Grundlagen der Datenanalyse mit R

Vorwort
Inhaltsverzeichnis
1 Erste Schritte
1.1 Vorstellung
1.1.1 Pro und Contra R
1.1.2 Typografische Konventionen
1.1.3 R installieren
1.1.4 Grafische Benutzeroberflächen
1.1.5 Weiterführende Informationsquellen und Literatur
1.2 Grundlegende Elemente
1.2.1 R Starten, beenden und die Konsole verwenden
1.2.2 Einstellungen
1.2.3 Umgang mit dem workspace
1.2.4 Einfache Arithmetik
1.2.5 Funktionen mit Argumenten aufrufen
1.2.6 Hilfe-Funktionen
1.2.7 Empfehlungen und typische Fehlerquellen
1.3 Zusatzpakete verwenden
1.3.1 Zusatzpakete installieren
1.3.2 Zusatzpakete laden
1.3.3 Hinweise zum Arbeiten mit Zusatzpaketen
1.4 Datenstrukturen: Klassen, Objekte, Datentypen
1.4.1 Objekte benennen
1.4.2 Zuweisungen an Objekte
1.4.3 Objekte ausgeben
1.4.4 Objekte anzeigen lassen, umbenennen und entfernen
1.4.5 Datentypen
1.4.6 Logische Werte, Operatoren und Verknüpfungen
2 Elementare Dateneingabe und -verarbeitung
2.1 Vektoren
2.1.1 Vektoren erzeugen
2.1.2 Elemente auswählen und verändern
2.1.3 Datentypen in Vektoren
2.1.4 Elemente benennen
2.1.5 Elemente löschen
2.2 Logische Operatoren
2.2.1 Vektoren mit logischen Operatoren vergleichen
2.2.2 Logische Indexvektoren
2.3 Mengen
2.3.1 Doppelt auftretende Werte finden
2.3.2 Mengenoperationen
2.3.3 Kombinatorik
2.4 Systematische und zufällige Wertefolgen erzeugen
2.4.1 Numerische Sequenzen erstellen
2.4.2 Wertefolgen wiederholen
2.4.3 Zufällig aus einer Urne ziehen
2.4.4 Zufallszahlen aus bestimmten Verteilungen erzeugen
2.5 Daten transformieren
2.5.1 Werte sortieren
2.5.2 Werte in zufällige Reihenfolge bringen
2.5.3 Teilmengen von Daten auswählen
2.5.4 Daten umrechnen
2.5.5 Neue aus bestehenden Variablen bilden
2.5.6 Werte ersetzen oder recodieren
2.5.7 Kontinuierliche Variablen in Kategorien einteilen
2.6 Gruppierungsfaktoren
2.6.1 Ungeordnete Faktoren
2.6.2 Faktoren kombinieren
2.6.3 Faktorstufen nachträglich ändern
2.6.4 Geordnete Faktoren
2.6.5 Reihenfolge von Faktorstufen kontrollieren
2.6.6 Faktoren nach Muster erstellen
2.6.7 Quantitative in kategoriale Variablen umwandeln
2.7 Deskriptive Kennwerte numerischer Daten
2.7.1 Summen, Differenzen und Produkte
2.7.2 Extremwerte
2.7.3 Mittelwert, Median und Modalwert
2.7.4 Robuste Maße der zentralen Tendenz
2.7.5 Prozentrang, Quartile und Quantile
2.7.6 Varianz, Streuung, Schiefe und Wölbung
2.7.7 Diversität kategorialer Daten
2.7.8 Kovarianz und Korrelation
2.7.9 Robuste Streuungsmaße und Kovarianzschätzer
2.7.10 Kennwerte getrennt nach Gruppen berechnen
2.7.11 Funktionen auf geordnete Paare von Werten anwenden
2.8 Matrizen
2.8.1 Datentypen in Matrizen
2.8.2 Dimensionierung, Zeilen und Spalten
2.8.3 Elemente auswählen und verändern
2.8.4 Weitere Wege, Elemente auszuwählen und zu verändern
2.8.5 Matrizen verbinden
2.8.6 Matrizen sortieren
2.8.7 Randkennwerte berechnen
2.8.8 Beliebige Funktionen auf Matrizen anwenden
2.8.9 Matrix zeilen- oder spaltenweise mit Kennwerten verrechnen
2.8.10 Kovarianz- und Korrelationsmatrizen
2.9 Arrays
2.10 Listen
