Visualisierung mehrdimensionaler Daten
|
|
- Ralph Wilfried Böhler
- vor 6 Jahren
- Abrufe
Transkript
1 Verwaltung und Analyse digitaler Daten in der Wissenschaft Visualisierung mehrdimensionaler Daten Theorieteil Inhaltsverzeichnis 1 Information visualisieren 3 2 Klassische grafische Darstellungen 3 3 Mehrdimensionale Daten 4 4 Darstellungsmethoden für mehrdimensionale Daten Punktediagramm-Matrix Parallelkoordinaten Andrews-Kurven Permutationsmatrix Explorative Datenanalyse Grafische Operationen Beispiele Clusterermittlung Distanzfunktionen als Ähnlichkeitsmass Euklidische Distanz Manhattan-Distanz Gruppierungs-Methoden Hierarchisches Clustering K-Means Hinweise zum Vorgehen 15
2 8 Literatur 16 Begriffe Grafische Wahrnehmung Visualisierungsmethode Datensammlung Datensatz Dimensionalität von Daten Häufigkeitsvergleich Beziehungsvergleich Erkundende Datenanalyse Diagrammtyp Parallelkoordinaten Punktediagramm-Matrix Permutationsmatrix Andrews Kurven Clusterermittlung Autoren: Hans Hinterberger, Barbara Scheuner, Lukas Fässler, David Sichau Datum: 07 August 2017 Version: 1.1 Hash: a9ee87a Trotz sorgfältiger Arbeit schleichen sich manchmal Fehler ein. Die Autoren sind Ihnen für Anregungen und Hinweise dankbar! Dieses Material steht unter der Creative-Commons-Lizenz Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International. Um eine Kopie dieser Lizenz zu sehen, besuchen Sie 2
3 1 Information visualisieren Wir sind uns alle gewohnt, Information in der Form grafischer Darstellungen aufzunehmen. Dies funktioniert, weil die visuelle Wahrnehmung des Menschen stark darauf ausgerichtet ist, in Bildern Zusammenhänge zu erkennen. Weniger bekannt ist, dass das gleiche Phänomen eingesetzt werden kann, um in visualisierten Daten nach Information zu suchen. Dazu sind allerdings raffinierte grafische Methoden notwendig, welche idealerweise am Computerbildschirm manipuliert werden können. Dieses Modul behandelt zuerst klassische Darstellungsmethoden für Daten, die traditionellerweise dem Zweck der Informationspräsentation dienen. Weil diese Visualisierungen bei grossen Datenmengen oder bei vielfältigen Daten schnell versagen, lernen Sie auch Methoden kennen, mit denen Sie die interessanten Aspekte in Datensammlungen finden können, um dann gezielt diese Information zu vermitteln. Obwohl die visuelle Wahrnehmung grafisch dargestellte Informationen automatisch und zuverlässig verarbeitet, werden wir manchmal durch sie fehlgeleitet, wie z.b. bei optischen Täuschungen. Das bedeutet, sie ist durch die Art der Darstellung beeinflussbar, was wiederum bedingt, dass Darstellungsmethoden sorgfältig ausgewählt werden sollten um die gewünschten Effekte zu erzielen. Was damit gemeint ist, betrachten wir am Beispiel von einfachen, weit verbreiteten Visualisierungsmethoden. 2 Klassische grafische Darstellungen Für die Darstellung einfacher, quantitativer Zusammenhänge zwischen Datensätzen werden im Wesentlichen die folgenden fünf Diagrammformen verwendet: Die verschiedenen Diagramme präsentieren sich nicht nur in grafischer Hinsicht unterschiedlich, sie heben auch verschiedene Qualitäten der zu vergleichenden Daten hervor und führen deshalb zur Frage, wie ein für die Darstellung von gegebenen Daten passendes Diagramm gewählt werden soll. Man beginnt am besten damit, festzulegen, was mit einer Grafik ausgesagt werden soll und nicht mit der Überlegung, welches Diagramm am besten gefällt. Wenn eine Aussage über Daten visuell kommuniziert werden kann, dann beruht sie immer auf einem Vergleich, der sich entweder auf die Anteile an einer Gesamtheit, eine Rangfolge, eine zeitliche Veränderungen, die Verteilung einer Häufigkeit oder einer Wechselbeziehung zwischen zwei Variablen bezieht. Jeder dieser Vergleichstypen kann durch eine der oben gezeigten Diagrammformen visuell unterstützt werden. 3
4 Der Entwurf einer grafischen Darstellung ist also ein schrittweises Vorgehen, bei dem man mit einer Aussage beginnt, dann einen bestimmten Typ von Vergleich festhält und anschliessend ein Diagramm wählt, das diese Vergleiche optisch am besten unterstützt. In jeder Aussage, die aus einer Zahlentabelle abgeleitet wird, kommen in der einen oder anderen Form fünf Grundtypen von Vergleichen vor. Es sind dies Vergleiche einer: Struktur: Anteile an einer Gesamtheit Rangfolge: Reihung von Einzelobjekten Zeitreihe: Veränderungen über Zeit Häufigkeitsverteilung: Besetzung von Grössenklassen Zwischenbeziehung: Beziehungen zwischen Variablen. Die für einen bestimmten Grundtyp von Vergleich geeignete Diagrammform kann in der Abbildung 1 gefunden werden. Abbildung 1: Grundtypen von Diagrammformen. 3 Mehrdimensionale Daten Klassische Darstellungsmethoden reduzieren Visualisierungen auf relativ wenig Daten und einfache Zusammenhänge, d.h. Daten über ein, zwei oder drei Variablen. Wie können 4
