Die grundlegenden Konzepte von R
|
|
- Claus Weiß
- vor 5 Jahren
- Abrufe
Transkript
1 Die grundlegenden Konzepte von R I R ist ein klassischer Interpreter, der in einer sogenannten read-eval-print-loop arbeitet. I Es wird Zeile für Zeile eingelesen, jeweils bis der Interpreter das Ende eines Codeblocks erkennt. Das Einlesen kann auch direkt aus einer Datei geschehen! (siehe source()) I Jede Evaluation geschieht auf genau einer sog. R expression (siehe eval(expr)). I Funktionen sind keine speziellen Sprachelemente, sondern einfache Objekte. Benutzerdenierte Funktionen sind sehr leicht hinzuzufügen (lexical scoping!): > datdobbelde <- function(x) {invisible(2*x)} > x<-2 > datdobbelde(x) ### Keine Ausgabe! > (datdobbelde(x)) # entspricht print(datdobbelde(x))
2 Atomare Datentypen in R Datentyp Beispiel NULL NULL logical FALSE numeric 3.14 complex 3+i character "Hello" factor Ford, GM, Mercedes I Zahlen haben einen mode und einen type I Man ndet den Typ eines Objektes mit is.logical(), is.numeric() etc. heraus. I Man kann in RTypumwandlung erzwingen durch as.factor(), as.numeric() etc.
3 Zusammengesetzte Datentypen in R I R ist eine listenorientierte Sprache. Eine list ist der grundlegende Datentyp in R. Alle komplexeren Datentypen sind aus Listen zusammengesetzt. I Der wichtigste Datentyp für Berechnungen ist der vector, eine spezielle indizierte Liste von Elementen des selben Typs. I Ein Vektor besteht immer aus Elemeten eines Typs! Wenn bei der Konstruktion eines Vektors verschiedene Typen zusammengefasst werden, werden diese automatisch auf den einfachsten möglichen gemeinsamen Typen konvertiert! I Das elementare Kommande heiÿt c() (combine). I Skalare sind Vektoren der Länge 1.
4 Umgang mit Vektoren (Erzeugung) > (x <- c(1, 3, 4.5)) [1] > typeof(x) [1] "double" > (x <- c(1, x, 3)) [1] > length(x) ### length of vector [1] 3 > x <- c(1, 4, "Hello") > t(x) ### transposing (vectors / matrices) [1,] "1" "4" "Hello"
5 Umgang mit Vektoren (Teilmengenauswahl) > (x <- c(2, 3, 5, 7, 11, 13, 17, 19, 23)) [1] > x[1] ### Zugriff über den einfachen Index [1] 2 > x[2:4] ### mehrere Elemente auf einmal [1] > x[-(2:4)] ### einige auslassen [1] > x[-c(1, 7, 9)] ## Indizes müssen nicht aufeinander folgen [1] > x[] ### der komplette Vektor [1]
6 Umgang mit Vektoren (bedingte Teilmengen) > which(x < 10) [1] ### Indizes, für die eine Bedingung erfüllen > x [1] > x > 10 [1] FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE > sum(x>10) 5 ### Anzahl der Elemente, die eine Bedingung erfüllen > x [ x > 10 ] # Indiziern über booleschen Vektor [1]
7 Erzeugung spezieller Vektoren seq(), rep() > 1:5; 5:1 ### äquidistant, Distanz 1 [1] [1] > seq(1,4,2/3) ### äquidistant, Distanz!= 1 [1] > seq(along=x) ### Numerierung von x [1] > rep(true, 5) ### Wiederholungen [1] TRUE TRUE TRUE TRUE TRUE > rep(c("red","blue"),c(4,7)) [1] "red" "red" "red" "red" "blue" "blue" "blue" "blue" [9] "blue" "blue" "blue"
8 Rechnen mit R-vektoren > (x <- seq(3,7)) [1] > 1+x ### Recycling der 1 [1] > 2*x ### elementweise Berechnung [1] > x*x ### elementweise Multiplication von Vektoren [1] > x%*%x ### Skalarproduct, implizite Transposition! [,1] [1,] 135
9 Vektorrecycling > 6:1-1:3 ### der kürzere Vektor wird recycelt [1] > 7:1-1:3 ### Nur, wenn man weiÿ. was man tut! [1] Warning message: longer object length is not a multiple of shorter object length in: 7:1-1:3
10 Eingebautes Hilfesystem I Das cheat-sheet für R: I help oder? sind äquivalent zu RTFM: Versuchen Sie help(plot) oder?plot. I Wenn man das genaue Kommando nicht weiÿ oder help() nicht hilft, dann kann man apropos(), find() oder help.search() versuchen. I Versteht man eine Hilfeseite nicht, dann kann man mit example(command) oder demo(command) versuchen, den Befehl und seine Nutzung am Beispiel zu lernen.
11 Eingebautes Hilfesystem I help.start() zeigt die Dokumentation im Standard-Webbrowser an. I Die meisten von Nutzern hinzugefügten Pakete enthalten eine sog. Vignette, eine kurzes Handbuch im PDF Format. Mit dem Kommando vignette() kann man sich dieses anzeigen lassen.