2.10.1 Komponenten auswählen und verändern
2.10.2 Komponenten hinzufügen und entfernen
2.10.3 Listen mit mehreren Ebenen
2.11 Datensätze
2.11.1 Datentypen in Datensätzen
2.11.2 Elemente auswählen und verändern
2.11.3 Namen von Variablen und Beobachtungen
2.11.4 Datensätze in den Suchpfad einfügen
2.12 Häufigkeiten bestimmen
2.12.1 Einfache Tabellen absoluter und relativer Häufigkeiten
2.12.2 Iterationen zählen
2.12.3 Absolute und (bedingte) relative relative Häufigkeiten in Kreuztabellen
2.12.4 Randkennwerte von Kreuztabellen
2.12.5 Datensätze aus Häufigkeitstabellen erstellen
2.12.6 Kumulierte relative Häufigkeiten und Prozentrang
2.13 Fehlende Werte behandeln
2.13.1 Fehlende Werte codieren und identifizieren
2.13.2 Fehlende Werte ersetzen und umcodieren
2.13.3 Behandlung fehlender Werte bei der Berechnung einfacher Kennwerte
2.13.4 Behandlung fehlender Werte in Matrizen
2.13.5 Behandlung fehlender Werte beim Sortieren von Daten
2.13.6 Behandlung fehlender Werte in inferenzstatistischen Tests
2.13.7 Multiple Imputation
2.14 Zeichenketten verarbeiten
2.14.1 Objekte in Zeichenketten umwandeln
2.14.2 Zeichenketten erstellen und ausgeben
2.14.3 Zeichenketten manipulieren
2.14.4 Zeichenfolgen finden
2.14.5 Zeichenfolgen extrahieren
2.14.6 Zeichenfolgen ersetzen
2.14.7 Zeichenketten als Befehl ausführen
2.15 Datum und Uhrzeit
2.15.1 Datumsangaben erstellen und formatieren
2.15.2 Uhrzeit
2.15.3 Mit Datum und Uhrzeit rechnen
3 Daten importieren, exportieren, aufbereiten und aggregieren
3.1 Daten importieren und exportieren
3.1.1 Datentabellen im Textformat
3.1.2 R-Objekte
3.1.3 Daten mit anderen Programmen austauschen
3.1.4 Daten in der Konsole einlesen
3.1.5 Unstrukturierte Textdateien nutzen
3.2 Dateien verwalten
3.2.1 Dateien auswählen
3.2.2 Dateipfade manipulieren
3.2.3 Dateien verändern
3.3 Datensätze aufbereiten und aggregieren
3.3.1 Variablen umbenennen
3.3.2 Teilmengen von Daten auswählen
3.3.3 Variablen entfernen, hinzufügen und transformieren
3.3.4 Doppelte und fehlende Werte behandeln
3.3.5 Datensätze sortieren
3.3.6 Datensätze aufteilen
3.3.7 Datensätze zeilen- oder spaltenweise verbinden
3.3.8 Datensätze zusammenführen
3.3.9 Organisationsform einfacher Datensätze ändern
3.3.10 Organisationsform komplexer Datensätze ändern
3.3.11 Daten getrennt nach Gruppen auswerten und aggregieren
3.3.12 Funktionen auf Variablen anwenden
3.3.13 Funktionen für mehrere Variablen anwenden
3.4 Datensätze aufbereiten und aggregieren mit dplyr
3.4.1 Besonderheiten
3.4.2 Variablen umbenennen
3.4.3 Teilmengen von Daten auswählen
3.4.4 Variablen entfernen, hinzufügen und transformieren
3.4.5 Doppelte und fehlende Werte behandeln
3.4.6 Datensätze sortieren
3.4.7 Datensätze zeilen- oder spaltenweise verbinden
3.4.8 Datensätze zusammenführen
3.4.9 Organisationsform komplexer Datensätze ändern
3.4.10 Datensätze getrennt nach Gruppen auswerten und aggregieren
3.4.11 Funktionen auf Gruppen von Variablen anwenden
3.4.12 Häufigkeiten bestimmen
4 Zuverlässige und reproduzierbare Datenauswertung
4.1 Befehlssequenzen im Editor bearbeiten