5 wir Daten visualisieren, wenn viele Variablen mit im Spiel sind? Das heisst, wenn wir es mit multivariaten Daten zu haben. Man spricht dann oft auch von mehrdimensionalen Daten. Der Begriff Dimension wird unterschiedlich interpretiert. Mathematiker betrachten die Dimension als die Anzahl unabhängiger Variablen in einer algebraischen Gleichung. Ingenieure benutzen die Dimension um verschiedene Masse zu bezeichnen (Breite, Länge, Höhe). Mehrdimensionale Daten entstehen entweder durch das Erfassen mehrdimensionaler Objekte, meistens zum Zweck einer geometrischen Interpretation, oder durch das Erfassen mehrerer Parameter, meistens um Beziehungen zwischen den Parametern zu untersuchen. Mathematisch werden diese Parameter in zwei Kategorien gegliedert: In abhängige und in unabhängige. Unabhängige Parameter können in der Regel ihren Wert ändern und werden deshalb oft Variable genannt. Unglücklicherweise gibt es keine klare Regelung wann der Begriff mehrdimensional und wann multivariat angewandt wird. Oft wird variat eher verwendet, wenn die Daten in einem statistischen Sinn interpretiert werden und dimensional, wenn sie in einem geometrischen Kontext betrachtet werden. 4 Darstellungsmethoden für mehrdimensionale Daten In diesem Modul lernen Sie vier konzeptionell verschiedene Visualisierungsmethoden für mehrdimensionale Daten kennen: Die Punktediagramm-Matrix, Parallelkoordinaten, Andrews Curves und die Permutationsmatrix. Die diesen Methoden zu Grunde liegenden Ideen illustrieren wir anhand eines beispielhaften Datensatzes (Tabelle 1) mit Messdaten über drei verschiedene Arten von Irisblüten (Iris setosa, Iris versicolor und Iris virginica). 4.1 Punktediagramm-Matrix Mit vier Variablen gibt es sechs Möglichkeiten ((n 2 n)/2, n = 4), wie diese paarweise kombiniert werden können und somit auch sechs Punktediagramme (Streudiagramme, Scatterplots), in denen sich Wertepaare als Punkte darstellen lassen. Um die einzelnen Diagramme zu vergleichen, ist es praktisch, diese in einer Matrix so anzuordnen, dass die Diagramme einer Zeile eine der Achsen gemeinsam benutzen. Dasselbe gilt für die Diagramme einer gegebenen Spalte. Die Iris-Daten, als Punktediagramm-Matrix dargestellt, präsentieren sich in Abbildung Parallelkoordinaten Mit Parallelkoordinaten können hochdimensionale Daten visualisiert werden. Dabei werden die Koordinatenachsen parallel zueinander angeordnet. Dies im Unterschied 5
6 Kelchblatt Kronblatt Länge Breite Länge Breite Iris setosa Iris setosa Iris setosa Iris versicolor Iris versicolor Iris versicolor Iris virginica Iris virginica Iris virginica Tabelle 1: Datensatz über drei verschiedene Irisblüten Arten. Abbildung 2: Darstellung der Iris-Daten als Punktediagramm-Matrix. zum Punktediagramm, bei welchem zwei Koordinatenachsen rechtwinklig zueinander angeordnet sind. Ein Datenpunkt wird daher durch einen Polygenzug dargestellt, dessen Eckpunkte jeweils auf einer Koordinatenachse liegen. Ursprünglich für Anwendungen in der computergestützten Geometrie entwickelt, haben Parallelkoordinaten schnell Eingang in die erkundende Datenanalyse gefunden. Für eine Beschreibung der vielen interessanten Eigenschaft der Parallelkoordinaten sei auf die entsprechende Literatur verwiesen. Die Darstellung 3 zeigt die Iris-Daten im Parallelkoordinaten-System. 6
7 Abbildung 3: Darstellung der Iris-Daten im Parallelkoordinaten-System. 4.3 Andrews-Kurven Damit sich mehrdimensionale Datensätze in ihrer Gesamtheit leichter vergleichen lassen, hat D.F. Andrews vorgeschlagen, die Daten als sinusoidale Kurven darzustellen. Jeder mehrdimensionale Datensatz Xi = (x i,1, x i,2,..., x i,n ) wird dabei wie folgt in eine Kurve transformiert: f i (t) = x i,1 + x i,2 sin (t) + x i,3 cos (t) + x i,4 sin (2t) + x i,5 cos (2t) so, dass die Messwerte die Koeffizienten einer sogenannten Fourierserie darstellen (t [ π, π]). Die Messwerte der Iris-Daten als Andrews-Kurven sind in Darstellung 4 dargestellt. Abbildung 4: Die Messwerte der Iris-Daten als Andrews-Kurven. Folgende Eigenschaften charakterisieren Andrews-Kurven: 7
8 Ausreisser erscheinen als einzelne Andrews-Kurve, welche sich von allen anderen unterscheidet. Eine Untergruppe von Datensätzen kann als Menge von ähnlichen Kurven erkannt werden. Die Reihenfolge der Variablen spielt eine wichtige Rolle für die Interpretation der Daten. Je mehr Dimensionen dargestellt werden, desto mehr Schwingungen weist im allgemeinen eine Kurve auf. Bei mehr als 20 Datensätzen sind die einzelnen Datensätze meist nicht mehr klar identifizierbar. Eignen sich für die Erkennung von Datensatzgruppen. 4.4 Permutationsmatrix Der französische Kartograf Jacques Bertin hat mit der so genannten Permutationsmatrix ein wirkungsvolles Instrument geschaffen, mit dem grafische Muster, die der Struktur der Daten entsprechen, erzeugt werden können. Diese Muster können sowohl auf Zusammenhänge in den Daten hindeuten als auch die Grundlage für Kategorisierungen bilden. Es handelt sich um grafische Darstellungen, mit denen sich Beziehungen enthüllen lassen, die sich aus der Gesamtheit der Daten ergeben. In einer Permutationsmatrix werden grafische Elemente, die Datenwerte repräsentieren, so angeordnet, dass die Zeilen und Spalten der Matrix vertauscht werden können. Dieses Modul behandelt eine Variante der Permutationsmatrix, in der Säulendiagramme verwendet werden. Betrachten wir beispielsweise ein Säulendiagramm der Kelchblatt-Breite aller Iris-Datensätze, dann können wir die Säulen sowohl wie im Diagramm links als auch wie im Diagramm rechts gezeigt, anordnen, weil die Datensätze unabhängig sind: Das gleiche gilt, wenn wir die Säulendiagramme aller vier Dimensionen der Iris-Daten übereinander legen. Dies kann in irgendeiner Reihenfolge geschehen. In einer Permutationsmatrix werden die Datenwerte so angeordnet, dass die Werte in einer Zeile einer Dimension und die Werte in einer Spalte einem Datensatz entsprechen. Färbt man die Säulen des Diagramms entweder schwarz oder grau, je nachdem ob der dargestellte Wert unter oder über dem Durchschnitt der Werte in der entsprechenden Dimension liegen (gestrichelte Linie), können grafische Muster erzeugt werden. Eine komplette Permutationsmatrix für die Iris-Daten könnte also wie folgt aussehen: 8
