Cursusaanbod

Dag 1

Introductie en voorrondes

  • R vriendelijker, R en beschikbare GUI's maken
  • Rstudio
  • Gerelateerde software en documentatie
  • R en statistiek
  • R interactief gebruiken
  • Een kennismakingssessie
  • Hulp bij functies en kenmerken
  • R-commando's, hoofdlettergevoeligheid, enz.
  • Oproepen en corrigeren van eerdere commando's
  • Opdrachten uitvoeren van of uitvoer omleiden naar een bestand
  • Permanente gegevens en het verwijderen van objecten

Eenvoudige manipulaties; Getallen en vectoren

  • Vectoren en toewijzing
  • Vector rekenkunde
  • Regelmatige sequenties genereren
  • Logische vectoren
  • Ontbrekende waarden
  • Karakter vectoren
  • Index vectoren; Subsets van een dataset selecteren en wijzigen
  • Andere soorten objecten

Objecten, hun modi en attributen

  • Intrinsieke kenmerken: modus en lengte
  • De lengte van een object wijzigen
  • Kenmerken ophalen en instellen
  • De klasse van een object

Geordende en ongeordende factoren

  • Een concreet voorbeeld
  • De functie tapply() en rafelige matrices
  • Geordende factoren

Matrices en matrices

  • Arrays
  • Array indexering. Subsecties van een matrix
  • Index matrices
  • De array() functie
    • Gemengde vector- en array-rekenkunde. De recyclageregel
  • Het buitenste product van twee matrices
  • Gegeneraliseerde transpositie van een array
  • Matrix Faciliteiten
    • Matrix Vermenigvuldiging
    • Lineaire vergelijkingen en inversie
    • Eigenwaarden en eigenvectoren
    • Ontleding en determinanten van enkelvoudige waarden
    • Kleinste vierkanten passen en de QR-ontleding
  • Vormen van gepartitioneerde matrices, cbind() en rbind()
  • De aaneenschakelingsfunctie, (), met matrices
  • Frequentietabellen van factoren

Dag 2

Lijsten en gegevensframes

  • Lijsten
  • Lijsten samenstellen en wijzigen
    • Lijsten samenvoegen
  • Gegevensframes
    • Het maken van dataframes
    • Bevestigen() en Ontkoppelen()
    • Werken met dataframes
    • Willekeurige lijsten bijvoegen
    • Het zoekpad beheren

Manipulatie van gegevens

  • Waarnemingen en variabelen selecteren, subsetten
  • Filteren, groeperen
  • Hercoderen, transformaties
  • Aggregatie, combineren van datasets
  • Karaktermanipulatie, stringr-pakket

Gegevens lezen

  • Txt-bestanden
  • CSV-bestanden
  • XLS- en XLSX-bestanden
  • SPSS, SAS, Stata,... en andere formaten gegevens
  • Gegevens exporteren naar txt, csv en andere formaten
  • Accessing gegevens uit databases met behulp van SQL taal

Kansverdelingen

  • R als een verzameling statistische tabellen
  • Onderzoek naar de verdeling van een set gegevens
  • Tests met één en twee monsters

Groeperen, lussen en voorwaardelijke uitvoering

  • Gegroepeerde expressies
  • Controle verklaringen
    • Voorwaardelijke uitvoering: indien verklaringen
    • Repetitieve uitvoering: voor loops, herhalen en while

Dag 3

Eigen functies schrijven

  • Eenvoudige voorbeelden
  • Nieuwe binaire operatoren definiëren
  • Benoemde argumenten en standaardwaarden
  • De '...' argument
  • Opdrachten binnen functies
  • Meer geavanceerde voorbeelden
    • Efficiëntiefactoren in blokontwerpen
    • Alle namen in een afgedrukte array neerzetten
    • Recursieve numerieke integratie
  • Draagwijdte
  • Aanpassen van de omgeving
  • Klassen, algemene functies en objectoriëntatie

Statistische analyse in R

  • Lineaire regressiemodellen
  • Algemene functies voor het extraheren van modelinformatie
  • Aangepaste modellen bijwerken
  • Gegeneraliseerde lineaire modellen
    • Gezinnen
    • De glm() functie
  • Classificatie
    • Logistieke regressie
    • Lineaire discriminant analyse
  • Leren zonder toezicht
    • Analyse van de belangrijkste componenten
    • Clusteringmethoden (k-gemiddelden, hiërarchische clustering, k-medoids)
  • Analyse van de overleving
    • Overlevingsobjecten in r
    • Schatting Kaplan-Meier
    • Zelfvertrouwen bandjes
    • Cox PH-modellen, constante covariabelen
    • Cox PH-modellen, tijdsafhankelijke covariabelen

Grafische procedures

  • Plotopdrachten op hoog niveau
    • De plot() functie
    • Multivariate gegevens weergeven
    • Grafische weergave
    • Argumenten voor plotfuncties op hoog niveau
  • Basis visualisatie grafieken
  • Multivariate relaties met rooster en ggplot-pakket
  • Grafische parameters gebruiken
  • Lijst met grafische parameters

Geautomatiseerde en interactieve rapportage

  • Uitvoer van R combineren met tekst
  • HTML- en pdf-documenten maken

Vereisten

Goed inzicht in statistiek.

 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Testimonials (3)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën