mar671 - Statistics Software R: Introduction (Complete module description)

mar671 - Statistics Software R: Introduction (Complete module description)

Original version English PDF Download
Module label Statistics Software R: Introduction
Modulkürzel mar671
Credit points 6.0 KP
Workload 180 h
Institute directory Institute for Chemistry and Biology of the Marine Environment
Verwendbarkeit des Moduls
  • Master's Programme Environmental Modelling (Master) > Mastermodule
Zuständige Personen
  • Ruckdeschel, Peter (module responsibility)
Prerequisites
Skills to be acquired in this module

Kompetenzziele
- Exemplarisches Kennenlernen weiterer angrenzender Gebiete und damit Erweiterung des eigenen Fachwissens
- Kennenlernen von Anwendungen
- Fähigkeit, vorhandene Software zu verstehen, einzubinden und anzuwenden
- Vertiefung, auch exemplarisch, der im Grundlagenbereich erworbenen Kenntnisse
- Erwerb direkt berufsbezogener inhaltlicher und prozessorientierter Kompetenzen
- Erweiterung des mathematischen Wissens, vor allem aus der Statistik
- Kennenlernen von Software zur Statistik
- Fähigkeit, vorhandene Statistiksoftware und Anwendungspakete zu verstehen, einzubinden und anzuwenden

 Software-Kompetenzen
 - die Studierenden können die Software R eigenständig zur Lösung statistischer Probleme anwenden
 - sie lernen das R-Ökosystem in seiner Organisation mit CRAN, R-Code, den vielen Foren, Mailinglisten, den vielen bereitgestellten Ergänzungspaketen zu R kennen und können sich darin eigenständig mit Information versorgen
 - sie können eigenständig für die Problemstellung relevante Ergänzungspakete identifizieren, installieren und verwenden
 - sie verstehen in wesentlichen Zügen, wie der Interpreter R Code auf dem Rechner umsetzt, und können so Fehler in eigenem und fremden Code identifizieren
 
 Programmierkompetenzen
 - in einem Kurs zur Statistischen Software R werden den Studierenden Grundlagen der Programmierung vermittelt
 - die Studierenden machen Erfahrungen im gemeinsamen Programmieren und lernen dabei gute Dokumentation, Kommentierung und Coding Standards wertschätzen
 - sie kennen Tools zur Organisation und Versionierung gemeinsamen Programmiercodes wie git, gitlab  
 
 statistische Kompetenzen
- die Studierenden können für eine statistische Fragestellung die geeigneten Verfahren identifizieren und in ihrer Aussagetragweite einschätzen
- sie haben ein tieferes Verständnis dafür, wie prädiktive Modelle in R deklariert werden und können diese passgenau in praktischen Anwendungen formulieren
 - sie können statistische Sachverhalte geeignet graphisch illustratieren und diagnostische Plots zur Bewertung der Güte der eingesetzten Verfahren auswählen
 - sie sind in der Lage, Fachfremden Inhalt und Tragweite der eigenen statistischen Analyse zu vermitteln
 
 Kompetenzen bei der Organisation gemeinsam verfasster wissenschaftlicher Arbeiten
 - die Studierenden sammeln Erfahrung bei der Organisation von Programmierung und beim Verfassen wissenschaftlicher Texte in Gruppen
 - sie setzen Werkzeuge des "literate programming" wie Sweave und knitR ein, um für eine einheitliche Verwebung von Analyse-Code, Daten und Bericht/Auswertung zu sorgen
 - sie beachten aktiv die FAIR - Prinzipien des Forschungsdatenmanagements
Module contents

Vorbereitung und Installation von R; Interaktion mit R: die GUI, R-Studio, Pakete, Dokumentation & Hilfe; eine Beispielsession; Objekte inspizieren, erzeugen, speichern, laden; Datenimport; GrundDatenstrukturen: Vektoren, Listen, Matrizen, Data.frames; Indizierung; Funktionen: Aufbau und Aufruf; Explorative Datenanalyse und Tests in R; Simulationen in R, Graphik; Regression in R; Programmierstrukturen

Literaturempfehlungen

Ligges, U. Programmieren mit R. Springer

Chambers, John. Software for data analysis: programming with R. Springer.

Dalgaard, Peter. Introductory statistics with R. Springer.

Venables, William, and Brian D. Ripley. S programming. Springer.

Wickham, Hadley. ggplot2: elegant graphics for data analysis. Springer.

Xie, Yihui. Dynamic Documents with R and knitr. CRC Press, 2013.

Links
Languages of instruction German, English
Duration (semesters) 1 Semester
Module frequency jährlich
Module capacity unlimited
Type of module Wahlpflicht / Elective
Module level MM (Mastermodul / Master module)
Teaching/Learning method VL R-Kurs /Einführung und Fortgeschrittene (3 KP)
Ü R-Kurs /Einführung und Fortgeschrittene (3 KP)

(als Teil des Moduls “Statistisches Praktikum” i. d. Mathematik)
Previous knowledge Vertrautheit im Umgang mit Rechnern, Matlab
Form of instruction Comment SWS Frequency Workload of compulsory attendance
Lecture 2 SoSe oder WiSe 28
Exercises 2 SoSe oder WiSe 28
Präsenzzeit Modul insgesamt 56 h
Examination Prüfungszeiten Type of examination
Final exam of module
Klausur am Ende der Veranstaltungszeit, fachpraktische Übungen oder mündliche Prüfung nach Maßgabe der Dozentin oder des Dozenten
KL