9 So sieht man auf einen Blick, dass zwischen Kronblatt-Länge und Kronblatt-Breite für alle Datensätze eine Wechselbeziehung besteht, die man bei den Kelchblättern nicht findet. 5 Explorative Datenanalyse Im letzten Modul haben Sie gesehen, wie Sie mit Hilfe von Modellen und Simulationen (z.b. Populationswachstum von Arten, die in Nahrungs-Konkurrenz stehen) Rückschlüsse auf ein zu untersuchendes System machen können. Stehen Sie aber vor der Aufgabe, ein solches real existierendes System in einem Modell erstmals oder neu zu beschreiben, müssen Sie zuerst herausfinden, welches die relevanten Faktoren darstellen und wie diese miteinander zusammenhängen könnten. Dazu eignen sich Methoden der explorativen Datenanalyse. Sie lernen hier zwei Methoden kennen: Grafische Operationen, welche direkt in den Visualisierungen vorgenommen werden können. Clusterermittlung, Möglichkeiten zur automatischen Gruppierung. 5.1 Grafische Operationen Visualisierungsmethoden für mehrdimensionale Daten eignen sich ausgezeichnet für die erkundende Datenanalyse, weil sie die Darstellung komplexer Daten in ihrer Gesamtheit ermöglichen. Besonders wirkungsvoll sind Visualisierungen, die sich am Bildschirm direkt manipulieren lassen. Je nach Darstellungsmethode bieten sich verschiedene grafische Operationen an: Hervorheben oder Ausblenden von Datensätzen. Ausblenden von Dimensionen. Ändern der Skalierung der Dimensionsachsen. 9
10 Verändern der Reihenfolge der Dimensionen oder der Datensätze. Dynamisches Hervorheben von Datensätzen durch interaktives Verschieben des Wertebereichs, in den die hervorgehobenen Daten fallen sollen Beispiele Parallelkoordinaten mit den Wertebereichen der Dimensionsachsen so verändert, dass alle gleich gross sind und Ausblenden von drei Datensätzen: Werden in einem der Diagramme der Punktediagramm-Matrix bestimmte Daten markiert, können wir in den restlichen Diagrammen beobachten, wie diese Daten in anderen Dimensionen zueinander in Beziehung stehen: 10
11 Die folgende Permutationsmatrix stellt den prozentualen Anteil der Ja-Stimmen in den Kantonen der Schweiz bei diversen Abstimmungen dar (Volksabstimmung vom , Bundesgesetz betreffend die Arbeit in den Fabriken, Volksabstimmung vom , Bundesgesetz betreffend Massnahmen gegen gemeingefährliche Epidemien, Volksabstimmung vom , Volksinitiative zur Gewährleistung des Rechts auf Arbeit, Volksabstimmung vom , Volksinitiative für ein Absinthverbot, Volksabstimmung vom , Bundesgesetz betreffend gebrannte Wasser, Volksabstimmung vom , Verbot der Lotterie und Hasardspiele): Die Zeilen und Spalten können nun so permutiert werden, dass regionale Strukturen hervortreten: 6 Clusterermittlung Oft möchte man in Daten gewisse Muster erkennen, anhand derer sich die durch die Daten dargestellten Objekte klassifizieren lassen. Die erkundende Datenanalyse stellt zu diesem Zweck verschiedene Verfahren der so genannten Clusterermittlung zur Verfügung, mit 11
12 denen sich solche Aufgaben automatisch bewältigen lassen. In Kombination mit visuellen Darstellungsmethoden lassen es Clusterermittlungen zu, dass eine Datensammlung auf diejenigen Eigenschaften reduziert wird, welche für eine Klassifizierung von Objekten genügten. Durch das Weglassen nicht zweckmässiger Eigenschaften wird nicht nur die Erfassung zukünftiger Daten vereinfacht, es reduziert sich auch die Komplexität der bestehenden Datensammlung. Unter Clusterermittlung versteht man multivariate Analyseverfahren, welche eine Identifizierung von offensichtlichen und versteckten Gruppen ermöglichen. Mit ihr lassen sich auch Ausreisser (Datensätze, die nicht ins Gesamtbild passen) ermitteln. Im Gegensatz zu den grafischen Operationen sind die Methoden der Clusterermittlung nicht auf eine bestimmte Darstellungsart beschränkt, die eingefärbten Gruppen sind aber je nach Darstellungsart besser oder weniger gut sichtbar. Bei der Clusterermittlung können verschiedene Gruppierungsmethoden (Cluster-Methode) mit unterschiedlichen Ähnlichkeitsmassen (z.b. Distanzmass) kombiniert werden, um Gruppen mit ähnlichen Merkmalen zu finden. Je nach verwendeter Gruppierungsmethode und Definition der Ähnlichkeit kann die resultierende Gruppierung anders sein. Sie werden hier vier Arten von Gruppierungsmöglichkeiten und zwei Arten von Ähnlichkeitsmassen kennen lernen. 6.1 Distanzfunktionen als Ähnlichkeitsmass Eine wichtige Grundlage aller Gruppierungsmethoden ist die Distanzfunktion mit der berechnet werden kann, wie weit ein Datenpunkt von einem anderen Datenpunkt entfernt sind. Eine grosse Distanz zwischen zwei Datenpunkten bedeutet, dass sie sich nicht sehr ähnlich sind; eine kleine Distanz weist auf Ähnlichkeit hin. Zwei verbreitete Distanzfunktionen sind die Euklidische Distanz und die Manhattan-Distanz Euklidische Distanz Diese Distanz d entspricht der direkten Verbindung zwischen zwei Punkten im Raum. Im Beispiel: d = dx 2 + dy 2 Allgemein: d = dx 2 + dy 2 + dz
