Books & Videos

Table of Contents

  1. R-Grundlagen

    1. Chapter 1 Beschaffung und Installation von R

      1. R-Versionen
      2. Gebrauchsfertige R-Distribution laden und installieren
    2. Chapter 2 Die R-Benutzerschnittstelle

      1. Die grafische Benutzerschnittstelle von R
      2. Die R-Konsole
      3. Stapelverarbeitung
      4. Mit Microsoft Excel auf R zugreifen
      5. Andere Methoden, R auszuführen
    3. Chapter 3 Kurzeinführung in R

      1. Einfache Operationen in R
      2. Funktionen
      3. Variablen
      4. Einführung in Datenstrukturen
      5. Objekte und Klassen
      6. Modelle und Formeln
      7. Diagramme und Grafiken
      8. Hilfe abrufen
    4. Chapter 4 R-Pakete

      1. Überblick über Pakete
      2. Pakete in lokalen Bibliotheken auflisten
      3. Pakete laden
      4. Durchsuchen von Paket-Repositories
      5. Eigene Pakete
  2. Die Programmiersprache R

    1. Chapter 5 Überblick über die Programmiersprache R

      1. Ausdrücke
      2. Objekte
      3. Symbole
      4. Funktionen
      5. Objekte werden in Zuweisungen kopiert
      6. In R ist alles ein Objekt
      7. Spezielle Werte
      8. Typumwandlung
      9. Der R-Interpreter
      10. R-Sprachelemente inspizieren
    2. Chapter 6 R-Syntax

      1. Konstanten
      2. Operatoren
      3. Ausdrücke
      4. Kontrollstrukturen
      5. Zugriff auf Datenstrukturen
      6. R-Codekonventionen
    3. Chapter 7 R-Objekte

      1. Basisdatentypen
      2. Vektoren
      3. Listen
      4. Weitere Datentypen
      5. Attribute
    4. Chapter 8 Symbole und Umgebungen

      1. Symbole
      2. Mit Umgebungen arbeiten
      3. Die globale Umgebung
      4. Umgebungen und Funktionen
      5. Ausnahmen
    5. Chapter 9 Funktionen

      1. Funktionen deklarieren
      2. Argumente
      3. Rückgabewerte
      4. Funktionen als Argumente
      5. Benannte Argumente und Auswertungsreihenfolge
      6. Seiteneffekte
    6. Chapter 10 Objektorientierte Programmierung

      1. Überblick über objektorientierte Programmierung in R
      2. Objektorientierte Programmierung in R: S4-Klassen
      3. OOP nach alter Schule in R: S3
    7. Chapter 11 Hochperformantes R

      1. Interne Mathematikfunktionen benutzen
      2. Auswertungsumgebungen als Look-up-Tabellen
      3. Große Datensätze in einer Datenbank verwalten
      4. Speicher vorbelegen
      5. Arbeitsspeicher verwalten
      6. Funktionen für große Datensätze
      7. Paralleles Rechnen mit R
      8. Hochperformante R-Binaries
  3. Daten aufbereiten und darstellen

    1. Chapter 12 Daten speichern, laden und bearbeiten

      1. Dateneingabe in R
      2. R-Objekte speichern und laden
      3. Daten aus externen Dateien importieren
      4. Daten exportieren
      5. Daten aus Datenbanken importieren
    2. Chapter 13 Datenaufbereitung

      1. Datensätze kombinieren
      2. Transformationen
      3. Klasseneinteilung
      4. Teilmengen
      5. Daten aggregieren
      6. Datenbereinigung
      7. Dubletten identifizieren und beseitigen
      8. Daten sortieren
    3. Chapter 14 Grafik

      1. Überblick über Grafiken in R
      2. Grafik-Devices
      3. Grafiken anpassen
    4. Chapter 15 Trellis-Grafik mit Lattice

      1. Geschichte
      2. Überblick über das lattice-Paket
      3. High-Level-Grafikfunktionen in Lattice
      4. Lattice-Grafiken anpassen
      5. Low-Level-Grafikfunktionen in Lattice
  4. Statistik mit R

    1. Chapter 16 Datenexploration

      1. Lage- und Streuungsmaße
      2. Korrelation und Kovarianz
      3. Hauptkomponentenanalyse
      4. Faktorenanalyse
      5. Bootstrap-Resampling
    2. Chapter 17 Wahrscheinlichkeitsverteilungen

      1. Die Normalverteilung
      2. Argumente von Verteilungsfunktionen
      3. Wahrscheinlichkeitsverteilungsfamilien
    3. Chapter 18 Statistische Testverfahren

      1. Parametrische Tests
      2. Verfahren für Rangdaten
      3. Verfahren für Häufigkeitsdaten
    4. Chapter 19 Poweranalyse

      1. Beispiel: Planung einer Medikamentenstudie
      2. Planung eines t-Tests
      3. Planung eines Anteilstests
      4. Planung einer Varianzanalyse
    5. Chapter 20 Regressionsmodelle

      1. Beispiel: Ein einfaches lineares Regressionsmodell
      2. Die klassische lineare Regression im Detail
      3. Prädiktorselektion und Schrumpfungsmethoden
      4. Regressionsverfahren für andere Modellannahmen
      5. Überlebensanalyse
      6. Glättungsverfahren
      7. Regression und maschinelles Lernen
    6. Chapter 21 Klassifikationsmodelle

      1. Lineare Klassifikationsmodelle
      2. Klassifikation und maschinelles Lernen
    7. Chapter 22 Maschinelles Lernen

      1. Warenkorbanalyse
      2. Verfahren der Clusteranalyse
    8. Chapter 23 Zeitreihenanalyse

      1. Autokorrelationsmaße
      2. Zeitreihenmodelle
    9. Chapter 24 Bioconductor

      1. Ein Beispiel
      2. Wichtige Bioconductor-Pakete
      3. Datenstrukturen
      4. Wie geht es weiter?
  1. Appendix Funktionsreferenz

    1. Das Paket base

    2. Das Paket boot

    3. Das Paket class

    4. Das Paket cluster

    5. Das Paket codetools

    6. Das Paket foreign

    7. Das Paket graphics

    8. Das Paket grDevices

    9. Das Paket grid

    10. Das Paket KernSmooth

    11. Das Paket lattice

    12. Das Paket MASS

    13. Das Paket Matrix

    14. Das Paket methods

    15. Das Paket mgcv

    16. Das Paket nlme

    17. Das Paket nnet

    18. Das Paket rpart

    19. Das Paket spatial

    20. Das Paket splines

    21. Das Paket stats

    22. Das Paket stats4

    23. Das Paket survival

    24. Das Paket tcltk

    25. Das Paket tools

    26. Das Paket utils

  2. Appendix Datensatzreferenz

    1. Beispieldaten im Paket boot

    2. Beispieldaten im Paket cluster

    3. Beispieldaten im Paket datasets

    4. Beispieldaten im Paket lattice

    5. Beispieldaten im Paket MASS

    6. Beispieldaten im Paket rpart

    7. Beispieldaten im Paket survival

  3. Appendix Literatur

  4. Appendix Über den Autor

  5. Appendix Über den Übersetzer

  6. Kolophon