Semester 1 - Fragen

Welches Skalenniveau hat Variable 'TEMP [deg C]' (Temperatur; in Spalte I)?

• nominalskaliert

• ordinalskaliert

• intervallskaliert

• verhältnisskaliert

Welches Skalenniveau hat Variable 'Type' (in Spalte C)?

• nominalskaliert

• ordinalskaliert

• intervallskaliert

• verhältnisskaliert

Welchen Datentyp haben die Werte in Variable 'Cruise' (in Spalte A)?

• Text

• Zahl

• Datum/Zeit

Welches Skalenniveau hat Variable 'DOXY [ml/l]' (Sauerstoffkonz.; in Spalte K)?

• nominalskaliert

• ordinalskaliert

• intervallskaliert

• verhältnisskaliert

Die Tabelle zeigt die Anzahl der Fänge von 3 Fischarten in 5 Zügen (‘trawls’) an:

Wie viele Variablen siehst du?

Welche der folgenden Aussagen ist NICHT korrekt?

• Informationen sind strukturierte, organisierte Daten.

• Daten haben keinen Zweckbezug.

• Daten sind immer bedeutsam.

• Informationen sind immer bedeutsam.

In welches Skalenniveau könnte man Abundanzdaten auch einstufen, wenn nur wenige Werte in der Variable vorkommen (wie z.B. 0, 1 und 2)?

• nominalskaliert

• ordinalskaliert

• intervallskaliert

• verhältnisskaliert

Welche Datentypen können nominale Daten haben?

• nur Text

• nur Zahlen

• nur Datum/Zeit

• Text und Zahlen

• Text und Datum/Zeit

• Zahlen und Datum/Zeit

Daten in Tabellenkalkulationsprogrammen sind..?

• unstrukturiert

• quasi-strukturiert

• semi-strukturiert

• strukturiert

Welche der folgenden Aussagen ist NICHT korrekt?

• Eine Datenbank besitzt eine Datenbankverwaltung und ein Datenbankmanagementsystem.

• Eine Datenbank erlaubt nur den zeitlich getrennten Zugriff mehrerer Benutzer.

• Eine Datenbank erlaubt den Zugriff mehrerer Benutzer gleichzeitig.

• Eine Datenbank ist eine strukturierte Datensammlung.

Welches der folgenden Dateiformate zählt nicht zu den Textformaten?

• .csv

• .rtf

• .txt

• .xlsx

Folgende Werte wurden gemessen:

51 51 54 54 54 54 57 57 57 65 75 75 75 75 75 75 75 75 75 75 76 77 77 77 83 83 95 95 95 95 96 96 96 96 96

Welcher Wert repräsentiert den Modalwert?

• 54

• 57

• 75

• 95

• 96

Folgende Datenverteilung wurde beobachtet:

Welche Reihenfolge passt zu der Verteilung links?

• Median > Modalwert > Mittelwert

• Modalwert > Median > Mittelwert

• Mittelwert > Median > Modalwert

• Mittelwert > Modalwert > Median

Die gesuchte Stichprobenstatistik ist:

• Median

• arithmetischer Mittelwert

• Varianz

• Standardabweichung

• Standardfehler

Die gesuchte Stichprobenstatistik ist:

• Median

• arithmetischer Mittelwert

• Varianz

• Standardabweichung

• Standardfehler

Wie würdest Du die Verteilung beschreiben?

• linksschief

• rechtsschief

• normal verteilt

• multimodal

Wie würdest Du die Kurtosis der Verteilung beschreiben?

• schmal- oder steilgipflig

• normalgipflig

• breit- oder flachgipflig

Wie würdest Du die Kurtosis dieser Verteilung beschreiben?

• schmal- oder steilgipflig

• normalgipflig

• breit- oder flachgipflig

Wie würdest Du die Verteilung beschreiben?

• linksschief

• rechtsschief

• normal verteilt

Welche der folgenden Aussagen trifft am ehesten zu?

• Verteilungen sind normal, Varianzen sind gleich, im Mittel unterscheiden sich Gruppen stark

• Verteilungen sind nicht normal, Varianzen sind ungleich, im Mittel unterscheiden sich Gruppen stark

• Verteilungen sind nicht normal, Varianzen sind ungleich, im Mittel unterscheiden sich Gruppen kaum

Gewichtsverteilung von Küken mit vier unterschiediedlichen Ernährungen

Wozu wird die deskriptive Statistik nicht angewendet?

• Datenexploration

• Zusammenfassung von Datenpunkten

• Erkennung von Mustern

• Ableitung von Eigenschaften der Stichprobe auf die Grundgesamtheit

Mit der numerischen deskriptiven Statistik macht man Aussagen über die

• Zentriertheit und Streuung der Datenpunkte

• Verteilung der Werte

Parameter werden mit

• lateinischen Buchstaben definiert

• griechischen Buchstaben definiert

• kyrillischen Buchstaben definiert

Was stellt die Stichprobenstatistik NICHT dar?

• eine Zufallsmenge

• eine Variable

• eine Population

Welches ist kein Lagemaß?

• Median

• arithmetischer Mittelwert

• 2. Quartil

• Maximum

• Modalwert

Welches ist kein Streuungsparameter?

• Variationskoeffizient

• Standardweite

• Varianz

• Standardfehler

• Spannweite

• Standardabweichung

Welcher Lageparameter eignet sich bei nominalen Daten?

• Median

• arithmetischer Mittelwert

• Modalwert

• gewichteter Mittelwert

Welches Quartil stellt der Median dar?

• 1. Quartil

• 2. Quartil

• 3. Quartil

• 4. Quartil

Welchen der folgenden Mittelwerte gibt es NICHT?

• harmonischer

• geometrischer

• arithmetischer

• probalistischer

• gewichteter

• getrimmter

Wie ist das Verhältnis von Varianz zu (arithmetischem) Mittelwert wenn das Muster in der Natur ZUFÄLLIG ist?

• Varianz < Mittelwert

• Varianz = Mittelwert

• Varianz > Mittelwert

Was sind Residuen?

