Grafiken I

# Einfaches Stamm-Blatt-Diagramm

stem(bsp01$IQ)

The decimal point is 1 digit(s) to the right of the |

  5 | 8

  6 | 7

  7 | 33556689999

  8 | 1223334455666678

  9 | 00122344455556788889

 10 | 0000111111223344445555566

 11 | 01113346666688889

 12 | 113479

 13 | 38

 14 |

 15 | 1

# Laden des Package aplpack: Das Package muss vorher installiert sein.

library(aplpack)

stem.leaf.backback(IQ_maenner, IQ_frauen, m=1)

1 | 2: represents 12, leaf unit: 1

          IQ_maenner     IQ_frauen

____________________________________________________

1                  8|  5 |

                    |  6 |7                        1

4                996|  7 |33556899                 9

8               6632|  8 |123344556678            21

21     9886555432210|  9 |0445788                 (7)

(9)        665544431| 10 |0000111112234555        30

12            888311| 11 |01346666689             14

6                431| 12 |179                      3

3                 83| 13 |

                    | 14 |

____________________________________________________

HI: 151

n:                42      58

____________________________________________________

# Ein einfaches Balkendiagramm für die 

# Häufigkeitsverteilung des Geschlechts.

barplot(table(bsp01$sex))

# Farbdefinition für Web-Grafiken

my_blue <- rgb(11,83,148, maxColorValue=255)

my_blue2 <- rgb(207,226,234, maxColorValue=255)

my_red <- rgb(166,77,121, maxColorValue=255)

my_red2 <- rgb(234,209,220, maxColorValue=255)

my_green <- rgb(39,78,19, maxColorValue=255)

# Balkendiagramm mit der Definition einiger Argumente

barplot(

# das table-Objekt als Grundlage für das Diagramm

table(bsp01$sex),

# main bezeichnet den Titel

main="Geschlechterverteilung",

# xlab bezeichnet die x-Achse

xlab="Geschlecht"

# ylab bezeichnet die y-Achse

ylab="absolute Häufigkeit",

# names.arg definiert die Bezeichnungen der jeweiligen Gruppen

names.arg=c("Frauen", "Männer"),

# ylim gibt die Länge der y-Achse vom Minimum bis zum Maximum an

ylim=c(0,60),

# space Einheiten zwischen den Balken

space=0,

# width Einheiten der Balkenbreite im 

# zugrundeliegenden Koordinatensystem

width=1,

# col Farbgebung: bei zwei Balken, zwei Farbwerte

col=c(my_red, my_blue)

)

# Erstellung zweidimensionaler Balkendiagramme

attach(pedersen)

barplot(table(sex, desired),beside=TRUE, horiz=T,

xlab="Wie viele Sexualpartner wünschen Sie sich in den

nächsten 30 Jahren?", ylab="Häufigkeit der Antworten", cex.names=.5)

# Anzeige der Dimensionen und Kategorien des Datensatzes Titanic

library(datasets)

dimnames(Titanic)

$Class

[1] "1st" "2nd" "3rd" "Crew"

$Sex

[1] "Male" "Female"

$Age

[1] "Child" "Adult"

$Survived

[1] "No" "Yes"

# Auswahl der Teiltabellen für das Geschlecht (2) und das Überleben (4)

margin.table(Titanic, c(2,4))

Survived

Sex No Yes

Male 1364 367

Female 126 344

# Zweidimensionales Häufigkeitsdiagramm mit absoluter Häufigkeit

barplot(sex_surv,

ylab="absolute Häufigkeit", xlab="Überleben", beside=T,

names.arg=c("Nein", "Ja"), main="Absolute Häufigkeit",

col=c(my_blue, my_red))

# Erstellung einer Legende

legend("topright", legend=c("Männer", "Frauen"), fill=c(my_blue, my_red))

# Punktdiagramm mit Hilfslinien

dotchart(as.table(sort(state.x77[,1])[40:50]),xlab="Anzahl der Einwohner x 1000",

main="Bevölkerungsreichste US-Bundesstaaten 1977")

# Einfaches Histogramm

hist(x=bsp01$IQ, main="Histogramm für Häufigkeiten", ylab="Häufigkeit", xlab="IQ")

# Histogramm mit unterschiedlicher Intervallbreite

# Definition der Intervallgrenzen

br <- c(50,65,75,80,85,90,95,100,105,110,115,120,130,160)

# Zeichnung des Histogramms und Speicherung der Histogrammparameter in h

h <- hist(bsp01$IQ,

#Angabe der Intervallgrenzen definiert in br

breaks=br, freq=T, cex.main=.8, ylab="Häufigkeit",

main="Histogramm mit ungleichen Intervallen\nund Häufigkeitswerten"

)

# Code für die Datenbeschriftung

B <- NULL

for (i in 1:13) B[i] <- mean(c(br[i],br[i+1]))

text(B, h$count, labels=as.character(h$count), pos=1, cex=.5, offset=.2)

