Wie sagte Paule? Der Trend geht zum Zweitblog:
Englisch und über langweiligen Mathe-, Statistik- und Programmierkram, daher ist er nun abgetrennt von diesem hier.
Mit ‘Statistik’ getaggte Artikel
Zweitblog
Sonntag, 16. August 2009Nein, nicht Biostatik
Mittwoch, 10. Dezember 2008Auch wenn es oft auf unserer Post steht: Wir sind nicht das Institut für Biostatik.
Jetzt scheinen sie aber gegen diese häufig vorkommende Verwechslung vorgehen zu wollen:
Citing data – the dataverse network project
Sonntag, 02. November 2008Heute mal ein sehr kurzer, oberflächlicher, aber doch sehr wichtiger Beitrag über ein Projekt, das sich mit dem folgenden Problem beschäftigt:
Für Artikel und Bücher existieren
- Bibliotheken und Online-Archive,
- Systematiken und Kataloge, um schnell das Gesuchte zu finden,
- sowie Regeln zum Zitieren.
Quantitative Daten
- finden sich eventuell auf den Webseiten einzelner Forscher,
- jedoch ist die Erlaubnis zur Verwendung oft unklar,
- URLs veralten schnell oder die Daten verschwinden ganz nach einiger Zeit,
- Formate sind eventuell inkompatibel,
- Änderungen an Daten können nicht nachvollzogen werden bzw. Daten sind nicht verifizierbar.
- Und wie zitiert man solche Daten?
UNF
Um die Validität von Daten zu gewährleisten, wurde der Universelle Numerische Fingerabdruck (UNF) von Altman & King eingeführt. Dieser Algorithmus wandelt den Datensatz in einen Unicode-Zeichen-String um und wendet eine Hash-Funktion auf diesen an.
Neben C++-Bibliotheken steht auch das R-Package UNF ``Tools for creating universal numeric fingerprints for data'' zur Verfügung. (http://cran.r-project.org/web/packages/UNF/index.html)
Der Methodenaufruf unf(data, digits=8) berechnet z.B. einen numerischen Fingerabdruck für den Datensatz data, wobei die jeweils ersten acht Stellen der Daten berücksichtigt werden.
Der Universelle Numerische Fingerabdruck
- lässt Anderungen an Daten erkennen.
- ist formatunabhängig. Direkt auf Dateien angewendete kryptographische Hash-Funktionen würden im Gegensatz zu ihm für einen Datensatz als SAS Datei andere Werte liefern als für R Binary oder CVS Dateien. (Noch schlimmer wenn in den Dateien wie bei Excel nicht nur die reinen Daten, sondern auch noch Zugriffszeiten oder Pfadangaben gespeichert werden...)
- ist robust gegen insignifikante Rundungsfehler, also insbesondere plattformunabhängig.
- zeigt ebenso falsch eingelesene Daten in Statistikprogrammen auf.
Zitieren von Daten
Minimal werden beim Zitieren Autor, Jahr und Titel angegeben, gefolgt von einem ``Unique global identifier'', über den die Daten gefunden werden können, sowie den UNF-Wert:
GARY KING; LANGCHE ZENG, 2006, "Replication Data Set for 'When Can History be Our Guide? The Pitfalls of Counterfactual Inference'" hdl:1902.1/DXRXCFAWPK UNF:3:DaYlT6QSX9r0D50ye+tXpA== Murray Research Archive [distributor]
Optionale Zitatelemente wie [producer] oder [distributor] können durch Paare ``Wert [Feldname]'' angehängt werden.
TheData.org
Für das Halten der Daten ist die Dataverse Network OpenSource-Software (http://thedata.org/) frei verfügbar. Als Web Applikation wird für die meisten jedoch kein Grund vorhanden sein, die Software lokal zu installieren, sondern man meldet ein eigenes, sogenanntes "Dataverse" bei einem der Data Repositories an.
- Das eigene Dataverse lässt sich unproblematisch in die eigene Homepage unter Berücksichtung des Designs einbauen.
- Die Daten werden persistent, zitatfähig und
- automatisch in verschiedenen Datenformaten zur Verfügung gestellt.
- Für jeden Datensatz können Nutzungsbedingungen festgelegt werden.
- Eine Auswahl statistischer Methoden kann online auf die Daten angewendet werden.
Bibliography
- Altman & King2007
-
Altman, M., & G. King. 2007. A Proposed Standard for the Scholarly Citation of Quantitative Data. D-Lib 13(3/4), http://dlib.org/dlib/march07/altman/03altman.html
CyStats Statistics
Samstag, 01. November 2008Vor einem Monat habe ich das CyStats WordPress Plugin installiert und nun ist es Zeit für eine kleine statistische Auswertung.
31. Oktober 2008: You have approximately 33 visits to your feeds and 271 human visitors to your website today, the average bounce rate is 58.42%, 34 visitors came via search engines.
Der Blog läuft seit 516 Tagen mit durchschnittlich 1.06 Beiträgen und 1.95 Kommentaren pro Tag und im Regelfall kommen zwischen 200 und 300 Leute (ohne Bots) zu Besuch.