• Abweichungen des Mittelwerts von der Varianz

• Abweichungen der Einzelwerte von der Varianz

• Abweichungen der Einzelwerte vom Mittelwert

Die Summe der Residuen ist immer

• gleich Null

• größer Null

• kleiner Null

Die Varianz ist der Quotient aus

• Summenquadrate und Stichprobenzahl

• Mittlere Summenquadrate und Stichprobenzahl

• Mittlere Summenquadrate und Freiheitsgrade

• Summenquadrate und Freiheitsgrade

Der Variationskoeffizient erlaubt den Vergleich von Gruppen, die sich in folgendem unterscheiden:

• im Mittelwert

• in der Varianz

• in der Stichprobengröße

Wie wird eine Häufigkeitsverteilung auch genannt?

• Hypothetische Verteilung

• Theoretische Verteilung

• Empirische Verteilung

Bei der Normalverteilung sind wieviel Prozent aller Datenpunkte innerhalb -1SD und +1SD?

• 38%

• 50%

• 68%

• 75%

• 95%

Welche der folgenden Eigenschaften gehört nicht zur Normalverteilung?

• die Kurtosis ist positiv

• kontinuierliche, symmetrische Verteilung

• lässt sich mit dem Mittelwert und der Varianz spezifizieren

• die Schiefe ist null

Welche Eigenschaft weist die Verteilung von Abundanzdaten oft auf?

• linksschief

• rechtsschief

• schmalgipflig

• breitgipflig

Bei welchen Daten eignet sich das Histogramm?

• kontinuierlichen Daten

• diskreten Daten

• nominalen Daten

• Prozentdaten

Bei welchen Daten eignet sich das Säulendiagramm NICHT??

• kontinuierlichen Daten

• diskreten Daten

• nominalen Daten

Bei welchen Daten eignet sich der Boxplot NICHT??

• kontinuierlichen Daten

• diskreten Daten

• nominalen Daten

• Prozentdaten

Was ist der Unterschied zwischen einer Korrelation und einer Regression?

• Die Korrelation prüft auf Beziehungen mit Kausalität, die Regression ohne Kausalität.

• Die Korrelation prüft auf Beziehungen ohne Kausalität, die Regression mit Kausalität.

Welcher der folgenden Optionen is KEIN Charakteristikum von bivariaten Beziehungen?

• Ausreißer

• Stärke

• Richtung

• Unterschied der Mittelwerte

• Form

Was ist das Problem bei der Kovarianz als Maß einer linearen Beziehung?

• Ihre Größe hängt vom Stichprobenumfang ab.

• Ihre Größe hängt von den Einheiten beider Variablen ab.

• Die Kovarianz kann nur eine Aussage über die Gesamtstreuung machen, nicht über die Stärke der Beziehung.

Der Wertebereich des Korrelationskoeffizienten liegt zwischen..?

• -1 und 1

• 0 und 1

• 0 und 100

• -∞ und +∞

Ein Koeffizient von -0.82 repräsentiert..?

• keine Korrelation

• eine schwach negative Korrelation

• eine stark negative Korrelation

Wozu werden statistische Modelle in der Biologie NICHT primär benutzt?

• Datenexploration

• Interpolation

• Identifizierung wichtiger Einflussgrößen

• Extrapolation

Was ist die Y-Variable in statistischen Modellen?

• abhängige Variable

• erklärende Variable

Was stellt b in der linearen Geradengleichung (y = a + bx) dar?

• erklärende Variable

• abhängige Variable

• Y-Achsenabschnitt

• Steigungskoeffizient

Welcher lineare Funktionstyp stellt am besten das isometrische Wachstum dar?

• Typ A (positive/r Achsenabschnitt und Steigung)

• Typ B (positive Steigung, Achsenabschnitt Null)

• Typ C (positiver Achsenabschnitt, negative Steigung)

• Typ D (negativer Achsenabschnitt, positive Steigung)

Mit welcher Transformation kann man die Parameter einer Exponentialfunktion mittels linearer Regression bestimmen?

• Logarithmus zur Basis 2

• Logarithmus zur Basis 10

• Logarithmus zur Basis e (natürlicher Logarithmus)

• Wurzeltransformation

Was wird bei der 'Ordinary Least Squares' Methode minimiert?

• Abweichungsquadrate

• Summenquadrate

• Abweichungssummen

• Abweichungssummenquadrate

Was sagt ein R^2 von 0.9 über ein Modell aus?

• eine sehr niedrige Modellgüte

• sehr hohe Modellgüte

• einen solchen Wert gibt es beim R^2 nicht

Code: Subtrahieren Sie 10 von 23 und multiplizieren Sie das Ergebnis mit 2.

Code: Subtrahieren Sie 10 von 23, multiplizieren Sie das Ergebnis mit 2, addieren Sie dann 100 dazu und Sie das Ergebnis durch 5.

Code: Subtrahiere Sie 23 von 10, multiplizieren Sie das Ergebnis mit -10 und nehmen Sie dann davon die Quadratwurzel (verwenden Sie die Funktion sqrt()).

Welches könnte ein weiteres Grundelement bei den Programmiersprachen C++, Java, JavaScript, Python und R sein (denken Sie an die Klasse, die sie alle vereint)?

• Operatoren

• Datenytpen

• Anweisungen

• Objekte

Wie bezeichnet man die Gesamtheit aller Anweisungen, die in einer bestimmten Programmiersprache geschrieben sind?

• Codequelle

• Quellcode

• Syntax

• Es gibt keinen Namen dafür.

Was ist ein Programm?

• Die Umsetzung eines Algorithmus und der zugehörigen Datenbereiche in eine Programmiersprache.

• Die Umsetzung einer Programmiersprache und der zugehörigen Datenbereiche in einen Algorithmus.

• Die Umsetzung eines Datenbereiche in einen Algorithmus und der zugehörigen Programmiersprache.

Was lässt sich mit einer Programmiersprache formulieren?

• Eine Datei

• Daten

• Eine Rechenvorschrift

Welches der folgenden Antworten ist KEINE Klasse einer Programmiersprache?

• Funktionale Programmierung

• Datenorientierte Programmierung

• Objektorientierte Programmierung

• Imperative Programmierung

Bei welchen der 3 Übersetzungstypen wird der Quellcode während der Laufzeit des Programms übersetzt?

• Compiler

• Interpreter

• JIT-Compiler

Was ist KEIN Algorithmus?