13 6.1.2 Manhattan-Distanz Diese Distanz entspricht der Summe der Differenzen in den einzelnen Dimensionen. Im Beispiel: d = dx + dy Allgemein: d = dx + dy + dz Gruppierungs-Methoden Die Gruppierungsmethoden bedienen sich der Distanzmethoden wenn sie die Punkte in Gruppen einteilen. Ziel ist, dass sich die Punkte einer Gruppe möglichst ähnlich sind Hierarchisches Clustering Bei dieser Methode ist am Anfang jeder Datenpunkt in einer eigenen Gruppe (bei 30 Datenpunkten hat es 30 Gruppen). In jedem Schritt werden nun jene zwei Gruppen zu einer vereinigt, welche die minimalste Distanz zueinander haben (sich am ähnlichsten sind). Die Vereinigung der Gruppen endet, wenn die gewünschte Anzahl Cluster erreicht wurde. Beispiel: Die Gruppierung von 30 Datenpunkten in 5 Gruppen benötigt 25 Schritte, in denen jeweils die Gruppen vereinigt werden, welche minimalen Abstand haben. Die Gruppen welche in einem Schritt vereinigt werden sollen, können jedoch auf verschiedene Arten ausgewählt werden. Drei mögliche Verfahren sind: nearest neighbor (nächster Nachbar), furthest neighbor (entferntester Nachbar), average neighbor (durchschnittlicher Nachbar): Nearest Neighbor: Bei diesem Verfahren werden jene Gruppen vereinigt, bei denen die Distanz jener Punkte minimal ist, die sich am ähnlichsten sind. Folgende Abbildung zeigt ein hierarchical nearest neighbor-clustering von 5 Punkten in 2 Gruppen: 13
14 Beispiel: Am Anfang ist jeder Punkt isoliert in einer Gruppe. Dann werden immer die zwei Gruppen mit der kleinsten Distanz in einer Gruppe vereint. Furthest Neighbor: Bei diesem Verfahren soll die Distanz der am weitesten auseinanderliegenden Datenpunkte minimal sein. Mit dieser Methode soll der Abstand aller Punkte innerhalb einer Gruppen möglichst gering gehalten werden (Durchmesser). Folgende Abbildung zeigt ein hierarchical furthest-neighbor-clustering von 5 Punkten in 2 Gruppen: Beispiel: Dieses Verfahren unterscheidet sich ab Schritt 3 vom nearest neighbor Verfahren. Im Schritt 3 sind die Distanzen zwischen den 3 Gruppen eingezeichnet. Average Neighbor: Dieses Verfahren verwendet als Distanz zwischen den Clustern den Mittelwert aus der nearest- und furthest-variante. Folgende Abbildung zeigt ein hierarchical average neighbor-clustering von 5 Punkten in 2 Gruppen: Es gibt kein Verfahren, das sich für alle Datensätze eignet. Welche Methode die beste Lösung liefert, muss von Fall zu Fall entschieden werden K-Means Bei dieser Methode sucht der Computer nach Gruppenmittelpunkten. Bei drei vermuteten Gruppen sucht er nach drei Mittelpunkten: 1. Am Anfang wählt er drei zufällige Mittelpunkte. 14
15 2. Alle anderen Punkte (die nicht als Mittelpunkt ausgewählt wurden), werden nun demjenigen Mittelpunkt zugeordnet, dem sie am nächsten sind. Dies führt zu drei Gruppen. 3. In diesen Gruppen wird dann jeweils der Punkt gesucht der in der Mitte liegt. Dies ergibt drei neue Mittelpunkte, mit denen dann wieder zu Punkt zwei zurückgekehrt wird. 4. Wenn die Mittelpunkte nicht mehr ändern, wird die Berechnung beendet. Ganzes Beispiel: Mit diesen Startpunkten werden zwei Schritte benötigt, bis die Mittelpunkte konstant bleiben. Da bei dieser Methode die Startpunkte zufällig gewählt werden, kann jede neue Berechnung zu einem anderen Resultat führen. Dies ist bei den vorher beschriebenen hierarchischen Methoden nicht möglich. 7 Hinweise zum Vorgehen Mit der Software VisuLab lernen Sie Techniken zur Visualisierung mehrdimensionaler Daten kennen, die über die Möglichkeiten einer Tabellenkalkulation hinausgehen. Die Visualisierungssoftware enthält zur Darstellung mehrdimensionaler Daten die oben beschriebenen vier Darstellungsarten. Diese lassen sich so anordnen, dass die gleichen Daten 15
16 mittels verschiedener Visualisierungen nebeneinander vergleichen lassen. Es bietet somit eine Art Detektivhilfsmittel, um Daten grafisch nach Strukturen zu erkunden. VisuLab wird in der Regel aber nicht dazu eingesetzt, illustrative Grafiken zu erstellen. Dazu verwenden Sie auch in Zukunft mit Vorteil andere Softwarepakete. VisuLab ist aus einem Forschungsprojekt des Instituts für Computational Science der ETH Zürich hervorgegangen. Es ist frei erhältlich und kann auch auf Ihrem privaten Rechner installiert werden. 8 Literatur Andrews, D. F., Herzberg, A.M. Data: a collection of problems from many fields for the student and research worker. Springer series on statistics (1985). Bertin J. Graphische Darstellungen und die graphische Weiterverarbeitung der Information. Walter de Gruyter & Co. Berlin, Fischer, R.A. The use of multiple measurements in taxonomic problems. 1. Iris Data. Ann. Eugenics 7 (1936). Inselberg A. The plane with parallel coordinates. The Visual Computer 1, Springer-Verlag, 1985, Nielson, D. R., Biggar, J. W., Erh, K.T. Spatial variability of field-measured soil-water properties. Hilgardia 42, (1973). Theus, M., Urbanek, S. Interactive Graphics for Data Analysis: Principles and Examples. Chapman & Hall /CRC, Unwin, A., Theus, M., Hofmann, H. Graphics of Large Datasets: Visualizing a Million. Springer, Tukey J.W. Exploratory Data Analysis. Addison-Wesley, Reading, Mass Wegman E.J. Hyperdimensional Data Analysis Using Parallel Coordinates. Technical Report No. 1, Center for Computational Statistics and Probability, George Mason Univ., Fairfax, VA Wiley, J. Understanding Data. Jacaranda Wiley (1998). Zelazny G. Wie aus Zahlen Bilder werden. Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden,
0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Explorative Datenanalyse EDA Auffinden von Strukturen
MehrDatenvisualisierung mit JMP
Datenvisualisierung mit JMP Patrick René Warnat HMS Analytical Software GmbH Rohrbacherstr. 26 Heidelberg patrick.warnat@analytical-software.de Zusammenfassung Das JMP Paket ist ein Softwareprodukt der
MehrAnalyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots
Einleitung Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots von Irmela Herzog Im Rahmen der Herbsttagung der AG DANK (Datenanalyse und Numerische Klassifikation)
MehrMicrosoft Office Excel 2007. für Windows W-EX2007DI. Autor: Peter Wies. Inhaltliches Lektorat: Sabine Spieß. 1. Ausgabe vom 7.
