################################################################################
## Einführung in R
## Modul 3: Einfache Grafiken
################################################################################

## copyfree, Oktober 2007
################################################################################
## Dr. Fränzi Korner-Nievergelt
## oikostat - Statistische Analysen und Beratung
## Ausserdorf 43
## CH - 6218 Ettiswil
## Tel.: +41 (0) 41 980 49 22
## fraenzi.korner@oikostat.ch
## www.oikostat.ch
################################################################################


## Inhalt
################################################################################
## 1. Datenfile bereitstellen
## 2. Histogramm
## 3. Streudiagramm (Scatterplot)
## 4. Boxplot
## 5. Säulendiagramm
## 6. Glätter



## 1. Daten bereitstellen
################################################################################
## In den folgenden Codes wird der Beispielsdatensatz erzeugt. Erklärungen
## zu den Codes und zum Arbeiten mit der R-Console finden Sie in Modul 1.
nm<-12 # Anzahl Männchen, z.B. Grünfink
nw<-14 # Anzahl Weibchen
set.seed(2353)     # Zufallszahlengenerator einstellen, damit später wieder die gleichen Zufallszahlen generiert werden
fluegelm<-round(rnorm(nm, mean=77.8, sd=1.35), digits=1)
fluegelw<-round(rnorm(nw, mean=74.6, sd=1.74), digits=1) # Angabe von Mittelwert und Standardabweichung aus Cramp (1994)
dat<-data.frame(sex=c(rep("M", nm), rep("W", nw)), fluegel=c(fluegelm, fluegelw))  # Vektoren zu einem Datenfile zusammenstellen
dat$sex01<-as.numeric(dat$sex)-1
dat$Alter<-c(rep(3, 8), rep(4, 4), rep(3, 8), rep(4, 6)) # Variable Alter einfügen
dat$Alter01<-as.numeric(dat$Alter)-3
set.seed(16523)
dat$Gewicht<- -3-0.5*dat$sex01+0.2*dat$Alter01+0.3*dat$fluegel+round(rnorm(length(dat$sex), 0, 0.9), 1)


## 2. Histogramm
################################################################################
hist(dat$fluegel)
hist(dat$fluegel, main="Flügellänge", xlab="Flügellänge (mm)", ylab="Häufigkeit", las=1, col="blue", nclass=18)


## 3. Scatterplot, Streudiagramm
################################################################################

# diverse veschiedene Beispiele:
plot(dat$fluegel, dat$Gewicht) # Default - Einstellungen

plot(dat$fluegel, dat$Gewicht, xlab="Flügellänge (mm)", ylab="Gewicht (g)", main="Grünfink", las=1) # Achsenbeschriftung

plot(dat$fluegel, dat$Gewicht, pch=16, xlab="Flügellänge (mm)", ylab="Gewicht (g)", main="Grünfink", las=1)

plot(dat$fluegel, dat$Gewicht, pch=16, cex=1.5, xlab="Flügellänge (mm)", ylab="Gewicht (g)", main="Grünfink", las=1)

plot(dat$fluegel, dat$Gewicht, col=as.numeric(dat$sex)+3,pch=16, cex=1.5, xlab="Flügellänge (mm)", ylab="Gewicht (g)", main="Grünfink", las=1)
legend(77.5, 19, pch=16, cex=1.5, col=c(4,5), legend=c("Männchen", "Weibchen"))
abline(lm(Gewicht~fluegel, dat))


# verschiedene Symbole
plot(dat$fluegel, dat$Gewicht,pch=dat$sex01+16, cex=1.5, xlab="Flügellänge (mm)", ylab="Gewicht (g)", main="Grünfink", las=1)

# Buchstaben anstatt Symbole
plot(dat$fluegel, dat$Gewicht,type="n", xlab="Flügellänge (mm)", ylab="Gewicht (g)", main="Grünfink", las=1)
text(dat$fluegel, dat$Gewicht, dat$sex)
points(dat$fluegel[dat$Alter==4], dat$Gewicht[dat$Alter==4], cex=3.5)    # die Adulten werden eingekreist


## 4. Boxplot
################################################################################
boxplot(fluegel~sex, dat, las=1, col=grey(0.5))
boxplot(fluegel~sex+Alter, dat, las=1, col=grey(0.5))

## 5. Säulendiagramm (Barplots)
population<-c(11, 14, 18, 11, 17, 18, 19, 16, 24, 26, 18, 32, 29, 22, 21, 23) # z.B. Mäusebussardpopulationen (Daten nur ungefähr(!) übernommen aus Busche & Kostrzewa (2007) Vogelwarte 209-217
jahr<-c(1966:1981)

plot(jahr, population, type="h")   # Default-Einstellung
plot(jahr, population, lwd=15, lend="butt", type="h", col=grey(0.5))

## 6. Glätter
################################################################################
mod<-loess(population~jahr) # Lokale Polynomialregression
newx<-data.frame(jahr=seq(1966, 1981, by=0.1))
newx$fit<-predict(mod, newx)
lines(newx$jahr, newx$fit, lwd=2)

mod<-loess(population~jahr, span=0.4) # Im Argument span kann angegeben werden, wie stark geglättet werden soll.
newx<-data.frame(jahr=seq(1966, 1981, by=0.1))
newx$fit<-predict(mod, newx)
lines(newx$jahr, newx$fit, lwd=2, lty=2)


## Dank
################################################################################

## Dieses Dokument entstand für einen Einführungskurs in R an der DO-G-Tagung
## vom 29. September - 3. Oktober 2007 in Giessen
## Folgenden Personen danke ich herzlich für die Unterstützung und die Werbung:
## Dr. Ommo Hüppop, Dr. Heiko Schmaljohann, Dr. Wolfgang Fiedler,
## Dr. Thomas Gottschalk, Holger Schielzeth, Dr. Roger Mundry und Dr. Boris Schröder