STATISTIK-FORUM.de

[bele]

@lilchaos
Deine Erklärungen haben wir gut weitergeholfen. Dank deiner Beschreibung habe ich es geschafft den Plot zu erstellen. Mit der Darstellung war ich heute Nachmittag soweit schon zufrieden und hatte wirkliche Erfolgserlebnisse, bis dann Bernhards Beitrag plötzlich aufploppte.

Bitte nicht falsch verstehen.Ich fahre jetzt gleich los zu meinem Kongress und die Folien die ich da zeige, sind mit ggplot2 gemacht. Ich will also die Vorteile von ggplot2 nicht klein reden. Das klassische Grafiksystem hat aber auch seine Vorteile.

Folgendes würde ich gerne beeinflussen (sofern möglich):
• jeder Boxplot Zeile jeweils den Namen der geplotteten Werte hinzufügen (Erste Zeile Boxplots: Stunden, zweite Zeile pH-Werte und dritte Zeile Steigung)

Ups, da habe ich die Ränder einfach zu eng gewählt, daher war kein Platz für die y-Achsenbeschriftung. Ersetze einfach die par-Zeile durch

Code: Alles auswählen

par(mfrow=c(3,1), mar = c(3,4,1,1))

Und dann spiel ein wenig mit den Werten von "mar" herum. Ausführliche Info zu allen Parametern, auch zu `mar` gibt Dir R aus mit

Code: Alles auswählen

help(par)

Als zweite Boxplotzeile würde ich gerne nicht die Steigung angezeigt bekommen, sondern die pH-Werte (quasie Zeile 2 mit drei tauschen)

Im klassischen Grafiksystem base ist das ganz einfach: Ruf einfach die boxplot-Kommandos in anderer Reihenfolge auf, dann erscheinen auch die Boxplots in anderer Reihenfolge. Eines von vielen Beispielen, warum ich base anfängerfreundlicher finde als ggplot2.

Alls Boxplots einer Probe mit der gleichen Farbe definieren (am besten anhand von HEX-Zahlen)

Sorry, aber das beantworte ich jetzt mal so:
https://www.google.de/?gws_rd=ssl#q=boxplot+r+color

Der cor.test steht wohl für einen Korrelationstest. Mit anderen Worten, es wird hier die Abhängigkeit der Stunde des Wendepunktes betrachtet von der Temperatur betrachtet.

Hier wird eine Pearson-Korrelation berechnet. Der Korrelationskoeffizient r wird angezeigt, sein 95% Konfidenzintervall und ein p-Wert. Die von Dir angefragten Werte t und df werden benutzt, um den p-Wert zu errechnen.

p-value = p < 0,05 beeutet, dass ein signifikater Einfluss der Temperatur auf den Wendepunkt besteht. Wir sprechen hier also nicht von einem Zufall. Die Chache, dass es doch Zufall war beträgt dennoch 5%, da wir als Konfidenzintervall Alpha = 95% angenommen haben, richtig?

Wenn gar kein linearer Zusammenhang zwischen beiden bestünde, dann wäre in 5% der Fälle trotzdem ein p-Wert unter 0,05 herausgekommen. Das ist nicht ganz das gleiche, aber das sind Feinheiten. Richtig ist: Wir sprechen hier nicht von Zufall.

Da Dein Korrelationskoeffizient negativ ist, besteht eine negative Korrelation. Je höher die Temperatur, desto niedriger die Stunden.

Über Erklärung zum Regressionsmodell würde ich mich auch sehr freuen.