W-EX2007DI Autor: Peter Wies Inhaltliches Lektorat: Sabine Spieß 1. Ausgabe vom 7. Oktober 2008 HERDT-Verlag für Bildungsmedien GmbH, Bodenheim Internet: www.herdt.com Alle Rechte vorbehalten. Kein Teil
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrTrendlinien in Diagrammen (Excel 2010)
Trendlinien in Diagrammen (Excel 2010) Trendlinien in Diagrammen (Excel 2010)... 1 Allgemeines... 2 Informationen über Prognosen und das Anzeigen von Trends in Diagrammen... 3 AUSWÄHLEN DES PASSENDEN TRENDLINIETYPS
MehrExploration und Klassifikation von BigData
Exploration und Klassifikation von BigData Inhalt Einführung Daten Data Mining: Vorbereitungen Clustering Konvexe Hülle Fragen Google: Riesige Datenmengen (2009: Prozessieren von 24 Petabytes pro Tag)
MehrMethoden Quantitative Datenanalyse
Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung
MehrVersuchsauswertung mit Polynom-Regression in Excel
Versuchsauswertung mit Polynom-Regression in Excel Aufgabenstellung: Gegeben sei die in Bild 1 gezeigte Excel-Tabelle mit Messwertepaaren y i und x i. Aufgrund bekannter physikalischer Zusammenhänge wird
MehrEinführung in QtiPlot
HUWagner und Julia Bek Einführung in QtiPlot 1/11 Einführung in QtiPlot Mit Bezug auf das Liebig-Lab Praktikum an der Ludwig-Maximilians-Universität München Bei Fragen und Fehlern: jubech@cup.lmu.de Inhaltsverzeichnis
MehrDatenanalysen in Excel - Diagramme
1. Was ist ein Diagramm? Datenanalysen in Excel - Diagramme Diagramme stellen Daten und Informationen grafisch dar. Mit Diagrammen können umfangreiche Datenbestände einfach und aussagekräftig aufbereitet
MehrProfessionelle Diagramme mit Excel 2010 erstellen. Peter Wies. 1. Ausgabe, 2. Aktualisierung, März 2014. Themen-Special W-EX2010DI
Peter Wies 1. Ausgabe, 2. Aktualisierung, März 2014 Professionelle Diagramme mit Excel 2010 erstellen Themen-Special W-EX2010DI 2 Professionelle Diagramme mit Excel 2010 erstellen - Themen-Special 2 Wichtige
MehrAufbau von Hichert-Graphik Schritt für Schritt
Aufbau von Hichert-Graphik Schritt für Schritt Ausgangsdaten anlegen: o Sollte dann so aussehen: Umsatz Plan Ist Abweich. 60 40-20 o Details dazu: 4 Spaltenüberschriften eintragen: Plan, Ist, leer, Abweichung
MehrDiagramme aus Tabellen erstellen mit Calc (LibreOffice 4)
Voraussetzungen Es muss eine Tabelle vorliegen, in der die Zahlen, die grafisch dargestellt werden sollen, zusammenhängend markiert werden können. Beispiel: Es ist sinnvoll, zunächst die Zellen zu markieren,
MehrData Mining als Arbeitsprozess
Data Mining als Arbeitsprozess Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 31. Dezember 2015 In Unternehmen werden umfangreichere Aktivitäten oder Projekte im Bereich des Data Mining
MehrArbeiten mit Excel. 1. Allgemeine Hinweise
1. Allgemeine Hinweise Man sollte eine Excel Tabelle immer so übersichtlich wie möglich halten. Dazu empfiehlt es sich, alle benötigten Daten, Konstanten und Messwerte inklusive aller dazugehörigen Einheiten
MehrVisualisierung hochdimensionaler Daten. Hauptseminar SS11 Michael Kircher
Hauptseminar SS11 Inhalt Einführung zu hochdimensionalen Daten Visualisierungsmöglichkeiten dimensionale Teilmengen dimensionale Schachtelung Achsenumgestaltung Algorithmen zur Dimensionsreduktion Zusammenfassung
MehrErstellen einer Formel
Software Erstellen einer Formel In Excel kann man individuelle Formeln erstellen, dabei wird eine Formel mit ein Gleichzeichen = eingeleitet. Man kann direkt in eine Zelle schreiben oder in dem dafür vorgesehen
Mehr1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18
3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen
MehrVisualisierung in Natur- und Technikwissenschaften. 0. Einführung. Vorlesung: Mi, 11:15 12:45 + Fr, 9:15 10:45, INF 368 532 Prof. Dr.
Visualisierung in Natur- und Technikwissenschaften 0. Einführung Vorlesung: Mi, 11:15 12:45 + Fr, 9:15 10:45, INF 368 532 Prof. Dr. Heike Leitte Vertiefung Computergraphik und Visualisierung Jürgen Hesser
MehrBM-Datenanalyse eine Exploration
BM-Datenanalyse eine Exploration Marcello Robbiani ZHAW und EBMK www.zuguttenberg.de/dokumente/zuguttenberg_presseportrait.jpg Ein Web-basierter Bildervortrag Allgemeingut, Eigengewächs: Keine Quellenangabe
MehrVoraussetzung wieder: Datenraum mit Instanzen, mehrere Attribute - kein ausgezeichnetes Zielattribut, keine vorgegebenen Klassen
7. Clusteranalyse (= Häufungsanalyse; Clustering-Verfahren) wird der multivariaten Statistik zugeordnet Voraussetzung wieder: Datenraum mit Instanzen, mehrere Attribute - kein ausgezeichnetes Zielattribut,
MehrEingabe ins Text- bzw. Formelfeld zur Umrechnung in [g]: =A6*$F$3 rot: Feststellen eines Wertes über das Dollarzeichen
Excel - Einführungskurs Datensatz: MeOH [ml] Wasser [ml] 140 20 130 30 120 40 100 60 80 80 60 100 50 110 40 120 30 130 20 140 15 145 10 150 5 155 Eingabe ins Text- bzw. Formelfeld zur Umrechnung in [g]:
MehrParahistogramme innerhalb eines dreidimensionalen Interaktionsraumes
Parahistogramme innerhalb eines dreidimensionalen Interaktionsraumes Albert Pritzkau, Dirk Bartz Universität Leipzig, ICCAS/VCM albert.pritzkau@medizin.uni-leipzig.de Kurzfassung. Im Kontext der Genexpressionsanalyse
MehrExcel-Kurs: Handout Schülervertretung [Name der Schule]
Schülervertretung 1.0 Wann benötigt man Excel? Zur Berechnung von Funktionen Darstellung von Funktionen mit Diagrammen Abhängigkeiten darstellen Daten sortieren und vieles mehr! 2.0 Arbeitsoberfläche Bearbeitungszeile
MehrMicrosoft Excel 2013. Herausgeber BerCom Training GmbH Stationsstrasse 26 8713 Uerikon. Kontakte: 079 633 65 75 www.computer-training.
