 |
| Detailinformationen |
| Anmeldevoraussetzungen |
keine
|
| Quellcurriculum |
Bachelorstudium Statistik und Data Science 2025W |
| Lernergebnisse |
Kompetenzen |
| Die Studierenden können anspruchsvolle Datenenalysen mit der Programmiersprache R durchführen und die Ergebnisse der Analysen in dynamisch generierte Berichte einfügen und als interaktive Webseiten darstellen.
|
|
| Fertigkeiten |
Kenntnisse |
- Erzeugen komplexer Grafiken in R zur Darstellung und Analyse multivariater Daten (k4, k6)
- Anwendung effizienter Methoden zur Extraktion, Transformation, Kombination, Zusammenfassung und Analyse von Daten in R (k3, k4)
- Erstellen einfacher Dokumente mit LaTeX (k6)
- Erstellen von Dokumenten, in welchen Text, R-Code und Resultate dynamisch miteinander verknüpft werden (k6)
- Erstellen interaktiver Web-Apps mit R-Anbindung (k6)
- Durchführen linearer Regressionsanalysen in R und Bewertung der Ergebnisse (k3, k4, k5)
|
- Pakete zur Erzeugung komplexer Grafiken
- Pakete und Funktionen zur effizienten Datenmanipulation
- Grundlagen von LaTeX
- Prinzipien des Literate Programming und Pakete zur Erzeugung dynamischer Dokumente in R
- Pakete zur Erzeugung interaktiver Web-Apps mit R-Anbindung
- Anpassung linearer Modelle in R
|
|
| 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)
|
|