Code: Alles auswählen

> print(summary(regressionsmodell))

Call:
lm(formula = Hours_h ~ Mean_Temp + Notes, data = daten)

Residuals:
     Min       1Q   Median       3Q      Max
-0.36040 -0.09348 -0.00390  0.08268  0.47678

Coefficients:
            Estimate Std. Error t value Pr(>|t|)   
(Intercept)  24.0072     5.2512   4.572 0.000641 ***
Mean_Temp    -0.5401     0.1700  -3.178 0.007957 **
NotesProbe1   0.1264     0.1439   0.878 0.397062   
NotesProbe2   0.4533     0.1636   2.771 0.016915 * 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.222 on 12 degrees of freedom
Multiple R-squared:  0.558,   Adjusted R-squared:  0.4475
F-statistic:  5.05 on 3 and 12 DF,  p-value: 0.01721


Wir versuchen, die Zahl der Stunden als lineare Gleichung aus der Temperatur und Dummyvariablen für die Notes zu errechnen. Am besten passt ein Modell, bei dem man einen y-Achsenabschnitt von 24,0 annimmt (dieser Wert ist mit p=0,0006 von Null verschieden) und die Temperatur mit -0,54 multipliziert und addiert. Die -0,54 sind mit p=0,007957 signifikant. Damit ergibt sich der Vorhersagewert für Probe 3 (war die erste in Deiner Datenreihe). Wenn wir über Probe zwei sprechen, dann solltest Du noch einmal 0,126 dazu addieren, auch wenn dieser Wert nicht signifikant von Null verschieden ist mit p=0,39. Wenn wir über Probe 2 sprechen, solltest Du noch 0,45 addieren, was mit p=0,016 auch signifikant ist.

Man kann also sagen, dass sich Probe 2 signifikant vom Standard Probe 3 unterscheidet und dass die Temperatur einen negativen aber signifikanten Einfluss
hat. Im Vergleich zur einfachen Korrelationsrechnung sind aber jetzt die verschiedenen Proben in der Aussage berücksichtigt, dass die Temperatur einen signifikanten Einfluss hat. Deshalb ist diese Rechnung eines Gesamtmodells besser als die Korrelationsrechnung und besser als einfach nur paarweise t-Werte.

In der ANOVA geht es um Varianzen (wie der Name sagt), oder "Sums of Squares". Die bekommst Du mit

Code: Alles auswählen

anova(regressionsmodell)

angezeigt. Wie man t-Tests und TukeyHSD durchführt, das verrät Google Dir viel besser als ich.


Wenn Du eine echte Beratung aus dem Forum willst, welche Tests für Dich passend sind, dann stell erstmal die Statistikaufgabe ohne Bezug zu R, weil dann viel mehr Leute mitmachen können und beschreibe Deine Versuche und Deine Fragestellung richtig. Tipps dazu findest Du hier: nutzung-des-forums-f44/das-musste-mal-gepostet-werden-t6682.html

Der Rest, den Du in R brauchst, lässt sich dann einfach googlen.

LG,
Bernhard

[aXon]

Hallo ihr beide,
leider habe ich es nicht früher geschafft. Nach der Informationshülle von gestern, musste ich erst einmal eine Nacht drüber schlafen.
Ich habe mich um meine Diagramme gekümmert und dank eurer Hilfe ein wenig "Design" reinbringen können.

Der Rat:

Sorry, aber das beantworte ich jetzt mal so:
https://www.google.de/?gws_rd=ssl#q=boxplot+r+color

...zu googlen hat mich dann an vielen Stellen weitergebracht. Leider konnte ich mir aber nicht alle Fragen beantworten.

Zum besseren Verständnis habe ich hier meine KOMPLETTEN Messwerte hochgeladen und auch das Scripte, welches ich bisher zur Auswertung in R erstellt habe. Für Bernhard sind die Messreihen auch in Textform im Script vorhanden.

