Haben Sie Daten die Sie auswerten möchten und wissen nicht wie? Brauchen Sie Hilfe aber würden gern gleichzeitig auch selber in die statistische Datenanalyse mit Hilfe von Auswertungsprogrammen einsteigen? Wir sind fest davon überzeugt, dass JEDER das machen könnte. JEDER kann programmieren lernen und Daten selber analysieren. Probieren Sie es hier interaktiv aus:

Das ist ein R Beispiel mit einem Plot:

# no pec


# Diese sind die Werte für die Körpergröße von 32 Frauen:
groesse <- c(58,59,60,61,62,63,64,65,66,67,68,69,70,71,72)
#
# Wir berechnen den Mittelwert:
mean(groesse)
#
# Wir berechnen deskriptive Statistiken:
summary(groesse)
#
# Wir plotten ein Histogramm:
hist(groesse)
#
# Für die Ausführung klicken Sie auf Run!
# Sie können hier direkt weitere R Befehle eingeben und ausprobieren!

 


Drücken Sie ‚Run‘!

Das ist ein Beispiel mit Python:


# Wir importieren die notwendigen Bibliotheken
import numpy as np
import matplotlib.pyplot as plt
#
# Diese sind die Werte für die Körpergröße und Gewicht von 32 Frauen
groesse = [58,59,60,61,62,63,64,65,66,67,68,69,70,71,72]
gewicht = [115,117,120,123,126,129,132,135,139,142,146,150,154,159,164]
#
# Wir berechnen die Korrelation
korrelation = np.corrcoef(groesse,gewicht)[0,1]
#
# Wir plotten jeden Beobachtungswert innerhalb eines Scatterplots
# Wir zeigen auch die Korrelation an
plt.plot(groesse,gewicht,marker='.',linestyle='none',label='Die Korrelation ist {}'.format(korrelation))
plt.title('Scatterplot Beispiel')
plt.xlabel('Größe')
plt.ylabel('Gewicht')
plt.legend()
plt.show()

 

 


Drücken Sie ‚Run‘.




Brauchen Sie Hilfe? Melden Sie sich, wir helfen gerne weiter!