R-Kurs · Kapitel 3 · Diagramme in R

Diagramme in R

plot() — die universelle Grafikfunktion

plot(x, y, ...) zeichnet Punkte oder Linien aus x-/y-Koordinaten. Der Parameter type legt die Darstellung fest: "p" (Punkte, Standard), "l" (Linie), "b" (beides), "h" (Stäbe), "s" (Stufen).

x <- seq(-4, 4, by = 1)
f.von.x <- x^2 + 1
plot(x, f.von.x, type = "l")   # Liniendiagramm

Ausgabe

# Parabel von (-4,17) bis (4,17)

Beschriften & gestalten

Mit main (Titel), xlab/ylab (Achsen), col (Farbe), lwd (Linienstärke) und pch (Punktsymbol) wird die Grafik lesbar:

plot(x, f.von.x, type = "b",
   main = "f(x) = x^2 + 1",
   xlab = "x", ylab = "f(x)",
   col = "blue", lwd = 2, pch = 19)

Mini-Aufgabe

Zeichne die Funktion $\sin(x)$ auf $[0, 2\pi]$ als rote Linie mit Titel „Sinus” und y-Achsenbeschriftung.

Lösung zeigen

x <- seq(0, 2*pi, length.out = 100)
plot(x, sin(x), type = "l", col = "red",
   main = "Sinus", ylab = "sin(x)")

Kreis- und Säulendiagramme

Für kategoriale Häufigkeiten: barplot() (Säulen) und pie() (Kreis), meist gefüttert aus table():

note <- c("gut","gut","mittel","schlecht","gut","mittel")
barplot(table(note), main = "Noten", ylab = "Häufigkeit")
pie(table(note), main = "Noten")

Mini-Aufgabe

Erzeuge aus dem Vektor c("w","m","w","w","m","w","m","w") ein beschriftetes Säulendiagramm der absoluten Häufigkeiten.

Lösung zeigen

geschlecht <- c("w","m","w","w","m","w","m","w")
barplot(table(geschlecht),
      main = "Geschlecht",
      ylab = "Häufigkeit")

Ausgabe

# Säulen: m = 3, w = 5

Histogramme

Für metrische Daten bildet hist() Klassen. Mit breaks legt man die Klassengrenzen fest, mit freq = FALSE skaliert man auf die Dichte (Fläche 1).

werte <- c(51,54,58,60,62,65,68,70,72,75,80,82,88,90,95)
hist(werte)                              # Auto-Klassen
hist(werte, breaks = seq(50, 100, 10),   # eigene Klassen
   col = "lightblue", main = "Verteilung", xlab = "Wert")

Mini-Aufgabe

Zeichne für den Vektor x ein Histogramm mit der Fläche 1 (Dichte).

💡 Tipp

freq = FALSE skaliert auf die Häufigkeitsdichte (Gesamtfläche 1).

Lösung zeigen

x <- c(2.1, 2.4, 2.4, 2.6, 2.8, 3.0, 3.1, 3.3, 3.5, 3.9)
hist(x, freq = FALSE, main = "Dichtehistogramm")

Abruf-Quiz

Frage 1 / 2

Welches Argument von plot() legt den Diagrammtyp (Linie) fest?

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