====== Allgemeines ======
Bepunktung: alle Aufgaben 2 oder 3 Punkte, sofern nicht anders vermerkt)
Anmerkung: Auch wenn man keinen Taschenrechner verwenden durfte, waren die Zahlen *echt* krumm. Z.B. musste man durch 1079 teilen...

====== Aufgaben ======


==== Aufgabe 1 ====
In einem hypothetischen Datensatz befinden sich zu mehreren Patienten u.a. die folgenden vier Merkmale: 
  *     Geschlecht (männlich oder weiblich)
  *     Bildungsabschluss (abi, hochschule, phd)
  *     Krankheitsanamnese (ja, nein)
  *     Blutdruck (metrisch)

Schreiben Sie eine Klassifikation und eine Regression mit diesen Merkmalen nach der in der Vorlesung verwendeten Notation (die Tilde)

Unsere Lösung:
Regression: Blutdruck ~ Geschlecht + Bildungsabschluss + Krankheitsanamnese
Klassifikation: z.b. Abschluss ~ Geschlecht + Krankheitsanamnese

==== Aufgabe 2 ====
Beschreiben Sie, was folgende Funktionen in R bewirken: (4 Punkte)
  * abline
  * prcomp
  * scale
  * pairs
  * ifelse
  * tapply
  * IQR
  * reshape


==== Aufgabe 3 ====
Berechnen Sie anhand folgender Vierfeldertafel die Prävalenz sowie ein Assoziationsmaß:

[Hier eine Vierfeldertafel mit ziemlich ungeraden Zahlen einfügen]


==== Aufgabe 4 ====
Beschreiben Sie anhand des folgenden Diagramms, wie viele Cluster Sie erwarten würden:

[Dendorgramm ähnlich - aber nicht identisch - zu dem in Braindump 2017 hier einfügen; Ast in Richtung von F existiert nicht.]

Erklären Sie zusätzlich Complete Linkage sowie Agglomeratives Clustering.

Unsere Antwort zum Dendrogramm: Es gab nur 2 Cluster, weil es einen großen Abstand nach oben gab ohne neue Cluster.


==== Aufgabe 5 ====
[Eine Vierfeldertafel gegeben - OBACHT, FP und FN waren vertauscht! Normalerweise ist FP rechts oben und FN links unten, hier war es genau umgekehrt]

Berechnen Sie anhand der obigen Vierfeldertafel Precision und Recall und erklären Sie das Class Imbalance Problem <evtl. sollte man das auch unter Verwendung der Prävalenz, Accuracy und Missclassification Rate?>.


==== Aufgabe 6 ====
[Gegeben waren 2 ROC-Kurven mit einem Punkt, der umkreist war; Es könnten z.B. die ROC-Kurven für einen Naive Bayes und für einen Random Forest gewesen sein.]

Im obigen Diagramm sind 2 ROC-Kurven abgebildet. Erklären Sie, was eine ROC-Kurve ist und beschreiben Sie, was der markierte Punkt im obigen Diagramm aussagt. Schätzen Sie zusätzlich jeweils den AUC-Score für die beiden Kurven, vergleichen Sie die beiden und erklären Sie, wie man jeweils die Performance des zugrunde liegenden Verfahren anhand der ROC-Kurve einschätzen kann.

=> Vermutlich sollte man hier u.a. Diskriminierung und Kalibrierung erklären und welche Verfahren man dafür verwenden kann. (Das war in derAufgabenstellung aber nicht explizit genannt)


==== Aufgabe 7 ====
Erklären Sie (ggf. anhand einer Zeichnung) wie die Fakten und Dimensionen des Star-Schemas in einem Datawarehouse aufgebaut sind. (Vgl. Braindump 2017)

==== Aufgabe 8 ====
Wie kann Bootstrapping in Verbindung mit einem Prädiktionsmodell genutzt werden? Welche Vorteile und welche Nachteile entstehen hierbei? (Vgl. Braindump 2017)

==== Aufgabe 9 ====
[Zeichnung einer Kurve einer linearen Regression für ein binäres Attribut] 

Warum könnte das für dieses Diagramm gewählte Verfahren ungeeignet sein und welches wäre besser dafür geeignet? Nennen Sie auch die R-Funktion dafür.

==== Aufgabe 11 ====
Beim mittleren Arteriellen Druck werden auch Schwankungen miteinberechnet. Welche statistischen oder grafischen Verfahren gibt es, die jeweils kurzfristige Schwankungen und Dauer eines zu niedrigen Blutdrucks feststellen? (Vgl. Braindump 2017)

==== Aufgabe 12 ====
Welche Probleme treten bei der Analyse von zensierten Ereigniszeiten auf? Nennen Sie eine Methode, um zensierte Ereigniszeiten graphisch oder statistisch zu analysieren?