Herausgeber BerCom Training GmbH Stationsstrasse 26 8713 Uerikon Kontakte: 079 633 65 75 Autoren: Gabriela Bergantini 1. Auflage von Dezember 2014 by BerCom Training GmbH Microsoft Excel 2013 Komplexe
MehrTYPO3 Redaktoren-Handbuch
TYPO3 Redaktoren-Handbuch Kontakt & Support: rdv interactive ag Arbonerstrasse 6 9300 Wittenbach Tel. 071 / 577 55 55 www.rdvi.ch Seite 1 von 38 Login http://213.196.148.40/typo3 Username: siehe Liste
MehrWebergänzung zu Kapitel 10
Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder
Mehr1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de
1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de Man sollte eine Excel-Tabelle immer so übersichtlich wie möglich halten. Dazu empfiehlt es sich, alle benötigten Daten, Konstanten und Messwerte
MehrLinearer Zusammenhang von Datenreihen
Linearer Zusammenhang von Datenreihen Vielen Problemen liegen (möglicherweise) lineare Zusammenhänge zugrunde: Mein Internetanbieter verlangt eine Grundgebühr und rechnet minutenweise ab Ich bestelle ein
MehrNutzerhilfe Excel-Produkte
Nutzerhilfe zur Arbeit in Microsoft Excel-basierten Produkten der Statistik der BA am Beispiel der Übergangsanalysen erwerbsfähiger Hilfebedürftiger bzw. Arbeitsloser - Excel-Version 2007 - Seite 1 Impressum
MehrGymnasium Gerlingen. Physik Praktikum Mittelstufe. Auswertung von Messungen mit Excel. Versuchsauswertung mit Microsoft Excel. 1.
Seite - 1 - Versuchsauswertung mit Microsoft Excel Microsoft Excel ist ein mächtiges Werkzeug, um Messwerte tabellarisch darzustellen, Berechnungen mit ihnen durchzuführen und Grafiken aus ihnen zu erstellen.
MehrStandardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen. Standardisierung von Daten
DAS THEMA: TABELLEN UND ABBILDUNGEN Standardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen Standardisierung von Daten z-standardisierung Standardnormalverteilung 1 DIE Z-STANDARDISIERUNG
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
MehrExcel Diagramme. Dateneingabe zur späteren Verarbeitung als Diagramm
Excel Diagramme Dateneingabe zur späteren Verarbeitung als Diagramm Gib zunächst in Excel einige Zahlen ein, die du später in einem Diagramm darstellen möchtest. In diesem Beispiel verwende ich die Umsatzzahlen
MehrDarstellungsformen einer Funktion
http://www.flickr.com/photos/sigfrid/348144517/ Darstellungsformen einer Funktion 9 Analytische Darstellung: Eplizite Darstellung Funktionen werden nach Möglichkeit eplizit dargestellt, das heißt, die
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
MehrDatenanalyse mit Excel. Wintersemester 2013/14
Datenanalyse mit Excel 1 KORRELATIONRECHNUNG 2 Korrelationsrechnung Ziel der Korrelationsrechnung besteht im bivariaten Fall darin, die Stärke des Zusammenhangs zwischen zwei interessierenden statistischen
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrSeminar Visual Analytics and Visual Data Mining
Seminar Visual Analytics and Visual Data Mining Dozenten:, AG Visual Computing Steffen Oeltze, AG Visualisierung Organisatorisches Seminar für Diplom und Bachelor-Studenten (max. 18) (leider nicht für
MehrProduktentwicklung damit sollten Sie rechnen
Produktentwicklung damit sollten Sie rechnen 0. Zusammenfassung Wer Produktentwicklung betreiben will, muss in erster Linie sehr viel lesen: Dokumente aus unterschiedlichsten Quellen und in vielen Formaten.
MehrMagnetische Induktion
Magnetische Induktion 5.3.2.10 In einer langen Spule wird ein Magnetfeld mit variabler Frequenz und veränderlicher Stärke erzeugt. Dünne Spulen werden in der langen Feldspule positioniert. Die dabei in
MehrMS Excel Tabellenkalkulation, Grafik, Datenbank
MS Excel Tabellenkalkulation, Grafik, Datenbank Allgemeines 1. Excel Tabellenkalkulation: Erfassen und Verarbeiten von Zahlenmaterial Grafik: Grafische Darstellungen des Zahlenmaterials mittels Diagrammen
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
MehrSeminar zum Thema Künstliche Intelligenz:
Wolfgang Ginolas Seminar zum Thema Künstliche Intelligenz: Clusteranalyse Wolfgang Ginolas 11.5.2005 Wolfgang Ginolas 1 Beispiel Was ist eine Clusteranalyse Ein einfacher Algorithmus 2 bei verschieden
MehrExcel-Anleitung zur Übung 1. Formeln in Excel (Auszug aus der MS Excel Hilfe)
Excel-Anleitung zur Übung 1 Diese Unterlage bezieht sich auf Excel 2003 (auf Deutsch), die Version, die auch im PC-Labor des WWZ zur Verfügung steht. Die Benutzeroberfläche kann in anderen Versionen der
MehrFachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß
Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrAuswertung von Messdaten mit Hilfe von Microsoft Excel 2007. Universität Potsdam Grundpraktikum Physik Monika Schneider, WS2010/2011
Auswertung von Messdaten mit Hilfe von Microsoft Excel 2007 Universität Potsdam Grundpraktikum Physik Monika, WS2010/2011 Messprotokoll Es sollte draufstehen: Name, Datum, Versuch Was wurde gemessen und
MehrFAQ - Antworten zu häufig gestellten Fragen zu Decision Making Helper - die Entscheidungshilfe.
FAQ - Antworten zu häufig gestellten Fragen zu Decision Making Helper - die Entscheidungshilfe. Die richtige Entscheidung treffen Dieses regelmässig aktualisierte Dokument liefert Antworten zu häufig gestellten
MehrGrundlagen der Datenanalyse am Beispiel von SPSS
Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe
MehrDiplomarbeit: Visualisierung konzeptioneller Beschreibungen von Programmieraktivitäten. Arbeitsgruppe: Software-Engineering Nicolas Ngandeu
Diplomarbeit: Visualisierung konzeptioneller Beschreibungen von Programmieraktivitäten Arbeitsgruppe: Software-Engineering Nicolas Ngandeu Gliederung Einführung Visualisierung Die Akteure Die Inputdaten
MehrDas Beste aus zwei Welten
: Das Beste aus zwei Welten Das Beste aus zwei Welten Aufruf von R Funktionen mit PROC IML KSFE 2012 08.03.2012 ist IT Dienstleister für Business Intelligence und Datenanalyse gibt es seit über 20 Jahren
Mehr(zusätzliche Option «Wochenbeginn»: siehe Abbildung) zeigt die vergangenen Stunden des gewählten Datums seit 0:00 an
5.6.2 Zeit- und Datumsfunktionen Mit Zahlenformaten können Sie bestimmen, was Excel von einem Datum anzeigen soll. Beispiel: 15.10.12 15:30 mit dem Zahlenformat JAHR formatiert, zeigt von diesem Beispiel
MehrZiel: Ziel der Aufgabe Ziel ist es, die Funktionalitäten von qs-stat millennium, sowie die Beurteilung von Datensätzen kennen zu lernen.
