Statistiskā programmēšana un datu pārvaldība

Virsraksts	% no gala vērtējuma	Vērtējums
1. Patstāvīgais darbs	-	-
• Patstāvīgais darbs ar lekciju materiālu, gatavojoties visām studiju kursa lekcijām. • Patstāvīgi sagatavot piešķirtos 2 datorprojektus, praktizējot kursā apgūtās koncepcijas. Lai izvērtētu studiju kursa kvalitāti kopumā, studentam jāaizpilda studiju kursa novērtēšanas anketa Studējošo portālā.

Virsraksts	% no gala vērtējuma	Vērtējums
1. Pārbaudījums	-	10 balles
Novērtējums 10 ballu skalā saskaņā ar RSU Studiju reglamentu: • Divi datoru projekti: 50% × 2 = 100%

Ievads „R” valodā un „R Studio”. Saskarne, darbplūsma, skripti un kodēšanas pamati. Ievads datu vizualizācijā ar „ggplot”: estētiskās attēlošanas, ģeometriskie objekti un statistiskās transformācijas.

Praktisks darbs ar „R” saskarni. Atbildes uz vienkāršiem jautājumiem par datiem, veidojot iebūvēto „R” datu kopu „ggplot2” vizualizācijas.

Ievads datu konvertēšanā (pārveidē) ar „dplyr” pakotni: filtrēšana, kārtošana, atlase, jaunu mainīgo izveide un apkopošana. Iepazīstināšana ar „R” projektu darbplūsmu.

Dažādas datu transformācijas ar „R” „dplyr” pakotni „R” iebūvētajās datu kopās.

Pētnieciskā datu analīze: variācijas un kovariācijas novērtēšana. Statistiskie kopsavilkumi ar kastveida diagrammām. Dažāda veida datu nolasīšana „R”.

Praktiska pētnieciskā datu analīze „R”: datu variācija (joslu diagrammas, histogrammas, kastveida diagrammas) un kovariācija (vizualizējot divu mainīgo attiecības). Praktisks darbs ar „readr” pakotni datu lasīšanai.

Datu konsekventas organizēšanas principi „R” ar „tidyr” pakotni: datu kopu vākšana un izplatīšana, darbs ar trūkstošām vērtībām. Iepazīšanās ar „R Markdown” atskaišu sistēmu, dažādiem „Markdown” formātiem un matemātisko simbolu rakstīšanas principiem.

Reālas datu kopas importēšana un kārtošana. „R Markdown” pārskata sagatavošana.

Ievads datu pārvaldībā „R”. Relāciju datu principi: relācijas, atslēgas, savienojumi un piešķiršanas operācijas. Daži izplatīti neskaitlisku mainīgo veidi „R”. Vienlaicīgu operāciju organizēšana ar programmkanāliem.

Relāciju datu (t.i., multiplu tabulu) pārvaldība ar „dplyr”. Praktisks darbs ar neskaitlisku mainīgo tipiem „R”: koeficienti, virknes, datumi.

Padziļināta „R” programmēšana: savu „R” funkciju rakstīšana, funkciju vektorizācija, izpilde ar nosacījumiem (ja / citādi priekšraksti), cikliem un kartes funkcijām.

Funkciju rakstīšanas un programmēšanas elementu vingrinājumi.

Aprakstošā statistika R vidē.

Datu vizualizēšana R vidē.

Kvalitatīvā datu analīze R vidē.

Aprakstošā statistika

Kvalitatīvā datu analīze

Parametriskie testi

Parametriskie testi R vidē.

Neparametriskie testi.

Neparametriskie testi R vidē.

Korelācija un lineārā regresija.

Korelācija un lineārā regresija R vidē.

Binārā loģistiskā regresija R vidē.

Ievads „R” valodā un „R Studio”. Saskarne, darbplūsma, skripti un kodēšanas pamati. Ievads datu vizualizācijā ar „ggplot”: estētiskās attēlošanas, ģeometriskie objekti un statistiskās transformācijas.

Praktisks darbs ar „R” saskarni. Atbildes uz vienkāršiem jautājumiem par datiem, veidojot iebūvēto „R” datu kopu „ggplot2” vizualizācijas.

Ievads datu konvertēšanā (pārveidē) ar „dplyr” pakotni: filtrēšana, kārtošana, atlase, jaunu mainīgo izveide un apkopošana. Iepazīstināšana ar „R” projektu darbplūsmu.

Dažādas datu transformācijas ar „R” „dplyr” pakotni „R” iebūvētajās datu kopās.

Pētnieciskā datu analīze: variācijas un kovariācijas novērtēšana. Statistiskie kopsavilkumi ar kastveida diagrammām. Dažāda veida datu nolasīšana „R”.

Praktiska pētnieciskā datu analīze „R”: datu variācija (joslu diagrammas, histogrammas, kastveida diagrammas) un kovariācija (vizualizējot divu mainīgo attiecības). Praktisks darbs ar „readr” pakotni datu lasīšanai.

Datu konsekventas organizēšanas principi „R” ar „tidyr” pakotni: datu kopu vākšana un izplatīšana, darbs ar trūkstošām vērtībām. Iepazīšanās ar „R Markdown” atskaišu sistēmu, dažādiem „Markdown” formātiem un matemātisko simbolu rakstīšanas principiem.

Reālas datu kopas importēšana un kārtošana. „R Markdown” pārskata sagatavošana.

Ievads datu pārvaldībā „R”. Relāciju datu principi: relācijas, atslēgas, savienojumi un piešķiršanas operācijas. Daži izplatīti neskaitlisku mainīgo veidi „R”. Vienlaicīgu operāciju organizēšana ar programmkanāliem.

Relāciju datu (t.i., multiplu tabulu) pārvaldība ar „dplyr”. Praktisks darbs ar neskaitlisku mainīgo tipiem „R”: koeficienti, virknes, datumi.

Padziļināta „R” programmēšana: savu „R” funkciju rakstīšana, funkciju vektorizācija, izpilde ar nosacījumiem (ja / citādi priekšraksti), cikliem un kartes funkcijām.

Funkciju rakstīšanas un programmēšanas elementu vingrinājumi.

Aprakstošā statistika R vidē.

Datu vizualizēšana R vidē.

Kvalitatīvā datu analīze R vidē.

Aprakstošā statistika

Kvalitatīvā datu analīze

Parametriskie testi

Parametriskie testi R vidē.

Neparametriskie testi.

Neparametriskie testi R vidē.

Korelācija un lineārā regresija.

Korelācija un lineārā regresija R vidē.

Binārā loģistiskā regresija R vidē.