FSS:PSYn5320 R101: Praktický úvod - Informace o předmětu

PSYn5320 R101: Praktický úvod pro používání statistického programu R

Rozsah

1/1/0. 4 kr. Ukončení: z.
Vyučováno kontaktně

Vyučující

doc. Mgr. Stanislav Ježek, Ph.D. (přednášející)
Mgr. Karel Rečka (přednášející)

Garance

doc. Mgr. Stanislav Ježek, Ph.D.
Katedra psychologie – Fakulta sociálních studií
Dodavatelské pracoviště: Katedra psychologie – Fakulta sociálních studií

Rozvrh

Po 18:00–19:40 PC25

Předpoklady

Jakýkoli úvodní kurz do statistiky.

Omezení zápisu do předmětu

Předmět je určen pouze studentům mateřských oborů.

Předmět si smí zapsat nejvýše 15 stud.
Momentální stav registrace a zápisu: zapsáno: 11/15, pouze zareg.: 0/15

Mateřské obory/plány

• Psychologie (program FSS, N-PSY)

Cíle předmětu

Tento kurz si klade tři hlavní cíle. Tím prvním je snížení míry závislosti (v ideálním případě úplná nezávislost) na placeném statistickém softwaru, který může být z finančních důvodů nedostupný a který uživateli poskytuje relativně omezené možnosti práce. S tím souvisí snaha vzbudit zájem o programovací jazyk s nepřebernými analytickými možnostmi a vitální komunitou globálního charakteru. V neposlední řadě půjde o osvěžení si běžných procedur v rámci statistické analýzy dat, jakož i o prohloubení dosavadních znalostí v této oblasti.

Výstupy z učení

Student zná základní principy jazyka R a třídy objektů, jimiž manipuluje. Student je schopen pracovat s daty, filtrovat je a transformovat. Umí provést základní statistické analýzy a vytvářet grafická zobrazení dat a statistik. Modely zahrnují lineárně regresní model, logistický regresní model, faktorovou analýzu a konfirmační faktorovou analýzu.

Osnova

• Programovací jazyk R a práce v RStudiu; tvorba datových objektů a manipulace s nimi; vkládání a čištění dat, zjišťování základních informací o datovém souboru a explorace dat; transformace dat; tvorba funkcí; vizualizace dat; iterace a redukce duplicitního kódu; práce s chybějícími daty; power analýza; vybrané statistické modely (korelace, lineární regrese, hierarchické modely); strukturní modely (EFA, CFA, úseková analýza); reportování výsledků analýzy.

Literatura

povinná literatura
• WICKHAM, Hadley a Garrett GROLEMUND. R for data science : import, tidy, transform, visualize, and model data. First edition. Sebastopol, CA: O'Reilly, 2016, xxv, 492. ISBN 9781491910399. info

doporučená literatura
• GROLEMUND, Garrett. Hands-on programming with R : write your own functions and simulations. Edited by Hadley Wickham. 1st edition. Sebastopol: O'Reilly Media, 2014, xiii, 232. ISBN 9781449359010. info
• CHANG, Winston. R graphics cookbook : practical recipes for visualizing data. Second edition. Beijing: O'Reilly, 2019, xiii, 425. ISBN 9781491978603. info
• XIE, Yihui, J. J. ALLAIRE a Garrett GROLEMUND. R Markdown : the definitive guide. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2019, xxxiv, 303. ISBN 9781138359420. info
• BUUREN, S. van. Flexible imputation of missing data. Boca Raton, FL: CRC Press, 2012, xxv, 316. ISBN 9781439868249. info
• LITTLE, Todd D. Longitudinal structural equation modeling. Edited by Noel A. Card. London: Guilford Press, 2013, xxii, 386. ISBN 9781462510160. info

Výukové metody

přednáška, seminář, online cvičení a diskuze

Metody hodnocení

Zápočet udělen za individuálně hodnocená on-line cvičení na DataCampu a odevzdání prezentace vybraného balíčku v R Markdown.

Informace učitele

https://www.datacamp.com/
Část výuku tohoto předmětu bude probíhat prostřednictvím platformy DataCamp, která zprostředkovává kurzy zaměřené na datovou vědu a práci s daty v různých programovacích jazycích včetně R a Python. Výuka na DataCamp kombinuje krátká videa a praktická cvičení. DataCamp nabízí téměř 400 kurzů s různým zaměřením, jako je např. import, transformace nebo vizualizace dat či strojové učení. Kurzy na DataCampu jsou odstupňovány podle obtížnosti a pravidelně aktualizovány.

Další komentáře

Studijní materiály

• Statistika zápisu (nejnovější)
  
• Permalink: https://is.muni.cz/predmet/fss/podzim2024/PSYn5320