• Reihe von Anweisungen um eine Aufgabe oder ein Problem zu lösen.

• Rezept

• Bedienungsanleitung eines Fernseher

• Notfall- und Alarmplan

• Zeitungsartikel

Welches der 4 Grundelemente einer Programmiersprache stellt Code dar, der solange ausgeführt wird, wie die Bedingung wahr ist?

• Variable

• Bedingung

• Schleife

• Funktion

Bei welchem der 4 Grundelemente einer Programmiersprache wird Code ausgeführt, wenn eine Abfrage zutrifft?

• Variable

• Bedingung

• Schleife

• Funktion

Welches der 4 Grundelemente einer Programmiersprache stellt Code dar, der jederzeit über den jeweiligen Namen aufgerufen werden kann?

• Variable

• Bedingung

• Schleife

• Funktion

Welches der 4 Grundelemente einer Programmiersprache stellt eine Möglichkeit dar, im Programm einen Wert (Zahl, Zeichen,..) zu speichern?

• Variable

• Bedingung

• Schleife

• Funktion

name ???  'John Doe'

• < -

• =

• <=

• - >

  ??? < - ???  

• 50

• x

a < - 20  

??? < - 4

y <???  n * a + 110

• k

• = >

• -

• m

• n

• +

my_value  ??? 'A1'

???(my_value)

[1] TRUE

• =

• as.numeric 

• is.character

• is.double

• is.integer

• < -

• - >

• as.character

Welche der folgenden Anweisungen ist NICHT korrekt?

• c(2,4,6,8,10)

• seq(from = 2, to = 10, by = 2)

• rep(2,4,6,8,10)

??? ??? ???

    [1] 6 7 8 9 10

• )

• rep

• 6

• -

• :

• 10

• (

Teste Dein Verständnis und sage das richtige Ergebnis voraus: c('a', 1)

• logischer Vektor

• 'integer' Vektor

• 'double' Vektor

• 'character' Vektor

• NA

• Fehlermeldung

Teste Dein Verständnis und sage das richtige Ergebnis voraus: c(1, FALSE)

• logischer Vektor

• 'integer' Vektor

• 'double' Vektor

• 'character' Vektor

• NA

• Fehlermeldung

Teste Dein Verständnis und sage das richtige Ergebnis voraus: c(TRUE, 1L)

• logischer Vektor

• 'integer' Vektor

• 'double' Vektor

• 'character' Vektor

• NA

• Fehlermeldung

Was ist die Summe von allen Elementen in folgendem Vektor: x <- c(TRUE, FALSE, TRUE, FALSE, FALSE, TRUE, FALSE,

TRUE, TRUE, FALSE)

• 5

• 10

• 0

• 7

• Die Summe lässt sich nicht berechnen.

x < - c(3,0,1,8,0,NA,8,0,4,NA,5,1,NA,7,7,9,2,1,NA,5,1,NA,0)  

???( ???(x))

[1] 5

• is.na

• as.na

• sum

• count

• na

Welcher Output ist bei folgender Berechnung zu erwarten: a <- c(10,5,100) b <- 1:5 (a*b)*3

• Der Output ist ein Vektor der Länge 1.

• Der Output ist ein Vektor der Länge 3, das letzte Element hat den Wert 900.

• Der Output ist ein Vektor der Länge 5, das letzte Element hat den Wert 75.

• Der Output ist ein Vektor der Länge 5, das letzte Element hat den Wert NA.

Fülle den Code aus, um das 5. Element in 'x' auszuwählen

x  ??? ??? ??? 

• (

• 5

• -

• 5

• [

• ]

• )

Fülle den Code aus, um die Summe aus den Elementen 3 bis 12 zu berechnen.

 ???(x[ ???])

• 3:12

• 3;12

• summe

• 3-12

• sum

Fülle den Code aus, um die Summe aus allen Elementen AUSSER Element 2 und 18 zu berechnen.

sum(x[??? ???])

• +

• 2+18

• c(2,18)

• 2,18

• -

Fülle den Code aus, um alle geraden Zahlen auszuwählen.

???[vec ??? 2 ??? ???  ]

• /

• x

• vec

• == 

• 0

• %%

• *

• 2 

• y

Fülle den Code aus, um alle ungeraden Zahlen auszuwählen.

??? [vec ??? 2 ??? ??? ]

• 1, 2

• 1

• *

• /

• %%

• vec

• ==

• y

• x

Fülle den Code aus, um die letzten 10 Elemente auszuwählen.

nvec[( ??? ): ???]

• length(nvec)-9

• length(nvec)

Was passiert, wenn mit einer positiven ganzen Zahl indexiert wird, die höher ist als die Länge des Vektors?

• Es gibt eine Fehlermeldung.

• Nichts.

• Der Vektor wird recycled (z.B. wird das 2. Element bei einem Vektor der Länge 10 ausgegeben wenn der Index 12 ist).

• NA wird zurückgegeben.

Welchen Wert hat das fünfte Element des zurückgegebenen Vektors aus folgender Berechnung: c(2, 4, 6, 8, 10, 0) * 1:3

• 10

• 20

• 6

• 30

• NA

• 0

Fülle den Code aus, um die Varianz von x in Einzelschritten zu berechnen.

x < - c(26, 35, 76, 73, 108, 25, 76, 102, 11)

mean_x < - ??? (x)

df < - ??? (x) - 1

var_x <- sum( (??? - ???)^2 ) /  ???

[1] 1268.611

• mean_x

• mw

• n

• length

• x

• count

• mean

• df

Schau Dir folgenden Datensatz an:

head(iris, 3)

Sepal.Length Sepal.Width Petal.Length Petal.Width Species

1 5.1 3.5 1.4 0.2 setosa

2 4.9 3.0 1.4 0.2 setosa

3 4.7 3.2 1.3 0.2 setosa

Zu welchem Objekttyp gehört der 'iris' Datensatz

• Vektor

• Liste

• Matrix

• Data frame

Schau Dir die Struktur vom iris Datensatz an:

str(iris)

'data.frame': 150 obs. of 5 variables:

$ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...

$ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...

$ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...

$ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...

$ Species : Factor w/ 3 levels "setosa","versicolor",..:

1 1 1 1 1 1 1 1 1 1 ...