Code: Alles auswählen

'__________________________________'

' Scrript zur Auswertung der Proben'
'__________________________________'

'WIchtig: • Dezimaltrennzeichen in Excel muss als . (Punkt) eingestellt sein
          • °C muss aus den Originaldaten entfernt werden
          • ± muss aus den Originaldaten entfernt werden'


1. Daten einlesen
data_table_text = structure(list(Notes = structure(c(3L, 3L, 3L, 3L, 3L, 3L, 3L,
                                   3L, 8L, 8L, 8L, 8L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L,
                                   7L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 2L, 2L, 1L, 1L),
               .Label = c("50%Probe1","keine Probe", "Probe1", "Probe2", "Probe3", "Probe4", "Probe5","Probe6"), class = "factor"),
               IPHours = c(8.29, 8.04, 7.33, 7.28,
                           7.68, 7.62, 7.34, 7.23, 7.77, 7.6, 7.58, 7.58, 7.33, 7.31, 7.39,
                           7.27, 7.48, 7.33, 7.44, 7.35, 6.64, 6.47, 7.27, 7.28, 7.2, 7.2,
                           6.74, 6.74, 7.02, 7.16, 6.96, 7.08, 7.89, 7.81, 7.46, 7.3),
               pHValue = c(5.41, 5.43, 5.39, 5.42, 5.31, 5.28, 5.29, 5.29, 5.31, 5.32, 5.3, 5.31,
                           5.46, 5.46, 5.48, 5.49, 5.27, 5.29, 5.29, 5.27, 5.21, 5.24, 5.32,
                           5.32, 4.84, 5.08, 5.17, 5.16, 4.94, 5.12, 5.18, 5.18, 5.56, 5.58,
                           5.44, 5.42),
               IPSlope = c(-0.58, -0.57, -0.62, -0.61, -0.59, -0.61,                                                                                                                                                                                                            -0.64, -0.64, -0.64, -0.66, -0.67, -0.67, -0.79, -0.81, -0.78,
                           -0.74, -0.59, -0.59, -0.62, -0.61, -0.65, -0.63, -0.71, -0.7,
                           -0.67, -0.58, -0.58, -0.59, -0.61, -0.55, -0.56, -0.54, -0.82,
                           -0.77, -0.69, -0.69),
               CorrelationCoeff = c(0.9991, 0.9992, 0.9993,
                                    0.9993, 0.999, 0.9991, 0.9992, 0.9993, 0.9992, 0.9994, 0.9994,
                                    0.9994, 0.9995, 0.9995, 0.9995, 0.9989, 0.9993, 0.9994, 0.9993,
                                    0.9994, 0.9996, 0.9991, 0.9994, 0.9994, 0.9993, 0.9994, 0.9993,
                                    0.9993, 0.999, 0.999, 0.999, 0.999, 0.9995, 0.9991, 0.999, 0.9993),
               CriticalSlope = c(1.4, 1.5, 1.6, 1.6, 1.2, 1.2, 1.5, 1.6,                                                                                                                                 1.6, 1.8, 1.8, 1.7, 2.2, 2.2, 2.2, 1.8, 1.5, 1.8, 1.4, 1.5, 1.6,
                                 1.5, 2.1, 2.1, 1.7, 1.9, 1.6, 1.5, 1.3, 1.3, 1.4, 1.3, 2, 1.5,
                                 1.3, 1.5),
               ValuesinRange = c(16L, 18L, 15L, 14L, 18L, 17L, 15L,
                                 14L, 15L, 14L, 14L, 14L, 12L, 12L, 12L, 13L, 16L, 15L, 16L, 16L,
                                 14L, 16L, 12L, 12L, 15L, 14L, 15L, 15L, 17L, 17L, 16L, 17L, 12L,
                                 15L, 16L, 14L),
               TempMean = c(30.22, 30.22, 30.54, 30.54, 30.33,
                            30.33, 31.36, 31.36, 31.07, 31.07, 31.25, 31.25, 31.03, 31.03,
                            30.75, 30.75, 32.38, 32.38, 31.38, 31.38, 32.24, 32.24, 31.88,
                            31.88, 32.87, 32.87, 31.55, 31.55, 30.46, 30.46, 31.26, 31.26,
                            30.89, 30.45, 30.45, 29.92),
               TempStdDeriv = c(0.12, 0.12, 0.37,
                                0.37, 0.27, 0.27, 0.2, 0.2, 0.15, 0.15, 0.23, 0.23, 0.21, 0.21,
                                0.28, 0.28, 0.23, 0.23, 0.77, 0.77, 0.27, 0.27, 0.31, 0.31, 0.84,
                                0.84, 1.05, 1.05, 0.49, 0.49, 0.33, 0.33, 0.39, 0.34, 0.34, 0.34
                                )),
              .Names = c("Notes", "IPHours", "pHValue", "IPSlope", "CorrelationCoeff",
                     "CriticalSlope", "ValuesinRange", "TempMean", "TempStdDeriv"),
              class = "data.frame",
              row.names = c(NA,-36L))


