Studienhandbuch | PR Datenanalyse mit statistischer Software

Inhalt

Workload	Ausbildungslevel	Studienfachbereich	VerantwortlicheR	Semesterstunden	Anbietende Uni
4 ECTS	B2 - Bachelor 2. Jahr	Statistik	Markus Hainy	2 SSt	Johannes Kepler Universität Linz

Detailinformationen
Anmeldevoraussetzungen	keine
Quellcurriculum	Bachelorstudium Statistik und Data Science 2023W
Ziele	Fortgeschrittene Verwendung und Erweiterung der Statistik-Software R.
Lehrinhalte	Verschiedene Aspekte der Sprache S und des Dialekts R, erweiterte Graphiken; effektive Organisation sauberer Daten mit dem tidyverse; statistische Modellierung mittels linearer Modelle; Einführung in Literate Programming.
Beurteilungskriterien	Hausübungen und schriftliche Projektausarbeitung
Lehrmethoden	Vortrag durch Lehrende/n; Diskussion der Hausübungen, die durch die Studierenden präsentiert werden; Eigenständiges Programmieren von statistischen Analysemethoden
Abhaltungssprache	Deutsch
Literatur	Ligges, U. (2009) Programmieren mit R, Springer, Berlin / Heidelberg, 3. Auflage. Wickham, H, Grolemund, G. (2016) R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. O’Reilly. Ergänzungsliteratur wird in jedem Semester bekannt gegeben
Lehrinhalte wechselnd?	Nein
Äquivalenzen	4MSSS2PR: PR Statistische Simulationen II (4 ECTS) und 551STSOSIMU14: Statistische Simulationen (4 ECTS)

Präsenzlehrveranstaltung
Teilungsziffer	20
Zuteilungsverfahren	Zuteilung nach Vorrangzahl