Statistisches Programmieren mit R
Eine ausführliche, übersichtliche, spannende und praxiserprobte Einführung
Published on 21. December 2020
XXVIII, 673 pages
978-3-658-28842-6 (ISBN)
Description
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.
More details
Edition
1. Aufl. 2020
Language
German
Place of publication
Wiesbaden
Germany
Publishing group
Springer Fachmedien Wiesbaden GmbH
Illustrations
XXVIII, 673 S. 108 Abb., 55 Abb. in Farbe.
File size
12,27 MB
ISBN-13
978-3-658-28842-6 (9783658288426)
DOI
10.1007/978-3-658-28842-6
Schweitzer Classification
Other editions
Additional editions
Daniel Obszelka | Andreas Baierl
Statistisches Programmieren mit R
Eine ausführliche, übersichtliche, spannende und praxiserprobte Einführung
Book
01/2021
Springer Vieweg
€54.99
Available immediately
Persons
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.
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.
Content
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.
