Statistische Programmiersprachen

(Bachelor, 3. oder 5. Semester)

Ziel des Kurses

Das Bearbeiten vieler realer Datensätze ohne Computer ist auf Grund deren Umfang  kaum mehr ohne Computer möglich. Es bietet sich also an, eine statistische Programmiersprache zu nutzen, um gründliche und qualitativ hochwertige Analysen zuverlässig und vollautomatisch durchführen zu lassen. In diesem Kurs werden folgende Themen angeboten:

• Kennenlernen der Programmiersprache R,
• Einführung in relevante Pakete der Sprache,
• Anwendung von Methoden der Statistik I und II auf reale Datensätze,
• korrekte Interpretation und zielgerichtete Visualisierung der Ergebnisse.

Semesterablauf

• Die Vorlesungen finden in der Woche vom 3.-7. Oktober 2022 in 2.-4. DS als Blockveranstaltung im Computerpool FAL/002 statt. Vorlesungen und Übungen werden finden als Einheit statt.
• Bitte beachten Sie, dass am Tag der deutschen Einheit am (03.10.2022) keine Vorlesung stattfindet.
• Als Voraussetzung für den Erhalt der ECTS, müssen die Teilnehmer eine schriftliche "openbook" Prüfung (120 Minuten) erfolgreich ablegen.
• Die Kurssprache ist Deutsch.

Aktuelles

• Aktuelle Information sowie die Unterlagen zum Kurs finden Sie in OPAL, erstmal ohne Passwort. Bitte schreiben Sie sich ein. Das Passwort erhalten Sie am ersten Tag und dann wird die OPAL-Seite Passwortgeschützt.

Veranstaltungen

Themen

(Änderungen sind möglich)

• The basics of R: first simple programs, first graphs;
• Methods from of Statistics 1 and 2: descriptive statistics, probability theory, decision theory, linear regression;
• Numerical Techniques: integration, defferentiation, optimization;
• Modern visualization tools: rpanel, ggplot;
• Other modern powerful packages.

 Literatur

• Härdle, W., Okhrin, O., Okhrin, Y., 2017. Basic Elements of Computational Statistics, Springer Verlag.
• Wickham, H. and Grolemund, G., 2016. R for Data Science: Import, Tidy, Transform, Visualize, and Model Data, O'Reilly Media, Inc.
• Spector, P., 2008. Data Manipulation with R, Series Use R!, Springer Verlag.
• Cowpertwait, P., Metcalfe, A., 2009. Introductory Time Series with R, Series Use R!, Springer Verlag.
• Dalgaard, P., 2002. Introductory Statistics with R, Springer Verlag.
• Silge, J., Robinson, D. 2017. Text Mining with R: A Tidy Approach, O'Reilly