4.2 R-Dokumente und Notebooks erstellen
4.2.1 Grundprinzip
4.2.2 Arbeitsschritte
4.2.3 Aufbau eines Quelldokuments
4.2.4 Beispiel
4.3 Datenqualität prüfen
4.4 Reproduzierbare Auswertungen sicherstellen
4.4.1 Potentielle Probleme und Maßnahmen
4.4.2 Allgemeine Empfehlungen
5 Hilfsmittel für die Inferenzstatistik
5.1 Wichtige Begriffe inferenzstatistischer Tests
5.2 Lineare Modelle formulieren
5.3 Funktionen von Zufallsvariablen
5.3.1 Dichtefunktion
5.3.2 Verteilungsfunktion
5.3.3 Quantilfunktion
6 Lineare Regression
6.1 Test des Korrelationskoeffizienten
6.2 Einfache lineare Regression
6.2.1 Deskriptive Modellanpassung
6.2.2 Regressionsanalyse
6.3 Multiple lineare Regression
6.3.1 Deskriptive Modellanpassung und Regressionsanalyse
6.3.2 Modell verändern
6.3.3 Modelle vergleichen und auswählen
6.3.4 Moderierte Regression
6.4 Regressionsmodelle auf andere Daten anwenden
6.5 Regressionsdiagnostik
6.5.1 Extremwerte, Ausreißer und Einfluss
6.5.2 Verteilungseigenschaften der Residuen
6.5.3 Multikollinearität
6.6 Erweiterungen der linearen Regression
6.6.1 Robuste Regression
6.6.2 Penalisierte Regression
6.6.3 Nichtlineare Zusammenhänge
6.6.4 Abhängige Fehler bei Messwiederholung oder Clusterung
6.6.5 Regressionsmodelle für mehrere Verteilungsparameter
6.7 Partialkorrelation und Semipartialkorrelation
7 t-Tests und Varianzanalysen
7.1 Tests auf Varianzhomogenität
7.1.1 F-Test auf Varianzhomogenität für zwei Stichproben
7.1.2 Levene-Test für mehr als zwei Stichproben
7.1.3 Fligner-Killeen-Test für mehr als zwei Stichproben
7.2 t-Tests
7.2.1 t-Test für eine Stichprobe
7.2.2 t-Test für zwei unabhängige Stichproben
7.2.3 t-Test für zwei abhängige Stichproben
7.3 Einfaktorielle Varianzanalyse (CR-p)
7.3.1 Auswertung mit oneway.test()
7.3.2 Auswertung mit aov()
7.3.3 Auswertung mit anova()
7.3.4 Effektstärke schätzen
7.3.5 Voraussetzungen grafisch prüfen
7.3.6 Einzelvergleiche (Kontraste)
7.4 Einfaktorielle Varianzanalyse mit abhängigen Gruppen (RB-p)
7.4.1 Univariat formuliert auswerten und Effektstärke schätzen
7.4.2 Zirkularität der Kovarianzmatrix prüfen
7.4.3 Multivariat formuliert auswerten mit Anova()
7.4.4 Multivariat formuliert auswerten mit anova()
7.4.5 Einzelvergleiche und alternative Auswertungsmöglichkeiten
7.5 Zweifaktorielle Varianzanalyse (CRF-pq)
7.5.1 Auswertung und Schätzung der Effektstärke
7.5.2 Quadratsummen vom Typ I, II und III
7.5.3 Bedingte Haupteffekte testen
7.5.4 Beliebige a-priori Kontraste
7.5.5 Beliebige post-hoc Kontraste nach Scheffé
7.5.6 Marginale Paarvergleiche nach Tukey
7.6 Zweifaktorielle Varianzanalyse mit zwei Intra-Gruppen Faktoren (RBF-pq)
7.6.1 Univariat formuliert auswerten und Effektstärke schätzen
7.6.2 Zirkularität der Kovarianzmatrizen prüfen
7.6.3 Multivariat formuliert auswerten
7.6.4 Einzelvergleiche (Kontraste)
7.7 Zweifaktorielle Varianzanalyse mit Split-Plot-Design (SPF-p cdotq)
7.7.1 Univariat formuliert auswerten und Effektstärke schätzen
7.7.2 Voraussetzungen und Prüfen der Zirkularität
7.7.3 Multivariat formuliert auswerten
