In martscht/PsyBSc7: Übungen für die Praktika im Sommersemester 2020

library(learnr)
data(mdbf, package = 'PsyBSc7')
knitr::opts_chunk$set(echo = FALSE)
learnr::tutorial_options(exercise.eval = FALSE)

Aufgaben

Zur Bearbeitung der Aufgaben öffnen Sie bitte ein neues RStudio-Fenster. Nutzen Sie für die Aufgaben den Datensatz mdbf.rds. Die Daten können mittels des PsyBSc7::Aufgaben_3()-Befehls geladen werden. Der Datensatz enthält 98 Beobachtungen auf 12 Variablen, allesamt Items des Mehrdimensionalen Befindlichkeitsfragebogens. In diesem Fragebogen werden Adjektive zur Beschreibung der aktuellen Stimmung genutzt um die drei Dimensionen der Stimmung - Gut vs. Schlecht, Wach vs. Müde und Ruhig vs. Unruhig - zu erheben.

Variable | Adjektiv | Richtung | Dimension -------- | -------- | -------- | --------- stim1 | zufrieden | positiv | Gut vs. Schlecht stim2 | ausgeruht | positiv | Wach vs. Müde stim3 | ruhelos | negativ | Ruhig vs. Unruhig stim4 | schlecht | negativ | Gut vs. Schlecht stim5 | schlapp | negativ | Wach vs. Müde stim6 | gelassen | positiv | Ruhig vs. Unruhig stim7 | müde | negativ | Wach vs. Müde stim8 | gut | positiv | Gut vs. Schlecht stim9 | unruhig | negativ | Ruhig vs. Unruhig stim10 | munter | positiv | Wach vs. Müde stim11 | unwohl | negativ | Gut vs. Schlecht stim12 | entspannt | positiv | Ruhig vs. Unruhig

Schreiben Sie eine Funktion, die für alle Variablen in einem beliebigen Datensatz gleichzeitig jeweils die univariate Normalverteilung mit dem Shapiro-Wilk-Test prüft und die Verteilungen grafisch darstellt. Ermöglichen Sie dabei durch ein Argument die Wahl zwischen Histogramm und QQ-Plot und legen Sie dafür eine Voreinstellung fest. Wenden Sie die Funtion zum Schluss auf den Datensatz mdbf an. Vergessen nicht, den Datensatz hierfür aber vorher zu laden.

Bonus:

- Nutzen Sie das main-Argument um die Abbildungen mit den korrekten Namen der dargestellten Variablen zu versehen. - Geben Sie die Ergebnisse der Shapiro-Tests als data.frame mit den Spalten Variablenname, Teststatistik und $p$-Wert aus.

Für die einfache Variante:

# Definition der Funktion
normal <- function(data, hist = TRUE) {

  # Leere Ergebnisse anlegen
  shap <- list()

  # Loop
  for (i in 1:ncol(data)) {
    # Shapiro
    shap[[i]] <- shapiro.test(data[, i])

    # Plot Wahl
    if (hist) {
      hist(data[, i])
    } else {
      qqnorm(data[, i])
      qqline(data[, i])
    }
  }

  return(shap)
}

# Anwendung
normal(mdbf)

Tipp:

Legen Sie eine leere Liste an (mit <- list()), in der schrittweise die Ergebnisse des Shapiro-Wilk-Tests abgelegt werden können.

Die Schleife muss durch alle items im Datensatz durchlaufen. Man benötigt also eine hierzu eine Information über die anzahl der Spalten.

QQ-Plots können mit qqnorm erstellt werden. Die diagonale Linie kann zudem mit qqline hinzugefügt werden.

Mittels if kann ein optionaler plot als histogram oder QQ-plot hinzugefüht werden.

Mit den Bonus-Aufgaben:

# Lade Datensatz
# mdbf <- readRDS("PFAD ZUM ORDNER MIT DEM DATENSATZ")

# Definition der Funktion
normal <- function(data, hist = TRUE) {

  # Leere Ergebnisse anlegen
  shap <- data.frame(variable = NA, statistic = NA, p.value = NA)

  # Loop
  for (i in 1:ncol(data)) {
    # Shapiro
    test <- shapiro.test(data[, i])
    shap[i, ] <- c(names(data)[i], test$statistic, test$p.value)

    # Plot Wahl
    if (hist) {
      hist(data[, i], main = names(data)[i])
    } else {
      qqnorm(data[, i], main = names(data)[i])
      qqline(data[, i])
    }
  }

  return(shap)
}

# Anwendung
normal(mdbf)

Tipp:

Legen Sie eine leere Liste an (mit <- list()), in der schrittweise die Ergebnisse des Shapiro-Wilk-Tests abgelegt werden können.

Die Schleife muss durch alle items im Datensatz durchlaufen. Man benötigt also eine hierzu eine Information über die anzahl der Spalten.

QQ-Plots können mit qqnorm erstellt werden. Die diagonale Linie kann zudem mit qqline hinzugefügt werden.

Mittels if kann ein optionaler plot als histogram oder QQ-plot hinzugefüht werden.

Die data.frame Funktion erlaubt es, ein data frame anzulegen.

martscht/PsyBSc7 documentation built on Sept. 1, 2020, 10:50 p.m.