12 Externe Hilfe I Dokumentation auf CRAN: cran.r-project.org Sehr viel gut geschriebene Dokumentation! Installationshandbuch, Referenzhandbuch, Dokumentation für Datenaustausch, FAQ usw. I Archive der Mailinglisten mit Suchinterface auf CRAN
13 Ultima ratio I Selbst auf der Mailingliste r-help fragen. Unbedingt den posting guide beachten, sonst wird man ge`ripleyed'. Mehrere tausend Leser, mehr als 100 Mails am Tag. Es gibt praktisch auf jede vernünftig gestellte Frage ein fundierte Antwort. I Bekommt man sein Problem gelöst, so sollte man sein Wissen teilen, in dem man die Antwort z.b. in das R-Wiki einträgt.
14 Buchhaltung Immer nur mit Kopien arbeiten! Nie mit Originalen!
15 Buchhaltung I ls() zeigt in einer R-Sitzung alle aktuell exisitierenden Objekte an. Für etwas mehr Auskünfte über die Objekte kann man ls.str() versuchen. Alle Objekte der aktuellen Sitzung werden in der Datei.Rdata im aktuellen Arbeitsverzeichnis gespeichert, wenn man mit 'y' auf 'q()' antwortet. I Das aktuelle Arbeitsverzeichis liest und schreibt man mit getwd() und setwd(). I Pro: Automatische Datensicherung! I Kontra: Es handelt sich um ein Binärformat! Man sollte dies nicht als Hauptsicherung wichtiger Daten nutzen! I Siehe auch save() und save.image().
16 Buchhaltung I Eine natürliche Art der Arbeitsorganisation ist deshalb, pro Projekt ein Arbeitsverzeichnis zu verwenden. I Den Verlauf der letzten eingegebenen Befehle ndet man in der Datei.Rhistory.
17 Initiale Datenanalyse I Ziel ist die Aufbereitung eines erhaltenen Datensatzes, so dass die echte Datenanalyse durchgeführt werden kann I Beispieldaten aus Faraway, Linear Models with R > install.packages("faraway") > library(faraway) > data(pima) I Nutzung eines Datensatzes, der im Internet zur Verfügung gestellt wird. I Studie des National Institute of Diabetes and Digestive and Kidney Diseases an 768 erwachsenen Frauen der Pima Indianer.
18 Hintergrundinformation I Wegweisende Studie über den Zusammenhang von Diabetes mit genetischen Ursachen. I Pima Indianer haben die weltweit höchste Diabetesrate. I Sie sind in der Nähe von Phoenix/Arizona beheimatet.
19 Der Datensatz I Welche Daten enthält der Datensatz und wie sind diese kodiert? > help(pima) pima package:faraway R Documentation Diabetes survey on Pima Indians Description: The National Institute of Diabetes and Digestive and Kidney Diseases conducted a study on 768 adult female Pima Indians living near Phoenix. Usage: data(pima) Format: The dataset contains the following variables 'pregnant' Number of times pregnant 'glucose' Plasma glucose concentration at 2 hours in an oral glucose tolerance test 'diastolic' Diastolic blood pressure (mm Hg) 'triceps' Triceps skin fold thickness (mm) 'insulin' 2-Hour serum insulin (mu U/ml)
20 'bmi' Body mass index (weight in kg/(height in metres squared)) 'diabetes' Diabetes pedigree function 'age' Age (years) 'test' test whether the patient shows signs of diabetes (coded 0 if negative, 1 if positive) Source: The data may be obtained from UCI Repository of machine learning databases at <URL:
21 Der erste Blick > str(pima) 'data.frame': 768 obs. of 9 variables: $ pregnant : int $ glucose : int $ diastolic: int $ triceps : int $ insulin : int $ bmi : num $ diabetes : num $ age : int $ test : int I Man könnte 768 Beobachtungen noch einzeln durchgucken. Man kann es sich aber auch leichter machen! I Handarbeit ist schlecht!
22 Einfache, datenbeschreibende Verfahren Was fällt auf? > summary(pima) pregnant glucose diastolic triceps Min. : Min. : 0.0 Min. : 0.0 Min. : st Qu.: st Qu.: st Qu.: st Qu.: 0.00 Median : Median :117.0 Median : 72.0 Median :23.00 Mean : Mean :120.9 Mean : 69.1 Mean : rd Qu.: rd Qu.: rd Qu.: rd Qu.:32.00 Max. : Max. :199.0 Max. :122.0 Max. :99.00 insulin bmi diabetes age Min. : 0.0 Min. : 0.00 Min. : Min. : st Qu.: 0.0 1st Qu.: st Qu.: st Qu.:24.00 Median : 30.5 Median :32.00 Median : Median :29.00 Mean : 79.8 Mean :31.99 Mean : Mean : rd Qu.: rd Qu.: rd Qu.: rd Qu.:41.00 Max. :846.0 Max. :67.10 Max. : Max. :81.00 test Min. : st Qu.: Median : Mean : rd Qu.: Max. :1.0000
23 Was fällt auf? I 17 Schwangerschaften ist ungewöhnlich, aber nicht ausgeschlossen! I Blutdruck 0 ist ungesund, ebenso BMI 0... > pima$diastolic... I Wie viele sind es nun genau? Achtung: wichtiger Trick! > sum(pima$diastolic == 0) [1] 35 I Vermutlich sind in der Studie fehlende Werte als 0 festgehalten worden.
