Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Wenn du mit Daten mit vielen Variablen arbeitest, möchtest du oft die Beziehungen zwischen diesen Variablen mithilfe multivariater Statistik untersuchen. In diesem Kurs lernst du, wie du solche Datensätze analysierst. Außerdem lernst du gängige multivariate Wahrscheinlichkeitsverteilungen kennen, darunter die multivariat Normalverteilung, die multivariat-t-Verteilung und einige multivariat schiefe Verteilungen. Anschließend lernst du Techniken kennen, um Daten in hoher Dimensionalität auf weniger Dimensionen abzubilden, darunter die Hauptkomponentenanalyse (PCA) und die multidimensionale Skalierung (MDS).
Voraussetzungen
Lernprogramm
Kursübersicht
1
Multivariate Daten einlesen und plotten
In dieser Einführung in multivariate Daten lernst du, wie du sie einliest und zusammenfasst. Du erfährst, wie du multivariate Daten mit beschreibenden Statistiken zusammenfasst, etwa mit dem Mittelwertsvektor, der Varianz-Kovarianz- und der Korrelationsmatrix. Anschließend erkundest du Plot-Techniken, die Einblicke in multivariate Daten geben.
- Multivariate Daten lesen50 XP
- Multivariate Daten mit read.table einlesen100 XP
- Datentypen für Spalten festlegen100 XP
- Mittelwertvektor und Varianz-Kovarianz-Matrix50 XP
- Den Mittelwertsvektor berechnen100 XP
- Die Varianz-Kovarianz-Matrix berechnen100 XP
- Korrelationsmatrix berechnen100 XP
- Multivariate Daten plotten50 XP
- Pairs-Plot mit Base Graphics und lattice100 XP
- 3D-Plotting-Techniken100 XP
2
Multivariat Normalverteilung
In diesem Kapitel lernst du die wichtigste und am weitesten verbreitete multivariate Wahrscheinlichkeitsverteilung kennen: die multivariat Normalverteilung. Du lernst, wie du Zufallsstichproben aus einer multivariat Normalverteilung erzeugst und wie du unter dieser Verteilung Dichten und Wahrscheinlichkeiten berechnest und darstellst. Außerdem lernst du, wie du prüfst, ob ein Datensatz multivariat normalverteilt ist.
3
Weitere multivariate Verteilungen
Dieses Kapitel stellt eine Reihe von Wahrscheinlichkeitsverteilungen vor, um nicht-normalverteilte Daten zu modellieren. Insbesondere lernst du multivariat-t-Verteilungen kennen, die schwerere Tails abbilden können und eine Verallgemeinerung der univariaten Student-t-Verteilung sind. Außerdem lernst du verschiedene schiefe Verteilungen kennen, die speziell dafür ausgelegt sind, rechts- oder linksschiefe Daten zu modellieren.
4
Hauptkomponentenanalyse und multidimensionale Skalierung
Im letzten Kapitel lernst du Techniken zur Analyse hochdimensionaler Daten kennen, darunter die Hauptkomponentenanalyse (PCA) und die multidimensionale Skalierung (MDS). Du lernst außerdem, diese Techniken in der Datenanalyse praktisch anzuwenden.
R
Multivariate Wahrscheinlichkeitsverteilungen in R
Kurs
abgeschlossen