Wie groß sind die Dimensionen im 'iris' Datensatz

• 5 Zeilen, 150 Spalten

• 150 Zeilen, 5 Spalten

• Die Dimensionsgrößen sind dem Output nicht zu entnehmen.

Aus welchem der beiden Pakete wird R die Funktionen filter() und lag()verwenden?

• stats

• dplyr

Entfernen Sie alle Zeilen, wo es fehlende Werte bei der Salinität gibt:

sample1_mod1 < - ??? (sample1, ??? )

• doxy

• fill

• psal

• temp

• drop_na

• replace_na

Füllen Sie die NAs in allen 3 Parametern mit den jeweils vorherigen (ansonsten nachfolgenden) Werten auf:

sample1_mod2 < -  ???(??? ,

temp:doxy, .direction = ??? )

• drop_na

• replace_na

• fill

• 'down'

• 'downup'

• sample1

• 'up'

Tauschen Sie die NAs mit dem Median des jeweiligen Parameters aus:

sample1_mod3 < -  ???(sample1, list(

temp =  ???(sample1$temp, na.rm=TRUE),

psal = median(??? , na.rm=TRUE),

doxy = median(sample1$doxy,  ???) )

)

• fill

• drop_na

• na.rm = FALSE

• na.rm=TRUE

• replace_na

• mean

• sample1$psal

• median

stocks_mod1 < - ??? (

stocks,

names_from =  ???,  

??? = stock_return

)

• names_to

• values_to

• values_from

• pivot_wider

• 'quarter'

• quarter

• pivot_longer

Vervollständigen Sie den Code, um den Datensatz zurück ins ursprüngliche Format zu bringen:

stocks_mod2 < -  ???(

stocks_mod1,  

??? = 'quarter',

values_to = ???

)

• 'stock_return'

• names_to

• pivot_longer

• stock_return

• names_from

• pivot_wider

Zurück zur Eingangsfrage:

Warum sind pivot_longer() und pivot_wider() nicht perfekt symmetrisch?

Worin unterscheiden sich der (lange) Originaldatensatz stocks und der (lange) Datensatz stocks_mod2?

• Fehlende 'year'-'quarter' Kombinationen wurden mit NAs aufgefüllt.

• Die Reihenfolge der Zeilen hat sich geändert.

• Der Datentyp der 'quarter' Spalte hat sich geändert.

• Alle 3 genannten Unterschiede treffen zu.

Füllen Sie den Code aus, um die Spalten quarter und year (mit ‘/’ als Trennzeichen) zusammenzufügen:

stocks1 < -  ???(

stocks, quarter, year,  

??? = 'time',  

??? = '/'

)

• cols

• unite

• separate

• dec

• sep

• col

Füllen Sie den Code aus, um die Spalten quarter und year (mit ‘/’ als Trennzeichen) zu trennen:

stocks2 <-  ???(

stocks1, ??? 

into = ??? 

)

• unite

• c('quarter', 'year')

• separatec(quarter, year)

• time

• 'time'

Welcher der folgenden Punkte gehört NICHT zur Datenprüfung und -bereinigung?

• Entfernung von irrelevanten Daten und Ausreißern

• Maskierung privater oder **sensibler** Dateneinträge.

• Berichtigung von Informationen.

• Anpassung der Daten an ein standardisiertes Muster.

• Bildung von Teildatensätzen

• Handling fehlender Werte.

Wo sucht R als ERSTES nach Funktionen?

• Im zuletzt geladenen Paket.

• Im zuerst geladenen Paket.

• In der Arbeitsumgebung.

• In der sog. base environment.

Welches der hier gelisteten Pakete wird NICHT automatisch mit dem 'tidyverse' Paket geladen?

• ggplot2

• lubridate

• forcats

• purrr

• tibble

• tidyr

• dplyr

• stringr

• readr

Welches Argument kommt bei (fast) allen Funktionen der 'tidyverse' Pakete an erster Stelle?

• na.rm

• col

• sep

• data

Mit welcher Funktion lassen sich nicht nur deskriptive Statistiken anzeigen, sondern auch die Anzahl an fehlenden Werten?

• summary(data.frame)

• is.na(data.frame)

• aggregate(data.frame)

• statistics(data.frame)

Mit welcher 'tidyr' Funktion lassen sich Zeilen mit fehlenden Werten entfernen?

• replace__na()

• drop_na()

• fill()

• unite()

• separate()

Mit welcher 'tidyr' Funktion lassen Informationen einer Spalte auf 2 oder mehr trennen?

• replace__na()

• drop_na()

• fill()

• unite()

• separate()

In welches Format wandelt die Funktion pivot_longer() eine Tabelle?

• Vom langen ins weite Format.

• Vom weiten ins lange Format.

• Die Funktion hat nichts mit Formatänderungen zu tun.

Welchen zusätzlichen Klassentyp haben 'tibbles' Objekte?

• list

• array

• keinen

• tbl_df

Wir wollen uns die Verteilung der Kelchblattlänge bei der Art Iris versicolor anschauen:

x <- iris ??? 

???(Species == 'versicolor')

hist(x$Sepal.Length)

• |>

• select

• >%>

• arrange

• filter

• transmute

Gibt es eine Beziehung zwischen dem Längen/Breiten-Verhältnis bei Kron- und Kelchblättern der Art Iris setosa? Um dies grafisch untersuchen zu können, transformieren Sie den iris Datensatz:

x <- iris |>  

??? (Species ??? 'setosa') |>  

???(

sepal_lw = Sepal.Length/Sepal.Width,

petal_lw = Petal.Length/Petal.Width

)

plot(x$sepal_lw, x$petal_lw)

• arrange

• ==

• mutate

• filter

• select

• =

Erstellen Sie einen ‘tibble’ basierend auf dem iris Datensatz, welcher nur die Spalte ‘Species’ enthält und eine neue (absteigend sortierte) Spalte mit dem Quotienten aus der Kelchblattlänge zu -breite. Der ‘tibble’ soll aber nur die Arten I. versicolor und I. virginica und Quotientenwerte größer 2 enthalten:

iris |>  

???(sepal_lw = Sepal.Length/Sepal.Width) |>  

???(???  %in% c('versicolor', 'virginica'), ???  > 2) |>  

???(Species, sepal_lw) |>  

???(desc(sepal_lw)) |>  

???()

• tibble

• sepal_lw

• Species

• transmute

• filter

• mutate

• arrange

• as_tibble

• select

Berechnen Sie pro Art: Median, Mittelwert, Standardabweichung und Minimalwert für die Kronblattlänge:

iris |>  

???(Species) |>  

???(

pl_median = ??? (Petal.Length),

pl_mean = ??? (Petal.Length),

pl_sd =  ???(Petal.Length),

pl_min =  ???(Petal.Length)

)

• filter

• summarise

• median

• mutate

• group_by

• stdev

• mean

• minimal

• min

• sd

ChickWeight |>  

???(Diet) |>  

???()

• group_by

• group

• summarise

• distinct

• count

Wir wollen uns die Verteilung der Kelchblattlänge bei der Art Iris versicolor anschauen:

x < - iris ???    