'2. - Überprüfen ob Factor, num und int richtig unterschieden wurden

      Daten sollten so aussehen:
      $ Notes           : Factor
      $ IPHours         : num 
      $ pHValue         : num 
      $ IPSlope         : num
      $ CorrelationCoeff: num
      $ CriticalSlope   : num
      $ ValuesinRange   : int
      $ TempMean        : num
      $ TempStdDeriv    : num '

      str(data_table_text)


'3. - Librarys laden (Zwischenstriche, Label der Daten erstellen)'
      #install.packages("calibrate")     
      library(Hmisc)
      library(calibrate)


'5. - Farbbereiche für die späteren Boxplots und Plot vorbereiten'
      boxplot_color = c("#ffffcc","#ffeda0","#fed976","#feb24c","#fd8d3c","#fc4e2a","#e31a1c","#b10026")
      plot_color = c("#d73027","#f46d43","#fdae61","#e1ad22","#2ea8c8","#abd9e9","#74add1","#4575b4")

'6. - Einzelne Boxplots erstellen'
      par(mar = c(5,5,1,1),   #  Seitenabstände des Diagramms
          family=("sans"),    #  verwendete Schriftart im DIagramm
          cex.lab = 1.4,      #  Schriftgröße der y- und x-Achsentitel
          cex.axis=1.2)       #  Größe der y- und x-Achsenbeschritung

      boxplot(data_table_text$IPHours ~ data_table_text$Notes,
              xlab = expression(bold("Getestete Probe")),              #  Beschriftung x-Achse
              ylab = expression(bold("Stunden [Std.]")),               #  Beschriftung y-Achse
              col = boxplot_color,                                     #  Einfärben der Boxplots
              ylim = c(6.5,8.5))                                       #  Skylierung y-Achse
      minor.tick(ny=5, tick.ratio=0.5)                                 #  Zwischenstriche erstellen                             

      boxplot(data_table_text$pHValue ~ data_table_text$Notes,
              xlab = expression(bold("Getestete Probe")),              #  Beschriftung x-Achse
              ylab = expression(bold("pH-Wert [pH]")),                 #  Beschriftung y-Achse
              col = boxplot_color,                                     #  Einfärben der Boxplots
              ylim = c(4.8,5.6))                                       #  Skylierung y-Achse
      minor.tick(ny=5, tick.ratio=0.5)                                 #  Zwischenstriche erstellen

      boxplot(data_table_text$IPSlope ~ data_table_text$Notes,
              xlab = expression(bold("Getestete Probe")),                #  Beschriftung x-Achse
              ylab = expression(bold("Steigung")),                       #  Beschriftung y-Achse
              col = boxplot_color)                                       #  Einfärben der Boxplots
      minor.tick(ny=5, tick.ratio=0.5)                                   #  Zwischenstriche erstellen


