Statistik Grundlagen und Programmieren mit R

Grundlagen von R

• Kurzer Einblick in R und R-Studio
• Erläuterungen zur Nutzung von R und R-Studio (Editor, Konsole, Hilfefunktion und mehr)
• Prozess der Paketinstallation und -einbindung
• Zuordnung von Variablen
• Erstellen und Durchführen von Skripten

Datenstrukturen

• Vektor, Faktor und Array in der R-Umgebung
• Auswahl von Elementen
• Datenaufbereitung mit grundlegenden Funktionen
• Umwandlung von Daten in verschiedene Datenstrukturen

Einführung in dplyr (ein Bestandteil des tidyverse)

• Üerblick über die Tidyverse Pakete
• Ein Tibble - Fortentwicklung des data.frames
• Anwendung erster dplyr-Funktionen zur Spaltenauswahl
• select(), filter(), rename(), slice()
• Einsatz logischer Operatoren

Datenmodifikation mit dplyr

• Sortierung von Zeilen mit arrange()
• Berechnung neuer Spalten mittels mutate()
• Statistische Zusammenfassung mit summarise()
• Der Pipe Operator %>%
• Gruppierung von Analysen mit group_by()
• Behandlung von fehlenden Daten mit drop_na(), replace_na()

Statistikermittlung mit dplyr

• Hauptdeskriptive Statistiken
• Auswahl zufälliger Stichproben aus vorhandenen Daten
• Korrelationsuntersuchung (Spearman, Pearson)
• Erstellung von Kontingenztabellen

Kontrollabläufe

• Erstellung benutzerdefinierter Funktionen
• Definition von Standardwerten in Funktionen
• Einsatz von For-Schleifen
• If-Else Anweisungen

Datenvisualisierung über ggplot2

• Verständnis der Grafikgrammatik
• Anwendung der ggplot2-Ebenen zur Erstellung erster Grafiken und statistischer Darstellungen
• Anpassen von Darstellungen (Größe der Datenpunkte, Farbgebung, Gruppierung) mit konstanten oder variablen Werten
• Erzeugung mehrerer Subplots, Anpassung und Speicherung von Grafiken

Datenaufnahme und -export

• Festlegung des Arbeitsverzeichnisses in R und RStudio
• Import/Export von CSV-, Excel- oder SPSS-Dateien
• Übersicht über hilfreiche Parameter
• Die fread()-Funktion für umfangreiche Datensätze

Puffer und ggfalls Fallstudien

• Vorreservierte Zeit für Anfänger zur Fragestellung, zum Testen und zum Schreiben von Code
• Mögliche Fallstudie zur selbständigen Vertiefung des Erlernten und zur Besprechung auftretender Fragestellungen

• Keine Vorkenntnisse in R oder anderen Programmiersprachen erforderlich.
• Erfahrung im Umgang mit Daten, z. B. durch die Arbeit mit Excel oder BI-Software, wird empfohlen.
• Grundlegende Computerkenntnisse und mathematische Grundkenntnisse, wie das Verständnis von Funktionen und statistischen Konzepten, sind notwendig.
• Englischkenntnisse sind hilfreich, da die Fachbegriffe und Dokumentationen häufig auf Englisch sind, obwohl das Seminar auf Deutsch gehalten wird.

• Das Seminar richtet sich an Personen, die die Grundlagen der Programmierung und Datenanalyse mit R erlernen möchten.
• Besonders geeignet für Fachkräfte, die bereits in ihrem Unternehmen mit der statistischen Auswertung von Daten betraut sind oder eine Entwicklung in diese Richtung anstreben.
• Ideal für Teilnehmer:innen mit wenig bis keiner Erfahrung in Datenanalyse, statistischer Auswertung und der Nutzung von R und RStudio.