7.7.4 Einzelvergleiche (Kontraste)
7.7.5 Erweiterung auf dreifaktorielles SPF-p cdotqr Design
7.7.6 Erweiterung auf dreifaktorielles SPF-pq cdotr Design
7.8 Kovarianzanalyse
7.8.1 Test der Effekte von Gruppenzugehörigkeit und Kovariate
7.8.2 Beliebige a-priori Kontraste
7.8.3 Beliebige post-hoc Kontraste nach Scheffé
7.9 Power, Effektstärke und notwendige Stichprobengröße
7.9.1 Binomialtest
7.9.2 t-Test
7.9.3 Einfaktorielle Varianzanalyse
8 Regressionsmodelle für kategoriale Daten und Zähldaten
8.1 Logistische Regression
8.1.1 Modell für dichotome Daten anpassen
8.1.2 Modell für binomiale Daten anpassen
8.1.3 Anpassungsgüte
8.1.4 Vorhersage, Klassifikation, Kalibrierung und Anwendung auf neue Daten
8.1.5 Signifikanztests für Parameter und Modell
8.1.6 Andere Link-Funktionen
8.1.7 Mögliche Probleme bei der Modellanpassung
8.2 Ordinale Regression
8.2.1 Modellanpassung
8.2.2 Anpassungsgüte
8.2.3 Signifikanztests für Parameter und Modell
8.2.4 Vorhersage, Klassifikation und Anwendung auf neue Daten
8.3 Multinomiale Regression
8.3.1 Modellanpassung
8.3.2 Anpassungsgüte
8.3.3 Signifikanztests für Parameter und Modell
8.3.4 Vorhersage, Klassifikation und Anwendung auf neue Daten
8.4 Regression für Zähldaten
8.4.1 Poisson-Regression
8.4.2 Ereignisraten analysieren
8.4.3 Adjustierte Poisson-Regression und negative Binomial-Regression
8.4.4 Zero-inflated Poisson-Regression
8.4.5 Zero-truncated Poisson-Regression
8.5 Log-lineare Modelle
8.5.1 Modell
8.5.2 Modellanpassung mit loglm()
8.5.3 Modellanpassung mit glm()
9 Survival-Analyse
9.1 Verteilung von Ereigniszeiten
9.2 Zensierte und gestutzte Ereigniszeiten
9.2.1 Zeitlich konstante Prädiktoren
9.2.2 Daten in Zählprozess-Darstellung
9.3 Kaplan-Meier-Analyse
9.3.1 Survival-Funktion schätzen
9.3.2 Survival, kumulative Inzidenz und kumulatives hazard darstellen
9.3.3 Log-Rank-Test auf gleiche Survival-Funktionen
9.4 Cox proportional hazards Modell
9.4.1 Anpassungsgüte und Modelltests
9.4.2 Survival-Funktion, baseline hazard und kumulatives hazard schätzen
9.4.3 Modelldiagnostik
9.4.4 Vorhersage und Anwendung auf neue Daten
9.4.5 Erweiterungen des Cox PH-Modells
9.5 Parametrische proportional hazards Modelle
9.5.1 Darstellung über die Hazard-Funktion
9.5.2 Darstellung als accelerated failure time Modell
9.5.3 Anpassung und Modelltests
9.5.4 Survival-Funktion schätzen
10 Klassische nonparametrische Methoden
10.1 Anpassungstests
10.1.1 Binomialtest
10.1.2 Test auf Zufälligkeit (Runs-Test)
10.1.3 Kolmogorov-Smirnov-Anpassungstest
10.1.4 χ2-Test auf eine feste Verteilung
10.1.5 χ2-Test auf eine Verteilungsklasse
10.2 Analyse von gemeinsamen Häufigkeiten kategorialer Variablen
10.2.1 chi2-Test auf Unabhängigkeit
10.2.2 chi2-Test auf Gleichheit von Verteilungen
10.2.3 chi2-Test für mehrere Auftretenswahrscheinlichkeiten
10.2.4 Fishers exakter Test auf Unabhängigkeit
10.2.5 Fishers exakter Test auf Gleichheit von Verteilungen
10.2.6 Kennwerte von (2 times2)-Konfusionsmatrizen
10.2.7 ROC-Kurve und AUC
10.3 Maße für Zusammenhang und Übereinstimmung
