Kurzanleitung zu R erste Schritte
|
|
- Rudolf Kuntz
- vor 8 Jahren
- Abrufe
Transkript
1 Kurzanleitung zu R erste Schritte Marlis von der Hude Teil I - Erste Schritte:... 2 I.1 Eingabe von Werten, Grundrechenarten, Variablennamen usw I.2 einfache statistische Funktionen... 3 I.3 Vektorarithmetik... 3 Teil II - Dateneingabe, Daten einlesen und speichern, Editor für Statements... 4 II.1 Datenvektor an der Konsole eingeben:... 4 II.2 Dateneingabe in Spreadsheets (nicht so komfortabel wie z.b. Excel):... 4 II.3 Benutzung eines Editors zur Eingabe von Statements... 5 II.4 Daten von einem Textfile einlesen... 5 II.4.1 Data Frames und Suchpfad... 5 II.5 weitere Aufrufe zum Einlesen von Daten aus externen Files:... 6 II.6 Speichern der Daten... 6 II.7 Die Arbeitsumgebung, Speichern von Objekten und Eingaben... 6 II.8 Eingebaute Datensätze... 7 II.9 Pakete (libraries)... 7 Teil III - Deskriptive Statistik... 7 III.1 Erste Auswertungen... 7 III.1.1 Faktoren... 9 III.1.2 Funktionen wie Mittelwert, Median oder Standardabweichung für alle Zeilen oder Spalten einer Datei : 9 III.2 Häufigkeitstabellen (incl. Grafiken) III.2.1 absolute und relative Häufigkeiten III.3 weitere Grafiken III.3.1 Boxplots III.3.2 Anordnung mehrerer Grafiken in einem Grafikfenster III.3.3 Auswertung von Daten in Kategorien III.3.4 Histogramm III.3.5 Streudiagramm Teil IV - Datenselektion, Vergleichsoperatoren, Sortieren, Transfomationen IV.1 Selektion IV.2 Sortieren IV.3 Unterteilung, Transformation von Vektoren und Datensätzen Teil V - Verschiedenes V.1 fehlende Werte (missing values) V.2 Daten interaktiv markieren und erzeugen Teil VI - Vektoren und Matrizen Teil VII - Wahrscheinlichkeitsverteilungen
2 VII.1 Zufallsauswahl von gleichwahrscheinlichen Ergebnissen VII.2 Zufallsauswahl von Ergebnissen mit unterschiedlichen Wahrscheinlichkeiten VII.3 Binomialverteilung VII.4 Normalverteilung N(mu,sigma) VII.5 Erzeugung von Zufallszahlen VII.5.1 binomialverteilte Zufallszahlen (diskrete Verteilung) VII.5.2 gleichverteilte Zufallszahlen (stetige Verteilung) VII.5.3 normalverteilte Zufallszahlen (stetige Verteilung) Teil VIII - Grafische Darstellung mathematischer Funktionen VIII.1 2D-Grafiken in R VIII.2 3D-Grafiken in R Für den Einstieg: Installieren und laden des Zusatzpakets RCommander (Menügesteuerte Oberfläche) Teil I - Erste Schritte: I.1 Eingabe von Werten, Grundrechenarten, Variablennamen usw. Eingabe : > 2+3 Ausgabe : [1] 5 Es wird alles als Vektor betrachtet. [1] ist der Index der ersten Vektorkomponente in der Zeile. Erzeugung des Vektors der Zahlen 1 bis 20 > 1:20 Ausgabe : [1] [16] alternativ: Aufruf der Funktion seq > seq(2,6) [1] > seq(2,20,by=0.5) [1] [14] [27] [14] und [27] sind die Indizes der Werte 8.5 bzw weitere Grundrechenarten > 2*3 [1] 6 > 2/3 [1] > 0.5*7 [1] 3.5 # für Kommentar bis zum Zeilenende Die üblichen Konstanten und Funktionen: - 2 -
3 > pi # dies ist die Kreiszahl [1] > sin(pi/2) [1] 1 > exp(2.5) [1] > log(10) [1] > log10(10) [1] 1 > log2(8) [1] 3 Zuweisungen ( durch <- oder =) > a <- 3 > a [1] 3 Ausgabe des Ergebnisses durch Aufruf des Variablennamens > 4->b # so geht es auch > b [1] 4 > a+b [1] 7 Variablennamen dürfen als Sonderzeichen nur einen Punkt oder underscore enthalten > b.1 <- 3 > c_3 <- 6 > b.1+c_3 [1] 9 I.2 einfache statistische Funktionen Eingabe eines Datenvektors (Funktion c(), combine): > v <- c(2,4,2,3,7,3) Länge eines Vektors > length(v) # Länge eines Vektors [1] 6 Summe der Vektorkomponenten > sum(v) [1] 21 Mittelwert, Varianz und Standardabweichung, Median > mean(v) # Mittelwert alternativ Summation und durch Länge teilen: sum(v)/n [1] 3.5 > var(v) # Varianz [1] 3.5 > sd(v) # Standardabweichung, standard deviation [1] > median(v) [1] 3 I.3 Vektorarithmetik Wenn Vektoren dieselbe Länge haben, werden arithmetische Operationen komponentenweise durchgeführt; sonst wird der zweite Vektor zyklisch benutzt:: > groesse<-c(1.65,1.74,1.75,1.80,1.90,1.91) > gewicht<-c(57,72,95,90,95,98) > bmi<-gewicht/groesse^2 > bmi [1]
4 > # zyklisch: > b<-c(2,3,4) > a<-gewicht/b > a [1] > Varianz und Standardabweichung durch arithmetische Operationen > mittel<-mean(gewicht) > gewicht-mittel [1] > (gewicht-mittel)^2 [1] > sum(gewicht-mittel)^2 # hier wird zunächst die Summe der Abweichungen # gebildet, dann quadriert [1] e-28 > sum((gewicht-mittel)^2) # hier werden die quadrierten Abweichungen # summiert [1] > sum((gewicht-mittel)^2)/(length(gewicht)-1) [1] > var(gewicht) # Varianzfunktion [1] > sqrt(sum((gewicht-mittel)^2)/(length(gewicht)-1)) [1] > sd(gewicht) # Funktion der Standardabweichung [1] Teil II - Dateneingabe, Daten einlesen und speichern, Editor für Statements II.1 Datenvektor an der Konsole eingeben: > v<-c(3,4,2,7,6.5) # Funktion c() : combine > v [1] Alternative: scan() jetzt Werte eingeben, abschließen mit Return-Taste II.2 Dateneingabe in Spreadsheets (nicht so komfortabel wie z.b. Excel): zunächst muss ein leerer Datensatz erzeugt werden: > dd<-data.frame() # erzeugt leeren Datensatz (Zeilen, Spalten auch unterschiedlicher Art) > fix(dd) # zum Eingeben von Daten und verändern der Variablennamen alternativ hierzu: Menü: Edit -> Data editor (nach Name des data frame wird gefragt) Variablennamen können verändert werden durch Klicken in die Überschriftenzelle. Durch Schließen des Fensters ist der Datensatz im Workspace verfügbar. Normalerweise wird man die Daten mit einem anderen Editor vorbereiten! - 4 -
5 II.3 Benutzung eines Editors zur Eingabe von Statements 1. In R eingebauter Editor : Menü (Windows): Datei neues Skript abschicken einzelner Zeilen oder der gesamten Datei möglich (Strg R) II.4 2. Auf R abgestimmter Editor mit Möglichkeit, Text hervorzuheben (highlight): Tinn-R (Tinn: this is not notepad) Daten von einem Textfile einlesen Windows: Arbeitsverzeichnis, Working Directory setzen: 1. Änderung durch R-Desktop-Icon -> Properties -> Start in: Änderung aus dem Windows R-Menü: Datei -> Verzeichnis wechseln dir() # listet Files im Arbeitsverzeichnis X<-read.table( daten/calcium.txt ) liest durch Leerzeichen getrennte Daten in den Datensatz (dataframe) X ein; die erste Zeile wird nicht als Überschriftenzeile interpretiert. X<-read.table( daten/calcium.txt,header=t) erste Zeile wird als Überschriftenzeile interpretiert (Variablennamen) (header=true) Wenn die erste Zeile einen Eintrag weniger hat als die weiteren Zeilen, so wird angenommen, dass die Variablen und die Zeilen mit Namen versehen sind (in dem Fall kann header=t entfallen, muss aber nicht). > X<-read.table("Data/xy.txt") > X groesse gewicht Peter l76 80 Hans Marie In R-Studio geht das sehr einfach mit Import Dataset (normalerweise im Panel rechts oben). Aber wenn man lauffähige Programme erstellen will, sollte man auch das Einlesen per Statement durchführen. II.4.1 Data Frames und Suchpfad Zusammengehörende Variablen (=Merkmale) sollten standardmäßig zu einem data.frame zusammengefasst werden. Die Eingabe von data.frames wird von den meisten Funktionen in R erwartet. Wenn Daten eingelesen werden, so werden sie automatisch als data frame abgespeichert. X ist also ein data.frame. Wir wollen auf einzelne Spalten (Merkmale (= Variablen = Attribute) zugreifen: > groesse Fehler: objekt "groesse" nicht gefunden So funktioniert es: > X$groesse die Variable ist im Datensatz (data.frame) X enthalten und kann so aufgerufen werden [1] Wenn man im Folgenden nur mit den Daten aus X arbeiten will, so sollte man X in den Suchpfad aufnehmen; dann kann man X$ weglassen: > attach(x) der Datensatz wird in den Suchpfad aufgenommen > groesse jetzt kann die Variable auch wieder so aufgerufen werden [1] Achtung: Mehrfachaufruf von attach fügt die Datei dem Suchpfad immer neu hinzu --> detach(x) # nicht vergessen Überprüfen mit - 5 -
