Universität Wien

290137 VU Statistische Datenanalyse mit R (2023S)

5.00 ECTS (2.00 SWS), SPL 29 - Geographie
Prüfungsimmanente Lehrveranstaltung

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 30 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Donnerstag 02.03. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 09.03. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 16.03. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 23.03. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 30.03. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 20.04. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 27.04. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 04.05. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 11.05. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 25.05. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 01.06. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 15.06. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 22.06. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528
  • Donnerstag 29.06. 16:45 - 18:15 Seminarraum Geographie NIG 5.OG C0528

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

In dieser Lehrveranstaltung werden statistische Methoden in der physischen Geographie vertieft und deren Anwendung mit R umgesetzt.
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. Im ersten Teil der Übung wird sich mit dem Umgang mit der Software und Grundlagen der Datenaufbereitung befassen. Im zweiten Teil 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. Daraus ergeben sich folgende Ziele:

Die Studierenden...
...verstehen die Programmumgebung und können selbstständig nach passenden R-Funktionen, Paketen und deren Beschreibung suchen,
...können sich einen Überblick über jeden beliebigen Datensatz in R verschaffen,
...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, und
...können die Ergebnisse richtig interpretieren und sprachlich verständlich zusammenfassen.

Einzelne Einheiten bestehen jeweils aus:
- 10 Min. - Besprechung aufgetretener Fragen und Probleme der Vorwoche
- 30 Min – Vorlesung
- 50 Min – Umsetzung des in der Vorlesung behandelten Themas in R

Jeweils nach 3 dieser 2-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.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Anwesenheit und Mitarbeit (10%)
Übungsarbeiten (60%)
Projektbericht (30%)

Mindestanforderungen und Beurteilungsmaßstab

Die Benotung der Lehrveranstaltung basiert auf der Vergabe von Punkten. Es sind maximal 100 Punkte erreichbar.
Für eine positive Benotung sind folgende Mindestanforderungen zu erfüllen:
- regelmäßige Anwesenheit (max. fehlen bei 2 Einheiten)
- Abgabe von mind. 4 Übungsaufgaben
- Minimum von 55 Punkten für die Lehrveranstaltung, davon...
... mindestens 16 Punkte auf den Projektbericht (max. 30 Pkt.)
... mindestens 33 Punkte auf die Übungsarbeiten (max. 60 Pkt.)

Benotungsschlüssel:
>= 85 Punkte: sehr gut
75 < 85 Punkte: gut
65 < 75 Punkte: befriedigend
55 < 65 Punkte: genügend
< 55 Punkte: nicht genügend

Prüfungsstoff

Statt einer Prüfung wird ein Projekt ausgearbeitet.

Literatur

Michael J. Crawley (2013): The R Book; John Wiley & Sons, Ltd, UK ISBN 978-0-470-97392-9

Daniel Wollschläger (2017): Grundlagen der Datenanalyse mit R; Mainz, ISBN: 978-3-662-53670-4 (eBook) - DOI 0.1007/978-3-662-53670-4

Schönwiese C.-D. (2000): Praktische Statistik für Meteorologen und Geowissenschaftler, 3. Auflage, Gebrüder Bornträger, Berlin-Stuttgart

W. 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: Sa 25.02.2023 09:08