Universität Wien
Warning! The directory is not yet complete and will be amended until the beginning of the term.

290137 VU Statistical Data Analysis with R (2020S)

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

Learning materials willl be found in the Moodle course

  • Thursday 05.03. 16:15 - 18:45 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 19.03. 16:15 - 18:45 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 26.03. 16:15 - 18:45 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 02.04. 16:15 - 18:45 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 23.04. 16:15 - 18:45 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 30.04. 16:15 - 18:45 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 07.05. 16:15 - 18:45 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 14.05. 16:15 - 18:45 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 28.05. 16:15 - 18:45 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 04.06. 16:15 - 18:45 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33
  • Thursday 18.06. 16:15 - 18:45 Seminarraum 6 UniCampus Hof 7 Eingang 7.1 OG01 2H-O1-33

Information

Aims, contents and method of the course

Die Lehrveranstaltung steht auf zwei Grundpfeilern:
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 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 (25%)
Übungsarbeiten (40%)
Abschlussprüfung (35%) MC-Fragen plus offene Fragen

Minimum requirements and assessment criteria

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

Examination topics

Der Inhalt der Abschlussprüfung umfasst die theoretischen und methodischen 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: Th 14.11.2024 00:18