6 search() II.5 weitere Aufrufe zum Einlesen von Daten aus externen Files: M <- read.csv( daten,header=t) liest durch Kommas getrennte Daten ein, Überschrift vorhanden m <- read.csv2( daten,header=t) liest durch Semikolon getrennte Daten ein, Dezimalkomma Bei read.csv und read.csv2 können fehlende Werte durch leere Felder angegeben werden (sonst NA). weitere Möglichkeiten: read.delim, read.delim2 ( help) II.6 Speichern der Daten > write.table(xy,"data/xy.dat",quote=f,row.names=f) speichert den Datensatz in Datei (numerisch, quote=f, ohne Zeilennummern: row.names=f) II.7 Die Arbeitsumgebung, Speichern von Objekten und Eingaben Alle Objekte, die während der aktuellen Arbeit mit R erzeugt werden, sind in einer gemeinsamen Arbeitsumgebung abgelegt. Über die Funktionen ls() oder objects() kann man diese anzeigen lassen: > a <- "testvariable1" > b <- "testvariable2" > ls() [1] "a" "b" > objects() [1] "a" "b" > (Achtung: Weglassen der Parameterklammern bei ls() führt zur Ausgabe des Programmcodes der Funktion ls ) Nicht mehr benötigte Objekte können über die Funktion rm(<variablenliste>) entfernt werden > rm (a) > ls() [1] "b" > rm(list=ls()) löscht alle Variablen save.image() speichert alle aktuell verwendeten Objekte in einer Datei.Rdata im aktuellen Arbeitsverzeichnis. alternativer Aufruf: Menü: File Save Workspace wieder einlesen durch > load(".rdata") bzw. Menü: File Load Workspace Allerdings wird der Inhalt der Datei.Rdata auch per default bei jedem Start von R in die Arbeitsumgebung geladen. Nicht mehr benötigte Objekte müssen dann per rm(<name>) gelöscht und die Datei.Rdata neu gespeichert werden
7 Menü: File Save History speichert die Tastatureingaben in einem File ab ausführen von Statements, die in einer Datei myprog.r abgelegt sind: Menü: File source("programme/myprog.r") II.8 Eingebaute Datensätze Viele Datensätze in verschiedenen Formaten liegen R bei, die über die Funktion data(<name des Datensatzes>) eingebunden werden können. > data(airquality) # im Basis-Paket vorhanden > airquality[1:5,] # Ausgabe der ersten 5 Zeilen II.9 Pakete (libraries) Viele Daten oder Funktionen können über externe Daten- und Funktionspakete in R eingebunden werden. Grundsätzlich handelt es sich dabei lokal um alle Unterverzeichnisse, die unter <R- Verzeichnis>\library angelegt sind. Man kann diese Pakete nutzen, indem man library(<name des gewünschten Modules>) eingibt. Teil III - Deskriptive Statistik III.1 Erste Auswertungen Aufbau der Datei Studis.txt: Geschlecht_Code Geschlecht StuRi Alter Groesse Gewicht 1 weiblich WiInf weiblich WiInf weiblich WiInf weiblich WiInf weiblich WiInf weiblich Inf weiblich Inf weiblich Inf maennlich WiInf maennlich WiInf maennlich WiInf maennlich WiInf maennlich Inf maennlich Inf maennlich Inf maennlich Inf # Daten einlesen: # In der ersten Zeile stehen Überschriften, also header=true: X <- read.table("data/studis.txt",header=t) # Überblick über die eingelesenen Daten verschaffen: - 7 -
8 dim(x) # Dimension, Anzahl der Zeilen und Spalten [1]
9 summary(x) #generische Funktion, Methode hängt von der Klasse des Objekts ab # d.h. gibt je nach Objektart passende Beschreibung # Häufigkeiten für qualitative Merkmale, # Mittelwert, Minimum, Maximum, Median, 25%- und 75%-Quantile # (Quartile) Geschlecht_Code Geschlecht StuRi Min. :1.0 maennlich:8 Inf :7 1st Qu.:1.0 weiblich :8 WiInf:9 Median :1.5 Mean :1.5 3rd Qu.:2.0 Max. :2.0 Alter Groesse Min. :19.00 Min. : st Qu.: st Qu.:170.0 Median :24.00 Median :174.5 Mean :24.69 Mean : rd Qu.: rd Qu.:182.8 Max. :39.00 Max. :190.0 Gewicht Min. : st Qu.:60.00 Median :68.50 Mean : rd Qu.:76.00 Max. :84.00 # X in den Suchpfad aufnehmen; dann kann man direkt auf die einzelnen Variablen (Spalten) zugreifen: attach(x) III.1.1 Faktoren dienen zur Identifikation von Datengruppen (qualitatives Merkmal). Selbst wenn sie numerisch codiert sind, wird damit nicht gerechnet (Mittelwert nicht sinnvoll). Das Geschlecht ist einmal als codierter Wert und einmal als Textspalte vorhanden. Die Textspalte wird automatisch als Faktor (factor) gespeichert, das entspricht einer qualitativen Variablen. Wenn nur eine numerische Codierung vorliegen würde, so könnte man daraus einen Faktor erzeugen: > G <- factor(geschlecht_code) > levels(g) <- c("weiblich","männlich") Erzeugung einer neuen Faktorspalte mit den Werten 1 bis 3, jeweils 5mal: F <- gl(3,5) III.1.2 Funktionen wie Mittelwert, Median oder Standardabweichung für alle Zeilen oder Spalten einer Datei : Auswahl der numerischen Spalten (Spalten 4,5,6) X_numerisch <- X[,4:6] # weitere Beispiele, s. Unten Berechnung der Mittelwerte pro Spalte: apply(x_numerisch,2,mean) Alter Groesse Gewicht
10 Wenig sinnvoll in dem Beispiel aber machbar: Berechnung der Mittelwerte pro Zeile, d.h. für jede Person wird der Mittelwert aus Alter, Größe und Gewicht gebildet:: > apply(x_numerisch,1,mean) [1] [7] [13] III.2 Häufigkeitstabellen (incl. Grafiken) III.2.1 absolute und relative Häufigkeiten > table(geschlecht_code) Geschlecht_Code > table(geschlecht) Geschlecht maennlich weiblich 8 8 > table(sturi) StuRi Inf WiInf 7 9 Die Tabelle kann man speichern: tab <- table(sturi) > Farben <- c("green","gold") > barplot(tab, col=farben,legend=levels(sturi)) > title(main="absolute Häufigkeiten") Inf absolute Häufigkeiten WiInf Inf WiInf Hier braucht man eigentlich keine Legende, denn die Balken haben schon eine Beschriftung; die Legende ist aber auch nicht gut plaziert, das kann man einstellen. barplot(tab, col=farben) title(main="absolute Häufigkeiten") legend(locator(1), legend=levels(sturi),fill=farben) locator(1) bewirkt, dass man in der Grafik die Position für die Legende anklicken muss
11 absolute Häufigkeiten Inf WiInf Inf WiInf Öffnen eines neuen Grafikfenster (das alte wird nicht überschrieben) x11() pie(table(sturi),col=farben)
12 Zweidimensionale Häufigkeitstabelle: tab2 <- table(geschlecht,sturi) tab2 StuRi Geschlecht Inf WiInf maennlich 4 4 weiblich 3 5 barplot(tab2,col=farben,legend=levels(geschlecht)) gemeinsame relative Häufigkeiten StuRi Geschlecht Inf WiInf maennlich weiblich > > > # in Prozent: > prop.table(tab2)*100 StuRi Geschlecht Inf WiInf maennlich weiblich mosaicplot(tab2,col=farben,main="mosaikplot") Mosaikplot maennlich w eiblich WiInf StuRi Inf Geschlecht
