204  Question

Schlüsselwörter

Aufgaben, Statistik, Prognose, Modellierung, R, Datenanalyse, Regression

Laden Sie das Paket gapminder (ggf. vorab installieren) und laden Sie daraus den Datensatz gapminder. Hier finden Sie weitere Informationen zum Projekt Gapminder.

  1. Erstellen Sie ein Histogramm, um die Verteilung der Lebenserwartung zu skizzieren.

  2. Teilen Sie das Histogramm in mehrere Facetten auf, entsprechend der Kontinente.

  3. Erstellen Sie nun wieder ein Histogramm, aber fügen Sie bei aes() noch hinzu, dass die Füllfarbe zum Kontinent zugeordnet werden soll.

  4. Ersetzen Sie im letzten Diagramm das Geom “Histogram” durch das Geom “density” (sog. “Dichtediagramm”, also geom_density). Reduzieren Sie das Alpha der Füllung auf 50%. Welche Variante (Histogramm oder Dichtediagramm) ist sinnvoller, bzw. wann sinnvoller? Warum?

Tipp: Mit help(gapminder) bekommen Sie mehr Informationen zum Datensatz.

Hinweis: Beziehen Sie sich auf den Stoff dieses Buches: Ismay, C., & Kim, A. (2019). ModernDive—An Introduction to Statistical and Data Sciences via R. http://moderndive.com/.

205 Solution

library(gapminder)  # falls noch nicht geladen
library(tidyverse)  # falls noch nicht geladen
data("gapminder")  # falls noch nicht geladen


gapminder %>% 
  ggplot() +
  aes(x = lifeExp) +
  geom_histogram()

gapminder %>% 
  ggplot() +
  aes(x = lifeExp) +
  geom_histogram() +
  facet_wrap(~ continent)

gapminder %>% 
  ggplot() +
  aes(x = lifeExp, fill = continent) +
  geom_histogram() 

gapminder %>% 
  ggplot() +
  aes(x = lifeExp, fill = continent) +
  geom_density(alpha = .5)

Siehe Antworten. Es erfolgt keine automatische Bewertung dieser Aufgabe.

206 Meta-information

extype: string exsolution: Siehe Antworten. Es erfolgt keine automatische Bewertung dieser Aufgabe. exname: datenvis-moderndive-histogramm1 expoints: 5