# Einfaches Boxplot

boxplot(Stress~AZ, ylab="Stresserleben", xlab="Arbeitszufriedenheit",

names=c("sehr gering", "gering", "mittel", "hoch", "sehr hoch"))

# Boxplots mit Kerben für verschiedene Gruppen

boxplot(Stress~AZ, ylab="Stresserleben", xlab="Arbeitszufriedenheit",

names=c("(1) sehr gering", "(2) gering", "(3) mittel", "(4) hoch",

"(5) sehr hoch"), notch=TRUE, cex.axis=.9)

# Violinplot

library(vioplot)

vioplot(IQ_maenner, IQ_frauen, col=my_blue,

names=c("Männer", "Frauen")

)

# Streudiagramm für Körpergröße und IQ

plot(x=height, y=IQ, xlab="Körpergröße in cm", ylab="IQ-Punkte")

Plot

# Berechnung der Koeffizienten der linearen Regression

lm(formula=fussball$tore~fussball$spiele)

Call:

lm(formula = fussball$tore ~ fussball$spiele)

Coefficients:

(Intercept) fussball$spiele

2.1280 0.4774

# Zeichnung des Streudiagram

plot(fussball$spiele, fussball$tore,

 ylab="Anzahl geschossener Tore", xlab="Anzahl

 gespielter Spiele")

# Hinzufügen der Regressionsgerade in das 

# Streudiagamm

abline(lm(fussball$tore~fussball$spiele))

#Zeichnen der Loess-Kurve mit normalverteilter 

# Gewichtungsfunktion (diese Gewichtung

# wird standardmäßig mit der 

# Funktion scatter.smooth genutzt) mit einem Anteil

# einbezogener Daten von 70% (span=.7)

scatter.smooth(

 bsp02$income, bsp02$life_expectancy,   

 ylab="Lebenserwartung in Jahren",

 xlab="Durchschnittliches pro Kopf Jahreseinkommen in 

 USD", span=.7

)

#Transformation mit dem natürlichen Logarithmus

log_income <- log(bsp02$income)

scatter.smooth(

 log_income, bsp02$life_expectancy, span=(2/3), 

 xaxt="n", ylab="Lebenserwartung in Jahren",

 xlab="Durchschnittliches pro Kopf Jahreseinkommen in  

 USD")

# x-Achse in Originaleinheiten

axis(1, at = 5:11, labels = round(exp(5:11)))

# Zufallsrauschen

plot(jitter(bsp01$AZ),jitter(bsp01$LZ),

ylab="Lebenszufriedenheit", xlab="Arbeitszufriedenheit")

# Sonnenblumendiagramm

sunflowerplot(bsp01$AZ,bsp01$LZ, ylab="Lebenszufriedenheit",

xlab="Arbeitszufriedenheit")

# die Legende haben wir nachträglich hinzugefügt

text(1,2, " 1 Wert", cex=.7, pos=4); text(1,1, " 4 Werte", cex=.7, pos=4)

text(2,4, " 3 Werte", cex=.7, pos=4); text(2,3, " 11 Werte", cex=.7, pos=4)

text(2,2, " 5 Werte", cex=.7, pos=4)

# Streudiagramm-Matrix mit Loess-Kurven

pairs(bsp01[,3:6], panel=panel.smooth, col.smooth="black", span=c(2/3), lwd=2)

# Dreidimensionales Streudiagramm für Stress, Lebens- und Arbeitszufriedenheit

library(scatterplot3d)

scatterplot3d(jitter(bsp01$Stress),jitter(bsp01$LZ),jitter(bsp01$AZ),

xlab="Stresserleben",

ylab="Lebenszufriedenheit",

zlab="Arbeitszufriedenheit",

type="h")

# Bubbleplot mit dem Paket: googleVis

bubble<- gvisBubbleChart(

 data=jitter_bsp, idvar="no", xvar="AZ", yvar="LZ",

 colorvar="Stress",sizevar="Stress",

 options=list(width=500, height=500,

 hAxis='{minValue:0, maxValue:5,   

  title:"Arbeitszufriedenheit"}',

 vAxis='{minValue:0, maxValue:5, 

  title: "Lebenszufriedenheit"}',

 sizeAxis='{minSize:1, maxSize:9}',

 legend='{position:"none"}',

 bubble='{stroke:"black", textStyle:{color:"none"}}',

 colorAxis='{colors:["grey", "grey"], legend:  

  {position:"none"}}')

)

plot(bubble)

# Streudiagramm für Drittvariable mit Symbolen

plot(jitter(bsp01$Stress),jitter(bsp01$AZ),

# Dritte Variable als Symbol

pch=bsp01$LZ,

# x-Achse nur für die bessere Sichtbarkeit der Legende verändert

xlim=c(3,11),

cex.main=.8,

xlab="Stresserleben",

ylab="Arbeitszufriedenheit")

# Hinzufügen der Legende

legend("topright", pch=1:5, legend=c("LZ=1","LZ=2","LZ=3","LZ=4","LZ=5"))