13 ... bezogen auf Zeilensummen > prop.table(tab2,1)*100 StuRi Geschlecht Inf WiInf maennlich weiblich bezogen auf Spaltensummen Grafik: > prop.table(tab2,2)*100 StuRi Geschlecht Inf WiInf maennlich weiblich Farben2 <- c("lightblue","pink") Inf WiInf weiblich maennlich barplot(prop.table(tab2,2)*100,col=farben2,legend=levels(geschlecht) III.3 III.3.1 weitere Grafiken Boxplots boxplot(alter~geschlecht,main="boxplots") Mit der Tilde ~ erstellt man Boxplots für jedes Geschlecht getrennt.. boxplot(alter~geschlecht_code) Boxplots maennlich weiblich 1 2 Man kann auch selbst Beschriftungen hinzufügen: boxplot(alter~geschlecht_code,names=c("weiblich","maennlich"),col=c("pink","lightblue"),main=" Alter") Alter weiblich maennlich
14 III.3.2 Anordnung mehrerer Grafiken in einem Grafikfenster par(mfrow=c(1,2)) # eine Zeile, zwei Spalten boxplot(alter~geschlecht_code,names=c("weiblich","maennlich"),col=c("pink", "lightblue"),main="alter") stripchart(alter~geschlecht,method="jitter") par(mfrow=c(1,1))# zurücksetzen auf eine Grafik pro Grafikfenster # jitter: Daten werden leicht versetzt dargestellt Alter maennlich weiblich weiblich maennlich Alter Manchmal sind die Daten in dieser Art aufgebaut (getrennte Spalten für weibliche und männliche Studis _w, _m): StuRi_w Alter_w Groesse_w Gewicht_w StuRi_m Alter_m Groesse_m Gewicht_m WiInf WiInf WiInf WiInf WiInf WiInf WiInf WiInf WiInf Inf Inf Inf Inf Inf Inf Inf detach(x) Y <- read.table("data/studis-alternativ-format.txt",header=t) attach(y) Jetzt listet man die Variablen auf: boxplot(alter_w,alter_m)
15 Die Beschriftung muss hier mit names extra hinzugefügt werden. boxplot(alter_w,alter_m,names=c("weiblich","maennlich"),main="alter") Alter weiblich maennlich III.3.3 Auswertung von Daten in Kategorien Berechnung des Altersmittelwerts nach Geschlecht getrennt: > tapply(alter,geschlecht,mean) maennlich weiblich Standardabweichung: > tapply(alter,geschlecht,sd) maennlich weiblich Die Auswertung (z.b. Berechnung des Mittelwerts) soll für alle numerischen Variablen durchgeführt werden: > X_numerisch <- X[,c(4,5,6)] > by(x_numerisch,geschlecht,mean) Geschlecht: maennlich
16 Alter Groesse Gewicht Geschlecht: weiblich Alter Groesse Gewicht Man kann auch gleich ein summary erstellen: > by(x_numerisch,geschlecht,summary) Geschlecht: maennlich Alter Groesse Gewicht Min. :19.00 Min. :169.0 Min. : st Qu.: st Qu.: st Qu.:73.75 Median :24.50 Median :183.5 Median :77.00 Mean :26.12 Mean :182.0 Mean : rd Qu.: rd Qu.: rd Qu.:80.25 Max. :39.00 Max. :190.0 Max. : Geschlecht: weiblich Alter Groesse Gewicht Min. :19.00 Min. :166.0 Min. : st Qu.: st Qu.: st Qu.:58.75 Median :23.50 Median :170.5 Median :60.00 Mean :23.25 Mean :170.9 Mean : rd Qu.: rd Qu.: rd Qu.:62.00 Max. :28.00 Max. :175.0 Max. :
17 III.3.4 Histogramm Messdaten <- c(3.5,3.0,2.4,3.0,2.1,2.4,3.5,2.9,1.5,2.7,1.8,4.0,3.3,3.0,2.6,3.2,1.8,2.6,2.4,4.0,2.4,2.9,2.6,3.9,2.9,3.6,3.5,1.6,2.3,1.1) Histogramm, bei dem die Einteilung automatisch gewählt wird hist(messdaten) rug(messdaten) # fuegt Lage der Einzeldaten hinzu ansehen der Klassengrenzen, absoluten Häufigkeiten, Höhen der Balken usw. h<-hist(messdaten) h Histogramm mit 6 Klassen hist(messdaten,breaks=6) Aufruf einer Funktion mit 2 Argumenten, das erste durch positional matching, das zweite durch keyword matching (breaks= )
18 Histogram of Messdaten Frequency Messdaten Histogramm mit vorgegeben Klassengrenzen b<-c(0,1,2,4) hist(messdaten,breaks=b) # man beachte die Beschriftung der y-achse! III.3.5 Streudiagramm > plot(groesse,gewicht) positionsgebundene Parameter oder > plot(gewicht~groesse) Formel oder > plot(y=gewicht,x=groesse) Keywords viele Optionen (s.u.)! Punkte verbinden z.b. durch lines Die x-werte müssen sortiert sein, da die Punkte in der Reihenfolge der x-werte verbunden werden: > lines(gewicht~groesse) hinzufügen der Gerade, die die Daten am besten repräsentiert (Regression) > abline(lm(gewicht~groesse),col="red")
19 - 19 -
20 III Plot-Optionen aus dem Manual An Introduction to R (R-Help-Menü) Arguments to high-level plotting functions There are a number of arguments which may be passed to high-level graphics functions, as follows: add=true Forces the function to act as a low-level graphics function, superimposing the plot on the current plot (some functions only). axes=false Suppresses generation of axes useful for adding your own custom axes with the axis() function. The default, axes=true, means include axes. log="x" log="y" log="xy" Causes the, or both axes to be logarithmic. This will work for many, but not all, types of plot. type= The type= argument controls the type of plot produced, as follows: type="p" Plot individual points (the default) type="l" Plot lines type="b" Plot points connected by lines (both) type="o" Plot points overlaid by lines type="h" Plot vertical lines from points to the zero axis (high-density) type="s" type="s" Step-function plots. In the first form, the top of the vertical defines the point; in the second, the bottom. type="n" No plotting at all. However axes are still drawn (by default) and the coordinate system is set up according to the data. Ideal for creating plots with subsequent low-level graphics functions. xlab=string ylab=string Axis labels for the and axes. Use these arguments to change the default labels, usually the names of the objects used in the call to the high-level plotting function. main=string Figure title, placed at the top of the plot in a large font. sub=string Sub-title, placed just below the -axis in a smaller font
21 Teil IV - Datenselektion, Vergleichsoperatoren, Sortieren, Transfomationen gewicht <- c(60,72,57,90,95,72) groesse <- c(1.75,1.80,1.65,1.90,1.74,1.91) zusammenfassen zum Dataframe: d <- data.frame(gewicht,groesse) d gewicht groesse IV.1 Selektion selektive Auswahl von Vektorkomponenten > gewicht[3:4] # Komponenten 3 bis 4 [1] > gewicht[-(3:4)] # alles bis auf die Komponenten 3 bis 4 [1] > gewicht[-c(1,3,4)] # alles bis auf die Komponenten 1,3 und 4 [1] selektive Auswahl im Dataframe > d[3,2] # Komponente in Zeile 3, Spalte 2 [1] 1.65 > d[1:3,] # Zeilen 1 bis 3, alle Spalten gewicht groesse IV.2 Sortieren erste Spalte (gewicht) sortieren: Hier zunächst nochmal der data.frame: d gewicht groesse > sort(gewicht) [1] Wenn man den ganzen data.frame aufsteigend nach gewicht sortieren will, so muss man mit der Funktion order() arbeiten: > order(gewicht)
22 [1] Wenn man die Zeilen in dieser Reihenfolge anordnet, so sind sie nach Gewicht sortiert. > d[order(gewicht),] # die Spalten werden nicht verändert gewicht groesse Ergebnis eines logischen Vergleichs: > groesse [1] > gewicht[groesse>1.80] # Gewicht derjenigen, mit Körpergröße > 1.80 [1] > groesse < 1.80 [1] TRUE FALSE TRUE FALSE TRUE FALSE > d[gewicht>70,] # Datensätze von Personen, deren Gewicht über 70 liegt gewicht groesse einige weitere Vergleichsoperatoren (wie in C) > d[gewicht==72,] # Gleichheit gewicht groesse > d[gewicht!=72,] # Ungleichheit gewicht groesse > d[gewicht<=72,] # kleiner / gleich gewicht groesse &: and, : or, > d[gewicht>60 & gewicht<=72,] # gewicht groesse > gewicht > 60 & gewicht <= 72 # Zugriff auf den gesamten Vektor [1] FALSE TRUE FALSE FALSE FALSE TRUE Abfrage auf fehlende Werte (== funktioniert hier nicht)
