Тренинг «Анализ данных и моделирование взаимосвязи в пакете R»

Цель проведения тренинга: изучить базовые возможности программы R - бесплатного языка программирования для проведения статистичеких вычислений, а также научиться организовывать ввод данных и управлять ими, проводить первичный статистический анализ данных, представлять их в графическом виде, уметь находить взаимосвязи в данных. Обучение рассчитано на слушателей без опыта работы в R или с начальными знаниями пакета. Слушателям желательно иметь навыки программирования и быть знакомым с основами статистического анализа.

По окончания обучения Вы будете уметь в программе R:

• правильно формировать выборку данных для анализа;
• организовывать ввод данных и управлять данными;
• изучать взаимосвязь в таблицах сопряженности;
• проверять статистические гипотезы о равенстве средних;
• использовать графические возможности;
• проводить корреляционный анализ;
• проводить регрессионный анализ;
• проводить дисперсионный анализ

Продолжительность тренинга: 32 ак.ч. или 4 дня.

Программа обучения:

Тема 1. Основные понятия статистического анализа данных – 2 ак.ч.

• Статистическое исследование
• Способы получения данных
• Отличие наблюдения от эксперимента
• Генеральная совокупность и выборка
• Требования к данным при формировании выборки
• Понятие точечной и интервальной статистической оценки
• Признаки и переменные Шкалы измерения переменных
• Направления анализ статистических данных
• Описательная и аналитическая статистика
• Выбор методов статистического анализа в зависимости от шкал измерения переменных
• Статистическая гипотеза
• Виды статистических ошибок
• Принципы проверки статистических гипотез
• Выбор уровня значимости при проверке гипотез 

Тема 2. Введение в работу в среде R – 2 ак.ч.

• Особенности работы с R
• Установка программы
• Запуск программы
• Среда R
• Интерфейс командной строки и диалоговых окон
• Правила задания команд
• Создание рабочей директории
• Пакеты
• Графические интерфейсы
• R как калькулятор
• Справочная система

Тема 3. Основы программирования в R – 2 ак.ч.

• Виды объектов в R
• Вектора
• Списки
• Матрицы
• Факторы
• Таблицы данных
• Выражения
• Операторы доступа к данным
• Функции и аргументы
• Циклы и условные операторы
• Управления базами данных в R
• Векторизация операций
• Отладка
• Объектно-ориентированное программирование 

Тема 4. Ввод и организация данных в R – 2 ак.ч.

• Способы загрузки данных
• Непосредственный ввод данных
• Ввод данных в таблице
• Загрузка данных из текстовых файлов
• Импорт данных из MS Excel
• Импорт данных из других статистических пакетов и баз данных
• Сохранение результатов анализа
• Задание количественных данных
• Задание порядковых и номинальных данных
• Задание пропущенных значений в данных
• Выявление выбросов и ошибок
• Принципы преобразование данных

Тема 5. Графические возможности R – 2 ак.ч.

• Графические функции
• Графические устройства
• Графические параметры
• Интерактивная графика
• Составные изображения
• Устройства вывода 

Тема 6. Описательный статистический анализ в R – 4 ак.ч.

• Статистики центральной тенденции
• Средняя арифметическая
• Модальное значение
• Медианное значение
• Статистики разброса
• Дисперсия и стандартное отклонение
• Коэффициент вариации
• Процентили
• Гистограммы
• Ящичковые диаграммы
• Z-преобразование
• Нормальный закон распределения
• Асимметрия и эксцесс
• Проверка распределения на нормальность
• Некоторые законы распределения
• Биномиальное распределение
• Распределение Пуассона
• Равномерное распределение
• Экспоненциальное распределение
• Логнормальное распределение
• Стандартная ошибка и интервал для средней

Тема 7. Формирование данных для анализа выборочным методом – 2 ак.ч.

•  Генеральная и выборочная совокупность
• Характеристики выборки
• Особенности выборочного метода исследования
• Классификация выборок
• Виды и методы вероятностного отбора
• Способы формирования выборок
• Простой случайный отбор
• Систематический случайный отбор
• Кластерный отбор
• Одноступенчатный кластерный отбор
• Многоступенчатый кластерный отбор
• Алгоритм проведения выборочных обследований
• Определение необходимого объема выборки 

Тема 8. Статистические тесты выявлений различий в выборках в R – 4 ак.ч.

• Гипотезы о сравнении средних
• Z-критерий для сравнения средних
• Z-критерий для сравнения долей
• Одновыброчный t-критерий
• Проверка гипотезы о равенстве дисперсий
• T-критерий для независимых выборок
• T-критерий для зависимых выборок
• Условия применения непараметрических критериев
• Одновыборочный критерий знаковых рангов Вилкоксона
• Критерий Манна-Уитни
• Критерий знаков для связанных выборок
• Критерий знаков Вилкоксона для связанных выборок
• Непараметрический дисперсионный анализ Крускала-Уоллиса
• Критерий Фридмана для зависимых выборок

Тема 9. Оценка взаимосвязи между переменными в R – 4 ак.ч.

• Анализ взаимосвязи между категориальными переменными
• Таблицы сопряженности
• Ожидаемые частоты и остатки в таблицах сопряженности
• Критерий хи-квадрат
• Критерий согласия
• Классификация видов взаимосвязи между количественными переменными
• Диаграммы рассеяния
• Предпосылки и условия проведения корреляционного анализа
• Коэффициент корреляции Пирсона
• Ранговые коэффициенты корреляции
• Коэффициент корреляции Спирмена
• Проверка значимости связи
• Интервальные оценки коэффициентов корреляции
• Частные коэффициенты корреляции 

Тема 10. Моделирование формы связи с помощью регрессионного анализа в R – 4 ак.ч.

• Основные понятия регрессионного анализа
• Парная и множественная линейная модель регрессии
• Предпосылки линейного регрессионного анализа
• Оценка коэффициентов регрессии
• Проверка обоснованности модели регрессии
• Значимость уравнения регрессии
• Значимость коэффициентов регрессии
• Отбор переменных в регрессионном анализе
• Оценка точности уравнения регрессии
• Оценка статистической устойчивости уравнения регрессии
• Точечная и интервальная оценка зависимой переменной
• Нелинейные регрессионные модели
• Категориальные независимые переменные в модели регрессии 

Тема 11. Моделирование взаимосвязи с помощью дисперсионного анализа в R – 4 ак.ч.

• Модели дисперсионного анализа
• Предпосылки применения дисперсионного анализа
• Проверка гипотезы о равенстве дисперсий
• Модель однофакторного дисперсионного анализа
• Таблица однофакторного дисперсионного анализа
• Оценка степени влияния фактора
• Апостериорные критерии парных сравнений
• Дисперсионный анализ с двумя и более факторами
• Таблица двухфакторного дисперсионного анализа с взаимодействием
• Графическая интерпретация взаимодействия факторов
• Анализ многофакторной модели