24 Aufgabe 2 Aufgabe: Vollziehen Sie die bisherigen Schritte der Analyse des Datensatzes pima nach! Ersetzen Sie für alle Variablen die fehlenden Werte durch NA. Speichern Sie den bearbeiteten Datensatz ab.
Klaus Schliep. 16. Februar 2004
Einführung in R Klaus Schliep 16. Februar 2004 Allgemeines R besteht ausschließlich aus Objekten. Die meisten Objekte sind entweder Daten oder Funktionen. Alle Funktionen werden mit runden Klammern geschrieben,
MehrEinführung in die Ökonometrie
Einführung in die Ökonometrie Das Programmpaket R Installierung und Pakete R als Taschenrechner Laden von Datensätzen und Einlesen von Daten Hilfe und Dokumentation Einfaches Datenmanagement Univariate
MehrEinheit 1. Einführung in R. IFAS JKU Linz c 2018 Programmieren mit Statistischer Software 1 0 / 11
Einheit 1 Einführung in R IFAS JKU Linz c 2018 Programmieren mit Statistischer Software 1 0 / 11 Einführung R ist ein Software-Paket für Statistisches Rechnen und Graphik. Es ist die Open Source Implementierung
MehrEinführung in die statistische Sprache R
Einführung in die statistische Sprache R M. Comp. Sc. Stefan Faußer Oktober 28, 2008 Überblick basiert auf der kommerziellen Sprache S, Source Code von R ist frei verfügbar (GPL) + teilweise objektorientierter,
MehrProgrammieren mit statistischer Software
Programmieren mit statistischer Software Eva Endres, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Datenaufbereitung The Forbes 2000 Ranking of the World s Biggest Companies I Paket
MehrProgrammieren mit statistischer Software
Programmieren mit statistischer Software Eva Endres, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Vektorwertiges Programmieren Programmieren ohne explizite Schleife I Vektorisierung
MehrProgrammieren mit statistischer Software
Programmieren mit statistischer Software Eva Endres, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Grundbegriffe Danksagung Herzlichen Dank an Manuel Eugster, Cornelia Oberhauser
MehrEinführung in R. 17. April Emacs mit Erweiterung ESS (http://ess.r-project.org/),
Einführung in R Wissensentdeckung in Datenbanken SS 2009 17. April 2009 R und Editoren für R: Auf den Poolrechnern der Fakultät Statistik (M/711 und M/U18, Mathe-Tower, Campus Nord) ist R installiert.
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 2. Sitzung Wertzuweisungen zu Objekten, Vektoren, Matrizen,
MehrR Einstieg. Manuel Eugster, Armin Monecke, Faban Scheipl. Institut für Statistik Ludwig-Maximilians-Universität München.
R Einstieg Manuel Eugster, Armin Monecke, Faban Scheipl Institut für Statistik Ludwig-Maximilians-Universität München Einführung in R Was ist S? S ist eine Sprache für Datenanalyse und Graphik, entwickelt
MehrStatistische Software (R)
Statistische Software (R) Paul Fink, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Daten einlesen Daten DRY-Prinzip Daten als eine Zusammenstellung von Informationen zu einem bestimmten
MehrFormale Methoden der Ökonomik: Einführung in die empirische Wirtschaftsforschung
Übung Formale Methoden der Ökonomik: Einführung in die empirische Wirtschaftsforschung BACHELOR FT 2013 (HSU) Übung Emp. WiFo FT 2013 1 / 17 Organisatorisches (HSU) Übung Emp. WiFo FT 2013 2 / 17 Organisatorisches
MehrMachine Learning Tutorial
Machine Learning Tutorial a very fast WEKA Introduction busche@ismll.uni-hildesheim.de 05.01.09 1 Hauptbestandteile von WEKA: Instances Instance Attribute FastVector Classifier Evaluation (Filter) http://weka.wiki.sourceforge.net/
MehrR- Grundlagen. TU Ilmenau. Stefan Heyder. 07. März 2019
R- Grundlagen Stefan Heyder 07. März 2019 TU Ilmenau Einleitung Arithmetik Funktionen Logik Variablen Datentypen Vektoren Fehlende Daten (NA) Einleitung Arithmetik Funktionen Logik Variablen Datentypen
MehrKurze Einführung in R
Dr. Katharina Best Sommersemester 2011 Kurze Einführung in R WiMa-Praktikum Erste Schritte R wird durch Eintippen von R in der Konsole gestartet. Beendet wird es durch q() oder quit(). Es existieren auch
MehrUmgang mit R unter Windows. Stand:
Umgang mit R unter Windows Stand: 2017-07-24 R: Software R für Windows (XP etc.) Version 3.2.4 (3/2016) Linksammlung zu R: http://www.uni-due.de/hummell/r/ Portable R R-Studio für Windows, Linux, Mac OS
MehrDatenanalyse I + II (WT + FT 2017)
Datenanalyse I II (WT FT 2017) Dr. D. Steuer steuer@hsu-hh.de, Tel. 2819, H1 R 1397 Rechnergestützte Statistik Helmut-Schmidt-Universität Hamburg Fakultät WiSo Januar 2017 Struktur der Veranstaltung Veranstaltung
MehrEinführung in die Angewandte Bioinformatik: Datenanalyse mit R
Einführung in die Angewandte Bioinformatik: Datenanalyse mit R 20.05.2010 Prof. Dr. Sven Rahmann 1 Funktionsaufruf mit benannten Parametern Es ist Konvention, einer Funktion erst die nötigen Daten zu übergeben;
MehrR-Wörterbuch Ein Anfang... ein Klick auf einen Begriff führt, sofern vorhanden, zu dessen Erklärung.