23 > a <- c(3,5,2,na,7) > a [1] NA 7 > is.na(a) [1] FALSE FALSE FALSE TRUE FALSE IV.3 Unterteilung, Transformation von Vektoren und Datensätzen Unterteilung eines data.frame (Dataframe) durch subset > d.schwer <- subset(d,gewicht>80) > d.schwer gewicht groesse > d.leicht <- subset(d,gewicht<=80) > d.leicht gewicht groesse Hinzufügen von neuen Variablen durch transform > d.neu <- transform(d,log.gew=log(gewicht)) > d.neu gewicht groesse log.gew oder einfacher: d.neu$log.gew <- log(gewicht) # neue Variable, die die Gewichtsklasse enthält > gew.klasse <- character(length(gewicht)) # so lang wie die Variable Gewicht > gew.klasse [1] "" "" "" "" "" "" > gew.klasse[gewicht<80] <- "leicht" > gew.klasse [1] "leicht" "leicht" "" "" "" "" > gew.klasse[gewicht>=80] <- "schwer" > gew.klasse > d.neu< - transform(d,gew.klasse=gew.klasse) d.neu gewicht groesse gew.klasse leicht leicht schwer schwer schwer schwer rm(gew.klasse) attach(d.neu) Gruppieren von Daten Vektor aus der Variablen des Datensatzes, die eine Bedingung erfüllt:
24 > schw <- gewicht[gew.klasse=="schwer"] > schw [1] > lei <- gewicht[gew.klasse=="leicht"] > lei [1] Gruppieren durch split erzeugt eine Liste (kann Vektoren unterschiedlichen Typs und Länge enthalten > l <- split(d.neu, gew.klasse) > l $leicht gewicht groesse gew.klasse leicht leicht leicht leicht $schwer gewicht groesse gew.klasse schwer schwer Teil V - Verschiedenes V.1 fehlende Werte (missing values) sind relevant bei Datensätzen mit mehreren Variablen NA not available > a<-c(3,5,2,na,7) > a [1] NA 7 > mean(a) [1] NA > mean(a,na.rm=t) # not available values remove [1]
25 V.2 Daten interaktiv markieren und erzeugen markieren Beispiel (aus Modern Applied Statistics with S, p. 8): library(mass) # laedt Datensaetze und Funktionen data(hills) pairs(hills) attach(hills) plot(dist,time) # erzeugt Streudiagramm identify(dist,time,row.names(hills)) # markieren der Punkte durch Mausklick # links # beenden des Modus durch Mausklick # rechts interaktives Erzeugen eines zweidimensionalen Datensatzes Beispiel (aus Modern Applied Statistics with S, p. 8): plot(c(0,1),c(0,1),type= n ) xy<- locator(type= p ) # nur leeren Rahmen erzeugen # 0,1: Start, Stop von x und y # durch Musklick links Punkte setzen # durch Mausklick rechts Modus beenden
26 Teil VI - Vektoren und Matrizen numerischer Vektor x<-c(2,3,4,6,7,8) character-vektor > staedte<-c("bonn","siegburg","koeln") Zugriff auf die erste Komponente > staedte[1] [1] "Bonn" logischer Vektor Eingabe: > c(t,t,f) [1] TRUE TRUE FALSE Ergebnis eines logischen Vergleichs: > groesse [1] > groesse<1.80 [1] TRUE FALSE TRUE FALSE TRUE FALSE replicate-funktion zum replizieren Was passiert hier? a<-c(2,4,6) > rep(a,1:3) [1] > rep(1:3,a) [1] Eine Matrix ist ein Vektor mit 2 Dimensionen: > x<-c(2,3,4,6,7,8) > x [1] > dim(x)<-c(3,2) # wandelt x in Matrix mit 3 Zeilen, 2 Spalten > x [,1] [,2] [1,] 2 6 [2,] 3 7 [3,] 4 8 alternative Eingabe x<-matrix(c(2,3,4,6,7,8),nrow=3) Die Matrix wird spaltenweise gefüllt; für zeilenweises Füllen byrow=t: > x<-matrix(c(2,3,4,6,7,8),nrow=3,byrow=t) > x [,1] [,2] [1,] 2 3 [2,] 4 6 [3,] 7 8 Vergabe von Zeilen, bzw. Spaltennamen (für Tabellen und Grafiken); funktioniert nicht bei Vektoren, nur bei Matrizen colnames(x)<-c( Spalte1, Spalte2 ) rownames(x)<-c( Zeile1, Zeile2, Zeile3 ) > rownames(x)<-month.name[1:3] > colnames(x)<-letters[1:2] > x a b
27 January 2 3 February 4 6 March 7 8 > colnames(x)<-letters[1:2] > x A B January 2 3 February 4 6 March 7 8 horizontales und vertikales konkatinieren von Vektoren > rbind(a=1:4,b=2:5,c=9:12) # row, horizontal [,1] [,2] [,3] [,4] A B C > cbind(a=1:4,b=2:5,c=9:12) # column, vertikal A B C [1,] [2,] [3,] [4,] VI.1 Teil VII - Wahrscheinlichkeitsverteilungen VII.1 Zufallsauswahl von gleichwahrscheinlichen Ergebnissen (diskrete Gleichverteilung, Laplace-Experimente)) Ziehen ohne Zurücklegen von n (=5) Zahlen aus den Zahlen 1 bis m (=50): > sample(1:50,5) [1] Ziehen mit Zurücklegen: > sample(1:10,5,replace=t) [1] Simulation von 10 Münzwürfen: > sample(c("kopf","zahl"),10,replace=t) [1] "Zahl" "Kopf" "Zahl" "Zahl" "Zahl" "Zahl" "Zahl" "Zahl" "Zahl" "Zahl" Das Ergebnisobjekt abspeichern und anschließend als Häufigkeitstabelle darstellen: > Ergebnis<-sample(c("Kopf","Zahl"),10,replace=T) > table(ergebnis) Ergebnis Kopf Zahl 6 4 VII.2 Zufallsauswahl von Ergebnissen mit unterschiedlichen Wahrscheinlichkeiten sample(c("erfolg","misserfolg"),10,replace=t,prob=c(0.8,0.2)) [1] "Erfolg" "Erfolg" "Erfolg" "Erfolg" "Erfolg" "Misserfolg" "Erfolg" [8] "Misserfolg" "Erfolg" "Misserfolg"
28 Erg<-sample(c("Erfolg","Misserfolg"),10,replace=T,prob=c(0.8,0.2)) > table(erg) Erg Erfolg Misserfolg 9 1 Binomialkoeffizient n über k > choose(49,6) [1] > choose(5,2) [1] 10 > prob<-1/choose(5,2) > prob [1] 0.1 VII.3 Binomialverteilung Wahrscheinlichkeitsfunktion P(X=x) = n über x p hoch x... dbinom(x,n,p) Verteilungsfunktion P(X<=x)= pbinom(x,n,p) > dbinom(5,10,0.2) [1] > pbinom(5,10,0.2) [1] Erzeugung einer Tabelle für B(n=10,p=0.2) > n<-10 > p<-0.2 > x<-0:n > probx<-dbinom(x,n,p) > prob.le.x<-pbinom(x,n,p) > Tabelle<-cbind(x,probx,prob.le.x) > round(tabelle,4) x probx prob.le.x [1,] [2,] [3,] [4,] [5,] [6,] [7,] [8,] [9,] [10,] [11,] par(mfrow=c(1,2)) plot(x,probx,type="h",ylab="p(x=x)",main="wahrscheinlichkeitsfkt.") plot(x,prob.le.x,type="s",ylab="p(x<=x)",main="verteilungsfunktion") par(mfrow=c(1,1))
29 - 29 -
30 VII.4 Normalverteilung N(mu,sigma) Dichtefunktion f(x) dnorm(x,mu,sigma) Verteilungsfunktion pnorm(x,mu,sigma) x<-seq(-4,4,by=0.1) fx<-dnorm(x,0,1) prob.lt.x<-pnorm(x,0,1) par(mfrow=c(1,2)) plot(x,fx,type="l",ylab="f(x)",main="dichtefunktion") plot(x,prob.lt.x,type="l",main="verteilungsfunktion", ylab="f(x)=p(x<=x)") par(mfrow=c(1,1)) Alternative für Funktionsverläufe z.b. für die Dichte der Standard-NV: > curve(dnorm(x,0,1),from=-3, to=3) > abline(v=c(-1,1)) # vertikale Linien bei 1 und 1 Quantil x_p: P(X<=x_p)=p > x.0975<-qnorm(0.975,0,1) > x.0975 [1] > pnorm(x.0975,0,1) [1]
31 VII.5 Erzeugung von Zufallszahlen VII.5.1 binomialverteilte Zufallszahlen (diskrete Verteilung) Es werden 100 binomialverteilte Zufallszahlen gezogen X~B(n=30,p=1/6): > Ergebnisse30<-rbinom(100,30,1/6) > table(ergebnisse30) Ergebnisse > plot(table(ergebnisse30), main="100 binomialverteilte Zufallszahlen", xlab="anzahl der 6en",ylab="Haeufigkeiten") 100 binomialverteilte Zufallszahlen Haeufigkeiten Anzahl der 6en VII.5.2 gleichverteilte Zufallszahlen (stetige Verteilung) Es werden 1000 gleichverteilte Zufallszahlen gezogen X~U(0,1): gleich<-runif(1000,0,1) hist(gleich,main="histogramm von 1000 gleichverteilten Zufallszahlen")
32 VII.5.3 normalverteilte Zufallszahlen (stetige Verteilung) Es werden 1000 normalverteilte Zufallszahlen gezogen X~NV(µ=100,σ=2): > normalzufz<-rnorm(1000,100,2) > hist(normalzufz,main="histogramm von 1000 normalverteilten Zufallszahlen") Histogramm von 1000 normalverteilten Zufallszahlen Frequency normalzufz
