Universität Wien FIND

Return to Vienna for the summer semester of 2022. We are planning to hold courses mainly on site to enable the personal exchange between you, your teachers and fellow students. We have labelled digital and mixed courses in u:find accordingly.

Due to COVID-19, there might be changes at short notice (e.g. individual classes in a digital format). Obtain information about the current status on u:find and check your e-mails regularly.

Please read the information on https://studieren.univie.ac.at/en/info.

290137 VU Statistical Data Analysis with R (2022S)

5.00 ECTS (2.00 SWS), SPL 29 - Geographie
Continuous assessment of course work

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. 30 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

ab Mittwoch 9.3.2022 - 18:00-20:30 Uhr
Ort: GIS-Lab (NIG, Stiege III, 1. Stock, C0109)

Wednesday 02.03. 17:45 - 20:15 Eberhard Clar Saal Geologie 2B204 2.OG UZA II

Information

Aims, contents and method of the course

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. Das erste Drittel der Übung wird sich mit dem Umgang mit der Software und Grundlagen der Datenaufbereitung befassen. 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. 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
- 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.

Assessment and permitted materials

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

Minimum requirements and assessment criteria

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

Examination topics

Der Inhalt der Abschlussprüfung umfasst die theoretischen und praktischen Grundlagen, die in der Lehrveranstaltung behandelt wurden, sowie die Interpretation von Ergebnissen.

Reading list

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/

Association in the course directory

(BA GG 5.2)

Last modified: Fr 01.04.2022 09:09