Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

1 Die Sprache R und die R-Bibliothek für räumliche Extrapolation 1. Einige Extrapolationspakete in R: 2. Beispiele von Extrapolationspaketen.

Ähnliche Präsentationen


Präsentation zum Thema: "1 Die Sprache R und die R-Bibliothek für räumliche Extrapolation 1. Einige Extrapolationspakete in R: 2. Beispiele von Extrapolationspaketen."—  Präsentation transkript:

1 1 Die Sprache R und die R-Bibliothek für räumliche Extrapolation 1. Einige Extrapolationspakete in R: 2. Beispiele von Extrapolationspaketen

2 2 1 - Einige Extrapolationspakete in R: adapt multidimensionale, numerische Integration. adaptive Quadrature bis zu 20 dimensional deldir Delaunay Triangulation and Dirichlet (Voronoi) Tesselation fields Tools für räumliche Datensammlungen und Programme für Kurven- und Funktionen-Anpassung. gafit Generische Algorithmen Zur Kurvenanpassungen geoR Funktionen für geostatistiche Datenanalyse grasper Verallgemeinerte Analyse der Regression und räumliche Vorhersagen in R

3 3 gss allgemeine Glättung von Splines iswr Einführung in die Statistik in R msm Multistate Markov models in continuous time muhaz Paket zum Erzeugen einer glatten Schätzung der Zufallsfunktion für kritische Werte odesolve Gewöhnliche Differentialgleichungen Random fields Simulation and Analysis of Random Fields spatstat Simulation von 2 dimensionalen Punktmodellen splanes Spatials and Space-time Point Pattern Analysis tseries Time series analysis and computational finance.

4 4 Aufruf: 2- 1 Das Paket Akima Anwendung: cubic spline extrapolation Hinweis: Die Installation eines Pakets unter R erfolgt wie folgt: Paket herunterladen und unter Windows: im {R-Home}/library -Verzeichnis kopieren unter Linux /Unix: R INSTALL Paket.tar alternativ R starten und install.package(Paket) eingeben 2. Beispiele von Extrapolationspaketen Ergebnis = interp(x,y,z) Oder mit zusätzlichen Parametern interp(x,y,z,xo,yo,ncp,extrap), interp.new(...), interp.old(...)

5 5 benötigte Eingaben X Ein Vektor mit der X-Koordinate der Meßpunkte Y Ein Vektor mit der Y-Koordinate der Meßpunkte Z Die gemessenen Werte X0 X-Koordinaten des Ausgabe-Gitters Y0 Y-Koordinaten des Ausgabe-Gitters Ncp Anzahl der zusätzlichen Punkte, die in der Berechnung der partiellen Ableitung bei jedem Punkt benutzt werden soll Extrap Sollen nicht definierte Werte ersetzt werden?

6 6 das boolesche Modell: Tatsächliche Werte > werte = read.table('test0.dat') > werte V1 V2 V Meßorte Implementierung:

7 7 > # Bibliothek laden > library(akima) > # Funktion vom Paket aufrufen und Extrapolation durchführen > # die x,y und z-Koordinaten wurden früher ausgelesen und in werte > # gespeichert > bild =interp.new(werte$V1,werte$V2,werte$V3,extrap=TRUE) > # Bild anzeigen > image(bild,main='geschätzte Werte') Originalbild

8 8 ># ein anderes Fenster öffnen > windows() > image(a) > contour(a,add=TRUE,main='Darstellung mit isolinien') Originalbild

9 das Paket Fields - Funktion Tps Anwendung: thin plate spline fitting wobei Aufruf: Ergebnis = Tps(M,z) M Matrix mit den Meßstellen z die Meßwerten sind.

10 10 > library(fields) > tabelle = read.table('test0.dat') > M = matrix(nc=2,nr=410) > M[,1]=tabelle$V1;M[,2]=tabelle$V2 > z=tabelle$V3 > bild = Tps(M,z) ># Anzeigen >surface(bild,type='I',main='thin plate splines regression') Implementierung: Originalbild

11 11 -Funktion stats Berechnet die allgemeinen Statistiken eines Datensatzes Aufruf: stats(x) wobei x ein Vektor, eine Matrix, oder eine Liste mit den zu bearbeitenden Daten ist. > test = matrix( rnorm(40),nc=4) > test [,1] [,2] [,3] [,4] [1,] [2,] [3,] [4,] [5,] [6,] [7,] [8,] [9,] [10,] > stats(test) [,1] [,2] [,3] [,4] N mean Std.Dev min Q median Q max missing values

12 das Paket spatstat bechäftigt sich mit der räumlichen Statistik rMatClust Erzeugt ein zufälliges Punktmodell mit dem Matterncluster prozess Aufruf: rMatClust(lambda, r, mu, win = owin(c(0,1),c(0,1))) Parameter: Lambda : Intensity of the Poisson process of cluster centres. r : Radius parameter of the clusters. mu : Mean number of points per cluster. win : Window in which to simulate the pattern. > library(spatstat) >test = rMatClust(100, 0.05, mu=0.4, win=owin(c(0,5),c(0,5))) > plot(test,main=Matternclusterprozess')

13 13 rpoispp Erzeugt ein zufälliges Punktmodell mit dem homogenen und nicht homogenen Poisson prozess Aufruf: rpoispp(lambda, max, win,...) Parameter: lambda: Intensity of the Poisson process. Either a single positive number, or a `function(x,y,...)'. max: An upper bound for the value of `lambda(x,y)', if `lambda' is a function. win: Window in which to simulate the pattern. > pp <- rpoispp(100, win=owin(c(0,10),c(0,10))) > plot(pp,main='rpoispp')

14 14 Dokumentation Außerdem gibt es mittels dem Sjava Interface jetzt die Möglichkeit, eine Anbindung von der Sprache java nach R (und umgekehrt ) zu schaffen. Damit kann man z.B. von R aus Graphischen Oberflächen (mittels Java GUIs) darstellen, oder R -Funktionen in einem Java Programm ausführen Information über die Sprache R und die verfügbare Pakete findet man unter Informationen über das Java-Interface für R findet man unter


Herunterladen ppt "1 Die Sprache R und die R-Bibliothek für räumliche Extrapolation 1. Einige Extrapolationspakete in R: 2. Beispiele von Extrapolationspaketen."

Ähnliche Präsentationen


Google-Anzeigen