Institut für

Agrarklimaschutz

Institutsleitung

Stellvertretende Institutsleitung

Sekretariat

Steffanie Schirren
Institut für Agrarklimaschutz

Bundesallee 65
38116 Braunschweig
Telefon: +49 531 596 2602
Fax: +49 531 596 2699
ak@thuenen.de


Statistik mit R

Roland Fuß im Kurs "Statistics with R"
Roland Fuß im Kurs "Statistics with R" (© Thünen-Institut/Dörte Prüfert)

Kursleitung: Roland Fuß

Zeitpunkt und Dauer: Oktober-Dezember 2019 – wird bei Bedarf wiederholt

Der Kurs wird an 6 Freitagen im Wintersemester durchgeführt. Die Daten sind 11.10., 25.10., 08.11., 22.11., 06.12. und 13.12, jeweils von 9:00-14:00 Uhr (mit einer Mittagspause).
Um das Zertifikat zu bekommen müssen alle Teilnehmenden mindestens 4 Termine wahrgenommen haben.

Registrierung: Der Kurs wird über die Instituts-Mailing-Liste angekündigt. Registrierung per E-Mail an Veronika Jorch (veronika.jorch@  thuenen.de).

Eine Registrierung ist nicht mehr möglich, die maximale Teilnehmendenzahl ist erreicht.

Zielgruppe: Doktorand*innen und Wissenschaftler*innen am Beginn der Karriere

Kursbeschreibung und Lernziele:

Der Kurs soll auf typische statistische Herausforderungen bei der Analyse von Daten aus Feld- und Laborstudien in den Bereichen Landwirtschaft und Bodenkunde vorbereiten. Er konzentriert sich auf praktische Beispiele, weniger auf Theorie. In diesem Kurs wird die Software R verwendet (https://www.r-project.org/). Grundkenntnisse in R sind aber ausreichend. Das Wissen, um fortgeschrittene Modelle anwenden zu können, wird während des Kurses vermittelt (dazu sollten dann alle Termine wahrgenommen werden).

Der Kurs beginnt mit der Wiederholung von Statistiken auf dem Niveau des Grundstudiums, wie Datenexploration und beschreibende Statistiken, Verteilungsmodelle, Hypothesentests und ANOVA. Es werden auch einige nicht-parametrische Methoden behandelt. Der Schwerpunkt wird auf Regressionsmodellen liegen: lineare Regression, robuste Regression, orthogonale Regression, nichtlineare Regression, nichtgaußsche Fehlerverteilungen (verallgemeinerte lineare Modelle), Modellierung der Heterogenität, Abhängigkeitsstrukturen (Modelle mit gemischten Effekten), verallgemeinerte additive Modelle.