#Vorlesung Multivariate Analysen #=============================== #Kapitel 1.2: Grafische Datenaufbereitung (Teil 1) #================================================ # # #Verlaufs- und Histogramm #======================== # #Noten.rda #Verlaufsdiagramm (zeitliche Entwicklung) plot(Noten$BWL, type="b") # #Mehrere Verlaufsdiagramme in eine Grafik par(mfrow=c(2,2)) for(i in 1:4) plot(Noten[,i],type="b",ylab=names(Noten[i])) par(mfrow=c(1,1)) # #Mehrere Histogramme par(mfrow=c(2,2)) for(i in 1:4) hist(Noten[,i],freq=FALSE, xlim=c(1,4),xlab="Noten", col=(i+1), main=names(Noten[i])) par(mfrow=c(1,1)) # # #Zusammenstellung unterschiedlicher Grafiken #=========================================== # #Boxplot und Verlaufsdiagramm par(bg=gray(0.9)) layout(matrix(c(1,2,3,4,5,5,6,6), 4, 2, byrow = FALSE)) #layout.show(6) for(i in 1:4) barplot(table(Noten[,i]),main=names(Noten[i])) boxplot(Noten, col="lightblue") plot(1,col=gray(0.9),xlim=c(0,1),ylim=c(0,1),ylab="",xlab="",yaxt="n",xaxt="n") text(0.5,0.5,cex=2,"Links sehen Sie \ndie Häufigkeit der einzelnen Noten\n\n Oben die Boxplots") par(bg="white") # # #Grafik zur Überprüfung der Annahme auf Normalverteilung def.par <- par(no.readonly = TRUE) layout(matrix(c(1,2,3,4,5,6,7,8,9,10,11,12), 4, 3, byrow = TRUE)) for(i in 1:4){ hist(Noten[,i],main="",freq=FALSE,ylab="",xlab="Notenverteilung ...", col="lightblue") curve(dnorm(x,mean(Noten[,i]),sqrt(var(Noten[,i]))), col = "blue", lwd = 2, add = TRUE) boxplot(Noten[,i],horizontal=TRUE,xlab=names(Noten[i]),col="green") qqnorm(Noten[,i],ylab="", col="red"); qqline(Noten[,i]) } par(def.par) # # ###