R-Wörterbuch Ein Anfang... ein Klick auf einen Begriff führt, sofern vorhanden, zu dessen Erklärung. Carsten Szardenings c.sz@wwu.de 7. Mai 2015 A 2 B 3 C 4 D 5 F 6 R 16 S 17 V 18 W 19 Z 20 H 7 I 8 K 9
MehrUnivariate explorative Datenanalyse in R
Univariate explorative Datenanalyse in R Achim Zeileis 2009-02-20 1 Grundlegende Befehle Zunächst laden wir den Datensatz (siehe auch Daten.pdf ) BBBClub R> load("bbbclub.rda") das den "data.frame" BBBClub
MehrEine Einführung in R: Grundlagen I
Eine Einführung in R: Grundlagen I Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 14. Oktober 2009 Bernd Klaus, Verena Zuber Grundlagen
Mehr5.1 Mehr Basistypen. (Wie viele Werte kann man mit n Bit darstellen?)
5.1 Mehr Basistypen Außer int, stellt Java weitere Basistypen zur Verfügung. Zu jedem Basistyp gibt es eine Menge möglicher Werte. Jeder Wert eines Basistyps benötigt die gleiche Menge Platz, um ihn im
Mehr2.8 Klassen. Nichtgleichartige Elemente können in Klassen zu einem neuen Typ zusammengefasst werden. Beispiel: Die drei Komponenten
2.8 Klassen Frage: Arrays fassen gleichartige Elemente (d.h. Elemente von gleichem Typ) zusammen. Wie kann man nichtgleichartige Elemente zu einem neuen Typ zusammenfassen? Nichtgleichartige Elemente können
MehrDipl.-Volksw. Markus Pullen Wintersemester 2012/13
Statistische Auswertungen mit R Universität Kassel, FB 07 Wirtschaftswissenschaften Dipl.-Volksw. Markus Pullen Wintersemester 2012/13 Beispiele 1. Sitzung Einstieg, Berechnungen und Funktionen, Zuweisungen
MehrLineare Regressionen mit R (Ökonometrie SS 2014 an der UdS)
Lineare Regressionen mit R (Ökonometrie SS 2014 an der UdS) Es soll untersucht werden, ob und wie sich Rauchen während der Schwangerschaft auf den Gesundheitszustand des Neugeborenen auswirkt. Hierzu werden
MehrGrundlagen der Bioinformatik Übung 5 Einführung in R. Ulf Leser, Yvonne Mayer
Grundlagen der Bioinformatik Übung 5 Einführung in R Ulf Leser, Yvonne Mayer Introduction to R Ulf Leser: Grundlagen der Bioinformatik, Sommer Semester 2016 2 Einführung in R Voraussetzung: funktionsfähige
MehrGrundlagen der Programmierung in C++ Arrays und Strings, Teil 1
Grundlagen der Programmierung in C++ Arrays und Strings, Teil 1 Wintersemester 2005/2006 G. Zachmann Clausthal University, Germany zach@in.tu-clausthal.de Das C++ Typsystem simple structured integral enum
MehrLeseanleitung für QIDB-Rechenregeln. IQTIG-spezifische Variablen, Operatoren und Funktionen in R
Stand: 1. Oktober 2018 Impressum Thema: IQTIG-spezifische Variablen, Operatoren und Funktionen in R Datum der Veröffentlichung: 30. September 2018 Herausgeber: IQTIG Institut für Qualitätssicherung und
MehrEine Einführung in R: Grundlagen I
Eine Einführung in R: Grundlagen I Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws11/r-kurs/
MehrGrundlagen der Bioinformatik Assignment 4: Introduction to R. Yvonne Lichtblau SS 2017
Grundlagen der Bioinformatik Assignment 4: Introduction to R Yvonne Lichtblau SS 2017 Presentations Assignment 3 Yvonne Lichtblau: Grundlagen der Bioinformatik, Sommer Semester 2017 2 Overview Assignment
MehrUnivariate explorative Datenanalyse in R
Univariate explorative Datenanalyse in R Achim Zeileis, Regina Tüchler 2006-10-03 1 Ein metrisches Merkmal Wir laden den Datensatz: R> load("statlab.rda") und machen die Variablen direkt verfügbar: R>
MehrStatistische Datenanalyse mit R. Dr. Andrea Denecke Leibniz Universität IT-Services
Statistische Datenanalyse mit R Dr. Andrea Denecke Leibniz Universität IT-Services Funktionen Eigene Funktionen in R haben den Aufbau namefunction
MehrEmpirische Softwaretechnik
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Einführung in das Statistikpaket 2 R?! nicht vergleichbar mit den üblichen Statistikprogrammen wie SAS oder
Mehr$Strasse [1] "Autobahn" "Landstr" "Nebenstr" "Autobahn" "Landstr" "Nebenstr" [7] "Autobahn" "Landstr" "Nebenstr" "Autobahn" "Landstr" "Nebenstr"
# In vielen typischen Anwendungsfällen sind Listen nicht optimal J
MehrMaschinelles Lernen und Neural Computation
und Neural Computation 840042, VO, 1 Std WS 2015/16 Georg Dorffner Inst f Artificial Intelligence Zentrum für Med Statistik, Informatik und Intelligente Systeme Medizinische Universität Wien meduniienacat/user/georgdorffner/lv/mlnchtml
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
MehrDatenmanagement in R: Eine Einführung
UNIVERSITÄT BASEL Frühjahrsemester 2012 WWZ, Abt. Quantitative Methoden 23. März 2012 Prof. Dr. Christian Kleiber Linda Walter Jean-Michel Benkert Datenmanagement in R: Eine Einführung Diese Einführung
MehrStrings. Daten aus Dateien einlesen und in Dateien speichern.
