330152 VO+SE Statistical Data Analysis with R (2019S)
für Masterstudierende
Continuous assessment of course work
Labels
Zur Teilnahme ist ein eigener Laptop mitzubringen
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).
- Registration is open from We 20.03.2019 10:00 to Fr 22.03.2019 10:00
- Deregistration possible until Fr 22.03.2019 10:00
Details
max. 15 participants
Language: German
Lecturers
Classes (iCal) - next class is marked with N
TeilnehmerInnen müssen ihren eigenen Laptop mitbringen.
Vorzugsweise sollte darauf schon R und RStudio installiert sein:
https://www.r-project.org
https://www.rstudio.com/products/rstudio-desktop/
- Friday 29.03. 14:00 - 16:00 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Tuesday 07.05. 09:00 - 11:00 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Friday 17.05. 09:00 - 11:00 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Friday 14.06. 14:00 - 16:00 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Tuesday 18.06. 09:00 - 11:00 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Tuesday 25.06. 09:00 - 11:00 Seminarraum 2E562 Ernährungswissenschaften UZA II
- Thursday 27.06. 12:30 - 15:30 Seminarraum 2E560 Ernährungswissenschaften UZA II
Information
Aims, contents and method of the course
Assessment and permitted materials
Die Leistung wird anhand der aktiven Teilnahme und einer Projektarbeit beurteilt.
Minimum requirements and assessment criteria
- Projektarbeit (Handout, Präsentation): 75%
- Aktive Teilnahme: 25%Bestehensgrenze: 60%
- Aktive Teilnahme: 25%Bestehensgrenze: 60%
Examination topics
Stoff der Vorlesung gem. Folien und Vortrag
Reading list
siehe e-learning Plattform Moodle
Association in the course directory
Last modified: Sa 02.04.2022 00:27
Einführung in R und RStudio
Grundlagen in R
Datentypen
Daten einlesen, aufbereiten und exportieren
Schreiben von einfachen Funktionen
Visualisierung mit ggplot2
Testen in R
Einfache und multiple lineare Regression
logistische Regression
Modellauswahl und Modellbewertung