STIN300 Statistisk programmering i R

Dette er et intensivkurs der du bruker programmeringsspråket R til å anvende dine statistiske ferdigheter på vitenskapelige data. Har du ikke tidligere erfaring med programmering, må du være beredt til å legge inn mye innsats, se "anbefalte forkunnskaper".

Kursdeltakerne er vanligvis master- eller PhD-studenter som har valgt seg et forskningstema. Bruk dine egne data om du kan, eller be veileder om et lignende datasett. Har du ikke valgt et forskningstema, kan du låne noen andres data.

Du vil skrive en rapport i R markdown med følgende innhold:

• Innledning: Beskriv det fenomenet fra virkeligheten som du studerer, og formuler forskningsspørsmålet ditt konsist. Beskriv kort opphavet til dataene og tydeliggjør hvordan tall og målinger gjenspeiler fenomenet du studerer.
• Data-import: Bruk R til å få data fra fil(er) inn i datastrukturer i R. Oversett datatyper der det trengs, slik at tall ikke feilrepresenteres som tekst, kategoriske variabler blir korrekt kodet som "faktorer" i R, sann/usann-verdier representeres som logiske variabler, osv.
• Skisser datastrukturen: Bruk R til å utforske og beskrive omfanget og størrelsen av dataene, f.eks. antall variabler, utvalgsstørrelse, hvilke verdier hver kategoriske variabel kan ha, osv.
• Data-visualisering: Utform og gjennomfør minst én datagrafikk som gir et nyttig overblikk over dataene dine eller svarer på et forskningsspørsmål. Forklar i ord hva dataene viser, og tolk hva dette innebærer.
• Statistisk analyse: Velg en passende statistisk modell eller prosedyre som klargjør et mønster eller en sammenheng som er relevant for forskningsspørsmålet ditt. Gjennomfør det ved bruk av R. Oversett resultatene tilbake til håndfaste begreper og størrelser. Diskuter hva resultatene innebærer om fenomenet du studerer.

Rapporten du lager, vil være fullt reproduserbar og inneholde kjørbar kode. Den vil være et nyttig utgangspunkt for ditt videre arbeid, og vil lette diskusjoner med f.eks. en veileder.

Fokuser på hvordan kursaktivitetene leder fram mot dette sluttoppdraget. Du kan lære fra frie lærebøker på nett, daglige øvingsdokumenter (mange med screencasts), og ved å stille effektive spørsmål i Diskusjoner i Canvas.

Dagsdokumentene omfatter en innføring i R-programmering, med fokus på pakker som ggplot2 og dplyr fra samlepakken tidyverse. Vi vektlegger visualisering, samt strukturering og manipulering av data i tabellformat. Vi kommer også til å ha fokus på operatorer, variabler, datatyper og grunnleggende datastrukturer, kontrollstrukturer som løkker og betingelser, fil- og tekstbehandling, og brukerdefinerte funksjoner.

Studentene skal ved fullføring av kurset beherske en programmeringsbasert tilnærming til statistisk dataanalyse i R. Studentene skal kunne visualisere og manipulere data og lage egne funksjoner som benytter/modifiserer tilgjengelige funksjoner for å løse spesielle problemer som ikke kan løses med standard kode. Studentene skal også kunne presentere sine analyseresultater i en oversiktlig og vitenskapelig form, ved hjelp av tekst og grafikk.

KUNNSKAPER: Studentene skal få

• forståelse av hvordan programmering kan automatisere krevende statistiske beregninger.
• kjennskap til begrepsapparat, syntaks og konvensjoner for å beskrive, tilpasse og tolke statistiske modeller i R.

FERDIGHETER: Studentene skal kunne

• tolke output av R sine statistiske modelleringsfunksjoner, f.eks. lm() for lineær regresjon.
• lese inn data i ulike filformater som Excel, kommaskilt tekst, FASTA.
• lage egne funksjoner som benytter tilgjengelige funksjoner for å løse problemer som ikke kan løses med standard kode.
• presentere resultater av statistisk analyse i en vitenskapelig, oversiktlig form gjennom reproduserbare, kjørbare rapporter som fletter sammen forklarende tekst, programkode og output som tabeller og grafikk.
• feilsøke problemer ved å lokalisere feil, reprodusere feilen på en mindre delmengde av problemet, steppe gjennom kode linje for linje osv.
• orientere seg i dokumentasjon og hjelpetekster for R-pakker som implementerer statistiske metoder som studenten har kjennskap til.

GENERELL KOMPETANSE: Studentene skal være rustet til å anvende statistiske metoder i R på datasett som kommer dem i hende gjennom senere studier og arbeidsliv. Dette innebærer å få dataene inn i R, tilrettelegge dem på den form analysefunksjonene krever, kjøre analyser med hensiktsmessige innstillinger, og tolke og presentere resultatene i en form som er nyttig for sluttbrukeren.