'7. - Boxplots erstellen (drei Stück untereinander)'
      par(mfrow=c(3,1),
          mar = c(5,5,1,1),   #  Seitenabstände des Diagramms
          family=("sans"),    #  verwendete Schriftart im DIagramm
          cex.lab = 1.4,      #  Schriftgröße der y- und x-Achsentitel
          cex.axis=1.4)       #  Größe der y- und x-Achsenbeschritung
     
      boxplot(data_table_text$IPHours ~ data_table_text$Notes,
              #xlab = expression(bold("Getestete Probe")),             #  Beschriftung x-Achse
              ylab = expression(bold("Stunden [Std.]")),               #  Beschriftung y-Achse
              col = boxplot_color)                                     #  Einfärben der Boxplots
      minor.tick(ny=5, tick.ratio=0.5)         
     
      boxplot(data_table_text$pHValue ~ data_table_text$Notes,
              #xlab = expression(bold("Getestete Probe")),
              ylab = expression(bold("pH-Wert [pH]")),
              col = boxplot_color)
      minor.tick(ny=5, tick.ratio=0.5)
     
      boxplot(data_table_text$IPSlope ~ data_table_text$Notes,
              xlab = expression(bold("Getestete Probe")),
              ylab = expression(bold("Steigung")),
              col = boxplot_color)
      minor.tick(ny=5, tick.ratio=0.5)


'8. - Punkt-Diagramm erstellen (x-Achse: Temperatur; y-Achse: Stunden) '
      par(mfrow=c(1,1),
          mar = c(5,5,1,1),    #  Seitenabstände des Diagramms
          family=("sans"),     #  verwendete Schriftart im Diagramm
          cex.lab = 1.2,       #  Schriftgröße der y- und x-Achsentitel
          cex.axis=1.2)        #  Größe der y- und x-Achsenbeschritung

      #dev.new()               #im extra Fenster anzeigen
      plot(IPHours ~ TempMean,
           pch = as.numeric(Notes),
           data = data_table_text,
           xlab=expression(bold("Temperatur [°C]")),
           ylab=expression(bold("Stunden [Std.]")),
           xlim = c(30,32.5),
           ylim = c(6.5,8.5),
           col = c(plot_color))
     
'*****Funktioiert leider nicht! Bzw. ich kann den Fehler nicht finden ***********************************'
      legend(1000,95,                                # places a legend at the appropriate place
             legend = c(data_table_text$Notes),      # puts text in the legend
             #lty=c(1,8),                            # gives the legend appropriate symbols (lines)
             #lwd=c(2.5,2.5),
             col="blue")                             # gives the legend lines the correct color and width
'********************************************************************************************************'

      minor.tick(nx=5, ny=5, tick.ratio=0.5)
      textxy(data_table_text$TempMean, data_table_text$IPHours, data_table_text$Notes, cex= 0.7) #, col= plot_color

'9. - Berechnung der Pearson-Korrelations'
      cor.test(data_table_text$TempMean, data_table_text$IPHours)

'10. -Regressionsmodell Stunde und Temperatur erstellen'
      plot_regression = lm(IPHours ~ TempMean + Notes,
                           data = data_table_text)
      print(summary(plot_regression))
     



Diagramm
1. Ich würde gerne eine Legende in meinem Plot mit einfügen. Es kommt zu keinem Fehler, aber die Legende wird nicht angezeigt. Wisst ihr da was?
2. Im Plot mit der StundeVSTemperatur habe ich die "Marker" eingefärbt. Mir ist aufgefallen, dass die Marker nicht pro Probe eingefärbt sind, sondern nach einem anderen Schema. Wie könnte ich das unterbinden, bzw. korrigieren?
3. Ich würde gerne die Schriftart der Diagramme auf z.B. Minion Pro ändern, nur leider bekomme ich immer einen Fehler, der mit sagt, dass es den Zeichensatz unter Windows nicht gibt. Das kann aber nicht sein, da dieser zur WIN-Palette der Schriften gehört.
4. WICHTIG: Ich schaffe es leider nicht die Reihenfolge auf der X-Achse der Probe zu beeinflussen. Es wäre deutlich besser, wenn "Keine Probe" und "50% Probe1" die letzten beiden Boxplots wären.

