Analiza danych z wykorzystaniem R – kurs podstawowy

Czego się nauczysz?

1. Wprowadzenie
• charakterystyka języka R
• object-oriented programming: obiekty i funkcje
• R a inne programy statystyczne i języki programowania
2. Instalacja narzędzi R
• repozytorium CRAN
• instalacja R
• zapoznanie z konsolą
• instalacja RStudio
• praca w środowisku RStudio
• konfiguracja środowiska pracy
• porządkowanie skryptu: wcięcia, komentarze, spis treści
• korzystanie z wbudowanej pomocy:
  • wywoływanie pomocy
  • podgląd kodu funkcji
  • dokumentacja pakietów
  • książki o języku R
3. Pakiety
• różnorodność i rola pakietów (packages)
• najpopularniejsze pakiety i ich możliwości
• instalacja i ładowanie pakietów
• wpływ zmian w kolejnych wersjach R na działanie programów
4. Typy zmiennych i operacje na nich
   • przypisywanie wartości zmiennym: notacja „strzałkowa” a znak równości
   • zmienne liczbowe: podstawowe operatory i funkcje arytmetyczne
     • operatory: +, -, *, /, %/%, %%, ^, **
     • funkcje arytmetyczne: sum(), cumsum(), prod(), cumprod(), factorial(), sqrt()
     • logarytmy: log(), log2(), log10(), exp()
     • zaokrąglenia: round(), trunc(), ceiling()
     • format wyświetlania liczb: funkcje format() i sprintf()
   • ciągi tekstowe: podstawowe funkcje przetwarzania tekstu
     • program „Hello World!”: funkcje print() i cat()
     • konkatenacja: funkcje paste() i paste0()
     • przekształcanie ciągów tekstowych: substr(), tolower(), toupper()
     • wybrane funkcje pakietu stringr
   • wartości logiczne
     • stałe logiczne TRUE i FALSE
     • operatory i wyrażenia logiczne
   • zmienne w formacie Date
     • zmiany formatu dat: funkcje as.Date() i format()
     • konwersje między datą a timestampem: as.POSIXct()
     • wybrane funkcje pakietu lubridate
   • wektory typu factor
     • ekstrakcja i edycja poziomów wartości i etykiet factorów
     • ryzyko związane z korzystaniem z factorów
   • konwersje między typami: as.character(), as.numeric(), as.logical(), as.Date(), as.factor()
5. Wektory i operacje na nich
   • wektorowa „filozofia” języka R
   • tworzenie wektorów
     • łączenie elementów w wektor: funkcja c()
     • sekwencje: seq()
     • replikacje: rep()
   • generowanie wektorów liczb losowych
     • permutacje i losowanie ze zbioru: sample()
     • losowanie liczb wedle znanego rozkładu: runif(), rnorm()
     • ziarno a reprodukowalność wyników: set.seed()
     • praktyczne zastosowania generatora liczb pseudolosowych
   • operacje na wektorach
     • działania arytmetyczne na wektorach
     • sortowanie: sort() i order()
     • rekodowanie wartości: ifelse()
     • operacje na zbiorach: union(), intersect(), setdiff(), setequal()
   • odwoływanie się do elementów wektora
     • odwołania po adresie
     • filtrowanie elementów wektora za pomocą wyrażeń logicznych
     • filtrowanie wektora za pomocą funkcji filter() z pakietu dplyr
     • programowanie w potokach: operator %>% z pakietu magrittr
     • wyszukiwanie elementów: funkcje is.element(), which(), which.max() i which.min()
6. Wielowymiarowe obiekty: tablice, macierze, listy i ramki danych
   • tworzenie obiektów wielowymiarowych:
     • łączenie wektorów: cbind() i rbind()
     • tablice: array, as.array()
     • macierze: matrix, as.matrix()
     • ramki danych: data.frame, as.data.frame()
     • format danych macierzowych tibble
   • selekcja przypadków i zmiennych
     • po adresie
     • po nazwach wierszy i kolumn
     • za pomocą wyrażeń logicznych
     • za pomocą funkcji select() i filter() z pakietu dplyr
     • wyszukiwanie elementów macierzy spełniających dany warunek: which(arr.ind = TRUE)
   • inne operacje na macierzach i ramkach danych
     • transponowanie macierzy: t()
     • sortowanie zbioru danych
     • dodawanie nowych zmiennych, będących funkcją istniejących
     • sumowanie i uśrednianie wierszy i kolumn: rowSums(), colSums(), rowMeans() i colMeans()
7. Opis statystyczny jednej zmiennej
   • opis rozkładu zmiennej: table(), prop.table()
   • wizualizacja rozkładu: hist() i plot(density())
   • parametry poziomu wartości: min(), max(), mean(), median() i quantiles()
   • parametry rozproszenia: sd(), var() i IQR()
   • wyłączanie braków danych: na.rm = TRUE
   • definiowanie własnych funkcji statystycznych
     • składnia funkcji
     • zmienne lokalne i globalne
     • argumenty wymagane i opcjonalne, deklarowanie domyślnych wartości
     • uruchamianie funkcji z zewnętrznego pliku: source()
   • wyliczenia parametrów wszystkich zmiennych ze zbioru danych, z użyciem funkcji summary() i lapply()
   • rekodowanie zmiennych ciągłych na przedziały: funkcja cut()
   • formatowanie tabel rozkładu: funkcja tabyl() z pakietu janitor
   • formatowanie wykresów słupkowych: funkcja barplot() i jej argumenty graficzne
   • automatyczny eksport wykresów do postaci plików graficznych i PDF
8. Wczytywanie danych z zewnętrznych źródeł
   • wczytywanie danych z plików tekstowych: read.table(), read.csv() i read.delim()
   • import danych z zewnętrznych aplikacji, np. SPSS: pakiet foreign
   • wczytywanie danych wprost ze źródła w internecie
   • długi i szeroki format danych, sposoby zamiany jednego na drugi: spread() i gather() z pakietu tidyr
9. Analiza współzależności między zmiennymi
   • tabele kontyngencji
     • generowanie i formatowanie tabel kontyngencji
     • interpretacja zależności i sposób opisu wyników
     • istotność zależności: test chi-kwadrat
     • interpretacja współczynnika istotności statystycznej
     • siła zależności: współczynnik V Cramera
     • wizualizacja zależności: skumulowane wykresy słupkowe
   • zależność zmiennej ciągłej od zmiennej kategorialnej
     • porównania średnich w podgrupach: aggregate()
     • statystyki w podgrupach z wykorzystaniem pakietu dplyr: group_by() %>% summarize()
     • testy różnic między średnimi: test t dla prób niezależnych i jednoczynnikowa analiza wariancji
     • interpretacja wyników testów
     • wizualizacja różnic między średnimi: wykresy liniowe
   • analiza korelacji
     • wizualizacja zależności: wykresy rozrzutu
     • siła zależności: korelacje proste, macierze korelacji
     • wizualizacja korelacji: korelogramy
   • modele liniowe
     • regresja liniowa jednej zmiennej: lm()
     • wizualizacja zależności: abline(lm())
     • regresja liniowa wielu zmiennych
     • interpretacja współczynników modelu
   • formułowanie wniosków z analizy
10. Analiza danych – od wczytania danych do wizualizacji