Universität Wien

290033 VU Statistical Data Analysis with R (2025W)

5.00 ECTS (2.00 SWS), SPL 29 - Geographie
Continuous assessment of course work
Moodle
We 03.12. 12:20-14:00 Seminarraum Geochemie 2C193 1.OG UZA II

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).

Details

max. 40 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

EIN LAPTOP MIT R UND RSTUDIO IST IN JEDER EINHEIT MITZUBRINGEN

keine Einheit am: 15.10,

  • Wednesday 08.10. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 15.10. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 22.10. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 29.10. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 05.11. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 12.11. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 19.11. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 26.11. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 10.12. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 17.12. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 07.01. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 14.01. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 21.01. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II
  • Wednesday 28.01. 12:20 - 14:00 Seminarraum Geochemie 2C193 1.OG UZA II

Information

Aims, contents and method of the course

In dieser LV werden statistische Methoden vertieft und deren Anwendung mit R/RStudio umgesetzt. Die praktische Umsetzung erfolgt mit Themen und Datensätzen aus der Physiogeographie.

Nach Absolvierung der LV werden Studierende in der Lage sein,
- Datensätze in R/RStudio einzulesen, bearbeiten und passende Visualisierungen zu erstellen
- Forschungsfragen zu entwickeln und Hypothesen zu generieren
- grundlegende Zusammenfassungen von großen Datensätzen mittels deskriptiver Statistik in R zu erstellen
- eigenständig an Problemen, Lösungen, R-Paketen und Funktionen zu arbeiten
- passende Testverfahren für die Überprüfung von Hypothesen auszuwählen und anzuwenden
- Ergebnisse in passender Form zu präsentieren (inkl. Verschriftlichung und Interpretation)
- R/RStudio für das weitere Studium bzw. Bachelorarbeit zu nutzen

Methoden:
- Input in den Einheiten
- Eigenständige Vertiefung mit R
- Bearbeitung eines Semesterprojektes (Gruppenarbeit)
- Präsentation von Zwischenergebnissen
- Diskussion

Assessment and permitted materials

- Anwesenheit in den Einheiten
- Mitarbeit und Diskussion
- Bearbeitung und Abgabe der Teilleistung(en)
- Projektpräsentation (Gruppenarbeit)

Erlaube Hilfsmittel:
- Unterlagen aus LV
- Internet, Literatur und anderes
- KI (beachten Sie dazu bitte die Vorgaben lt. guter wissenschaftlicher Praxis und die Informationen dazu in der LV)

Minimum requirements and assessment criteria

Insgesamt können maximal 100 Punkte erreicht werden. Diese teilen sich in folgende Teilleistungen auf:
- 10 Mitarbeit
- 40 Teilleistung(en)
- 50 Projektpräsentation

für die positive Absolvierung müssen min. 55 Punkte erreicht werden, eine regelmäßige Anwesenheit ist notwendig (Fehlen bei max. 2 Einheiten).

Benotung:
sehr gut: > 89 pt
gut: >78-89 pt
befriedigend: >67-78
genügend: >55-67
nicht genügend: <55

Examination topics

Inhalt der LV; siehe Folien Moodle

Reading list

R Core Team, 2020. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. https://www.R-project.org/.

Handl, A., Kuhlenkasper, T., 2018. Einführung in die Statistik: Theorie und Praxis mit R. Springer Berlin Heidelberg, Berlin, Heidelberg, 531 pp.

weiteres auf Moodle

Association in the course directory

(BA GG 5.2)

Last modified: Mo 22.09.2025 15:27