Strings. Daten aus Dateien einlesen und in Dateien speichern. Strings Ein String ist eine Zeichenkette, welche von MATLAB nicht als Programmcode interpretiert wird. Der Ausdruck 'a' ist ein String bestehend
MehrErste Schritte in R. 27. Oktober 2012 Statistik mit R Heike Zinsmeister WS 2011/12
Erste Schritte in R 27. Oktober 2012 Statistik mit R Heike Zinsmeister WS 2011/12 Hintergrund R Programmiersprache, entwickelt für die Statistik und für stochastische Simulation " System, in dem die Programmiersprache
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:
MehrStatistik PS R-Ergänzungen
Statistik PS R-Ergänzungen Kurt Hornik 2005-02-28 Kapitel 1 Einleitung 1.1 Einfaches Rechnen in R Zunächst starten wir R: auf den Windows-Rechnern, indem wir unter Start - Programme - Anwendungen - Mathematik
MehrProgrammieren in R - Lösungen zum Kapitel Data Analysis Christoph Rust Oktober 2018
Programmieren in R - Lösungen zum Kapitel Data Analysis Christoph Rust Oktober 2018 Vorbemerkungen: Diese Datei wurde mit R Markdown (www) erstellt. Die Quelldatei lässt sich unter (www) herunterladen.
MehrÜbungsblatt 1. Java Vorkurs (WS 2017)
Übungsblatt 1 Java Vorkurs (WS 2017) Aufgabe 1 Hallo-Welt Erstelle ein neues Projekt mit dem Namen HelloJava. Erzeuge in diesem Projekt eine neue Klasse HelloJava. (a) Schreibe die main-methode in die
MehrBiometrische und Ökonometrische Methoden II Lösungen 1
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN SS 01 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Biometrische und Ökonometrische Methoden II Lösungen 1 1. a) MTB > name c1 '100 mm'
MehrEine Einführung in R: Grundlagen II
Eine Einführung in R: Grundlagen II Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws11/r-kurs/
MehrAufgabe 1.1. Wählen Sie jene Variablendeklarationen mit Initialisierungen aus, die in Java hinsichtlich der Typen korrekt sind:
Test 1 in Programmkonstruktion 59 / 100 Punkte 1. Multiple-Choice-Aufgaben 20 / 30 Punkte Bitte wählen Sie alle zutreffenden Antwortmöglichkeiten aus. Es können beliebig viele Antwortmöglichkeiten zutreffen,
MehrPhysische Datenstrukturen
Elementare Datentypen Strukturierte Datentypen Zeiger Seite 1 Einfache Datentypen Datentyp char Verwendung: ASCII-Zeichen Wertebereich: alle darstellbaren Zeichen, 8 bit lange Ganzzahlen im Intervall -128
MehrFreie Software für die Sozialwissenschaften: Lehrveranstaltung
Freie Software für die Sozialwissenschaften: Lehrveranstaltung am 22.05.2007 Mike Kühne 1 R-Kurs INHALTSVERZEICHNIS Inhaltsverzeichnis 1 Tinn-R 3 1.1 Bedienung von Tinn-R...................... 4 1.1.1
MehrModul G d) Gibt es einen Größen- bzw. Altersunterschied zwischen den anwesenden Männern und Frauen?
Modul G 29.11.2007 Hausaufgabe vom 22.11.2007: Erstelle eine Matrix mit (fiktiven) Initialen, Alter, Geschlecht und Größe von 18 Seminarteilnehmern. Auswertung a) Zähle pro vorkommendem Alter die Anzahl
MehrDatenanalyse und Programmierung in R eine Einführung 1
Universität Hannover FB Gartenbau BSc-Modul Biostatistik Prof. Dr. L. Hothorn (3./ 4. Semester) Datenanalyse und Programmierung in R eine Einführung 1 1. R als Tischrechner > 1225*1.16 [1] 1421 > log(0.5)
MehrStatistische Software (R-Vertiefung) Kontrollstrukturen: Bedingte Anweisungen. Logische Operatoren & Verknüpfungen. Syntax. Paul Fink, M.Sc.
