Einstieg in Data Science mit R

Datenanalyse ist überall angekommen - seien auch Sie dabei! Quereinsteiger wie Historiker oder Germanisten, die mit quantitativen Methoden beginnen möchten, sind bei diesem Buch richtig, ob für die Forschung oder im Unternehmen.
Sie bekommen alles an die Hand, was Sie zum Loslegen brauchen. Lassen Sie Excel-Tabellen hinter sich und lernen Sie, wie Sie statistische Analysen mit R programmieren. Auch die mathematischen Grundlagen lernen Sie kennen, von den Mittelwerten bis zur linearen Regression. Nach der Lektüre sind Sie in der Lage, ein eigenes Projekt mit ausgewählten statistischen Methoden durchzuführen und Ihre Ergebnisse zu visualisieren. Aus dem Inhalt:

Materialien zum Buch ... 11
1. Über dieses Buch ... 13
1.1 ... Für wen ist dieses Buch? Für Sie? ... 13
1.2 ... Was sind die Ziele, was können Sie hier lernen? ... 13
1.3 ... Was Sie nicht lernen werden ... 15
1.4 ... Wie Sie mit diesem Buch arbeiten ... 17
2. Einführung ... 19
2.1 ... Statistik und Data Science im Vergleich ... 21
2.2 ... Was ist R, und warum sollten Sie das überhaupt lernen? ... 23
3. R Base und RStudio: Installation und erste Schritte ... 25
3.1 ... R Base ... 25
3.2 ... RStudio ... 29
3.3 ... Wie sieht die Oberfläche aus, und was bedeuten die einzelnen Bereiche? ... 31
3.4 ... Die R-Konsole ... 33
3.5 ... Mein erstes Skript ... 35
3.6 ... Hilfe! ... 42
4. Die Programmiersprache R ... 51
4.1 ... Objekte ... 51
4.2 ... Funktionen ... 52
4.3 ... Pakete (Packages) ... 53
4.4 ... Ein paar Vokabeln ... 61
4.5 ... Kommentare ... 68
4.6 ... Groß- und Kleinschreibung und andere Syntaxregeln ... 68
4.7 ... Computer sind dumm ... 71
5. Grundlagen der statistischen Datenanalyse ... 73
5.1 ... Fragestellung und Studiendesign ... 73
5.2 ... Von Daten und Datensätzen ... 74
5.3 ... Berechnung des Durchschnittswertes (Mittelwert, arithmetisches Mittel) ... 84
5.4 ... Wachstumsberechnung (Veränderungsberechnung) ... 84
5.5 ... Trend und lineare Regression ... 86
5.6 ... Beispieldatensatz 'Zigarettenverbrauch' ... 88
6. Daten einlesen und für die Analyse vorbereiten ... 93
6.1 ... Daten aus Excel einlesen ... 93
6.2 ... Daten im .csv-Format einlesen ... 98
6.3 ... Umgang mit Datumsangaben ... 102
6.4 ... Daten vorbereiten ... 109
6.5 ... Not available! - Der Umgang mit fehlenden Werten ... 122
7. Daten analysieren mit einfacher Statistik ... 129
7.1 ... Beispiel 1: Zigarettenkonsum ... 129
7.2 ... Beispiel 2: 100 Jahre Wohlstandsentwicklungen in Indien ... 144
7.3 ... Visualisierung ... 166
8. Umfassendes Praxisbeispiel ... 187
8.1 ... Fragestellung: Was will ich wissen? ... 188
8.2 ... Datenbeschaffung ... 189
8.3 ... Daten laden und Überblick verschaffen ... 191
8.4 ... Daten vorbereiten und bereinigen ... 195
8.5 ... Verarbeitung der Daten im Dreiklang ... 196
8.6 ... Kommunikation ... 219
8.7 ... Dokumentation ... 219
8.8 ... Bonus: Folgeanalyse in der Zeitreihe: Krankheitstage ... 219
9. Abschluss ... 233
A. Datenmaterial ... 235
A.1 ... Zigaretten 1 ... 235
A.2 ... Zensus Länder ... 236
A.3 ... Luftqualität ... 237
A.4 ... Zigaretten 2 ... 243
A.5 ... Indien 1990-2000 ... 244
A.6 ... Personaldaten ... 245
A.7 ... Personaldaten - Erweitert ... 252
Index ... 261