Kapitel 2 · Univariate deskriptive Statistik

Wetterdaten erkunden — Einlesen, Plots & Kennzahlen (DWD)

mittel Übung 5, Aufgabe 2 Rread.tableKreisdiagrammHistogrammBox-PlotLiniendiagrammMittelwertStandardabweichung

Der Deutsche Wetterdienst stellt tagesgenaue Messdaten 2015 für München-Flughafen als Textdatei DWD.txt bereit. Löse in R: a) Speichere die Datei. b) Lies sie als DWD.df ein. c) Stelle dar: (i) „NIEDERSCHLAGSHOEHE_IND” als Kreisdiagramm, (ii) „LUFTTEMPERATUR_MAXIMUM” als Histogramm und Box-Plot, (iii) „LUFTTEMPERATUR_MAXIMUM” über „MESS_DATUM” als Liniendiagramm. d) Wie viele Stunden scheint die Sonne im Mittel pro Tag? Bestimme außerdem Standardabweichung und Spannweite der Sonnenscheindauer.

📥 Datei: DWD.txt

R R-Lösung anzeigen

DWD.df <- read.table("DWD.txt", header = TRUE, sep = ";", dec = ".")
str(DWD.df)
pie(table(DWD.df$NIEDERSCHLAGSHOEHE_IND), main = "Niederschlag (Indikator)")
hist(DWD.df$LUFTTEMPERATUR_MAXIMUM, main = "Max. Temperatur", xlab = "Grad C")
boxplot(DWD.df$LUFTTEMPERATUR_MAXIMUM)
plot(DWD.df$MESS_DATUM, DWD.df$LUFTTEMPERATUR_MAXIMUM, type = "l")
mean(DWD.df$SONNENSCHEINDAUER)   # mittlere Sonnenstunden/Tag
sd(DWD.df$SONNENSCHEINDAUER)     # Standardabweichung
diff(range(DWD.df$SONNENSCHEINDAUER))  # Spannweite

Ausgabe

'data.frame': 365 obs. of  18 variables:
 $ MESS_DATUM: chr  "2015-01-01" ...
 $ LUFTTEMPERATUR_MAXIMUM: num  ...

Lösung

0/7 aufgedeckt

← Alle Aufgaben

x <- c(3, 1, 4, 1, 5) # Vektor anlegen y <- rep(c(0, 1), times = c(26, 9)) # 26x 0, 9x 1 s <- seq(0, 2*pi, length.out = 100) # gleichmäßige Folge 1:10 # Ganzzahlfolge length(x); sort(x); rev(x) # Länge, sortieren, umkehren x[x > 2] # logische Indizierung

barplot(table(x), main = "Titel", ylab = "h(a)") # Säulen pie(table(x), labels = c("nein", "ja")) # Kreis hist(x) # Histogramm (Auto-Klassen) hist(x, breaks = seq(50, 110, by = 5), # eigene Klassen col = heat.colors(12), xlab = "kg") plot(s, sin(2*s), type = "l", col = "blue", lwd = 2) # Linie lines(s, cos(s)) # weitere Linie ergänzen boxplot(x) # Box-Plot

mean(x) # arithmetisches Mittel median(x) # Median quantile(x, c(.25, .5, .75)) # Quartile quantile(x, 0.9) # 90%-Quantil # Modus: Ausprägung mit größter Häufigkeit names(which.max(table(x)))

var(x) # Stichprobenvarianz (/ (n-1)) sd(x) # Standardabweichung IQR(x) # Interquartilsabstand range(x); diff(range(x)) # Min/Max bzw. Spannweite sd(x) / mean(x) # Variationskoeffizient

dbinom(k, size = n, prob = p) # Binomial P(X = k) pbinom(k, n, p) # P(X <= k) dpois(k, lambda); ppois(k, lambda) dnorm(x, mean, sd); pnorm(x, mean, sd) # Normal qnorm(0.975) # Quantil (z-Wert) rnorm(100, mean = 0, sd = 1) # Zufallszahlen

t.test(x, mu = 0) # t-Test / KI für mu t.test(x, conf.level = 0.95)$conf.int # Konfidenzintervall prop.test(k, n) # Anteilstest chisq.test(table(a, b)) # Unabhängigkeitstest