Datenqualität 1/19 Ziel: Ziel der Aufgabe Ziel ist es, die Funktionalitäten von qs-stat millennium, sowie die Beurteilung von Datensätzen kennen zu lernen. Ausgangssituation: Sie wollen anhand des Werteverlaufs
MehrDas Studiengangsinformationssystem (SGIS)
Das Studiengangsinformationssystem (SGIS) Manual für Typo3-Redakteure Version 1.a Mai 2015 Kontakt: Referat 1.4 - Allgemeine Studienberatung und Career Service Christian Birringer, christian.birringer@uni-rostock.de
Mehr11 Diagramme erstellen
11 Diagramme erstellen 209 Diagramme einfügen 214 Diagrammelemente auswählen 215 Beschriftung ändern 220 Achsen bearbeiten 223 Gitternetzlinien 225 Die Registerkarte Format Diagramme helfen dabei, viele
MehrDiagrammtypen. 8. Dezember 2012
Diagrammtypen 8. Dezember 212 DIAGRAMME AUSWAHLMATRIX Zur einfachen Bestimmung eines geeigneten Diagrammtypen sollten Sie sich nach dem Sammeln und Eingeben der Daten fragen, welche Aussage ihr Diagramm
MehrMicrosoft Access 2010 Gruppierte Daten in Berichten
Microsoft Access 2010 Gruppierte Daten in Berichten Berichte... zeigen Daten zum Lesen an. können Daten gruppieren und berechnen. beziehen die Daten aus einer Tabelle oder Abfrage / SQL- Anweisung. bereiten
MehrNÜTZLICHE TIPPS FÜR OPTIMALE SCANS
Bedingungen, um gute Scans zu erhalten Die Faktoren, von denen das Ergebnis eines Scans abhängt, sind einerseits die Umgebung sowie die Konfiguration und Kalibrierung des Scanners, aber auch das zu scannende
Mehr2 Arbeiten mit CAD-Modellen
14 2 Arbeiten mit CAD-Modellen In diesem Kapitel werden die Grundlagen des Arbeitens mit CAD- Modellen in NX erläutert. Dazu zählen neben der Struktur von CAD- Modellen auch das Arbeiten mit Geometrieelementen,
MehrEigenen Feedbackbogen erstellen
Wegleitung für Lehrpersonen Eigenen Feedbackbogen erstellen 1. Vorgehensweise klären 2. Bestehenden Fragebogen ergänzen 3. Fragebogen neu erstellen 4. Bestehenden Fragebogen ändern 5. Statistische Datenerhebung
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.
MehrMicrosoft PowerPoint 2007 Basis. Leseprobe
Microsoft PowerPoint 2007 Basis Kapitel 2 - Präsentationen gestalten 2.1 Vorlagen und Designs 2.1.1 Was sind Vorlagen, Designs und Layouts? 2.1.2 Die installierten Vorlagen kennen lernen 2.1.3 Text in
Mehr6 Vorverarbeitung. Kapitel 6 Vorverarbeitung. Einführung der Vorverarbeitung. Einführung in die Vorverarbeitung
6 Vorverarbeitung 6.1 Einführung in die Vorverarbeitung Zweck der Vorverarbeitung Kapitel 6 Vorverarbeitung Transformiere die Daten so, dass sie optimal vom Miner verarbeitet werden können. Problem: -
MehrUnterprogramme, Pointer und die Übergabe von Arrays
Unterprogramme, Pointer und die Übergabe von Arrays Unterprogramme Wie schon im Abschnitt über Funktionen erwähnt, versteht man unter einem Unterprogramm im engeren Sinn eine Prozedur, welche die Werte
MehrStatistik und Datenanalyse. eine praktische Einführung
Statistik und Datenanalyse eine praktische Einführung Antony Unwin Lehrstuhl für Rechnerorientierte Statistik und Datenanalyse Institut für Mathematik Universität Augsburg unwin@math.uni-augsburg.de Augsburger
Mehr1.4 Portfolio-Analyse (Marktwachstums-Marktanteils-Portfolio)
FACHHOCHSCHULE LAUSITZ Prof. Dr.-Ing. M. Strunz Lehrgebiet Projektmanagement Übungsskript l 1.4 Portfolio-Analyse (Marktwachstums-Marktanteils-Portfolio) Zu den bekanntesten Instrumenten des strategischen
Mehr30.07.14-1 - E:\Stefan\CAD\CATIA\R19\Anleitungen\Skizzierer.doc. CATIA-Skizzierer
30.07.14-1 - E:\Stefan\CAD\CATIA\R19\Anleitungen\Skizzierer.doc 1. Einführung CATIA-Skizzierer - Skizzen sind die Grundlage der meisten Volumenkörper (siehe Anleitung Teilemodellierung) - eigene Umgebung
MehrMein erstes Tableau-Dashboard. Tableau Software Schritt für Schritt kennenlernen und ein erstes Dashboard erstellen
Tableau Software Schritt für Schritt kennenlernen und ein erstes Dashboard erstellen Vorgehensweise 1) Datenaufbereitung in Microsoft Excel 2) Tableau - Datenimport 3) Erstellung verschiedener Tableau-Arbeitsblätter
MehrPowerPoint - Übungen
PowerPoint - Übungen Inhalt 1. ERSTE PRÄSENTATION... 1 2. PRÄSENTATIONEN GESTALTEN... 2 2.1 FARBSKALA... 2 2.2 TITELFOLIE... 2 2.3 RESTLICHE FOLIEN... 3 2.3.1 Folienmaster... 3 2.3.2 Besonderheiten...
MehrMathematik-Dossier. Die lineare Funktion
Name: Mathematik-Dossier Die lineare Funktion Inhalt: Lineare Funktion Lösen von Gleichungssystemen und schneiden von Geraden Verwendung: Dieses Dossier dient der Repetition und Festigung innerhalb der
MehrDPF Dynamic Partial distance Function
DPF Dynamic Partial distance Function Vorgelegt von Sebastian Loose (MatrikelNR.: 169172), Computervisualistikstudent im 4. Semester. Hausarbeit zum Papier DPF A Perceptual Distance Function for Image
MehrAnwendungshinweise zur Anwendung der Soziometrie
Anwendungshinweise zur Anwendung der Soziometrie Einführung Die Soziometrie ist ein Verfahren, welches sich besonders gut dafür eignet, Beziehungen zwischen Mitgliedern einer Gruppe darzustellen. Das Verfahren
MehrInstitut für Wissenschaftliches Rechnen Prof. Dr. H. Hinterberger. Praxismodul 6. Makroprogrammierung mit MS Excel
Institut für Wissenschaftliches Rechnen Prof. Dr. H. Hinterberger Praxismodul 6 Makroprogrammierung mit MS Excel Praxis 6 - Makroprogrammierung 2 Copyright 2003 Institut für Wissenschaftliches Rechnen,
MehrMessdaten auswerten und visualisieren 5 Tipps, die passende Darstellungstechnik für ein Messsystem zu finden
Messdaten auswerten und visualisieren 5 Tipps, die passende Darstellungstechnik für ein Messsystem zu finden 27.05.13 Autor / Redakteur: Nach Unterlagen von National Instruments / Hendrik Härter Messdaten
MehrGeoGebra Quickstart Eine Kurzanleitung für GeoGebra
GeoGebra Quickstart Eine Kurzanleitung für GeoGebra Dynamische Geometrie, Algebra und Analysis ergeben GeoGebra, eine mehrfach preisgekrönte Unterrichtssoftware, die Geometrie und Algebra als gleichwertige
MehrOPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
MehrDas Kleine 1x1 des Rektors
Das Kleine 1x1 des Rektors Kurzanleitung Stand: 20. Juli 2001 Inhaltsverzeichnis 1 Einführung... 1 1.1 Was ist Das Kleine 1x1 des Rektors?... 1 1.2 Programmvarianten... 1 1.3 Dimensionen... 1 2 Programmstart...
