mar671 - Statistik-Software R: Einführung (Vollständige Modulbeschreibung)

mar671 - Statistik-Software R: Einführung (Vollständige Modulbeschreibung)

Originalfassung Englisch PDF Download
Modulbezeichnung Statistik-Software R: Einführung
Modulkürzel mar671
Kreditpunkte 6.0 KP
Workload 180 h
Einrichtungsverzeichnis Institut für Chemie und Biologie des Meeres (ICBM)
Verwendbarkeit des Moduls
  • Master Umweltmodellierung (Master) > Mastermodule
Zuständige Personen
  • Ruckdeschel, Peter (Modulverantwortung)
Teilnahmevoraussetzungen
Kompetenzziele

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
Modulinhalte

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
Unterrichtsprachen Deutsch, Englisch
Dauer in Semestern 1 Semester
Angebotsrhythmus Modul jährlich
Aufnahmekapazität Modul unbegrenzt
Modulart Wahlpflicht / Elective
Modullevel MM (Mastermodul / Master module)
Lehr-/Lernform 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)
Vorkenntnisse Vertrautheit im Umgang mit Rechnern, Matlab
Lehrveranstaltungsform Kommentar SWS Angebotsrhythmus Workload Präsenz
Vorlesung 2 SoSe oder WiSe 28
Übung 2 SoSe oder WiSe 28
Präsenzzeit Modul insgesamt 56 h
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul
Klausur am Ende der Veranstaltungszeit, fachpraktische Übungen oder mündliche Prüfung nach Maßgabe der Dozentin oder des Dozenten

1 benotete Prüfungsleistung
Klausur oder fachpraktische Übung (testierte Übungsaufgaben) oder mündliche Prüfung

Aktive Teilnahme
Aktive Teilnahme umfasst z.B. die regelmäßige Abgabe von Übungen, Anfertigung von Lösungen zu Übungsaufgaben, die Protokollierung der jeweils durchgeführten Versuche bzw. der praktischen Arbeiten, die Diskussion von Seminarbeiträgen oder Darstellungen von Aufgaben bzw. Inhalten in der Lehrveranstaltung in Form von Kurzberichten oder Kurzreferat. Die Festlegung hierzu erfolgt durch den Lehrenden zu Beginn des Semesters bzw. zu Beginn der Veranstaltung.