33 Teil VIII - Grafische Darstellung mathematischer Funktionen VIII.12D-Grafiken in R Standardfunktionen plot(exp) plot(exp,xlim=c(0,4)) plot(exp,xlim=c(0,4), automatische Wahl ylim=c(0,100)) des Bereichs x-werte von 0 bis 4 y- Werte von 0 bis 100 exp (x) exp (x) exp (x) x x x x<-seq(-3*pi,3*pi,0.1) plot(x,sin(x)) plot(x,sin(x),type= l ) Liniendarstellung sin(x) x sin(x) x
34 x<-seq(0,2*pi,0.01) plot(x,sin(x),type="l") lines(x,sin(2*x), col="red") # hinzufuegen von Linien x plot(x,x,type="l") points(x,exp(x),type="l",col="red") # hinzufuegen von Punkten oder Linien lines(x,log(x), col="blue") # hinzufuegen von Linien Die erste Grafik legt den Bereich für die x- und y-werte fest x sin(x) x
35 Festlegen des Bereichs für beide Funktionen: Der Bereich für die y-werte wird durch Minimum und Maximum der beiden Datenreihen bestimmt: y<-abs(sin(x)) z<-sin(x) mi<-min(y,z) ma<-max(y,z) plot(x,y,ylim=c(mi,ma),type="l") points(x,z,type="l",col="red") y x
36 VIII.2 3D-Grafiken in R # 1. Erzeugen von Vektoren a und b: a<-seq(-5,5,len=4) b<-seq(-3,2,len=3) > a [1] > b [1] # Fuer jede Kombination von Komponenten aus den Vektoren a und b wird ein # Wert der Funktion f(a,b)=a*b berechnet und in der Matrix fab gespeichert: fab<-outer(a,b,function(a,b) a*b) > fab [,1] [,2] [,3] [1,] [2,] [3,] [4,] # 3D-Darstellung: persp(a, b, fab, theta = 30, phi = 30, col = "green", ltheta = 120, shade = 0.75, ticktype = "detailed") fab a b
37 # dasselbe nochmal mit mehr Werten in x- und y-richtung und einer anderen # Funktion: x<-seq(-pi,pi,len=50) y<-x f<-outer(x,y,function(x,y) cos(y)/(1+x^2)) # 3D-Darstellung persp(x, y, f, theta = 30, phi = 30, col = "lightblue", + ltheta = 120, shade = 0.75, ticktype = "detailed") 0.5 f y x image(x,y,f) # Hoehen durch Farben darstellen contour(x,y,f,nlevels=25,add=t) # Hoehenlinien hinzufuegen y x
38 z y # More examples in demo(persp)!! ## # (1) The Obligatory Mathematical surface. # Rotated sinc function. x <- seq(-10, 10, length= 30) y <- x f <- function(x,y) { r <- sqrt(x^2+y^2); 10 * sin(r)/r } z <- outer(x, y, f) z[is.na(z)] <- 1 # fehlende Werte auf 1 setzen persp(x, y, z, theta = 30, phi = 30, expand = 0.5, col = "lightblue") title("einfach") x11() persp(x, y, z, theta = 30, phi = 30, expand = 0.5, col = "green", ltheta = 120, shade = 0.75, ticktype = "detailed", xlab = "X", ylab = "Y", zlab = "Sinc( r )") title("nr. 2") einfach x Nr. 2 Sinc( r ) Y 10 5 X
Formale 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
MehrDokumentation. estat Version 2.0
Dokumentation estat Version 2.0 Installation Die Datei estat.xla in beliebiges Verzeichnis speichern. Im Menü Extras AddIns... Durchsuchen die Datei estat.xla auswählen. Danach das Auswahlhäkchen beim
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
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:
MehrBerechnungen in Access Teil I
in Access Teil I Viele Daten müssen in eine Datenbank nicht eingetragen werden, weil sie sich aus anderen Daten berechnen lassen. Zum Beispiel lässt sich die Mehrwertsteuer oder der Bruttopreis in einer
MehrEr musste so eingerichtet werden, dass das D-Laufwerk auf das E-Laufwerk gespiegelt
Inhaltsverzeichnis Aufgabe... 1 Allgemein... 1 Active Directory... 1 Konfiguration... 2 Benutzer erstellen... 3 Eigenes Verzeichnis erstellen... 3 Benutzerkonto erstellen... 3 Profil einrichten... 5 Berechtigungen
MehrDatenmaske für SPSS. Für die Datenanalyse mit SPSS können die Daten auf verschiedene Weise aufbereitet
Für die Datenanalyse mit SPSS können die Daten auf verschiedene Weise aufbereitet werden: 1. Tabellenkalkulationsprogramme (Excel, Paradox) 2. Datenbankprogramme (dbase, Access) 3. Reine ASCII-Dateien
MehrBedienungsanleitung Anlassteilnehmer (Vereinslisten)
Bedienungsanleitung Anlassteilnehmer Dieses Programm ist speziell für Vereine entworfen. Es ist lizenzfrei verwendbar und gratis. Das Programm ist mit Excel 2010 erstellt worden und enthält VBA Programmierungen,
MehrArtikel Schnittstelle über CSV
Artikel Schnittstelle über CSV Sie können Artikeldaten aus Ihrem EDV System in das NCFOX importieren, dies geschieht durch eine CSV Schnittstelle. Dies hat mehrere Vorteile: Zeitersparnis, die Karteikarte
MehrDatenaufbereitung in SPSS. Daten zusammenfügen
Daten zusammenfügen I. Fälle hinzufügen Diese Schritte müssen Sie unternehmen, wenn die Daten in unterschiedlichen Dateien sind; wenn also die Daten von unterschiedlichen Personen in unterschiedlichen
MehrExcel Pivot-Tabellen 2010 effektiv
7.2 Berechnete Felder Falls in der Datenquelle die Zahlen nicht in der Form vorliegen wie Sie diese benötigen, können Sie die gewünschten Ergebnisse mit Formeln berechnen. Dazu erzeugen Sie ein berechnetes
MehrVirtueller Seminarordner Anleitung für die Dozentinnen und Dozenten
Virtueller Seminarordner Anleitung für die Dozentinnen und Dozenten In dem Virtuellen Seminarordner werden für die Teilnehmerinnen und Teilnehmer des Seminars alle für das Seminar wichtigen Informationen,
MehrEinführung in QtiPlot
HUWagner und Julia Bek Einführung in QtiPlot 30. Juni 2011 1/13 Einführung in QtiPlot Mit Bezug auf das Liebig-Lab Praktikum an der Ludwig-Maximilians-Universität München Inhaltsverzeichnis 1 Programmeinführung
MehrEinfaches Datenmanagement in R
Einfaches Datenmanagement in R Achim Zeileis 2009-02-20 1 Daten einlesen Datensätze werden in R typischerweise als Objekte der Klasse "data.frame" dargestellt. In diesen entsprechen die Zeilen den Beobachtungen
MehrBilder zum Upload verkleinern
Seite 1 von 9 Bilder zum Upload verkleinern Teil 1: Maße der Bilder verändern Um Bilder in ihren Abmessungen zu verkleinern benutze ich die Freeware Irfan View. Die Software biete zwar noch einiges mehr
MehrMailUtilities: Remote Deployment - Einführung
MailUtilities: Remote Deployment - Einführung Zielsetzung Die Aufgabe von Remote Deployment adressiert zwei Szenarien: 1. Konfiguration der MailUtilities von einer Workstation aus, damit man das Control
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrIhre Interessentendatensätze bei inobroker. 1. Interessentendatensätze
Ihre Interessentendatensätze bei inobroker Wenn Sie oder Ihre Kunden die Prozesse von inobroker nutzen, werden Interessentendatensätze erzeugt. Diese können Sie direkt über inobroker bearbeiten oder mit
MehrBrowser Grid Funktionalitäten
Browser Grid Funktionalitäten Die Browser Grid Funktionalitäten können durch rechts Klick auf dem Grid eines Browsers aufgerufen werden. Fig. 1 Die erste Option Gruppe (bis zur ersten linie in Fig.1) enthält
MehrEinfache statistische Auswertungen mit dem TI-Nspire
1. Neues Dokument und darin eine neue Seite anlegen Als Typ 6: Lists & Spreadsheet wählen. Darin die Messwerte in einer Spalte erfassen. Dies ergibt die Urliste. Wenn mehrere Messwerte vorliegen, die diejenigen,
MehrDiese Ansicht erhalten Sie nach der erfolgreichen Anmeldung bei Wordpress.