???(Species == 'versicolor')

hist(x$Sepal.Length)

• |>

• select

• >%>

• arrange

• filter

• transmute

Welcher der folgenden Punkte gehört NICHT zur Datentransformation und -anreicherung?

• Bildung von Teildatensätzen.

• Berechnung zusammenfassender Statistiken.

• Kombination von Datensätzen zur Anreicherung und Verbindung zusammenhängender Informationen.

• Anpassung der Daten an ein standardisiertes Muster.

• Hinzufügen neuer Variablen.

An welche Position gehört der sog. pipe Operator?

• Vor jedem Befehl.

• Nach jedem Befehl.

Welche der folgenden Funktionen reduziert Variablen zu Einzelwerten?

• arrange()

• filter()

• select()

• summarise()

• transmute()

• group_by()

• bind_cols()

Welche der folgenden Funktionen extrahiert Zeilen, die ein logisches Kriterium erfüllen?

• inner_join()

• bind_rows()

• transmute()

• arrrange()

• select()

• filter()

Was macht die Funktion distinct()?

• Sie extrahiert einzigartige Zeilen.

• Sie sortiert Zeilen nach spezifischen Variablen.

• Sie hängt 2 oder mehr Tabellen spaltenweise aneinander.

Was ist der Unterschied zwischen der Funktion count() und n() ?

• Beide geben die gruppen-spezifische Anzahl an Beobachtungen (Zeilen) aus; count() wird aber innerhalb von summarise() verwendet und n() anstelle von summarise().

• Beide geben die gruppen-spezifische Anzahl an Beobachtungen (Zeilen) aus; n() wird aber innerhalb von summarise() verwendet und count() anstelle von summarise().

Welche der XXX_join() Funktionen gibt nur die Zeilen zurück, wo die übereinstimmenden Spalten gleiche Werte enthalten?

• left_join()

• full_join()

• inner_join()

• right_join()

Was ist der Unterschied zwischen der Funktion mutate() und transmute() ?

• Beide erstellen neue Variablen, aber mutate() behält dabei die Originalvariablen, während transmute() diese entfernt.

• Beide erstellen neue Variablen, aber transmute() behält dabei die Originalvariablen, während mutate() diese entfernt.

Mit welcher dplyr Funktion können Namen von Variablen ersetzt werden?

• arrange()

• filter()

• select()

• rename()

• mutate()

• transmute()

Wie viele Variablen werden in der Grafik repräsentiert?

• 1

• 2

• 3

• 4

• 5

• 6

Und wie viele der 5 hier dargestellten Variablen könnten davon quantitativ und wie viele kategorial sein?

• alle quantitativ

• 4 quantitativ, 1 kategorial

• 3 quantitativ, 2 kategorial

• 2 quantitativ, 3 kategorial

• 1 quantitativ, 4 kategorial

• alle kategorial

Welcher Diagrammtyp wird dargestellt?

• Boxplot

• Säulendiagramm mit Fehlerbalken

• Gestapeltes Säulendiagramm

• Wasserfall Diagramm

• Histogramm

In welche Kategorie lässt sich die Grafik am ehesten einordnen?

• Verteilung

• Gruppenvergleich

• Teile-des-Ganzen

• Beziehungen

• Trends

• Verbindungen

• Hierarchien

Wie viele Variablen werden in jedem einzelnen Bild (im Englischen 'panel') dargestellt?

• 1

• 2

• 3

• 4

• 5

• 6

Welchem Datentyp gehören die Variablen an?

• nur nominal

• nur ordinal

• nur kontinuierlich

• nominal und kontinuierlich

• ordinal und kontinuierlich

Welcher Diagrammtyp wird dargestellt?

• Boxplot

• Säulendiagramm mit Fehlerbalken

• Gestapeltes Säulendiagramm

• Wasserfall Diagramm

• Histogramm

In welche Kategorie lässt sich die Grafik am ehesten einordnen?

• Verteilung

• Gruppenvergleich

• Teile-des-Ganzen

• Beziehungen

• Trends

• Verbindungen

• Hierarchien

Wie viele Variablen werden in jedem einzelnen Bild dargestellt?

• 1

• 2

• 3

• 4

• 5

• 6

Zu welchem Datentyp gehört die Variable?

• nominalskaliert

• ordinalskaliert

• diskret

• kontinuierlich

Welcher Diagrammtyp wird im ersten Bild oben links dargestellt?

• Verbundener Punktplot

• Punkteplot

• Liniendiagramm

• QQ Plot

• Punkteplot mit Glättungskurve (smoother)

In welche Kategorie lässt sich die Grafik am ehesten einordnen?

• Verteilung

• Gruppenvergleich

• Teile-des-Ganzen

• Beziehungen

• Trends

• Verbindungen

• Hierarchien

Wie viele Variablen werden in jedem einzelnen Bild (im Englischen 'panel') dargestellt?

• 1

• 2

• 3

• 4

• 5

• 6

Welchem Datentyp gehören die Variablen an?

• nur ordinal

• nur diskret

• nur kontinuierlich

• ordinal und kontinuierlich

• diskret und kontinuierlich

Welcher Diagrammtyp wird im unteren Teil der Abbildung dargestellt?

• Boxplot

• Säulendiagramm mit Fehlerbalken

• Gestapeltes Säulendiagramm

• Gruppiertes Säulendiagramm

• Histogramm

In welche Kategorie lässt sich das untere Diagramm am ehesten einordnen?