10.3.1 Zusammenhang stetiger ordinaler Variablen: Spearmans ρ und Kendalls τ
10.3.2 Zusammenhang kategorialer Variablen
10.3.3 Inter-Rater-Übereinstimmung
10.4 Tests auf gleiche Variabilität
10.4.1 Mood-Test
10.4.2 Ansari-Bradley-Test
10.5 Tests auf Übereinstimmung von Verteilungen
10.5.1 Kolmogorov-Smirnov-Test für zwei Stichproben
10.5.2 Vorzeichen-Test
10.5.3 Wilcoxon-Vorzeichen-Rang-Test für eine Stichprobe
10.5.4 Wilcoxon-Rangsummen-Test / Mann-Whitney-U-Test für zwei unabhängige Stichproben
10.5.5 Wilcoxon-Test für zwei abhängige Stichproben
10.5.6 Kruskal-Wallis-H-Test für unabhängige Stichproben
10.5.7 Friedman-Rangsummen-Test für abhängige Stichproben
10.5.8 Cochran-Q-Test für abhängige Stichproben
10.5.9 Bowker-Test für zwei abhängige Stichproben
10.5.10 McNemar-Test für zwei abhängige Stichproben
10.5.11 Stuart-Maxwell-Test für zwei abhängige Stichproben
11 Resampling-Verfahren
11.1 Nonparametrisches Bootstrapping
11.1.1 Replikationen erstellen
11.1.2 Bootstrap-Vertrauensintervalle für µ
11.1.3 Bootstrap-Vertrauensintervalle für µ2-µ1
11.1.4 Lineare Modelle: case resampling
11.1.5 Lineare Modelle: model-based resampling
11.1.6 Lineare Modelle: wild bootstrap
11.2 Parametrisches Bootstrapping
11.2.1 Bootstrap-Vertrauensintervalle für µ2-µ1
11.2.2 Verallgemeinerte lineare Modelle
11.3 Permutationstests
11.3.1 Test auf gleiche Lageparameter in unabhängigen Stichproben
11.3.2 Test auf gleiche Lageparameter in abhängigen Stichproben
11.3.3 Test auf Unabhängigkeit von zwei Variablen
12 Multivariate Verfahren
12.1 Lineare Algebra
12.1.1 Matrix-Algebra
12.1.2 Lineare Gleichungssysteme lösen
12.1.3 Norm und Abstand von Vektoren und Matrizen
12.1.4 Mahalanobistransformation und Mahalanobisdistanz
12.1.5 Kennwerte von Matrizen
12.1.6 Zerlegungen von Matrizen
12.1.7 Orthogonale Projektion
12.2 Hauptkomponentenanalyse
12.2.1 Berechnung
12.2.2 Dimensionsreduktion
12.3 Faktorenanalyse
12.4 Multidimensionale Skalierung
12.5 Multivariate multiple Regression
12.6 Hotellings T2
12.6.1 Test für eine Stichprobe
12.6.2 Test für zwei unabhängige Stichproben
12.6.3 Test für zwei abhängige Stichproben
12.6.4 Univariate Varianzanalyse mit abhängigen Gruppen (RB-p)
12.7 Multivariate Varianzanalyse (MANOVA)
12.7.1 Einfaktorielle MANOVA
12.7.2 Zweifaktorielle MANOVA
12.8 Diskriminanzanalyse
12.9 Das allgemeine lineare Modell
12.9.1 Modell der multiplen linearen Regression
12.9.2 Modell der einfaktoriellen Varianzanalyse
12.9.3 Modell der zweifaktoriellen Varianzanalyse
12.9.4 Parameterschätzungen, Vorhersage und Residuen
12.9.5 Hypothesen über parametrische Funktionen testen
12.9.6 Lineare Hypothesen als Modellvergleiche formulieren
12.9.7 Lineare Hypothesen testen
12.9.8 Beispiel: Multivariate multiple Regression
12.9.9 Beispiel: Einfaktorielle MANOVA
12.9.10 Beispiel: Zweifaktorielle MANOVA
13 Vorhersagegüte prädiktiver Modelle
[DELETE]
13.1 Kreuzvalidierung linearer Regressionsmodelle
13.1.1 k-fache Kreuzvalidierung
13.1.2 Leave-One-Out Kreuzvalidierung
13.2 Kreuzvalidierung verallgemeinerter linearer Modelle