Und was interessierte die Leute am meisten?
| Die im Oktober am meisten hier besuchten Blogseiten | Besuche | Prozent |
|---|---|---|
| Main page | 652 | 17% |
| Tintenfische (Kalmare) zubereiten | 561 | 14% |
| Wallpaper Norwegen | 440 | 11% |
| Heimtiermesse Hannover | 318 | 8% |
| Orconectes nana tragen Eier | 294 | 7% |
| Der eigene Web-Comic (Teil 1) | 183 | 5% |
| Random Correlation Matrices | 143 | 4% |
| Nudelauflauf mit Spinat | 120 | 3% |
| PDF Import mit OpenOffice | 100 | 3% |
| Letztes Wochenende in Oldenburg | 83 | 2% |
| Mäusefangen | 79 | 2% |
| Schlaf ist kein adäquater Ersatz für Koffein | 76 | 2% |
| PDF-Dokumente inklusive Übersicht und Hyperlinks zusammenfügen | 74 | 2% |
| Glückskekse selber backen | 69 | 2% |
| Subversion unter SUSE 10.2 | 54 | 1% |
| Fachschaftennacht | 51 | 1% |
| Namensänderung nach der Heirat | 48 | 1% |
| You don't know Jack 2 unter Windows XP und Wine | 46 | 1% |
| Search-Phrases | 45 | 1% |
Das Plugin listet mir 547 Suchanfragen für diesen Monat (was sehr wenig ist - werden nicht alle angezeigt?). Im folgenden finden sich die häufigsten Suchanfragen, die nicht wie z.B. "Matheaufgabe Tentakeln" nur einmal eintrafen:
Wie man sieht war der Tintenfisch-Ausnehmen-und-Braten-Beitrag trotz Kritik meiner Stammleser ein voller Erfolg.
Statistische Daten
Montag, 15. September 2008Wer gerne mal mit statistischen Daten spielt – hier ein paar Links:
- Statistisches Bundesamt Deutschland – GENESIS – Online Recherche
- Eurostat
- Gemeinsames Datenangebot der Statistischen Ämter des Bundes und der Länder
- NLS-Online, Regional-Statistik-Niedersachsen
Nicht wundern über den Blogeintrag – ich wurde danach speziell gefragt, also kommt’s hier gleich öffentlich hin.
Btw. (aus Wikipedia – Statistik):
Das Wort Statistik stammt vom lateinischen „statisticum“ („den Staat betreffend“) und dem italienischen „statista“ („Staatsmann” oder „Politiker“). Die deutsche Statistik, eingeführt von Gottfried Achenwall (1749), bezeichnete ursprünglich die Lehre von den Daten über den Staat, also Staatstheorie. Im 19. Jahrhundert hatte der Engländer Sir John Sinclair das Wort erstmals in seiner heutigen Bedeutung des allgemeinen Sammelns und Auswertens von Daten benutzt.
Vortrag in Dortmund
Montag, 18. August 2008Wir haben in der letzten Woche auf der
in Dortmund einen Vortrag gehalten. Einen Vortrag an den man sich erinnern wird… – vielleicht nicht wegen dem Inhalt, sondern weil sich Bernds vorbereiteter Computer im Talk vor uns ausgeschaltet hat. Von unseren 15 Minuten Vortragszeit warteten wir 10 Minuten darauf, dass der Computer startete. Emule, Antivir, Windows Sicherheitscenter, diverse Mediacenter und andere Programme mussten sich erst starten und mit Informationen versorgen, bevor wir endlich mit Folien weitermachen konnten.
Trotz allem haben wir zu drei Leuten neuen, vielversprechenden Kontakt bekommen und inhaltlich war der Vortrag trotz allem gut. An uns ran kamen von der Präsentation sonst nur zwei Vorträge: In dem einen wurde nach 3 Minuten Einleitung einfach ein Präsentationsvideo abgespielt und im anderen Vortrag hatte der Vortragende sich so erkältet, dass er die Folien ohne Kommentar durchging.
Btw.: Wo kann man in Dortmund sinnvoll übernachten? Ich habe 70€/Nacht für ein Hotel mit dreckigen Handtüchern und ohne WLAN bezahlt! (Wenn ich es selber zahlen müsste, hätte ich sonst in der Uni übernachtet – Ich konnte nicht bei meinem Kollegen übernachten, da wegen Wasserschäden schon seine Freundin notdürftig bei ihm untergekommen war…) Das Hostel in München für 20€/Nacht war in jeder Hinsicht (nagut, es gab kein Frühstück) um Meilen angenehmer…
Projekt vorbei
Montag, 14. Juli 2008Das große Projekt bei uns am Institut ist nun vorbei.
Vorstellen werden wir das Framework des GUI-Teilprojektes unter dem Titel “Towards a Java Framework for Rapid Development of Graphical User Interfaces for Statistical Applications based on R” auf der UseR im August.
Jemand Interesse?
Wer kommt uns besuchen?
Dienstag, 01. Juli 2008Wer von den Statistikern kommt uns nächsten März in Hannover besuchen?
Macht euch keine Mühe, die Domain auf dem Flyer ins Adressfeld einzugeben – soweit sind wir noch nicht…
Sternenhimmel
Mittwoch, 14. Mai 2008
Man schaut in den Himmel und nach einiger Zeit erscheinen die Figuren… bloß der Mond ist heute in Wirklichkeit zu hell.
@Schmooke: Wo ich gerade bei Projekten war – wann programmieren wir die Stereoskopie-3D-Version von Celestia?
(Und btw.: Auch in der Statistik werden anscheinend Stereogramme zur Visualisierung verwendet. Zitat aus RNews Volume 2/2, June 2002, Seite 22.)
Loading ...