Ansonsten bin ich mit den Diagrammen schon recht zufrieden. Was sagt ihr?

Nun zur Statistik:
Meine Auswertung der Ergebnisse sieht derzeit so aus:

** Teil 1 **

Code: Alles auswählen

      Pearsons product-moment correlation
      data:  data_table_text$TempMean and data_table_text$IPHours
      t = -3.2057, df = 34, p-value = 0.002929
      alternative hypothesis: true correlation is not equal to 0
      95 percent confidence interval:
      -0.6995734 -0.1820409
      sample estimates:
      cor
      -0.4817638

Die hier verwendete Pearson-Korrelation gibt Aufschluss darüber, ob ein linearer Zusammenhang zwischen den mittleren
Messwerten der Temperatur und den berechneten Stunden des Wendepunktes besteht. Die dargestellten t- und df-Werte
dienen zur Berechnung des p-Wertes.

"Mit dieser Aussage bin ich noch im Zwiespalt!":
Der p-Wert muss in Verbindung mit dem Konfidenzintervall (Vertrauensintervall zur Präzision der Lageschätzung eines
Parameters) betrachtet werden. Das Konfidenzintervall (Alpha) ist auf 95% festgelegt. Die 95% besagen, dass die
gemessenen Werte der Untersuchung zu 95% im Konfidenzinterval liegen, solange der p-Wert < 0.05 beträgt.
• Ist das Verständis der Konfidenzintervalls soweit richtig?

Die Untersuchung zeigt, dass der p-Wert unter 0.05 liegt und somit die Hypothese bestätigt werden kann, dass die Temp-
eratur einen Einfluss auf die berechneten Stunden des Wendepunktes hat. Der negative Korrelationskoeffizient lässt weiter-
hin deuten, dass eine negative Korrelation zwischen Temperatur und den berechneten Stunden besteht. Je höher die Temperatur,
desto niedriger die Stunde des eintretenden Wendepunktes. Der p-Wert ist mit < 0.05 signifikat, weshalb ausgeschlossen
werden kann, dass es sich in der Untersuchung - in Bezug auf die Beziehung von Temperatur und Stunde - um Zufall handelt.


** Teil 2 **

Code: Alles auswählen

     Call:
      lm(formula = IPHours ~ TempMean + Notes, data = data_table_text)
     
      Residuals:
           Min       1Q   Median       3Q      Max
      -0.42939 -0.09576 -0.01620  0.07005  0.65472
     
      Coefficients:
                       Estimate Std. Error t value Pr(>|t|)   
      (Intercept)       9.99732    2.61362   3.825 0.000702 ***
      TempMean         -0.08671    0.08637  -1.004 0.324333   
      Noteskeine Probe  0.51205    0.26391   1.940 0.062855 . 
      NotesProbe1       0.25832    0.20927   1.234 0.227709   
      NotesProbe2      -0.25044    0.23670  -1.058 0.299411   
      NotesProbe3       0.00613    0.23372   0.026 0.979268   
      NotesProbe4       0.16697    0.26898   0.621 0.539966   
      NotesProbe5      -0.30242    0.27775  -1.089 0.285859   
      NotesProbe6       0.33704    0.24085   1.399 0.173090   
      ---
      Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
     
      Residual standard error: 0.2606 on 27 degrees of freedom
      Multiple R-squared:  0.6265,   Adjusted R-squared:  0.5158
      F-statistic: 5.661 on 8 and 27 DF,  p-value: 0.0002899

Wenn ich es richtig verstanden habe, ist hier nirgends ein signifiakter Unterschied zwischen dem Standard (Hier wohl 50%Probe) und den restlichen Messungen zu erkennen. Das beunruhigt mich ehrlich gesagt ein wenig. Ist es vllt. sinnvoller einen anderen Wert als Standard zu setzen? Falls ja, wie müsste ich da vorgehen? (Hat Frage 4 da vllt. schon Einfluss drauf?)

