|
Lehrende: Dr. Niels Schwab
Veranstaltungsart:
Übung
Anzeige im Stundenplan:
Semesterwochenstunden:
2
Credits:
4,0
Unterrichtssprache:
Deutsch
Min. | Max. Teilnehmerzahl:
12 | 20
Kommentare/ Inhalte:
Zur Vorbereitung auf den Blockkurs wird ca. zwei Wochen vor dem Kurs eine Nachricht über STiNE verschickt, die vor Veranstaltungsbeginn zu erledigende Aufgaben enthält (Installation und Einrichtung der Software). Weitere Informationen finden Sie unterhalb bei „Vorgehen“.
Die frei verfügbare Statistiksoftware R ist ein Werkzeug zur statistischen Datenanalyse und (ggf. räumlichen) grafischen Darstellung von Daten und Ergebnissen. R ist zunehmend die Standardsoftware für statistische Auswertungen im wissenschaftlichen Bereich und in Unternehmen.
Der Blockkurs umfasst im Einzelnen die Themen:
- Grundlagen von R, Installation des Basispakets sowie dessen Erweiterungen
- Graphische Benutzeroberflächen für R, insbes. R Studio, Nutzung der internen Hilfe-Funktionen, Hilfen im Internet
- Datenimport und -manipulation, Interaktion mit Tabellenkalkulationsprogrammen, z.B. MS Excel
- Berechnung von deskriptiven Statistiken wie Mittelwert, Standardabweichung, Median, Quantile, Häufigkeitsverteilungen
- Visualisierung der Daten mittels einfacher Grafiken: Histogramme, Boxplots, Balken- und Streudiagramme
- Korrelationsanalyse
- Lineare Modelle (GLM), Regressionsmodelle (Grundlagen, kurzer Einblick; Vertiefung ggf. in Kurs für Fortgeschrittene in folgender Woche)
- R als Geographisches Informationssystem (GIS) (Grundlagen, kurzer Einblick; Vertiefung ggf. in Kurs für Fortgeschrittene in folgender Woche)
In der auf den Kurs folgenden Woche findet ein Kurs für Fortgeschrittene statt, dessen Besuch im Anschluss sinnvoll sein kann. Sollten Sie auch an diesem Kurs Interesse haben, ihn in STiNE aber nicht sehen, können Sie sich gerne an den Dozenten, Johannes Weidinger (johannes.weidinger@uni-hamburg.de) wenden.
Lernziel:
Der Kurs gibt eine niedrigschwellige Einführung in R und seine Grundfunktionalitäten. Dabei erarbeiten sich die Teilnehmenden anhand von Übungen den Einstieg in statistische Analysen mit biogeographischen Schwerpunkten.
Der Fokus der Veranstaltung liegt auf den aus Statistik- und GIS-Veranstaltungen bekannten Inhalten, die mittels R anhand von räumlichen Vegetations- und Bodendaten wiederholt und vertieft werden. Die Teilnehmenden verstehen, wie das Programm R zu bedienen ist und wie R-Funktionen aufgebaut sind. Es ist Zeit eingeplant, in der ausprobiert und "Fehler" und Hilfe selbst gefunden werden. Aus einem Beispieldatensatz werden Fragestellungen abgeleitet, die die Teilnehmenden durch passend gewählte Analysen untersuchen. Hinweise zur Übertragbarkeit der Methoden auf andere, z.B. von den Teilnehmenden selbst erhobene oder gemessene Datensätze werden gegeben.
Damit kann dieser Kurs als Ausgangspunkt für den weitergehenden Einsatz von R in individuellen Fragestellungen (z.B. Abschlussarbeiten, Praktika, Projekte, …) und ggf. den Kurs für Fortgeschrittene (siehe oben) dienen.
Vorgehen:
Nach der Installation und der Behandlung von Grundlagen der Bedienung von R wird die praktische Anwendung einfacher deskriptiver statistischer Methoden geübt. Alle statistischen Verfahren werden zur Auffrischung kurz erklärt. Die Inhalte bauen aufeinander auf, daher sollten Sie möglichst, wie bei einem Blockkurs üblich, alle Tage vollständig für die Teilnahme frei halten.
Bitte unbedingt beachten:
- Ca. zwei Wochen vor dem Kurs wird eine Nachricht über Stine verschickt, die Aufgaben zur Vorbereitung auf den Kurs enthält. Diese Aufgaben umfassen die Installation und Einrichtung der Software auf einem USB-Stick, mit dem Sie während des Kurses arbeiten.
- Bitte prüfen Sie in dieser Zeit Ihren Stine-Account oder richten Sie eine Weiterleitung der Nachrichten zu Ihrem E-Mail-Postfach ein.
- Diese Aufgaben sind unbedingt vor dem Kurs durchzuführen. Der Zeitaufwand beträgt etwa eine Stunde.
Melden Sie sich gerne, wenn Sie Fragen zu der Veranstaltung haben (niels.schwab@uni-hamburg.de).
Literatur:
- Alexandrowicz, R. W. (2013). R in 10 Schritten. Einführung in die statistische Programmierumgebung. Wien: facultas wuv / UTB.
- Dormann, C.F. (2017): Parametrische Statistik. Springer Spektrum, Berlin Heidelberg
- Hatzinger, R., Hornik, K., Nagel, H. & Maier, M. (2014). R: Einführung durch angewandte Statistik. 2. Auflage, Hallbergmoos: Pearson
- Herrmann, L. (2018): Bodenkunde Xpress. Ulmer / UTB, Stuttgart
- Martin, K. & Sauerborn, J. (2006): Agrarökologie. Ulmer / UTB, Stuttgart
- Oestreich, M., Romberg, O. (2014): Keine Panik vor Statistik! Erfolg und Spaß im Horrorfach nichttechnischer Studiengänge. Springer Spektrum, Wiesbaden
- Schwab, N., Conradt, J., Gottschalk, R., Jentsch, H., Kaul, N., Werner, M., Bobrowski, M., Weidinger, J., Blender, R., Fischer, E., Oldeland, J., Otto, S. A., Böhner, J. (2017 - 2021): RLab - Skriptbasierte modulare Umweltstatistik. Lehrlabor, Universitätskolleg 2.0, Universität Hamburg. https://rlab.blogs.uni-hamburg.de. CC BY-SA
- Stahr, K., Kandeler, E., Herrmann, L. & Streck, T. (2016): Bodenkunde und Standortlehre. Ulmer / UTB, Stuttgart
- Wollschläger, D. (2016): R kompakt: der schnelle Einstieg in die Datenanalyse. Springer Spektrum, Berlin Heidelberg
- Zuur, A. F., Ieno, E. N. & Meesters, E. (2009). A beginner's guide to R. New York: Springer.
Zusätzliche Hinweise zu Prüfungen:
- aktive Mitarbeit, Übungsaufgaben während der Veranstaltung
- Benotung anhand einer Hausaufgabe und einer Abschlussaufgabe
|
