Statistik Grundlagen und Programmieren mit R

Statistik und Datenanalyse leicht gemacht – mit R und RStudio

• Grundlagen von R
  • Kurzer Einblick in R und R-Studio
  • Erläuterungen zur Nutzung von R und R-Studio (Editor, Konsole, Hilfefunktion und mehr)
  • Prozess der Paketinstallation und -einbindung
  • Zuordnung von Variablen
  • Erstellen und Durchführen von Skripten
  Datenstrukturen
  • Vektor, Faktor und Array in der R-Umgebung
  • Auswahl von Elementen
  • Datenaufbereitung mit grundlegenden Funktionen
  • Umwandlung von Daten in verschiedene Datenstrukturen
  Einführung in dplyr (ein Bestandteil des tidyverse)
  • Üerblick über die Tidyverse Pakete
  • Ein Tibble – Fortentwicklung des data.frames
  • Anwendung erster dplyr-Funktionen zur Spaltenauswahl
  • select(), filter(), rename(), slice()
  • Einsatz logischer Operatoren
  Datenmodifikation mit dplyr
  • Sortierung von Zeilen mit arrange()
  • Berechnung neuer Spalten mittels mutate()
  • Statistische Zusammenfassung mit summarise()
  • Der Pipe Operator %>%
  • Gruppierung von Analysen mit group_by()
  • Behandlung von fehlenden Daten mit drop_na(), replace_na()
  Statistikermittlung mit dplyr
  • Hauptdeskriptive Statistiken
  • Auswahl zufälliger Stichproben aus vorhandenen Daten
  • Korrelationsuntersuchung (Spearman, Pearson)
  • Erstellung von Kontingenztabellen
  Kontrollabläufe
  • Erstellung benutzerdefinierter Funktionen
  • Definition von Standardwerten in Funktionen
  • Einsatz von For-Schleifen
  • If-Else Anweisungen
  Datenvisualisierung über ggplot2
  • Verständnis der Grafikgrammatik
  • Anwendung der ggplot2-Ebenen zur Erstellung erster Grafiken und statistischer Darstellungen
  • Anpassen von Darstellungen (Größe der Datenpunkte, Farbgebung, Gruppierung) mit konstanten oder variablen Werten
  • Erzeugung mehrerer Subplots, Anpassung und Speicherung von Grafiken
  Datenaufnahme und -export
  • Festlegung des Arbeitsverzeichnisses in R und RStudio
  • Import/Export von CSV-, Excel- oder SPSS-Dateien
  • Übersicht über hilfreiche Parameter
  • Die fread()-Funktion für umfangreiche Datensätze
  Puffer und ggfalls Fallstudien
  • Vorreservierte Zeit für Anfänger zur Fragestellung, zum Testen und zum Schreiben von Code
  • Mögliche Fallstudie zur selbständigen Vertiefung des Erlernten und zur Besprechung auftretender Fragestellungen

Methode

Dieses Seminar vermittelt Ihnen die Grundlagen der Statistik und der Arbeit mit R. Die Teilnehmer:innen lernen anhand von Demonstrationen und praktischen Übungen, wie statistische Auswertungen in R umgesetzt werden können. Die Trainer:innen erklären die einzelnen Schritte, begleiten die Übungen und geben Feedback zu den Lösungen.

LernzieleDatenbasiertes Arbeiten gewinnt in nahezu allen Branchen an Bedeutung – grundlegende Kenntnisse in Statistik und Programmierung sind daher ein wichtiger Baustein für fundierte Entscheidungen.  In diesem zweitägigen Seminar erhalten Sie einen praxisnahen Einstieg in die Programmiersprache R und die Arbeit mit RStudio – speziell zugeschnitten auf Einsteiger:innen ohne Programmiererfahrung. Sie lernen zentrale Datenstrukturen kennen, wenden erste statistische Methoden an und erstellen mit dplyr und ggplot2 eigene Auswertungen und Visualisierungen. Neben der Datenaufbereitung und -analyse stehen auch Kontrollstrukturen, benutzer:innendefinierte Funktionen und der Import sowie Export von Daten im Fokus.  Das Seminar findet wahlweise als Live Online- oder Präsenzseminar statt und bietet Ihnen ausreichend Raum für Übungen, Fragen und individuelles Ausprobieren.  Nach dem Seminar sind Sie in der Lage, einfache statistische Analysen mit R selbstständig durchzuführen, Daten visuell aufzubereiten und Ihre Ergebnisse nachvollziehbar zu dokumentieren – ein wertvoller Kompetenzgewinn für alle, die datengetrieben arbeiten möchten.Zielgruppen

• Das Seminar richtet sich an Personen, die die Grundlagen der Programmierung und Datenanalyse mit R erlernen möchten.
• Besonders geeignet für Fachkräfte, die bereits in ihrem Unternehmen mit der statistischen Auswertung von Daten betraut sind oder eine Entwicklung in diese Richtung anstreben.
• Ideal für Teilnehmer:innen mit wenig bis keiner Erfahrung in Datenanalyse, statistischer Auswertung und der Nutzung von R und RStudio.