Bei einer linearen Beziehung gilt es die Geradengleichung zu erfüllen: y=m*x+b. Ich komme soweit mit, dass wir einen y-Achsenabschnitt von 9.99 haben, welcher sich signifikant von Null (p = 0.0007) unterscheidet. Ich verstehe allerdings leider nicht ganz, wie du diesen Satz meinst (in Bezug auf die alten Daten):

...und die Temperatur mit -0,54 multipliziert und addiert.

(Im Bezug auf die neuen Daten) Bedeutet es, dass wir 9.99 - 0.08 rechnen müssten, um den y-Achsenabschnitt der Temperatur der linearen Regression zu ermitteln?

Code: Alles auswählen

..auch wenn dieser Wert nicht signifikant von Null verschieden ist mit p=0,39

Meinst du mit "Null" der Wert 0 oder die Standard-Probe-Null?

Ich hoffe du/ihr könnt mir helfen mein Halbwissen etwas auszubauen. Ich bin euch jetzt schon dankbar, dass ihr euch bereits soviel Zeit genommen habt.
@Bernhard: Viel Erfolg weiterhin auf dem Kongress!

Liebe Grüße,
aXon

[bele]

Hallo aXon,

hier eine schnelle, nicht ausführliche Antwort

Code: Alles auswählen

'*****Funktioiert leider nicht! Bzw. ich kann den Fehler nicht finden ***********************************'
      legend(1000,95,                                # places a legend at the appropriate place
             legend = c(data_table_text$Notes),      # puts text in the legend
             #lty=c(1,8),                            # gives the legend appropriate symbols (lines)
             #lwd=c(2.5,2.5),
             col="blue")                             # gives the legend lines the correct color and width
'********************************************************************************************************'

Doch, doch, die Legende wird schon gezeichnet, nur eben an den von Dir angegebenen Koordinaten. Und wenn Du vorschlägst, die Legende bei einem pH von 95 einzuzeichnen, dann ist die halt im Bild nicht sichtbar.

Versuch mal, die Legende bei weniger als 1000°C und im etwas saureren Bereich anzusiedeln, etwa so:

Code: Alles auswählen

legend(31.5, 8.5,                             
       legend = levels(data_table_text$Notes),
       pch = 1:8,
       col = 1:8)


Auch hier hilft etwas googlen sicher noch weiter.

2. Im Plot mit der StundeVSTemperatur habe ich die "Marker" eingefärbt. Mir ist aufgefallen, dass die Marker nicht pro Probe eingefärbt sind, sondern nach einem anderen Schema.

Könnte damit zu tun haben, dass Du bei den Farben nirgends angegeben hast, wonach die sich richten sollen. Woher soll R wissen, dass Du die Farben je nach Probe haben möchtest (finde es weiter verwirrend, dass die Probe "Notes" heißt"). Versuch mal sowas hier:

Code: Alles auswählen

plot(IPHours ~ TempMean,
     pch = as.numeric(Notes),
     data = data_table_text,
     xlab=expression(bold("Temperatur [°C]")),
     ylab=expression(bold("Stunden [Std.]")),
     xlim = c(30,32.5),
     ylim = c(6.5,8.5),
     col = plot_color[as.numeric(Notes)])

3. Ich würde gerne die Schriftart der Diagramme auf z.B. Minion Pro ändern, nur leider bekomme ich immer einen Fehler, der mit sagt, dass es den Zeichensatz unter Windows nicht gibt. Das kann aber nicht sein, da dieser zur WIN-Palette der Schriften gehört.