Anmeldung http://www.ihredomain.de/wp-admin Dashboard Diese Ansicht erhalten Sie nach der erfolgreichen Anmeldung bei Wordpress. Das Dashboard gibt Ihnen eine kurze Übersicht, z.b. Anzahl der Beiträge,
MehrNeue Schriftarten installieren
.DIE Neue Schriftarten installieren Die Informationen zu jeder Schriftart (Font) sind in jeweils einer Datei untergebracht, der sog. Font-Datei mit der Endung.ttf ttf steht für True Type Font und bedeutet,
Mehr> patienten<-data.frame( c(28,61,79,54,na,48), c(2,2,3,2,1,1), c("pillen","pillen","massage","gymnastik","massage","gymnastik"),
1 Der Datentyp factor in R 2 Beispieldatensatz > patienten
MehrIhr CMS für die eigene Facebook Page - 1
Ihr CMS für die eigene Facebook Page Installation und Einrichten eines CMS für die Betreuung einer oder mehrer zusätzlichen Seiten auf Ihrer Facebook Page. Anpassen der "index.php" Installieren Sie das
MehrEinkaufslisten verwalten. Tipps & Tricks
Tipps & Tricks INHALT SEITE 1.1 Grundlegende Informationen 3 1.2 Einkaufslisten erstellen 4 1.3 Artikel zu einer bestehenden Einkaufsliste hinzufügen 9 1.4 Mit einer Einkaufslisten einkaufen 12 1.4.1 Alle
MehrHäufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln
Häufigkeitstabellen Menüpunkt Data PivotTable Report (bzw. entsprechendes Icon): wähle Data Range (Zellen, die die Daten enthalten + Zelle mit Variablenname) wähle kategoriale Variable für Spalten- oder
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
MehrWie halte ich Ordnung auf meiner Festplatte?
Wie halte ich Ordnung auf meiner Festplatte? Was hältst du von folgender Ordnung? Du hast zu Hause einen Schrank. Alles was dir im Wege ist, Zeitungen, Briefe, schmutzige Wäsche, Essensreste, Küchenabfälle,
MehrNewsletter. 1 Erzbistum Köln Newsletter
Newsletter 1 Erzbistum Köln Newsletter Inhalt 1. Newsletter verwalten... 3 Schritt 1: Administration... 3 Schritt 2: Newsletter Verwaltung... 3 Schritt 3: Schaltflächen... 3 Schritt 3.1: Abonnenten Verwaltung...
Mehr10 Lesen und Schreiben von Dateien
10 Lesen und Schreiben von Dateien 10 Lesen und Schreiben von Dateien 135 10.1 Mit load und save Binäre Dateien Mit save können Variableninhalte binär im Matlab-Format abgespeichert werden. Syntax: save
MehrMit der Maus im Menü links auf den Menüpunkt 'Seiten' gehen und auf 'Erstellen klicken.
Seite erstellen Mit der Maus im Menü links auf den Menüpunkt 'Seiten' gehen und auf 'Erstellen klicken. Es öffnet sich die Eingabe Seite um eine neue Seite zu erstellen. Seiten Titel festlegen Den neuen
MehrLaufende Auswertung von Feedback-Fragebögen... 2. Eine Vorlage zur Auswertung eines Fragebogens und die Präsentation erstellen...
Inhaltsverzeichnis Laufende Auswertung von Feedback-Fragebögen... 2 Eine Vorlage zur Auswertung eines Fragebogens und die Präsentation erstellen... 2 Namen verwalten... 4 Dr. Viola Vockrodt-Scholz edvdidaktik.de
MehrKlicken Sie auf Weiter und es erscheint folgender Dialog
Datenimport Hier wird der Import von Excel-Daten in das Programm Videka TS beschrieben. Der Import mit den Programmen Aring s AdressMogul und Aring s promptbill läuft genauso ab, wie hier beschrieben.
MehrAbamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER
Abamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER Abamsoft Finos in Verbindung mit der Webshopanbindung wurde speziell auf die Shop-Software shop to date von DATA BECKER abgestimmt. Mit
MehrDatenauswertung mit Hilfe von Pivot-Tabellen in Excel
Datenauswertung mit Hilfe von Pivot-Tabellen in Excel Begleitendes Manual zu den Workshops zur Datenerfassung und verarbeitung im Juni / Juli 2004 Datenauswertung mit Hilfe von Pivot-Tabellen in Excel...3
MehrKünstliches binäres Neuron
Künstliches binäres Neuron G.Döben-Henisch Fachbereich Informatik und Ingenieurwissenschaften FH Frankfurt am Main University of Applied Sciences D-60318 Frankfurt am Main Germany Email: doeben at fb2.fh-frankfurt.de
MehrTutorial - www.root13.de
Tutorial - www.root13.de Netzwerk unter Linux einrichten (SuSE 7.0 oder höher) Inhaltsverzeichnis: - Netzwerk einrichten - Apache einrichten - einfaches FTP einrichten - GRUB einrichten Seite 1 Netzwerk
MehrWindows. Workshop Internet-Explorer: Arbeiten mit Favoriten, Teil 1
Workshop Internet-Explorer: Arbeiten mit Favoriten, Teil 1 Wenn der Name nicht gerade www.buch.de oder www.bmw.de heißt, sind Internetadressen oft schwer zu merken Deshalb ist es sinnvoll, die Adressen
MehrAuswertung erstellen: Liste mit E-Mail-
Anleitung Auswertung erstellen: Liste mit E-Mail-Adressen Auswertung erstellen: Liste mit E-Mail- Adressen Das Beispiel Sie möchten für den Versand eines Newletters per E-Mail eine Liste der in mention
MehrErstellen einer PostScript-Datei unter Windows XP
Erstellen einer PostScript-Datei unter Windows XP Sie möchten uns Ihre Druckvorlage als PostScript-Datei einreichen. Um Fehler in der Herstellung von vorneherein auszuschließen, möchten wir Sie bitten,
MehrZahlen auf einen Blick
Zahlen auf einen Blick Nicht ohne Grund heißt es: Ein Bild sagt mehr als 1000 Worte. Die meisten Menschen nehmen Informationen schneller auf und behalten diese eher, wenn sie als Schaubild dargeboten werden.
MehrArbeiten mit dem Outlook Add-In
Arbeiten mit dem Outlook Add-In Das Outlook Add-In ermöglicht Ihnen das Speichern von Emails im Aktenlebenslauf einer Akte. Außerdem können Sie Namen direkt aus BS in Ihre Outlook-Kontakte übernehmen sowie
MehrEDV-Fortbildung Kombi-Schulung Word-Excel 2010. Modul Excel. Informationen zum Programm. Die Programmoberfläche von Excel
EDV-Fortbildung Kombi-Schulung Word-Excel 2010 Modul Excel Informationen zum Programm Microsoft Excel ist das meistverbreitete Programm zur Tabellenkalkulation. Excel bietet sich für umfangreiche, aber
MehrStellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster
Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.
MehrEINFACHES HAUSHALT- KASSABUCH
EINFACHES HAUSHALT- KASSABUCH Arbeiten mit Excel Wir erstellen ein einfaches Kassabuch zur Führung einer Haushalts- oder Portokasse Roland Liebing, im November 2012 Eine einfache Haushalt-Buchhaltung (Kassabuch)
MehrAccess Verbrecherdatenbank Teil 3
Access Verbrecherdatenbank Teil 3 Allgemeines Im letzten Teil des Lehrgangs zu Microsoft Access erfährst du, wie man aus einer Datenbank Informationen herausfiltert, indem an Filter und Abfragen anwendet.
