Moderne Datenanalyse mit R

Eine Einführung in moderne Techniken der Datenanalyse mit R

Sebastian Sauer, 2018

Bezug

Springer-Verlag

Material

Syntax: Die R-Syntax aller Kapitel
Diagramme: Die Diagramme aller Kapitel
Folien: Folien eines Beispiel-Curriculums auf Basis des Buches
Errata

Überblick

Das Buch ‘Datenanalyse mit R’ gibt eine Einführung zu aktuellen Techniken der Datenanalyse mit R. Der Schwerpunkt liegt auf der Anwendung, weniger auf den theoretischen Hintergründen. Zielgruppe sind Studierenden und Praktiker, die gängige Fragestellungen der Datenanalyse bearbeiten möchten. Anhand des typischen Ablaufs von Datenanalyse-Projekten werden wichtige Probleme besprochen und Lösungen demonstriert. Leser sollen befähigt werden, die vorgestellten Fragestellungen selber lösen zu können - und zwar lösen in dem Sinne, dass nicht (nur) ein theoretisches Verständnis vorliegt, sondern dass aus echten Daten Ergebnisse von statistischen Modellen berechnet und interpretiert werden können. Dabei werden die Phasen des Daten einlesen, Daten aufbereitens, Daten visualisieren, Daten modellieren und Ergebnisse kommunizieren diskutiert. Mehrere Datensätzen aus angewandten wirtschaftlichen Kontexten fließen ein; jedes Problem wird an echten Daten diskutiert. R wird als reichhaltige Analyseumgebung eingeführt und konsequent genutzt; der Stil der R-Verwendung ist von aktuellen Konzepten wie denen des “tidyverse” geprägt. Es werden sowohl grundlegende, einfache als auch partikulare, komplexere Themen besprochen. Zu jedem Kapitel liegen Übungsaufgaben vor, um das Gelernte zu vertiefen. Neben klassischen statistischen Themen wie explorative Datenanalyse und inferenzstatistische Konzepte und Teste fließen moderne Verfahren wie baumbasierte Methoden, Textmining und statistisches Lernen reichhaltig ein.

Inhalt

Vorwort

I Rahmen 1
1 Statistik heute
2 Hallo, R
3 R starten
4 ERRRstkontakt

II Daten einlesen
5 Datenstrukturen
6 Datenimport

III Daten aufbereiten

7 Datenjudo
8 Deskriptive Statistik
9 Praxisprobleme der Datenaufbereitung
10 Fallstudie: Datenjudo

IV Daten visualisieren

11 Grundlagen der Datenvisualisierung mit ggplot2
12 Fortgeschrittene Themen der Visualisierung
13 Fallstudie: Visualisierung
14 Geovisualisierung

V Modellieren

15 Grundlagen des Modellierens
16 Inferenzstatistik
17 Simulation der Stichprobenverteilung

VI Geleitetes Modellieren

18 Lineare Modelle
19 Klassifizierende Regression
20 Fallstudie: Titanic
21 Baumbasierte Verfahren
22 Prädiktive Modellierung von Kreditwürdigkeit mit caret

VII Ungeleitetes Modellieren

23 Clusteranalyse
24 Grundlagen des Textmining
25 Fallstudie: Twitter-Mining

VIII Kommunizieren

26 RMarkdown

IX Rahmen 2

27 Fallstudie zum Projektmanagement
28 Programmieren mit R
29 Programmieren mit dplyr

Anhang