Mein Word unter Windows kennt die Schriftart auch nicht. Wenn Du Minion Pro kaufen möchtest, kannst Du das pro Schriftschnitt für 35 EUR hier tun: https://www.myfonts.com/fonts/adobe/minion/

4. WICHTIG: Ich schaffe es leider nicht die Reihenfolge auf der X-Achse der Probe zu beeinflussen. Es wäre deutlich besser, wenn "Keine Probe" und "50% Probe1" die letzten beiden Boxplots wären.

https://www.google.de/?gws_rd=ssl#q=ord ... n+factor+r

Ist es vllt. sinnvoller einen anderen Wert als Standard zu setzen? Falls ja, wie müsste ich da vorgehen? (Hat Frage 4 da vllt. schon Einfluss drauf?)

http://stats.stackexchange.com/question ... in-lm-in-r

(Im Bezug auf die neuen Daten) Bedeutet es, dass wir 9.99 - 0.08 rechnen müssten, um den y-Achsenabschnitt der Temperatur der linearen Regression zu ermitteln?

Nein. Du musst Dich mit dem Zusammenhang zwischen der Geradengleichung und der Ausgabe von summary(lm(...)) solange beschäftigen, bis Dir das von selbst ganz klar wird. Das ist ein kritischer Schritt, den Weg solltest Du ohne Abkürzungen gehen.

Code: Alles auswählen

..auch wenn dieser Wert nicht signifikant von Null verschieden ist mit p=0,39

Meinst du mit "Null" der Wert 0 oder die Standard-Probe-Null?

Mit Null meinte ich den Wert 0, also die Steigung, bei der eine unabhängige Variable keinen Einfluss auf die abhängige hat.

Zuletzt noch zwei Tipps: Das ist hier ein Statistik-Forum und kein R-Forum. Es gibt mindestens zwei deutsche R-Foren, die sich in der Häufigkeit und Qualität der gegebenen Antworten durchaus erheblich unterscheiden. Such Dir für R-Fragen lieber eines davon aus und komm hier hin, wenn Du Fragen zum Thema Statistik hast.
Tipp 2: lilchaos hat sich Mühe gegeben, Dir zu helfen. Trotzdem steht unter seinem Nickname noch jedes Mal "Danke bekommen: 0 Mal in 0 Posts". Ich finde, Du könntest Da mal auf einen Thanks-Button drücken

LG,
Bernhard

[bele]

3. Ich würde gerne die Schriftart der Diagramme auf z.B. Minion Pro ändern, nur leider bekomme ich immer einen Fehler, der mit sagt, dass es den Zeichensatz unter Windows nicht gibt. Das kann aber nicht sein, da dieser zur WIN-Palette der Schriften gehört.

Mein Word unter Windows kennt die Schriftart auch nicht. Wenn Du Minion Pro kaufen möchtest, kannst Du das pro Schriftschnitt für 35 EUR hier tun: https://www.myfonts.com/fonts/adobe/minion/

Liste der tatsächlich mit Windows ausgelieferten Fonts bei Microsoft

[aXon]

Huhu Bernhard, huhu lilchaos,

ich möchte mich hiermit nur noch einmal bei euch bedanken. Die von euch genannten Ratschläge haben mir schlussendlich den Weg gezeigt und ein zufriedenstellendes Result erbracht. Ohne eure Hilfe wäre ich vermutlich nie soweit gekommen, weshalb an dieser Stelle einfach mal DANKE gesagt werden muss! Ich habe mich sehr gefreut auf so offene Forumsmitglieder zu treffen, die ihre eigene Zeit investieren um anderen etwas beizubringen. Ich finde es schön zu wissen, dass irgendwo da draußen Menschen sind, die einem gerne Helfen und Wissen weitergeben.

Inzwischen habe ich selbstverständlich auch den "bedanken"-Knopf entdeckt und den ein paar mal betätigt.

Ich wünsche euch weiterhin viel Erfolg hier im Forum und freue mich schon auf das nächste Mal.

Mit freundlichen Grüßen,
aXon