Dieses Buch gibt eine umfassende, didaktisch erprobte Einführung in die statistische Programmiersprache R. Es vermittelt fundierte Kenntnisse zum sicheren und effizienten Einsatz von R zur Datenaufbereitung, Datenanalyse, Visualisierung, Berichterstellung und Simulation.Sein didaktisches Konzept wurde im Rahmen der mit dem Teaching Award der Universität Wien ausgezeichneten Lehrveranstaltung "Statistisches Programmieren" entwickelt. Das Buch ist somit sowohl als Lehrbuch in Lehrveranstaltungen als auch zum Selbststudium und als Nachschlagewerk für R-Profis bestens geeignet.
Rezensionen / Stimmen
"Das Buch ist als Einführung in die Programmiersprache R hervorragend geeignet. Der umfangreiche Inhalt deckt einen großen Teil der schließenden und deskriptiven Statistik ab. Besonders erwähnenswert sind die vielen und vor allen Dingen praktischen Programmbeispiele, die der Leser sehr gut nachvollziehen kann. Auch die Anleitung zum "guten" Programmieren ist sehr wichtig und wird den Programmierstil der Studierenden erheblich verbessern."
Besonders hervorzuheben: "Das Layout mit den farbigen Graphiken und Programmbeispielen ist sehr ansprechend ..." (Prof. Dr. Karl-Werner Hansmann, Operations Management, Universität Hamburg)
Auflage
Sprache
Verlagsort
Verlagsgruppe
Springer Fachmedien Wiesbaden GmbH
Zielgruppe
Illustrationen
53 s/w Abbildungen, 55 farbige Abbildungen
XXVIII, 673 S. 108 Abb., 55 Abb. in Farbe.
Maße
Höhe: 237 mm
Breite: 167 mm
Dicke: 33 mm
Gewicht
ISBN-13
978-3-658-28841-9 (9783658288419)
DOI
10.1007/978-3-658-28842-6
Schweitzer Klassifikation
Mag. Daniel Obszelka lehrt unter anderem Programmieren mit R an der Universität Wien und beschäftigt sich im Zuge der Lehre intensiv mit Hochschuldidaktik.
Dr. Andreas Baierl lehrt ebenfalls unter anderem Programmieren mit R an der Universität Wien und verwendet die Software in seiner täglichen statistischen Praxis als Wissenschaftler und statistischer Berater.
Erste Schritte mit R.- Vektorfunktionen für Data Science und Statistik.- Wichtige Hilfsmittel.- Datenstrukturen.- Tools für Data Science und Statistik.- Eigene Funktionen und Ablaufsteuerung.- Datenimport und Datenexport.- Effizienz und Simulation.- Visualisierung von Daten.- Data Science und Statistik in der Praxis.