• Verteilung

• Gruppenvergleich

• Teile-des-Ganzen

• Beziehungen

• Trends

• Verbindungen

• Hierarchien

Wie viele Variablen werden im untere Diagramm dargestellt?

• 1

• 2

• 3

• 4

• 5

• 6

Welchem Datentyp gehören die Variablen an?

• nur nominal

• nur ordinal

• nur kontinuierlich

• nominal und kontinuierlich

• ordinal und kontinuierlich

Welcher Diagrammtyp wird jeweils dargestellt?

• Radar Chart

• Polar Chart

• Donut Chart

• Sunburst Chart

• Chord Diagram

In welche Kategorie lassen sich beide Diagramme am ehesten einordnen?

• Verteilung

• Gruppenvergleich

• Teile-des-Ganzen

• Beziehungen

• Trends

• Verbindungen

• Hierarchien

Wie viele Variablen werden jeweils dargestellt?

• 1

• 2

• 3

• 4

• 5

• 6

Welchem Datentyp gehören die Variablen an?

• nur nominal

• nur ordinal

• nur kontinuierlich

• nominal und kontinuierlich

• ordinal und kontinuierlich

Welches könnte noch eine Kategorie von Diagrammtypen sein, die in dieser Vorlesung nicht gelistet wurden?

• Infografiken

• Karten

• Zeichnungen

• Sketche

Welche der 5 Designschichten einer Grafik fehlt in dieser Auflistung: Datendarstellung, Interaktivität, Farbe, Komposition, ..?

• Größe

• Stimmung

• Linien

• Annotation

Welche der beiden Aussagen ist korrekt?

• Visual encoding entspricht dem top-down Ansatz, die Verwendung von fertigen Diagrammtypen dem bottom-up Ansatz.

• Visual encoding entspricht dem bottom-up Ansatz, die Verwendung von fertigen Diagrammtypen dem top-down Ansatz.

Welches der folgenden gehört nicht zu den Grundelementen des 'visual encoding'?

• Volumen

• Punkte

• Farben

• Linien

• Flächen

Welches der folgenden Attribute gehört nicht zu den quantitativen Attributen?

• Symbole

• Farbgradient

• Winkel

• Position

Welches der folgenden Attribute gehört nicht zu den kategorialen (nominalen) Attributen?

• Symbole

• Diskrete Farben

• Größe

Zu welcher Kategorie gehört der Blasenplot?

• Verteilung

• Gruppenvergleich

• Teile-des-Ganzen

• Beziehungen

• Trends

• Verbindungen

• Hierarchien

Zu welcher Kategorie gehört das Liniendiagramm?

• Verteilung

• Gruppenvergleich

• Teile-des-Ganzen

• Beziehungen

• Trends

• Verbindungen

• Hierarchien

Ab wie viel Variablen kann der 'gruppierte Punkteplot' verwendet werden?

• 1

• 2

• 3

• 4

• 5

Ab wie viel Variablen kann das Säulen/Balkendiagramm verwendet werden?

• 1

• 2

• 3

• 4

• 5

Füllen Sie die Lücke, um rechtes Diagramm zu erstellen.

ggplot(??? = iris,  

??? = aes(x = Petal.Length)) +  

???()

• geom_line

• data

• aesthetics

• geom_col

• mapping

• geom_bar

• geom_histogram

Füllen Sie die Lücke, um rechtes Diagramm zu erstellen.

ggplot(iris,  

???(x = Species,

y = Petal.Width)) +

geom_boxplot(???)

• fill = Species

• aes

• mapping

• aes(fill = Species)

ggplot(iris,

???(???  = Species,

??? = Petal.Width)) +  

???(alpha = 0.1, size = 5,

colour = 'red')

• aes

• mapping

• y

• geom_density

• x

• geom_point

Füllen Sie die Lücke, um rechtes Diagramm zu erstellen.

iris |>

ggplot(aes(x = Petal.Length, y = Sepal.Length)) +  

???(??? =  ???)

• geom_point

• aes(size

• Petal.Width)

• size geom_path

Füllen Sie die Lücke, um rechtes Diagramm zu erstellen.

???(data = mtcars,

aes(wt, mpg, label = rownames(mtcars))) +  

???(aes(size = gear)) +  

???(aes(colour = factor(cyl)),

hjust = 0, nudge_x = 0.05) +

xlim(1,8)

• geom_path

• geom_point

• ggplot 

• geom

• geom_text

Wo müssen Variablen-spezifische Attribute definiert werden, damit sie global (also für alle Ebenen) gelten?

• Innerhalb der ggplot() Funktion.

• Innerhalb der geom_XXX() Funktionen.

• Innerhalb der coord_XXX() Funktionen.

• Innerhalb der scale_XXX() Funktionen.

Welches ist die Funktion, mit der man ein Diagramm startet oder initialisiert?

• aes()

• geom_point()

• ggplot()

• ggplot2()

• coord_flip()

Wie nennt man die Zuweisung Variablen-spezifischer Attribute?

• aesthetics

• mapping

• aesthetic mapping

Was macht folgender Funktionsaufruf: aes(size = 10)

• Weist dem Attribut Größe fälschlicherweise den Einheitswert 10 zu, wo eigentlich eine Variable zugewiesen werden müsste.

• Weist dem Attribute Größe korrekt den einheitlichen Wert 10 zu.

Was machen die sog. geom_XXX() Funktion?

• Sie bestimmen die Darstellung des XY-Koordinatensystems.

• Sie bestimmen die Anzeige aller Nicht-Datenelemente des Plots.

• Sie kombinieren ein Grundelement, welches die Daten repräsentiert, mit den Abbildungseigenschaften, einer Statistik und einer Positionsanpassung.

Mit welcher Funktion kannst Du Titel, Untertitel, und Achsenbeschriftungen hinzufügen?

• title()

• lims()

• labs()

Es soll ein sog. Blasenplot (‘bubble plot’) erstellt werden, sprich ein Streudiagramm bei dem die Größe der Punkte abhängig ist von einer dritten, quantitativen Variable (‘z’).

Welcher der rechten Codeschnipsel ist korrekt?

• Der erste.

• Der zweite.

• Der dritte.

