Vom professionellen Graphen bis zum einfachen gemischten Modell

Dieser Kurs ist an Naturwissenschaftler gerichtet, die R vor allem zur statistischen Datenanalyse benutzen, aber auch um Daten (vorher) nachvollziehbar zu bearbeiten und (nachher) professionell darzustellen. Demnach sollten die Teilnehmer zumindest grundlegende Vorkenntnisse zur Nutzung von R (oder z.B. SAS) haben. Ziel ist es speziell das Statistik-Wissen auf eine intuitive und praktikable Art zu vermitteln. Der Fokus liegt dabei vor allem darauf, die unten genannten Methoden und deren zugrundeliegende Theorie mithilfe von anschaulichen Beispielen zu erklären. Die Beispiele des Kurses kommen vor allem aus den Agrarwissenschaften bzw. der experimentellen Biologie.

Inhalte des Kurses sind:

• Vor- und Nachteile von alternativen Im- und Exportfunktionen anstelle von „read.table()“ (packages: data.table, readxl, openxlsx)
• Effizientes Strukturieren der Datensätze und Arbeitsordner

• Effiziente Erstellung relevanter deskriptiver Statistiken (oder auch: Wie man Excel wirklich nur noch zur Dateneingabe benötigt)
• Korrelation und lineare Modelle (Regression)
• Kritische Diskussion zu p-Werten und Signifikanz
• Einfaktorielle und mehrfaktorielle Varianzanalyse
• Adjustierte Mittelwerte und deren Vergleiche via Post-hoc Tests (package: emmeans)
• Gemischte Modelle (packages: lme4, nlme)
• Versuchsdesigns
• vollständig randomisierte Anlage
• randomisierte vollständige Blockanlage
• Lateinisches Quadrat
• Alpha-design

• Professionelle Erstellung verschiedener Graphen (packages: ggplot2, desplot)