13.3 Bootstrap-Vorhersagefehler
14 Diagramme erstellen
[DELETE]
14.1 Grafik-Devices
14.1.1 Aufbau und Verwaltung von Grafik-Devices
14.1.2 Grafiken speichern
14.2 Streu- und Liniendiagramme
14.2.1 Streudiagramme mit plot()
14.2.2 Datenpunkte eines Streudiagramms identifizieren
14.2.3 Streudiagramme mit matplot()
14.3 Diagramme formatieren
14.3.1 Grafikelemente formatieren
14.3.2 Farben spezifizieren
14.3.3 Achsen formatieren
14.4 Säulen- und Punktdiagramme
14.4.1 Einfache Säulendiagramme
14.4.2 Gruppierte und gestapelte Säulendiagramme
14.4.3 Dotchart
14.5 Elemente einem bestehenden Diagramm hinzufügen
14.5.1 Koordinaten in einem Diagramm identifizieren
14.5.2 In beliebige Diagrammbereiche zeichnen
14.5.3 Punkte
14.5.4 Linien
14.5.5 Polygone
14.5.6 Funktionsgraphen
14.5.7 Text und mathematische Formeln
14.5.8 Achsen
14.5.9 Fehlerbalken
14.5.10 Rastergrafiken
14.6 Verteilungsdiagramme
14.6.1 Histogramm und Schätzung der Dichtefunktion
14.6.2 Stamm-Blatt-Diagramm
14.6.3 Boxplot
14.6.4 Stripchart
14.6.5 Quantil-Quantil-Diagramm
14.6.6 Empirische kumulierte Häufigkeitsverteilung
14.6.7 Kreisdiagramm
14.6.8 Gemeinsame Verteilung zweier Variablen
14.7 Multivariate Daten visualisieren
14.7.1 Höhenlinien und variable Datenpunktsymbole
14.7.2 Dreidimensionale Gitter und Streudiagrammme
14.7.3 Matrix aus Streudiagrammen
14.7.4 Heatmap
14.8 Mehrere Diagramme in einem Grafik-Device darstellen
14.8.1 layout()
14.8.2 par(mfrow, mfcol, fig)
14.8.3 split.screen()
15 Diagramme mit ggplot2
15.1 Grundprinzip
15.1.1 Grundschicht
15.1.2 Diagramme speichern
15.2 Diagrammtypen
15.2.1 Punkt-, Streu- und Liniendiagramme
15.2.2 Säulendiagramm
15.2.3 Histogramm
15.2.4 Boxplot
15.2.5 Quantil-Quantil-Diagramm
15.3 Bedingte Diagramme in Panels darstellen
15.4 Diagrammelemente hinzufügen
15.5 Diagramme formatieren
15.5.1 Elementposition kontrollieren
15.5.2 Achsen anpassen
15.5.3 Legende ändern
15.5.4 Farben, Datenpunktsymbole und Linientypen
15.5.5 Aussehen im Detail verändern
16 Numerische Methoden
16.1 Daten interpolieren und glätten
16.1.1 Lineare Interpolation
16.1.2 Splines
16.1.3 LOESS-Glätter
16.1.4 Nonparametrische Kerndichteschätzer
16.2 Nullstellen finden
16.3 Integrieren und differenzieren
16.3.1 Numerisch integrieren
16.3.2 Numerisch differenzieren
16.4 Numerisch optimieren
16.4.1 Maximum-Likelihood-Parameterschätzung
16.4.2 Allgemeine Optimierung
17 R als Programmiersprache
17.1 Kontrollstrukturen
17.1.1 Fallunterscheidungen
17.1.2 Schleifen
17.2 Funktionsaufrufe ohne Schleifen wiederholen
17.3 Eigene Funktionen erstellen
17.3.1 Funktionskopf
17.3.2 Funktionsrumpf
17.3.3 Fehler behandeln
17.3.4 Rückgabewert und Funktionsende
17.3.5 Eigene Funktionen verwenden
17.3.6 Generische Funktionen
17.4 Funktionen analysieren
17.4.1 Quelltext fremder Funktionen begutachten
17.4.2 Funktionen zur Laufzeit untersuchen
17.5 Effizienz von Auswertungen steigern
17.5.1 Grundlegende Empfehlungen
17.5.2 Auswertungen parallelisieren
Literaturverzeichnis
Stichwortverzeichnis
R-Funktionen, Klassen und Schlüsselwörter
Zusatzpakete