Mögliche Codeschnipsel

ggplot(df, aes(x, y), size = z) +

geom_point()

ggplot(df, aes(x, y)) +

geom_point(aes(size = z))

ggplot(df, aes(x, y)) +

geom_point(size = z)

Folgendes Diagramm soll erstellt werden:

Codeversuch zur Rekonstruktion

ggplot(iris,

aes(x = Species, y = Petal.Width)) +

geom_point(colour = Species,

shape = Species, alpha = 0.5)

Was ist an dem obigen Code falsch?

• x und y dürfen nicht innerhalb der aes() Funktion sein.

• alpha muss innerhalb der aes() Funktion stehen.

• x muss außerhalb der aes() Funktion stehen.

• colour und shape müssen innerhalb der aes() Funktion stehen.

Farbanpassung im Streudiagramm

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +

geom_point(aes(colour = Species)) +

scale_colour_gradient(low = "yellow", high = "red")

Was ist an dem obigen Code falsch?

• Die kategoriale Variable 'Species' kann nicht dem Farbattribut colour zugewiesen werden.

• Es fehlt eine dritte Farbe in der scale_colour_gradient() Funktion.

• scale_colour_gradient() kann nur bei quantitativen Variablen verwendet werden.

• scale_colour_gradient() kann nur bei qualitativen/kategorialen Variablen verwendet werden.

Beim sog. Blasenplot (‘bubble plot’) soll die Größenskala angepasst werden. Und zwar sollen die Größenstufen in 1er-Schritten von 2 bis 10 gehen.

Welcher der rechten Codeschnipsel ist korrekt?

• Der erste.

• Der zweite.

• Der dritte.

  
  

Mögliche Codeschnipsel

ggplot(df, aes(x, y)) +

geom_point(aes(size = z)) +

scale_size(breaks = seq(2,20,2.5))

ggplot(df, aes(x, y)) +

geom_point(aes(size = z)) +

scale_size(range = seq(2,20,2.5))

ggplot(df, aes(x, y)) +

geom_point(aes(size = z)) +

scale_size(limits = seq(2,20,2.5))

Ein Streudiagramm soll entsprechend einer kategorialen Variable (‘z’) in Teildiagramme (‘facets’) aufgeteilt werden. Diese Teildiagramme sollen dabei in einer Spalte angeordnet werden.

Welcher der rechten Codeschnipsel ist entsprechend korrekt?

• Der erste.

• Der zweite.

• Der dritte.

  
  

Mögliche Codeschnipsel

ggplot(df, aes(x, y)) +

facet_wrap(~ z)

ggplot(df, aes(x, y)) +

facet_wrap(~ z, ncol = 1)

ggplot(df, aes(x, y)) +

facet_wrap(~ z, nrow = 1)

Füllen Sie die Lücke, um rechtes Diagramm zu erstellen:

CO2 |>

ggplot(aes(x = conc, y = uptake)) +

geom_point() + geom_smooth() +  

???(??? ,

labeller = label_both)

• facet_grid

• ~ Treatment, nrow = 2

• Treatment ~ Type

• facet_wrap

• Type ~ Treatment

Welche ggplot2 Funktion wird für das Koordinatensystem als Standard verwendet?

• coord_equal()

• coord_fixed()

• coord_cartesian()

• coord_trans()

• coord_map()

Füllen Sie die Lücke, um das Diagramm (sog. 'coxcomb plot') rechts zu erstellen.

mtcars |>

ggplot(aes(x = factor(cyl))) +

geom_bar(aes(fill = ??? (cyl)), width = 1) +  

???()

• factor

• coord_trans

• coord_polar

• coord_equal

• coord_sf

Wie kann die von ggplot2 automatisch erstellte Legende im Blasenplot (‘bubble plot’) wieder entfernt werden?

Welcher der rechten Codeschnipsel wird NICHT funktionieren?

• Der erste.

• Der zweite.

• Der dritte.

Mögliche Codeschnipsel

ggplot(df, aes(x, y)) +

geom_point(aes(size = z)) +

guides("none")

ggplot(df, aes(x, y)) +

geom_point(aes(size = z)) +

guides(size = guide_none())

ggplot(df, aes(x, y)) +

geom_point(size = z) +

guides(size = "none")

Füllen Sie die Lücke, um das rechte Diagramm zu erstellen.

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +

geom_point(aes(shape = Species, colour = Petal.Width)) +  

???( colour =  ???(

order = 2, label.position = 'right'),

shape =  ???(

order = 1, label.position = 'left')

)

• guide_bins

• guide_coloursteps

• guide_colourbar

• guide_axis

• guides

• guide_legend

Füllen Sie die Lücke, um das rechte Diagramm zu erstellen.

bshydro15 |>

ggplot(aes(x = month)) +

geom_bar() +  

???(

axis.text.x =  ???(angle = 45),

axis.line = ???(colour = 'grey50'),

panel.background = ??? 

)

• element_text

• element_line

• element_blank()

• theme

Fülle die Lücke um rechtes Diagramm zu rekonstruieren.

ggplot(daphnia,  

??? = treatment, y = offspring)) +

geom_boxplot(???  = treatment))

• fill

• x

• aes( x

• aes( fill

Fülle die Lücke um rechtes Diagramm zu rekonstruieren.

ggplot(daphnia,

aes(x = treatment, y = offspring)) +

geom_boxplot(aes(fill = treatment)) +

scale_??? (name = 'Treatment',  

??? = c('yellow', 'orange'))

• manual_brewer

• fill_discrete

• colour_manual

• colour_brewer

• fill_manual

• values

Fülle die Lücke um rechtes Diagramm zu rekonstruieren.

ggplot(daphnia,

aes(x = treatment, y = offspring)) +

geom_boxplot(aes(fill = treatment)) +

scale_fill_manual(name = 'Treatment'

values = c('yellow', 'orange'))+  

???(???  ~  ???)

