Differences

This shows you the differences between two versions of the page.

--- lehrkraefte:ks:ffstat2122:start [2022/06/24 14:57]
Simon Knaus
+++ lehrkraefte:ks:ffstat2122:start [2022/06/24 17:10]
Simon Knaus
@@ Line 14: / Line 14: @@
 === Aufträge ===
-  * [[https://bldsg-my.sharepoint.com/:x:/g/personal/simon_knaus_ksbg_ch/EViLCgTgPtJDv_0n0KTreCIBGpi9za5FMOXOOKMExuwNzA?e=Xff4cc|Daten]] herunterladen und einlesen und <<inspizieren>>. Was fällt auf? Sind die Daten so realistisch? In R ggf. mit ''summary''
+  * [[https://bldsg-my.sharepoint.com/:u:/g/personal/simon_knaus_ksbg_ch/EYGR9VHkuSdMs1h-J5_CUKsBm2z8nBGPCz321xhSkHiVHQ?e=OilJzV|Daten]] herunterladen und einlesen und <<inspizieren>>. Was fällt auf? Sind die Daten so realistisch? In R ggf. mit ''summary''
   * Analysen auswählen
     * Welche Analysen sind in welcher Variabel-Konstellation möglich? (Nominal, ordinale, kardinale Variablen)
@@ Line 29: / Line 29: @@
 === Daten einlesen und recodieren in R ===
-Idealerweise werden die Zeilenspaltentitel bereits in Excel angepasst. Damit hat man kurze Variabelnamen und man kann dann mit ''read.table(file('clipboard'), sep='\t')'' die Daten einlesen.
+Idealerweise werden die Zeilenspaltentitel bereits in Excel angepasst. Damit hat man kurze Variabelnamen und man kann dann mit ''read.table(file('clipboard'), sep='\t',header=T)'' die Daten einlesen.
 Sind die Daten eingelesen, kann mit
 <code python>
-gluecksdata <- read.table(file('clipboard'), sep='\t')
+gluecksdata <- read.table(file('clipboard'), sep='\t',header=T)
 # Recodieren
 # Annahme die 8. Spalte hat neu den Titel 'allinall'
@@ Line 39: / Line 39: @@
 </code>
+<hidden Mögliche Lösung>
+<code>
+data <- read.table(file("clipboard"),sep="\t",header=T)
+head(data)
+library(ggplot2)
+names(data)
+#gesamtglück
+data$overall <- with(data,(insgesamt.+lately.+happylife+happymonth+happyoverall)/5)
+#glück vs. aussehen
+ggplot(data,aes(y=overall,x=looks))+geom_point()+geom_smooth(method="lm",se = F)
+#glück vs. gesundheit
+ggplot(data,aes(y=overall,x=health))+geom_point()+geom_smooth(method="lm",se = F)
+#glück vs. sleep
+ggplot(data,aes(y=overall,x=sleep))+geom_point()+geom_smooth(method="lm",se = F)
+ggplot(subset(data,sleep<30),aes(y=overall,x=sleep))+geom_point()+geom_smooth(method="lm",se = F)
+with(subset(data,sleep<30),cor(overall,sleep,use = "pairwise.complete"))
+ggplot(data,aes(y=overall,x=free))+geom_point()+geom_smooth(method="lm",se = F)
+ggplot(subset(data,free<30),aes(y=overall,x=free))+geom_point()+geom_smooth(method="lm",se = F)
+ggplot(data,aes(y=overall,x=social))+geom_point()+geom_smooth(method="lm",se = F)
+ggplot(subset(data,social<30),aes(y=overall,x=social))+geom_point()+geom_smooth(method="lm",se = F)
+ggplot(data,aes(y=overall,x=sport))+geom_point()+geom_smooth(method="lm",se = F)
+ggplot(data,aes(x=overall))+geom_histogram(position = "identity")+facet_grid(gender~.)
+ggplot(data,aes(x=overall,y=gender))+geom_boxplot()
+ggplot(data,aes(y=overall,x=age))+geom_point()+geom_smooth(method="lm",se = F)
+ggplot(data,aes(x=meanin,y=overall))+geom_boxplot()
+ggplot(data,aes(x=morning,y=overall))+geom_boxplot()
+ggplot(data,aes(x=morning,y=overall))+geom_violin()
+ggplot(data,aes(x=important,y=overall))+geom_boxplot()
+library(corrplot)
+relvar <- sapply(data,is.numeric)
+corrplot(cor(subset(data[,relvar],free<30),use="pairwise.complete"))
+ggplot(da)
+</code>
+</hidden>
 ==== Lektion 13 ====