MehrAnleitung zur Erstellung und Bearbeitung von Seiten in Typo3. Typo3. Anleitung. Wenpas Informatik
Anleitung zur Erstellung und Bearbeitung von Seiten in Typo3. Typo3 Anleitung Wenpas Informatik 1.0 Anmeldung im Backend Zum Backend einer Typo3 Seite gelangt man wenn man nichts anderes konfiguriert hat
Mehrtentoinfinity Apps 1.0 EINFÜHRUNG
tentoinfinity Apps Una Hilfe Inhalt Copyright 2013-2015 von tentoinfinity Apps. Alle Rechte vorbehalten. Inhalt der online-hilfe wurde zuletzt aktualisiert am August 6, 2015. Zusätzlicher Support Ressourcen
MehrHandbuch zur Anlage von Turnieren auf der NÖEV-Homepage
Handbuch zur Anlage von Turnieren auf der NÖEV-Homepage Inhaltsverzeichnis 1. Anmeldung... 2 1.1 Startbildschirm... 3 2. Die PDF-Dateien hochladen... 4 2.1 Neue PDF-Datei erstellen... 5 3. Obelix-Datei
MehrAnleitung zur Daten zur Datensicherung und Datenrücksicherung. Datensicherung
Anleitung zur Daten zur Datensicherung und Datenrücksicherung Datensicherung Es gibt drei Möglichkeiten der Datensicherung. Zwei davon sind in Ges eingebaut, die dritte ist eine manuelle Möglichkeit. In
MehrBearbeitung und Download von grossen Datenmengen in STAT-TAB
Eidgenössisches Departement des Innern EDI Bundesamt für Statistik BFS Publikation und Kommunikation 18. Februar 2014 Bearbeitung und Download von grossen Datenmengen in STAT-TAB Dieses Dokument richtet
MehrIDE Grundlagen Vektoren Matrizen Faktoren Dataframes Visualisierung Tips. Quick & dirty
Quick & dirty Eine pragmatische Einführung in R (Seminar Forschungsevaluation, Universität Wuppertal) Stephan Holtmeier kibit GmbH, stephan@holtmeier.de 31. Mai 2013 1 / 24 Unsere Entwicklungsumgebung:
MehrOUTLOOK-DATEN SICHERN
OUTLOOK-DATEN SICHERN Wie wichtig es ist, seine Outlook-Daten zu sichern, weiß Jeder, der schon einmal sein Outlook neu installieren und konfigurieren musste. Alle Outlook-Versionen speichern die Daten
MehrUrlaubsregel in David
Urlaubsregel in David Inhaltsverzeichnis KlickDown Beitrag von Tobit...3 Präambel...3 Benachrichtigung externer Absender...3 Erstellen oder Anpassen des Anworttextes...3 Erstellen oder Anpassen der Auto-Reply-Regel...5
MehrSuche schlecht beschriftete Bilder mit Eigenen Abfragen
Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere
MehrDurchführung der Datenübernahme nach Reisekosten 2011
Durchführung der Datenübernahme nach Reisekosten 2011 1. Starten Sie QuickSteuer Deluxe 2010. Rufen Sie anschließend über den Menüpunkt /Extras/Reisekosten Rechner den QuickSteuer Deluxe 2010 Reisekosten-Rechner,
MehrIDEP / KN8 für WINDOWS. Schnellstart
IDEP / KN8 für WINDOWS Schnellstart 1. INSTALLATION 1.1 ÜBER DAS INTERNET Auf der Webseite von Intrastat (www.intrastat.be) gehen Sie nach der Sprachauswahl auf den Unterpunkt Idep/Gn8 für Windows. Dann
MehrInformatik 12 Datenbanken SQL-Einführung
Informatik 12 Datenbanken SQL-Einführung Gierhardt Vorbemerkungen Bisher haben wir Datenbanken nur über einzelne Tabellen kennen gelernt. Stehen mehrere Tabellen in gewissen Beziehungen zur Beschreibung
MehrSpeichern. Speichern unter
Speichern Speichern unter Speichern Auf einem PC wird ständig gespeichert. Von der Festplatte in den Arbeitspeicher und zurück Beim Download Beim Kopieren Beim Aufruf eines Programms Beim Löschen Beim
MehrKonvertieren von Settingsdateien
Konvertieren von Settingsdateien Mit SetEdit können sie jedes der von diesem Programm unterstützten Settingsformate in jedes andere unterstützte Format konvertieren, sofern Sie das passende Modul (in Form
MehrICS-Addin. Benutzerhandbuch. Version: 1.0
ICS-Addin Benutzerhandbuch Version: 1.0 SecureGUARD GmbH, 2011 Inhalt: 1. Was ist ICS?... 3 2. ICS-Addin im Dashboard... 3 3. ICS einrichten... 4 4. ICS deaktivieren... 5 5. Adapter-Details am Server speichern...
Mehr1 Möglichkeiten zur Darstellung von Daten
1 1 Möglichkeiten zur Darstellung von Daten 1.1 Diagramme 1.1.1 Datenreihen in Zeilen oder Spalten Die erste Wahl bei der Erstellung eines Diagramms besteht daraus, ob die Datenreihen auf den Daten aus
MehrHilfe zur Urlaubsplanung und Zeiterfassung
Hilfe zur Urlaubsplanung und Zeiterfassung Urlaubs- und Arbeitsplanung: Mit der Urlaubs- und Arbeitsplanung kann jeder Mitarbeiter in Coffee seine Zeiten eintragen. Die Eintragung kann mit dem Status anfragen,
MehrBedienungsanleitung CAD-KAS Reklamationserfassung. Einen neuen Datensatz anlegen. Klicken Sie auf das + Symbol, um einen neuen Datensatz anzulegen.
Bedienungsanleitung CAD-KAS Reklamationserfassung Einen neuen Datensatz anlegen Klicken Sie auf das + Symbol, um einen neuen Datensatz anzulegen. Datensatz löschen Daten hier erfassen. Automatische Reklamationsnummer
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
MehrUmwandeln und Exportieren von Adobe-Illustrator-Dateien in Illustrator für Artcut
Umwandeln und Exportieren von Adobe-Illustrator-Dateien in Illustrator für Artcut Unsere mitgelieferte Fonts & Grafik CD haben wir vom Hersteller des Plotters zur Verfügung gestellt bekommen. Die darauf
MehrAnleitung zum GUI Version 2.x
GUI (Graphical User Interface) für PC-DMIS V3.x 4.x Seite 1 von 7 Anleitung zum GUI Version 2.x Einsatzziel des Programms: Über ein grafisches Menü PC-DMIS Messprogramme starten. Empfehlenswert für Anwender
MehrErstellen der Barcode-Etiketten:
Erstellen der Barcode-Etiketten: 1.) Zuerst muss die Schriftart Code-39-Logitogo installiert werden! Das ist eine einmalige Sache und muss nicht zu jeder Börse gemacht werden! Dazu speichert man zunächst
MehrOSF Integrator für Btracking und Salesforce Anleitung für die Nutzer
OSF Integrator für Btracking und Salesforce Anleitung für die Nutzer Inhalt Beschreibung... 2 Beginn der Nutzung... 2 OSF Integrator für Btracking und Salesforce... 3 1. Fügen Sie Rechnungs- und Versandadressen
MehrDiese Unterlage bezieht sich auf Excel 2010 (auf Deutsch). Die Benutzeroberfläche kann in anderen Versionen der Software erheblich anders aussehen.
Vorbemerkung Diese Unterlage bezieht sich auf Excel 2010 (auf Deutsch). Die Benutzeroberfläche kann in anderen Versionen der Software erheblich anders aussehen. Einiges, das bei der Bearbeitung der Übung
MehrMöglichkeiten des Parallelbetriebs der VR-NetWorld Software Parallelbetrieb VR-NetWorld Software 4.4x und Version 5.0 ab der 2. Beta!
Möglichkeiten des Parallelbetriebs der VR-NetWorld Software Um mehrere Versionsstände parallel betreiben zu können, sollte man die folgenden Hintergründe kennen, um zu verstehen wo ggf. die Hürden liegen.
MehrDateipfad bei Word einrichten
Dateipfad bei Word einrichten Word 2003 1. In der Menüleiste klicken Sie auf Ansicht, anschließend auf den Unterpunkt Kopf- und Fußzeile : 2. Wechseln Sie nun in die Fußzeile. 3. Im Autotext-Menü klicken
MehrLaden der beiden virtuellen Orgeln (36 bzw. 100 Register) unter Hauptwerk
Oberwerk 2 das Wichtigste in deutsch Der Datenträger enthält sowohl das zu installierende Programm Oberwerk 2 als auch zwei fertige Sample-Sets (36 Register und 100 Register) für Hauptwerk. Installation
MehrOrdner Berechtigung vergeben Zugriffsrechte unter Windows einrichten
Ordner Berechtigung vergeben Zugriffsrechte unter Windows einrichten Was sind Berechtigungen? Unter Berechtigungen werden ganz allgemein die Zugriffsrechte auf Dateien und Verzeichnisse (Ordner) verstanden.
