Da ich in diesem Semester das Modul Wahrscheinlichkeitsrechnung und Statistik (WrStat) besuche und wir in der Übung Histogramme und Häufigkeitsverteilungen erstellen mussten, dachte ich mir, probierste mal R aus, kann ja nicht so schlecht sein bei diesem Buchstaben 
.
R (Wikipedia-Artikel) ist ein Projekt, das eine Umgebung und Programmiersprache für statistische Zwecke bereitstellt. Andere Kandidaten für die Aufgabe wären Excel oder das in Analysis bereits verwendete MuPAD. Von R habe ich jedoch schon gutes gehört, es soll unter Statistikern ziemlich beliebt sein und zudem ist es freie Software.
Ich lud mir also das Paket für OS X herunter, installierte und startete es. Kurz eine Anleitung suchen und los geht’s. Am Anfang gab’s natürlich eine kleine Einführung in die Datenstrukturen und so weiter, aber ziemlich bald kamen Histogramme. Ich versuchte mich gleich an der WrStat-Übung:
> wetter <- read.table("hsr/wrstat/wetter.csv", sep=";",
+ col.names=c("Jahr", "Juni", "Juli", "August"))
Es wird eine CSV-Datei mit Temperaturdaten eingelesen. Da die Spalten in der Datei unbenannt sind, müssen wir noch die Namen angeben. Die Funktion c steht für combine und generiert aus den Argumenten eine Liste. Das ganze wird in einem Editor eingegeben, der Vervollständigung beherrscht und zu Funktionen gleich anzeigt, was für Argumente übergeben werden können – praktisch. Jetzt das Histogramm:
> hist(wetter$Juni)
Mit wetter$Juni wird die Spalte Juni aus der Tabelle ausgewählt. Auch für Durchschnitt und Median muss man nicht lange überlegen:
> mean(wetter$Juni) [1] 15.64225 > median(wetter$Juni) [1] 15.6
Und noch die Verteilungsfunktion generieren und plotten:
> plot(ecdf(wetter$Juni))
Fazit: Bis jetzt gefällt mir R ganz gut und ich werde es weiter benutzen. Die Grafiken sind zwar einfach gehalten, aber ich denke die kann man schon noch ein wenig verschönern, habe nur noch nicht die richtige Option dafür gefunden .