MehrDas Studiengangsinformationssystem (SGIS)
Das Studiengangsinformationssystem (SGIS) Hinweise für Studiengangsverantwortliche und Typo3-Redakteure Version 1.a Mai 2015 Kontakt: Christian Birringer, Referat 1.4 - Allgemeine Studienberatung und Career
MehrAuswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0
Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0??? Curt Ronniger 2007 Bei Neueinstieg in das Programm, sollte zunächst die Dokumentation XSelDoE10.pdf gelesen werden.
MehrDie Einteilung nach Maßstabsgruppen kann sich auf folgende Grobgliederungen beschränken: Thematische Plankarten: größer 1 : 10 000
Maßstabsgruppen Die Einteilung nach Maßstabsgruppen kann sich auf folgende Grobgliederungen beschränken: Thematische Plankarten: größer 1 : 10 000 Thematische Karten Großer Maßstäbe 1 : 10 000 bis größer
MehrWir nutzen die aus Kapitel 6 erstellte Powerpoint Datei: Einführung einer Dokumentenverwaltung
Seite 1 von 12 7. andere Objekte Wir nutzen die aus Kapitel 6 erstellte Powerpoint Datei: Einführung einer Dokumentenverwaltung (92KB). Cliparts Nun kann die Formatierung für den Inhalt des Objektes erfolgen.
MehrVisualisierung von lexikalischem Wandel im Deutschen auf Basis der Google- Books Ngram Daten
Visualisierung von lexikalischem Wandel im Deutschen auf Basis der Google- Books Ngram Daten Arbeitspapier Zusammenfassung In diesem Arbeitspapier wird gezeigt, wie mit Hilfe der Google- Books Ngram Daten
MehrDer M-Bus: Ausdehnung des Netzes bei unterschiedlichen Baudraten. Version 1 vom 19.12.1995
Der M-Bus: Ausdehnung des Netzes bei unterschiedlichen Baudraten Version 1 vom 19.12.1995 Prof. Dr. Horst Ziegler Dipl.-Phys. Ing. Carsten Bories Arbeitsgruppe Prof. Dr. Ziegler Fachbereich Physik Universität-GH
MehrUmgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen
Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen
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
Mehr3 GRAFIKEN, BILDER, ZEICHNUNGSOBJEKTE
3 GRAFIKEN, BILDER, ZEICHNUNGSOBJEKTE Grafiken, Bilder und Zeichnungsobjekte können in einer Präsentation mehrere Funktionen haben: Sie können eine Präsentation anschaulicher machen, können das Vorgeführte
MehrDie Überlegung war, dass an allen Schulen Drucker zur Verfügung stehen, die DIN A4 Blätter drucken können.
Microsoft Publisher Der Microsoft Publisher wird zwar im professionellen Bereich kaum verwendet, wenn man einen professionellen Druckerservice verwenden will, gibt es aber die Möglichkeit des Speicherns
MehrAuswertungs-Client Kurzbeschreibung BCS-OLAP. Transforming Data Into Profit
Auswertungs-Client Kurzbeschreibung BCS-OLAP Transforming Data Into Profit 2 Inhaltsverzeichnis 1 EINFÜHRUNG... 3 1.1 Produktstruktur... 3 1.2 Darstellung von Werten... 4 1.3 Technologie... 4 2 FUNKTIONALITÄT...
MehrAnleitung für das MS Project Professional 2003 (Deutsche Version)
Anleitung für das MS Project Professional 2003 (Deutsche Version) Erstes Starten... 2 Tutorial... 3 Hilfe... 4 Critical Path / Kritischer Weg... 5 Der Critical Path / Kritischer Weg wird nicht korrekt
MehrEine computergestützte Einführung mit
Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik
MehrIn ein quadratisches Blech werden Löcher gestanzt. Insgesamt sind es 85 Löcher. Wie viele Löcher sind in der untersten Reihe?
Aufgabe 1: Das Stanzblech: Löcher In ein quadratisches Blech werden Löcher gestanzt. Insgesamt sind es 85 Löcher. Wie viele Löcher sind in der untersten Reihe? Bei dieser Aufgabe kann rückwärts gearbeitet
MehrTipps und Tricks für PowerPoint-Präsentationen
und Tricks für Täglich werden weltweit Millionen von gehalten. PowerPoint bietet Dir die Möglichkeit, Deine Präsentation zu visualisieren. Hier sind einige und Tricks, um Deine PowerPoint- Präsentation
MehrClustering Seminar für Statistik
Clustering Markus Kalisch 03.12.2014 1 Ziel von Clustering Finde Gruppen, sodas Elemente innerhalb der gleichen Gruppe möglichst ähnlich sind und Elemente von verschiedenen Gruppen möglichst verschieden
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrMS-Excel 2003 Datenbanken Pivot-Tabellen
The Company Datenbanken Pivot-Tabellen (Schnell-Einführung) Seestrasse 160, CH-8002 Zürich E-Mail: info@iswsolution.ch Autor: F. Frei The Company 2 Inhaltsverzeichnis Inhaltsverzeichnis... 2 Datenbank...
MehrInstallation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung.
Installation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung. Die heutige Sitzung dient dem ersten Kennenlernen von MATLAB. Wir wollen MATLAB zuerst
MehrDiskriminanzanalyse Beispiel
Diskriminanzanalyse Ziel bei der Diskriminanzanalyse ist die Analyse von Gruppenunterschieden, d. h. der Untersuchung von zwei oder mehr Gruppen hinsichtlich einer Vielzahl von Variablen. Diese Methode
Mehr