tag/Mon/Jahr) Semestralklausur aus Praktikum BWL-Statistik Technische Universität München Zentrum Mathematik Sommersemester 2005
MehrKovarianzanalyse. Truthahngewicht. Truthahngewicht. Methoden empirischer Sozialforschung. 1 metrische und mehrere metrische und kategoriale Variablen
Kovarianzanalyse 1 metrische und mehrere metrische und kategoriale Variablen Methoden empirischer Sozialforschung Lineare Modelle (2. Teil) Wie läßt sich die Abhängigkeit einer metrischen Variablen von
MehrStatistik IV Übung mit Stata 10. Statistik IV. 7. Zusammenhangsanalysen III und Probeklausur. Göttingen 12. Juli Dozent: Jürgen Leibold
Statistik IV 7. Zusammenhangsanalysen III und Probeklausur Dozent: Jürgen Leibold 1 Terminplanung Nr. Termin Inhalt 1 14.04.09 Einführung Organisatorisches und Scheinvoraussetzungen Statistik mit Softwareunterstützung?
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 25. August 2009 25. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 1. Datentransformation (Befehle IF und COUNT) 2. Grafiken (Teil 2) Überblick: 2 Überblick:
MehrKapitel 4. Grafiken in R. Vorlesung Programmieren in statistischer Software: R Sommersemester 2009
Vorlesung Programmieren in statistischer Software: R Sommersemester 2009 Kapitel 4, von R bereitgestellte,, Christian Foliengestaltung von Martin Dörr Inhalt dieses Abschnitts 1 Gruppierter Gruppierter
MehrTeil VII. Deskriptive Statistik. Woche 5: Deskriptive Statistik. Arbeitsschritte der Datenanalyse. Lernziele
Woche 5: Deskriptive Statistik Teil VII Patric Müller Deskriptive Statistik ETHZ WBL 17/19, 22.05.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Wahrscheinlichkeit
MehrUmfrage <- read.csv("http://goo.gl/ymeyjp", sep = ";", dec = ",")
Aufgabe 8 R: Deskriptives mit R Häufigkeiten in R und Umgang mit fehlenden Werten Häufigkeitsauszählungen können in R mit table() erstellt werden. cumsum() bildet kumulierte Summen. mean() berechnet das
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () Überblick. Deskriptive Statistik I - Grundlegende
MehrEine Einführung in R: Dichten und Verteilungsfunktionen
Eine Einführung in R: Dichten und Verteilungsfunktionen Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/
MehrFachpraktikum Erweiterbare Datenbanksysteme im WS 2015/16. Aufgabe 4 der Phase 2. Anfrageoptimierung für verteilte Datenbanken
Fachpraktiku Erweiterbare Datenbanksystee i WS 2015/16 Aufgabe 4 der Phase 2 Anfrageoptiierung für verteilte Datenbanken auf Basis der Distributed Algebra Ralf Hartut Güting, Thoas Behr, Fabio Valdés,
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-WORKSHOP I. Deskriptive Statistik. Johannes Pfeffer & Jens Ziegler
R-WORKSHOP I Deskriptive Statistik Johannes Pfeffer & Jens Ziegler Dresden, 18.1.2011 01 Themen TU Dresden, 18.1.2011 R-Workshop: Deskriptive Statistik Folie 2 von 24 02 Was ist R R-Grundlagen Programmiersprache
Mehr