|
| Aktuelle Informationen |
*** Die Noten
findet man hier.***
Einsicht der Zweitklausur am Donnerstag 11.
Oktober um 9 Uhr im 3029
Die Erstklausur
Eine
Probeklausur
findet man hier
NB: Die
tatsächlichen Klausuren werden natürlich die noch zu
behandelnden Themen berücksichtigen und wahrscheinlich eine rein
mathematische Aufgabe enthalten.
Vorlesungen
Dienstag 10.00 - 11.30 Uhr 1005
Donnerstag 10.00 - 11.30 Uhr 1005
R Analysen: Besprechungstermine Freitags 10.30 Uhr Raum 3008
Klausur
Klausurtermine werden auf dieser
Institutsseite angegeben.
Die erste Klausur wird von 10.15 Uhr bis 13.15 Uhr am 17. Juli 2007 im
Mathe Hörsaal 1005 stattfinden.
*** Die zweite Klausur wird am 8.
Oktober im 1005 von 10.15 bis 13.15 stattfinden.***
Note = Max{1. Klausur, 2. Klausur}
|
Ziele
|
- Multivariate Verfahren verstehen
- Multivariate Daten visualisieren
- Multivariate Datensätze analysieren
|
Bücher
|
- Fahrmeir, L., Hamerle, A., Tutz, G. (1996).
Multivariate statistische Verfahren (2 ed.)
Berlin: de Gruyter
- Venables, W. N., Ripley, B.D. (2002). Modern Applied
Statistics with S (4 ed.) New York: Springer
- Hastie, T., Tibshirani, R., Friedman, J. (2001) The
Elements of Statistical Learning New York: Springer
|
| Datensätze |
|
¹Achtung: xml-Dateien werden vom Browser interpretiert -> Link
speichern!
|
| Software |
|
|
| Übung |
Die Übungen finden statt:
Dienstag, 12.15 - 13.45 Uhr, Raum 2001 T.
ACHTUNG: Die Lösungen zu den Übungsblättern sollen von
den TeilnehmerInnen selbst erarbeitet und dann in den Übungen
vorgestellt werden. Bitte! Am 10. Juli 2007 findet in der Übung
eine Fragestunde zum Vorlesungsstoff und zu den bisherigen Übungen
statt.
|
|
| Übungsblätter |
- Übungsblatt 1
- Übungsblatt 2
[ R: Aufgabe 3, Trellis Plots; Aufgabe 4, Histogramme, QQ
Plots; Aufgabe 5, Scatterplot, Contour- und Perspektivplots, Gesamtplot inkl. Projektionen und Rugs ]
- Übungsblatt 3
- Übungsblatt 4
[ R: Aufgabe 2a; Aufgabe 3, Contourplot 2D Normalverteilung, Contourplot Kern- und Normalverteilungsdichteschätzer;
Aufgabe 4, Konfidenzregionen; Aufgabe 5, Trellis Box-Plot, Scatterplot-Matrix ]
- Übungsblatt 5
[ Aufgaben 1 und 2; R: Aufgabe 3, Screeplot, Scatterplot-Matrix Loadings, Scatterplot-Matrix Hauptkomponenten, Trellis Scatterplot-Matrix Plot; Aufgabe 4, Screeplot, Scatterplot-Matrix Loadings, Scatterplot-Matrix Hauptkomponenten, Trellis Scatterplot-Matrix Plot ]
- Übungsblatt 6
[ Aufgaben 1 und 2; R: Aufgabe 3, Faktorladungen und Rotationsachsen; Aufgabe 4, MDS Plots, Shepard-Diagramme, Minimale Stressfunktionswerte; Aufgabe 5, MDS Plots ]
- Übungsblatt 7
[ Aufgabe 1; R: Aufgabe 2, Scatterplot mit Diskriminanzgerade, Dichten und Entscheidungsgrenze; Aufgabe 3, Scatterplot und Konfidenzellipsen; Aufgabe 4, Streuungsdiagramm und Konfidenzellipsen ]
- Übungsblatt 8
[ Aufgabe 1; R: Aufgabe 2, Gerasterte Entscheidungsbereiche (Lineare
Diskriminanzanalyse); Aufgabe 3, Gerasterte Entscheidungsbereiche (Quadratische
Diskriminanzanalyse); Aufgabe 4, Scatterplot-Matrix mit eingefärbter
4-Clusterlösung nach k-means (Originaldaten), Scatterplot-Matrix mit eingefärbter
4-Clusterlösung nach k-means (Scores auf Hauptkomponenten); Aufgabe 5, Dendrogramm (Average Linkage), Dendrogramm (Ward's Method), Klassische MDS und Average Linkage Clusteranalyse ]
- Übungsblatt 9
[ R: R Source ]
- Übungsblatt 10
[ R: R Source ]
|
| Folien |
|
| Alle Folien und
Übungsblätter liegen im PDF-Format vor. Zum Öffnen
benötigt man einen PDF-Reader, wie z.B. Adobe Acrobat Reader oder
GhostView. |
R-Code
|
|
|