Kontrollstrukturen: Bedingte Anweisungen Statistische Software (R-Vertiefung) if ( Bedingung ) { Ausdruck 1 } else { Ausdruck 2} Paul Fink, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München
MehrProgrammiertechnik Skalare Typen,Variablen, Zuweisungen
Prof. Dr. Oliver Haase Karl Martin Kern Achim Bitzer Programmiertechnik Skalare Typen,Variablen, Zuweisungen int int i; i; long long j; j; boolean boolean isempty; isempty; double double average; average;
MehrReihungen. Prof. Dr. Christian Böhm. In Zusammenarbeit mit Gefei Zhang. WS 07/08
Reihungen Prof. Dr. Christian Böhm In Zusammenarbeit mit Gefei Zhang http://www.dbs.ifi.lmu.de/lehre/nfinfosw WS 07/08 2 Ziele Die Datenstruktur der Reihungen verstehen: mathematisch und im Speicher Grundlegende
MehrEinfache Arrays. Dr. Philipp Wendler. Zentralübung zur Vorlesung Einführung in die Informatik: Programmierung und Softwareentwicklung
Dr. Philipp Wendler Zentralübung zur Vorlesung Einführung in die Informatik: Programmierung und Softwareentwicklung WS18/19 https://www.sosy-lab.org/teaching/2018-ws-infoeinf/ Arrays: Wiederholung Ein
Mehr9. Vektoren. (auch Felder/array)
9. Vektoren (auch Felder/array) Motivation Hat man mehrere Objekte gleichen Datentyps, so kann man sie explizit deklarieren, wenn die Anzahl bekannt ist double x1,x2,x3,x4; Nachteile: versagt, -wenn die
MehrPython Einführung. Monica Selva Soto. 24 März Mathematisches Institut
Mathematisches Institut mselva@math.uni-koeln.de 24 März 2009 Übungen zur Numerik 1 Vorlesung Übungen praktische Aufgaben Webseite: (Anmeldung, Übungsblätter) http://www.mi.uni-koeln.de/~mselva/numerik1.php
MehrWichtige Befehle in R zur Datenanalyse Ergänzende Unterlagen zur Vorlesung Prof. Dr. Oliver Gansser
Wichtige Befehle in R zur Datenanalyse Ergänzende Unterlagen zur Vorlesung Prof. Dr. Oliver Gansser Inhaltsverzeichnis Einleitung 2 Das Programm R............................................ 2 Datenmanagement
MehrReihungen. Martin Wirsing. in Zusammenarbeit mit Michael Barth, Fabian Birzele und Gefei Zhang
Reihungen Martin Wirsing in Zusammenarbeit mit Michael Barth, Fabian Birzele und Gefei Zhang http://www.pst.informatik.uni-muenchen.de/lehre/ws0506/infoeinf/ WS 05/06 2 Ziele Die Datenstruktur der Reihungen
MehrProgrammieren mit statistischer Software
Programmieren mit statistischer Software Eva Endres, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Funktionen Definition von Funktionen I Eine Funktion hat einen Namen benötigt Argumente
MehrStatistik für Informatiker, SS 2017 Organisatorisches, ein Startbeispiel und eine sehr knappe R-Einführung
1/18 Statistik für Informatiker, SS 2017 Organisatorisches, ein und eine sehr knappe R-Einführung Matthias Birkner http://www.staff.uni-mainz.de/birkner/statinfo17/ 19.4.2017 2/18 Herzlich willkommen zur
MehrGedächtnis. Während der Abarbeitung eines Algorithmus müssen sich Dinge gemerkt werden bzw. auf Dingen wird gerechnet. Zugriff.
Gedächtnis Während der Abarbeitung eines Algorithmus müssen sich Dinge gemerkt werden bzw. auf Dingen wird gerechnet Hauptspeicher 38265 Telefon CPU Gedächtnis Vorlesender Zugriff Verarbeitungseinheit
MehrErzeugung spezieller Vektoren seq(), rep()
Erzeugung spezieller Vektoren seq(), rep() > 1:5; 5:1 ### Abstand 1 [1] 1 2 3 4 5 [1] 5 4 3 2 1 > seq(1,5,2/3) ### Abstand!= 1 [1] 1.000000 1.666667 2.333333 3.000000 3.666667 4.333333 5.000000 > seq(along=x)
MehrProgrammieren mit statistischer Software
Programmieren mit statistischer Software Eva Endres, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Textverarbeitung Text computations I Textverarbeitung ist wichtig zur Datenaufbereitung
MehrLineare Algebra mit dem Statistikprogramm R
SEITE 1 Lineare Algebra mit dem Statistikprogramm R 1. Verwendung von Variablen Variablen werden in R definiert, indem man einem Variablennamen einen Wert zuweist. Bei Variablennamen wird zwischen Groß
Mehr1. Referenzdatentypen: Felder und Strings. Referenz- vs. einfache Datentypen. Rückblick: Einfache Datentypen (1) 4711 r
1. Felder und Strings Eigenschaften von Referenzdatentypen 1. Referenzdatentypen: Felder und Strings Referenzdatentypen sind Konstrukte, mit deren Hilfe wir aus einfachen Datentypen neue eigene Typen erzeugen
