| Dozent/in |
Lukas Kauer, PhD |
| Veranstaltungsart |
Vorlesung/Übung |
| Code |
FS251115 |
| Semester |
Frühjahrssemester 2025 |
| Durchführender Fachbereich |
Gesundheitswissenschaften |
| Studienstufe |
Bachelor |
| Termin/e |
Do, 20.02.2025, 08:15 - 10:00 Uhr, HS 8
Do, 06.03.2025, 08:15 - 10:00 Uhr, HS 8
Do, 13.03.2025, 08:15 - 10:00 Uhr, HS 8
Do, 20.03.2025, 08:15 - 10:00 Uhr, HS 8
Do, 27.03.2025, 08:15 - 10:00 Uhr, HS 8
Do, 03.04.2025, 08:15 - 10:00 Uhr, HS 8
Do, 10.04.2025, 08:15 - 10:00 Uhr, HS 8
Do, 17.04.2025, 08:15 - 10:00 Uhr, HS 8
Do, 01.05.2025, 08:15 - 10:00 Uhr, HS 8
Do, 08.05.2025, 08:15 - 10:00 Uhr, HS 8
Do, 15.05.2025, 08:15 - 10:00 Uhr, HS 8
Do, 22.05.2025, 08:15 - 10:00 Uhr, HS 8 |
| Umfang |
4 Semesterwochenstunden |
| Inhalt |
Daten sind heute die wertvollste Ressource weltweit. Dieses Model bietet eine praktische Einführung in die Grundlagen der Statistik und die Datenvisualisierung mit der frei zugänglichen Software R. Durch eine Reihe konzentrierter Lektionen und praktischer Übungen lernen die Studierenden grundlegende Techniken zur Durchführung von Datenanalysen und zur Erstellung einfacher Visualisierungen. Dieses Modul bietet eine solide Basis für die weitere Analyse von Daten mit quantitativen Methoden.
Das Modul wird folgende Fragen behandeln: - Was ist R und welche Vorteile bietet es? - Wie geht R um mit den verschiedenen Arten von Daten und Variablen? - Wie kann ich Daten in R graphisch darstellen (Liniendiagramme, Flächendiagramme, Säulendiagramme, Kreisdiagramme, Punktdiagramme, Netzdiagramme, Histogramme)? - Welche Art von Diagramm ist für welche Art von Variablen zu verwenden? - Wie verwendet man R, um Daten für die Analyse vorzubereiten? - Was ist Reproduzierbarkeit und welche Rolle spielt sie im Umgang mit Daten? - Wie kann deskriptive Statistik zur Beschreibung von Daten verwendet werden? - Was ist der Unterschied zur schliessenden Statistik?
|
| Lernziele |
Am Ende dieses Moduls können die Studierenden mit der Open Source Software R Daten
- reproduzierbar analysieren
- verarbeiten (mit dem Package tidyverse)
- mit Tabellen und Grafiken visualisieren (mit dem Package ggplot2)
In der Analyse der Daten können die Studierenden Masszahlen der deskriptiven Statistik (Lage und Dispersionsparameter) anwenden und erste Schritte der schliessenden Statistik kennenlernen. |
| Sprache |
Bilingue - Deutsch / Englisch |
| Anmeldung |
https://elearning.hsm-unilu.ch/course/view.php?id=852 |
| Prüfung |
Schriftliche Prüfung
WICHTIG: Um Credits zu erwerben und an der Prüfung teilzunehmen, ist eine Anmeldung über Uni Portal innerhalb der Prüfungsanmeldefrist ZWINGEND ERFORDERLICH. Weitere Informationen: www.unilu.ch/studium/lehrveranstaltungen-pruefungen-reglemente/gmf/pruefungen/ |
| Abschlussform / Credits |
Schriftliche Prüfung / 6 Credits
|
| Hinweise |
Teaching methods:
Wöchentliche Vorlesung mit begleiteten Tutoraten in Gruppen |
| Hörer-/innen |
Nein |
| Kontakt |
lukas.kauer@unilu.ch |
| Material |
Wird auf Moodle zur Verfügung gestellt.
In dieser Veranstaltung wird Podcast zur Verfügung gestellt. |
| Literatur |
Békés, G & G. Kézdi (2021) Data Analysis for Business, Economics, and Policy, Cambridge. Brown, D.S. (2022) Statistics and Data Visualization Using R – The Art and Practice of Data Analysis, Sage. Healy, K. (2018), Data Visualization: A Practical Introduction, Princeton University Press, socviz.co. Mehmetoglu, M. & M. Mittner (2022) Applied Statistics Using R – A Guide for the Social Sciences, Sage. Phillips, N. D. (2018). YaRrr! The Pirate’s Guide to R. https://bookdown.org/ndphillips/YaRrr/. Sauer, S. Moderne Datenanalyse mit R: Daten einlesen, aufbereiten, visualisieren, modellieren und kommunizieren. (Springer-Verlag, n.d.). |