• pop

• facet_grid

• facet_wrap

• .

ggplot(daphnia,

aes(x = treatment, y = offspring)) +

geom_boxplot(aes(fill = treatment)) +

scale_fill_manual(name = 'Treatment'

values = c('yellow', 'orange'))+

facet_grid(pop~.) +

coord??? ()

• _map

• _cartesian

• _fixed

• _flip

• _trans

• _polar

Fülle die Lücke um rechtes Diagramm zu rekonstruieren.

ggplot(daphnia,

aes(x = treatment, y = offspring)) +

geom_boxplot(aes(fill = treatment)) +

scale_fill_manual(name = 'Treatment'

values = c('yellow', 'orange'))+

facet_grid(pop~.) +

coord_flip() +  

???('Populations differences') +  

???('Total number of offsprings') +  

???('Treatment') +  

???()

• ylab

• ggtitle

• theme_bw

• theme

• xlab

Füllen Sie die Lücke, um rechtes Diagramm zu erstellen.

mantas <- data.frame(

month = ??? (c(9, 3, 5, 1, 7, 12),  

???= 1:12,  

???= c('Jan','Feb','Mar','Apr','May','Jun',

'Jul','Aug','Sep','Oct','Nov','Dec') ),

catch = c(13,11,26,5,22,8) )

ggplot(mantas, aes(x = month, y = catch)) +  

???()

• geom_bar

• as.factor

• factor

• geom_col

• levels

• lvl

• labels

Füllen Sie die Lücke, um rechtes Diagramm zu erstellen.

mantas |>

mutate(month = ???(

.f = month, .x = catch)) |>

ggplot(aes(x = month, y = catch)) +

geom_col()

• fct_reorder

• fct_collapse

• fct_rev

• fct_relevel

• fct_inorder

Füllen Sie die Lücke, um rechtes Diagramm zu erstellen.

iris |>

mutate(SL_lvl =  ???(Sepal.Length, ???)) |>

ggplot(aes(Petal.Length, Petal.Width)) +

geom_point(aes(colour = SL_lvl))

• 4

• factor

• ordered

• 2

• cut

• 3

Füllen Sie die Lücke, um rechtes Diagramm zu erstellen.

iris |>

group_by(Species) |>

summarise(SL_m = mean(Sepal.Length), SL_sd = sd(Sepal.Length) ) |>

ggplot(aes(x =  ???(Species), y = SL_m)) +

geom_col(fill = 'orange') +

geom_??? (aes(ymin = SL_m-SL_sd, ymax = SL_m+SL_sd))

• error

• fct_rev

• fct_reverse

• bar

• errorbar

Folgender Vektor des Datentyp ‘POSIXcl’ soll in den Datentyp ‘Date’ umgewandelt werden:

d1

[1] "2015-07-26 18:16:00 UTC" "2015-07-03 16:42:00 UTC"

[3] "2015-09-01 04:45:00 UTC"

Füllen Sie die Lücke, um den Vektor entsprechend zu konvertieren.

d2 < -  ???(d1)

• ymd

• as_datetime

• make_date

• ymd_hms

• as_date

Füllen Sie die Lücke, um jede Variable in den entsprechenden 'Date' bzw. 'POSIXcl' Datentyp zu konvertieren.

tbl <- mutate(tbl,

x1 =  ???(x1), x2 =  ???(x2),

x3 =  ???(x3), x4 =  ???(x4),

x5 =  ???(x5) )

• dym_hm

• ydm

• mdy

• dmy

• dmy_hms

• ymd_hms

• myd

• dym

• dmy_hm

• ymd

Aus der Spalte x4 sollen nun folgende Komponenten extrahiert werden: Jahr, Monat, Monatstag, Stunde:

tbl2 < - transmute(tbl,

Jahr =  ???(x4),

Monat =  ???(x4),

Monatstag =  ???(x4),

Stunde =  ???(x4)

)

• hour

• minute

• mday

• semester

• month

• year

• yday

x

[1] "Placement in the"

[2] "genus is provisional pending"

[3] "the discovery of juvenile specimens."

y

[1] "Placement In The"

[2] "Genus Is Provisional Pending"

[3] "The Discovery Of Juvenile Specimens."

Mit welcher der folgenden Funktionen wurde Vektor x zu Vektor y konvertiert?

• str_to_lower()

• str_to_upper()

• str_to_sentence()

• str_to_title()

x

[1] "Germany" "England" "Italy" "France"

"Sweden" "Norway" "Portugal"

y

[1] "GER" "ENG" "ITA" "FRA"

"SWE" "NOR" "POR"

y < -  ???(???  = x, start = 1,  ??? = 3) |>  

???()

• str_to_upper

• str_sub

• string

• end

 ???('A', 1:5, ???  = '/')

[1] 'A/1' 'A/2' 'A/3' 'A/4' 'A/5'

• str_c

• collapse

• str_combine

• sep

• replacement

• pattern

• str_replace

str_c('A', 1:5, sep = ??? , collapse = ??? )

[1] 'A.1 / A.2 / A.3 / A.4 / A.5'

• '.'

• ' / '

• '/'

• NULL

• ' '

Wie viele Arten gehören der Gattung Carcharhinus (Requiemhaie) an (bzw. sind im sharks_fb tibble und somit in der fishbase.org Datenbank enthalten)?

data(sharks_fb, package = 'marinedata')  

???(sharks_fb$Species, pattern = '^Carcharhinus') |>

sum()

[1] 35

• str_detect

• str_which

• str_replace

Sie haben folgenden Vektor x und wollen nun die Anfangsnullen entfernen (aus “file_001.csv” also “file_1.csv”,… machen):

x

[1] "file_001.csv" "file_002.csv"

"file_003.csv" "file_004.csv" "file_005.csv"

[6] "file_006.csv" "file_007.csv"

"file_008.csv" "file_009.csv" "file_010.csv"

 ???(x, pattern = ' ??? ',

replacement = '_')

• _0

• str_subset

• str_replace

• str_detect

• str_split

• _00

• (_00|_0)

Für welche Art von Variablentypen eignet sich der zusammengesetzte R Datentyp Faktor?

• Metrische Variablen.

• Kategoriale Variablen.

Welches Attribut gehört NICHT zum Faktor?

• levels

• class factor

• groups

Was passiert mit Werten, die nicht dem levels Argument zugewiesen werden?

• Sie bleiben wie sie sind.

• Sie werden leise zu NA konvertiert.

• Sie werden leise zu NULL konvertiert.

Mit welchem Argument können Sie die angezeigten Werte in Faktoren ändern?

• labels

• levels

• names

• values