Mehr1. Referenzdatentypen: Felder und Strings
1. Felder und Strings Eigenschaften von Referenzdatentypen 1. Referenzdatentypen: Felder und Strings Referenzdatentypen sind Konstrukte, mit deren Hilfe wir aus einfachen Datentypen neue eigene Typen erzeugen
MehrCrashkurs Haskell Mentoring WiSe 2016/17. Anja Wolffgramm Freie Universität Berlin
Crashkurs Haskell Mentoring WiSe 2016/17 Anja Wolffgramm Freie Universität Berlin 02/11/2016 , Inhalt Kommandozeile Haskell installieren & starten Ein 1. Haskell-Programm Funktionsdefinition Primitive
Mehr'group' statt 'daten$group'. 5) The Help System
Einführungsstunde 1) What is R R ist ein Statistisches Programmpaket, das sowohl auf Unix, Windows als auch Macintosh läuft. R ist das open source Pendant zum kommerziellen S plus. Kostenloses Download
Mehrstring: Beispiele: Test, test, `Seitentitel: ${document.title}`
JS Crashkurs Einige JavaScript spezifische Dinge zusammengefasst. Datentypen Javascript kennt folgende primitiven Datentypen: undefined number: Beispiele: 1 1.0.0 1. 0x1 1e0 boolean: true oder false string:
MehrEinführung in die Programmierung für NF MI. Übung 04
Einführung in die Programmierung für NF MI Übung 04 Inhalt Arrays Einführung in Objekte Einführung in die Programmierung für NF Übung 04 2 Arrays Arrays repräsentieren Reihungen von Objekten, z.b. Variablen
MehrGrundlegende Datentypen
Grundlegende Datentypen Funktionale Programmierung Prof. Dr. Oliver Braun Letzte Änderung: 22.10.2018 10:53 Grundlegende Datentypen 1/21 Typen in Haskell ist alles streng typisiert Haskell verfügt über
MehrProgrammieren in Python
13. Docstrings und weitere Kleinigkeiten Albert-Ludwigs-Universität Freiburg Handlungsplanungs-Praktikum Wintersemester 2010/2011 Docstrings Dokumentation des Programms durch Kommentare im Code. Blockkommentare
MehrStatistische Software (R) Konstanten. Datentypen in R. Aufruf der Hilfeseiten zu grundlegende Operatoren und Funktionen: Paul Fink, M.Sc.
Grundlegende Operatoren und Funktionen Statistische Software (R) Paul Fink, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Vektoren,, Listen und Data Frames Aufruf der Hilfeseiten
MehrEinführung in R. Matthias Templ, Leonhard Seyfang. Oktober 2005
Einführung in R Matthias Templ, Leonhard Seyfang Oktober 2005 Ausblick 1. Was ist R? Warum ausgerechnet R? (eine kurze Werbung) 2. Installation von R 3. Informationsmaterial zu R 4. GUI s für R; R-Commander
Mehr2.2 Spezifikation abstrakter Datentypen. 2.3 Implementierung und Anwendung von ADT. 2.4 Datenabstraktion und Objektorientierung
Inhaltsverzeichnis (update) 2 Datenabstraktion 2.1 Begriffe 2.2 Spezifikation abstrakter Datentypen 2.2.1 Algebraische Spezifikation 2.2.2 Modellierende Spezifikation 2.3 Implementierung und Anwendung
MehrInformatik für Mathematiker und Physiker Woche 7. David Sommer
Informatik für Mathematiker und Physiker Woche 7 David Sommer David Sommer 30. Oktober 2018 1 Heute: 1. Repetition Floats 2. References 3. Vectors 4. Characters David Sommer 30. Oktober 2018 2 Übungen
MehrAnwendung (2. Versuch:-) Entkopplung der Locks
Gut gemeint aber leider fehlerhaft... Jeder Producer benötigt zwei Locks gleichzeitig, um zu produzieren: 1. dasjenige für den Puffer; 2. dasjenige für einen Semaphor. Musser fürden Semaphor einwait()
Mehrids-system GmbH Tipp #3 Leer-Strings in SQL oder die Frage nach CHAR oder VARCHAR
ids-system GmbH Tipp #3 Leer-Strings in SQL oder die Frage Zusammenfassung Dieses Dokument beschreibt die Unterschiede zwischen CHAR und VARCHAR Datentyp sowie die Behandlung im SQL Michael Tiefenbacher
MehrGI Vektoren
Vektoren Problem: Beispiel: viele Variablen vom gleichen Typ abspeichern Text ( = viele char-variablen), Ergebnisse einer Meßreihe ( = viele int-variablen) hierfür: Vektoren ( = Arrays = Feld ) = Ansammlung
MehrErwin Grüner 10.11.2005
FB Psychologie Uni Marburg 10.11.2005 Themenübersicht in R Arithmetische Operator Wirkung + Addition - Subtraktion * Multiplikation / Division ˆ Exponentiation %/% Integerdivision %% Modulo Vergleichsoperatoren
MehrOrganisatorisches. Folien (u.a.) gibt's auf der Lva-Homepage zum Download
