290137 VU Statistische Datenanalyse mit R (2020S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 10.02.2020 08:00 bis So 23.02.2020 23:59
- Abmeldung bis Do 30.04.2020 23:59
Details
max. 30 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
e-learning - Umstellung!
Die Einheiten bis einschließlich 02.04. werden über moodle abgewickelt. Sie finden an den eigentlichen Präsenzterminen ein erweitertes Moodle-Angebot mit Audio und Videos zum Selbststudium.
Das moodle-Forum bleibt fürs Erste Anlaufstelle bei Fragen.
Donnerstag
05.03.
16:15 - 18:45
Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Donnerstag
19.03.
16:15 - 18:45
Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Donnerstag
26.03.
16:15 - 18:45
Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Donnerstag
02.04.
16:15 - 18:45
Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Donnerstag
23.04.
16:15 - 18:45
Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Donnerstag
30.04.
16:15 - 18:45
Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Donnerstag
07.05.
16:15 - 18:45
Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Donnerstag
14.05.
16:15 - 18:45
Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Donnerstag
28.05.
16:15 - 18:45
Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Donnerstag
04.06.
16:15 - 18:45
Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Donnerstag
18.06.
16:15 - 18:45
Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Anwesenheit und Mitarbeit (25%)
Übungsarbeiten (40%)
Abschlussprüfung (35%) MC-Fragen plus offene Fragen
Übungsarbeiten (40%)
Abschlussprüfung (35%) MC-Fragen plus offene Fragen
Mindestanforderungen und Beurteilungsmaßstab
Die Benotung basiert auf der Vergabe von Punkten. Maximal sind 100 Punkte erreichbar.
Für eine positive Benotung sind folgende Mindestanforderungen zu erfüllen:
- laufende Anwesenheit: (max. 4 SWS Fehleinheiten)
- Abgabe von mind. 5 Übungsaufgaben
- Minimum von 55 Punkten auf die Lehrveranstaltung, davon:
o Minimum von 18 Punkten auf die Abschlussprüfung (max. 35 Pkt.)
o Minimum von 18 Punkten auf die Übungsarbeiten (max. 40Pkt.)Benotungsschlüssel:>= 85 Punkte: sehr gut
75 < 85 Punkte: gut
65 < 75 Punkte: befriedigend
55 < 65 Punkte: genügend
< 55 Punkte: nicht genügend
Für eine positive Benotung sind folgende Mindestanforderungen zu erfüllen:
- laufende Anwesenheit: (max. 4 SWS Fehleinheiten)
- Abgabe von mind. 5 Übungsaufgaben
- Minimum von 55 Punkten auf die Lehrveranstaltung, davon:
o Minimum von 18 Punkten auf die Abschlussprüfung (max. 35 Pkt.)
o Minimum von 18 Punkten auf die Übungsarbeiten (max. 40Pkt.)Benotungsschlüssel:>= 85 Punkte: sehr gut
75 < 85 Punkte: gut
65 < 75 Punkte: befriedigend
55 < 65 Punkte: genügend
< 55 Punkte: nicht genügend
Prüfungsstoff
Der Inhalt der Abschlussprüfung umfasst die theoretischen und methodischen Grundlagen, die in der Lehrveranstaltung behandelt wurden, sowie die Interpretation von Ergebnissen.
Literatur
Michael J. Crawley (2013): The R Book; John Wiley & Sons, Ltd, UK ISBN 978-0-470-97392-9Daniel Wollschläger (2017): Grundlagen der Datenanalyse mit R; Mainz, ISBN: 978-3-662-53670-4 (eBook) - DOI 0.1007/978-3-662-53670-4Schönwiese C.-D. (2000): Praktische Statistik für Meteorologen und Geowissenschaftler, 3. Auflage, Gebrüder Bornträger, Berlin-StuttgartW. N. Venables, D. M. Smith and the R Core Team (2017): Introduction to R, https://cran.r-project.org/
Zuordnung im Vorlesungsverzeichnis
(BA GG 5.2)
Letzte Änderung: Mo 07.09.2020 15:21
1. Vertiefung und Erweiterung statistischer Methoden in der physischen Geographie
2. Erlernen der Umsetzung mit R
Ein wichtiges Augenmerk wird auf die Verbindung dieser beiden Teile gelegt, d.h. die Studenten sollen die Theorie statistischer Methoden verstehen und diese auch in konkrete Analyseschritte im R umsetzen können. Daher wird im ersten Drittel der Übung der Schwerpunkt auf dem Umgang mit der Software liegen und sukzessive mit statistischen Anwendungen erweitert werden. Im zweiten Drittel der Übung werden die in der VU „Einführung in die Statistik“ gelernten Methoden wiederholt und die Umsetzung mittels R gelernt. Aufbauend darauf, wird die Anwendung von häufig in der Physiogeographie verwendeten bi- und multivariaten Methoden anhand konkreter Beispiele aus der Forschung vertieft, sowie der grundlegende Umgang mit Raster- und Vektordaten in R erlernt werden. Daraus ergeben sich folgende Ziele:
Die Studierenden:
- Können sich einen Überblick über jeden beliebigen Datensatz in R verschaffen
- Verstehen die Programmumgebung und können selbstständig nach passenden R-Funktionen, Paketen und deren Beschreibung suchen
- Sind in der Lage; Datensätze mittels deskriptiver Statistiken zusammenzufassen und in Diagrammen und Graphiken (in R) aufzubereiten
- Sind in der Lage, große Datensätze mithilfe von R-Skripten effektiv zu analysieren
- Können die wichtigsten statistischen Funktionen in R anwenden und auch eigene Funktionen programmieren
- können uni,- bi- und multivariate Analysen in R durchführen und die Ergebnisse evaluieren
- können passende Testverfahren für die Überprüfung von Hypothesen auswählen und durchführen
- können die Ergebnisse richtig interpretieren und sprachlich verständlich zusammenfassenEinzelne Einheiten bestehen jeweils aus:
~ 10 Min. - Besprechung aufgetretener Fragen und Probleme der Vorwoche
~ 50 Min – Vorlesung
~75 Min – Umsetzung des in der Vorlesung behandelten Themas in R
Jeweils nach 2 dieser 3-stündigen Lehrveranstaltungseinheiten findet in der Woche darauf zum selben Termin das Tutorium statt.Der Inhalt der Vorlesung wird als Skript (ppt-Folien) auf moodle zur Verfügung gestellt. Benötigte Datensätze und Information stehen ebenfalls auf moodle zur Verfügung.