0521 968 7740Mo–Fr, 8–17 Uhr
Eine wissenschaftliche Auswertung muss erkennen lassen, welche Daten verwendet, welche Werte verändert und wie Kennzahlen berechnet wurden. R und RStudio halten diese Schritte direkt im Skript fest. Im R Grundkurs entwickelst du deshalb jede Analyse aus nachvollziehbaren Code-Abschnitten. Der Einstieg beginnt bei der Arbeitsoberfläche von RStudio und führt zu den Datenstrukturen, auf denen spätere Berechnungen aufbauen. Vektoren, Faktoren und Data Frames werden an Datensätzen erläutert, die überschaubar bleiben und zugleich typische Qualitätsprobleme enthalten. Der Import bildet den ersten Abschnitt des Analysewegs. CSV- und Excel-Dateien bringen häufig uneinheitliche Spalten oder fehlende Werte mit. Du kontrollierst die erkannten Datentypen und korrigierst problematische Einträge. Mit dplyr filterst du Beobachtungen, veränderst Variablen und fasst Werte nach Gruppen zusammen. tidyr unterstützt den Wechsel zwischen breiten und langen Tabellenformaten. Diese Form entscheidet häufig darüber, wie gut sich Daten mit ggplot2 darstellen lassen. Grundlegende Statistik wird direkt am Datensatz angewendet. Der Kurs erklärt Mittelwert, Median, Streuung, Verteilungen und Korrelationen mit Blick auf ihre Aussage. Du prüfst, welche Kennzahl zur jeweiligen Fragestellung passt und wie Ausreißer das Ergebnis verändern. Anschließend entstehen Diagramme, deren Datenbezug, Geometrie und Beschriftung im ggplot2-Code getrennt erkennbar sind. Facetten machen Gruppenunterschiede sichtbar, ohne mehrere Auswertungen anzulegen. Quarto oder R Markdown verbindet den Analysecode mit erläuterndem Text. Du erzeugst daraus einen reproduzierbaren HTML-Report, der Tabellen und Grafiken direkt aus dem Skript übernimmt. Ein kleines Abschlussprojekt führt alle Schritte zusammen. Die Gegenüberstellung mit Python zeigt, warum R häufig für Statistik und wissenschaftliche Berichte gewählt wird und wann Python durch seine allgemeine Programmiersprachen-Umgebung Vorteile für größere Anwendungssysteme bietet.