Organisatorisches Folien (u.a.) gibt's auf der Lva-Homepage zum Download Diesen Mi erstes Tutorium (15-17) Ab nächster Woche montags 10-12 (jeweils im Computerraum) 17.10.2017 IT I - VO 3 1 Organisatorisches
MehrC++ Teil 12. Sven Groß. 18. Jan Sven Groß (IGPM, RWTH Aachen) C++ Teil Jan / 11
C++ Teil 12 Sven Groß 18. Jan 2016 Sven Groß (IGPM, RWTH Aachen) C++ Teil 12 18. Jan 2016 1 / 11 Themen der letzten Vorlesung Wiederholung aller bisherigen Themen: Datentypen und Variablen Operatoren Kontrollstrukturen
MehrD-BAUG Informatik I. Exercise session: week 1 HS 2018
1 D-BAUG Informatik I Exercise session: week 1 HS 2018 Java Tutorials 2 Questions? expert.ethz.ch 3 Common questions and issues. expert.ethz.ch 4 Need help with expert? Mixed expressions Type Conversions
MehrEinführung in den Einsatz von Objekt-Orientierung mit C++ I
Einführung in den Einsatz von Objekt-Orientierung mit C++ I ADV-Seminar Leiter: Mag. Michael Hahsler Syntax von C++ Grundlagen Übersetzung Formale Syntaxüberprüfung Ausgabe/Eingabe Funktion main() Variablen
MehrMachine Learning and Data Mining Summer 2015 Exercise Sheet 11
Ludwig-Maximilians-Universitaet Muenchen 0.06.205 Institute for Informatics Prof. Dr. Volker Tresp Gregor Jossé Johannes Niedermayer Machine Learning and Data Mining Summer 205 Exercise Sheet Presentation
MehrProgrammierkurs ( Wintersemester 2017 ) Aufgabenblatt 3 Dr. Ole Klein, Dr. Steffen Müthing Abgabe 20. November 2017 IWR, Universität Heidelberg
Programmierkurs ( Wintersemester 2017 ) Aufgabenblatt 3 Dr. Ole Klein, Dr. Steffen Müthing Abgabe 20. November 2017 IWR, Universität Heidelberg Allgemeine Hinweise: Am Freitag, den 17.11. findet die Vorlesung
MehrWiederholung: Listen, Referenzen
Wiederholung: Listen, Referenzen Symbolische Programmiersprache Benjamin Roth and Annemarie Friedrich Wintersemester 2016/2017 Centrum für Informations- und Sprachverarbeitung LMU München 1 Wiederholung
MehrAufgabe 35 mit R (Ökonometrie SS 2014 an der UdS)
Vorbereitungen Aufgabe 35 mit R (Ökonometrie SS 2014 an der UdS) Falls das R - Paket car noch nicht installiert wurde, kann dies mit der Funktion install.packages() erledigt werden. install.packages("car")
MehrErwin Grüner
FB Psychologie Uni Marburg 01.12.2005 Themenübersicht Die Funktion Die Funktion Zweck: Erzeugung eines Vektors durch Replizieren Parameter x times length.out each Bedeutung Zahl oder Vektor Anzahl der
Mehr5.4 Arrays. Oft müssen viele Werte gleichen Typs gespeichert werden. Idee: Lege sie konsekutiv ab! Greife auf einzelne Werte über ihren Index zu!
5.4 Arrays Oft müssen viele Werte gleichen Typs gespeichert werden. Idee: Lege sie konsekutiv ab! Greife auf einzelne Werte über ihren Index zu! Feld: Index: 17 3-2 9 0 1 0 1 2 3 4 5 Harald Räcke 114/656
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
Mehr3/4/2009. Schalter: Ein vs. Aus Lochkarten: Loch vs. Kein Loch Boolean/Wahrheitswerte: true vs. false
Ablauf Informatik I (D-MAVT) Übungsstunde 2, 4.3.2009 simonmayer@student.ethz.ch ETH Zürich Besprechung/Vertiefung der Vorlesung [26.2.2009] Vorbesprechung Übung 2 Variablen + Scopes Zahlensysteme Bits&Bytes
MehrFH D. Objektorientierte Programmierung in Java FH D FH D. Prof. Dr. Ing. André Stuhlsatz. Referenzen. Referenzen
5 Objektorientierte Programmierung in Java Prof. Dr. Ing. André Stuhlsatz Referenzen Beispiel an der einfachen Klasse Walze: public class Walze { int id; public Walze(int id) { this.id = id; Verwenden
MehrAlgorithmen implementieren. Implementieren von Algorithmen
Algorithmen implementieren Implementieren von Algorithmen Um Algorithmen ablaufen zu lassen, muss man sie als Programm darstellen (d.h. implementieren) Wie stellt man die algorithmischen Strukturelemente
MehrProgrammiersprachen Einführung in C
Programmiersprachen Einführung in C Teil 8: Felder und Zeichenketten Prof. Dr. Gliederung Programmiersprachen 1. Von der Maschinensprache zu C 2. Die Struktur von C-Programmen 3. Variable und Datentypen
MehrRepetitorium Programmieren I + II
Repetitorium Programmieren I + II Stephan Gimbel Johanna Mensik Michael Roth 6. März 2012 Agenda 1 Operatoren 2 Datentypen Gleitpunkt Zahl Typkonvertierung 3 Strommanipulatoren 4 Bedingungen if-else switch-case
Mehr