Andreas Jürg Papritz: Katalogdaten im Herbstsemester 2016

NameHerr Dr. Andreas Jürg Papritz
Adresse
I. f. Biogeochemie/Schadstoffdyn.
ETH Zürich, CHN E 35.2
Universitätstrasse 16
8092 Zürich
SWITZERLAND
Telefon+41 44 633 60 72
E-Mailandreas.papritz@env.ethz.ch
URLhttp://www.step.ethz.ch/people/scientific-staff/andreas-papritz
DepartementUmweltsystemwissenschaften
BeziehungDozent

NummerTitelECTSUmfangDozierende
401-6215-00LUsing R for Data Analysis and Graphics (Part I) Information 1 KP1GA. Drewek, A. J. Papritz
KurzbeschreibungThe course provides the first part an introduction to the statistical software R for scientists. Topics covered are data generation and selection, graphical and basic statistical functions, creating simple functions, basic types of objects.
LernzielThe students will be able to use the software R for simple data analysis.
InhaltThe course provides the first part of an introduction to the statistical software R for scientists. R is free software that contains a huge collection of functions with focus on statistics and graphics. If one wants to use R one has to learn the programming language R - on very rudimentary level. The course aims to facilitate this by providing a basic introduction to R.

Part I of the course covers the following topics:
- What is R?
- R Basics: reading and writing data from/to files, creating vectors & matrices, selecting elements of dataframes, vectors and matrices, arithmetics;
- Types of data: numeric, character, logical and categorical data, missing values;
- Simple (statistical) functions: summary, mean, var, etc., simple statistical tests;
- Writing simple functions;
- Introduction to graphics: scatter-, boxplots and other high-level plotting functions, embellishing plots by title, axis labels, etc., adding elements (lines, points) to existing plots.

The course focuses on practical work at the computer. We will make use of the graphical user interface RStudio: www.rstudio.org

Note: Part I of UsingR is complemented and extended by Part II, which is offered during the second part of the semester and which can be taken independently from Part I.
SkriptAn Introduction to R. http://stat.ethz.ch/CRAN/doc/contrib/Lam-IntroductionToR_LHL.pdf
Voraussetzungen / BesonderesThe course resources will be provided via the Moodle web learning platform
Please login (with your ETH (or other University) username+password) at
https://moodle-app2.let.ethz.ch/enrol/users.php?id=1145
Choose the course "Using R for Data Analysis and Graphics" and follow the instructions for registration.
401-6217-00LUsing R for Data Analysis and Graphics (Part II) Information 1 KP1GA. Drewek, A. J. Papritz
KurzbeschreibungThe course provides the second part an introduction to the statistical software R for scientists. Topics are data generation and selection, graphical functions, important statistical functions, types of objects, models, programming and writing functions.
Note: This part builds on "Using R... (Part I)", but can be taken independently if the basics of R are already known.
LernzielThe students will be able to use the software R efficiently for data analysis.
InhaltThe course provides the second part of an introduction to the statistical software R for scientists. R is free software that contains a huge collection of functions with focus on statistics and graphics. If one wants to use R one has to learn the programming language R - on very rudimentary level. The course aims to facilitate this by providing a basic introduction to R.

Part II of the course builds on part I and covers the following additional topics:
- Elements of the R language: control structures (if, else, loops), lists, overview of R objects, attributes of R objects;
- More on R functions;
- Applying functions to elements of vectors, matrices and lists;
- Object oriented programming with R: classes and methods;
- Tayloring R: options
- Extending basic R: packages

The course focuses on practical work at the computer. We will make use of the graphical user interface RStudio: www.rstudio.org
SkriptAn Introduction to R. http://stat.ethz.ch/CRAN/doc/contrib/Lam-IntroductionToR_LHL.pdf
Voraussetzungen / BesonderesBasic knowledge of R equivalent to "Using R .. (part 1)" ( = 401-6215-00L ) is a prerequisite for this course.

The course resources will be provided via the Moodle web learning platform
Please login (with your ETH (or other University) username+password) at
https://moodle-app2.let.ethz.ch/enrol/users.php?id=1145
Choose the course "Using R for Data Analysis and Graphics" and follow the instructions for registration.
401-6233-00LRäumliche Statistik Belegung eingeschränkt - Details anzeigen
Fachstudierende "Universität Zürich (UZH)" im Master-Studiengang Biostatistik von der UZH können diese Lerneinheit nicht direkt in myStudies belegen. Leiten Sie die schriftliche Teilnahmebewilligung des Dozenten an die Kanzlei weiter. Als Einverständnis gilt auch ein direktes E-Mail des Dozenten an kanzlei@ethz.ch. Die Kanzlei wird anschliessend die Belegung vornehmen.
1 KP1GA. J. Papritz
KurzbeschreibungIn vielen Forschungsgebieten werden räumlich referenzierte Messwerte erhoben. Meist muss entweder die räumliche Struktur solcher Daten (Abhängigkeit von Einflussfaktoren, Autokorrelation) analysiert, oder es müssen Vorhersagen berechnet werden. Der Kurs vermittelt eine Einführung in geostatistische Methoden, die dazu verwendet werden können.
LernzielMit der Vorlesung soll eine Einführung in die grundlegenden Konzepte und in stochastischen Modelle vermittelt werden, mit welchen räumliche Daten modelliert werden. Weiter sollen die Kursteilnehmer eine Auswahl von geostatistische Methoden und Software kennen lernen, die zur Analyse von räumlichen Daten nützlich sind.
InhaltNach einer Einführung, in welcher die verschiedenen Aufgabenstellungen und Datentypen besprochen werden, die bei der Analyse von räumlichen Daten in der Umweltforschung oft auftreten, vermittelt der Kurs eine Einführung in die lineare Geostatistik (Modelle: stationäre und intrinsische Zufallsprozesse, Modellierung von grossräumigen Variationsmustern [Trend] mit Regressionsmodellen; Modellierung der autokorrelierten Fluktuation mit Variogramm; Kriging: Mean-Square Vorhersage von räumlich referenzierten Daten). Die Vorlesung wird durch Datenanalysen am Computer ergänzt, welche die Teilnehmenden selbständig durchführen müssen.
SkriptFolien der Präsentationen und Aufgabenstellungen für die Übungen und Musterlösungen werden abgegeben.
LiteraturP.J. Diggle & P.J. Ribeiro Jr. 2007. Model-based Geostatistics. Springer