MehrAntolin-Titel jetzt automatisch in WinBIAP kennzeichnen
& Antolin-Titel jetzt automatisch in WinBIAP kennzeichnen Immer mehr Schulen setzen das erfolgreiche Leseförderungsprojekt "Antolin" ein - und die Bibliotheken verzeichnen große Nachfrage nach den Kinderbüchern,
MehrText-Zahlen-Formatieren
Text-Zahlen-Formatieren Beobachtung: Bei der Formatierung einer Zahl in eine Textzahl und umgekehrt zeigt Excel ein merkwürdiges Verhalten, welches nachfolgend skizziert werden soll: Wir öffnen eine neue
MehrFallbeispiel: Eintragen einer Behandlung
Fallbeispiel: Eintragen einer Behandlung Im ersten Beispiel gelernt, wie man einen Patienten aus der Datenbank aussucht oder falls er noch nicht in der Datenbank ist neu anlegt. Im dritten Beispiel haben
MehrTutorial: Gnumeric installieren und Jahres-Kostenübersicht erstellen mit Diagramm
Gnumeric Mittwoch, 8. Mai 2013 01:05 Tutorial: Gnumeric installieren und Jahres-Kostenübersicht erstellen mit Diagramm In diesem Tutorial will ich Ihnen zeigen, wie man Gnumeric installiert und wie man
MehrProgramm GArtenlisten. Computerhinweise
Programm GArtenlisten Computerhinweise Liebe/r Vogelbeobachter/in, anbei haben wir Ihnen ein paar wichtige Tipps für ein reibungsloses Funktionieren der mitgelieferten Ergebnisdatei auf Ihrem Computer
MehrAccess [basics] Gruppierungen in Abfragen. Beispieldatenbank. Abfragen gruppieren. Artikel pro Kategorie zählen
Abfragen lassen sich längst nicht nur dazu benutzen, die gewünschten Felder oder Datensätze einer oder mehrerer Tabellen darzustellen. Sie können Daten auch nach bestimmten Kriterien zu Gruppen zusammenfassen
Mehr(Eine ausführliche Beschreibung der Batch-Umbenennen-Funktion finden Sie in der Anleitung [Link zur Anleitung m4 irfanview_batch].
Mit IrfanView eine Html-Bilderschau erstellen Diese Anleitung beschreibt, wie man mit IrfanView HTML-basierte Anleitungen oder Dokumentationen erstellt und diese mit Text versieht. Es wird davon ausgegangen,
MehrBauteilattribute als Sachdaten anzeigen
Mit den speedikon Attributfiltern können Sie die speedikon Attribute eines Bauteils als MicroStation Sachdaten an die Elemente anhängen Inhalte Was ist ein speedikon Attribut?... 3 Eigene Attribute vergeben...
MehrMenü auf zwei Module verteilt (Joomla 3.4.0)
Menü auf zwei Module verteilt (Joomla 3.4.0) Oft wird bei Joomla das Menü in einem Modul dargestellt, wenn Sie aber z.b. ein horizontales Hauptmenü mit einem vertikalen Untermenü machen möchten, dann finden
MehrGratis Excel SVERWEIS Funktions-Anleitung, Tutorial, ebook, PDF-E-Book
Gratis Excel SVERWEIS Funktions-Anleitung, Tutorial, ebook, PDF-E-Book Wir wollen wissen wieviel Umsatz Vertreter Müller im Juni gemacht hat? Dazu klicken wir irgendwo in ein Feld und geben ein: =SVERWEIS
MehrMdtTax Programm. Programm Dokumentation. Datenbank Schnittstelle. Das Hauptmenü. Die Bedienung des Programms geht über das Hauptmenü.
Programm Die Bedienung des Programms geht über das Hauptmenü. Datenbank Schnittstelle Die Datenbank wir über die Datenbank- Schnittstelle von Office angesprochen. Von Office 2000-2003 gab es die Datenbank
MehrTeil 2: Ablauf der Analyse festlegen
Teil 2: Ablauf der Analyse festlegen 1. Klicken Sie in der Button-Leiste auf den Button Auto, um eine automatisierte Analyse mit einem automatischen Probengeber (Autosampler) zu starten. 2. Überprüfen
MehrRegistrierungsanleitung Informatik-Biber
Registrierungsanleitung Informatik-Biber Sehr geehrte Lehrkraft, wir freuen uns sehr, dass Sie mit Ihren Schülerinnen und Schülern am Informatik-Biber teilnehmen möchten. Für jede Schule, die beim Informatik-Biber
MehrBeispiel Shop-Eintrag Ladenlokal & Online-Shop im Verzeichnis www.wir-lieben-shops.de 1
Beispiel Shop-Eintrag Ladenlokal & Online-Shop. Als Händler haben Sie beim Shop-Verzeichnis wir-lieben-shops.de die Möglichkeit einen oder mehrere Shop- Einträge zu erstellen. Es gibt 3 verschiedene Typen
MehrKURZANLEITUNG CYBERDUCK MIT CLOUD OBJECT STORAGE
KURZANLEITUNG CYBERDUCK MIT CLOUD OBJECT STORAGE Version 1.12 01.07.2014 SEITE _ 2 INHALTSVERZEICHNIS 1. Einleitung...Seite 03 2. Zugriff auf Cloud Object Storage mit Cyberduck...Seite 04 3. Neuen Container
MehrDie Excel Schnittstelle - Pro Pack
Die Excel Schnittstelle - Pro Pack Die Excel Pro Pack ist eine Erweiterung der normalen Excel Schnittstelle, die in der Vollversion von POSWare Bestandteil der normalen Lizenz und somit für alle Lizenznehmer
MehrHandbuch. NAFI Online-Spezial. Kunden- / Datenverwaltung. 1. Auflage. (Stand: 24.09.2014)
Handbuch NAFI Online-Spezial 1. Auflage (Stand: 24.09.2014) Copyright 2016 by NAFI GmbH Unerlaubte Vervielfältigungen sind untersagt! Inhaltsangabe Einleitung... 3 Kundenauswahl... 3 Kunde hinzufügen...
MehrFunktionsbeschreibung. Lieferantenbewertung. von IT Consulting Kauka GmbH
Funktionsbeschreibung Lieferantenbewertung von IT Consulting Kauka GmbH Stand 16.02.2010 odul LBW Das Modul LBW... 3 1. Konfiguration... 4 1.1 ppm... 4 1.2 Zertifikate... 5 1.3 Reklamationsverhalten...
MehrDokumentation IBIS Monitor
Dokumentation IBIS Monitor Seite 1 von 16 11.01.06 Inhaltsverzeichnis 1. Allgemein 2. Installation und Programm starten 3. Programmkonfiguration 4. Aufzeichnung 4.1 Aufzeichnung mitschneiden 4.1.1 Inhalt
MehrInstallationsanleitungen
Installationsanleitungen INPA SGBD-Entwicklungsumgebung (EDIABAS) INPA für Entwickler Bevor Sie EDIABAS / INPA installieren können, müssen Sie sich für den Ordner sgref auf smuc0900 freischalten lassen.
MehrDas sogenannte Beamen ist auch in EEP möglich ohne das Zusatzprogramm Beamer. Zwar etwas umständlicher aber es funktioniert
Beamen in EEP Das sogenannte Beamen ist auch in EEP möglich ohne das Zusatzprogramm Beamer. Zwar etwas umständlicher aber es funktioniert Zuerst musst du dir 2 Programme besorgen und zwar: Albert, das
MehrR-Tutorial. R bietet zahlreiche Hilfe-Funktionen an. Informiere Dich über die Funktion log():
Statistik für Bioinformatiker SoSe 2005 R-Tutorial Aufgabe 1: Hilfe. Logge Dich ein. Username und Passwort stehen auf dem Aufkleber am jeweiligen Bildschirm. Öffne eine Shell und starte R mit dem Befehl
MehrDatenbanken Kapitel 2
Datenbanken Kapitel 2 1 Eine existierende Datenbank öffnen Eine Datenbank, die mit Microsoft Access erschaffen wurde, kann mit dem gleichen Programm auch wieder geladen werden: Die einfachste Methode ist,
MehrKurzanleitung zur Softwareverteilung von BitDefender Produkten...2
Kurzanleitung zur Softwareverteilung von Kurzanleitung zur Softwareverteilung von BitDefender Produkten...2 I. BitDefender Management Agenten Verteilung...2 1.1. Allgemeine Bedingungen:... 2 1.2. Erste
MehrKleines Handbuch zur Fotogalerie der Pixel AG
1 1. Anmelden an der Galerie Um mit der Galerie arbeiten zu können muss man sich zuerst anmelden. Aufrufen der Galerie entweder über die Homepage (www.pixel-ag-bottwartal.de) oder über den direkten Link
Mehrwww.informationskompetenz.de - Frontend
www.informationskompetenz.de - Frontend News einstellen 1. Login auf der Webseite unter Benutzeranmeldung (=Frontend) mit persönlichem Login 2. Wahl des Menüpunkts Inhalte einstellen > News einstellen
Mehr