Seminar R und RStudio – Intensivseminar Statistik und Prognosemodelle

Seminarbeschreibung

Das Intensivseminar bietet einen methodisch zusammenhängenden Überblick über statistische Analyse und datenbasierte Vorhersage mit R. Die Verfahren werden ausgehend von ihren Fragestellungen verglichen: Geht es um einen Gruppenunterschied, den Zusammenhang mehrerer Merkmale oder die Vorhersage künftig beobachteter Werte? Diese Unterscheidung steuert Datenaufbereitung, Modellwahl und Bewertung.

Gebündelt werden die Kernthemen der Fachseminare Statistik, Regression, Machine Learning und Zeitreihen. Bereits bekannte statistische Grundlagen werden gezielt aufgefrischt. Modellfamilien und Übungsfälle bleiben begrenzt, damit eine nachvollziehbare Prüfung möglich ist. Das Angebot vermittelt einen verdichteten Querschnitt und ersetzt nicht die gesamte praktische Vertiefung der vier Fachseminare.

Zielgruppe

Erfahrene R-Anwender, Analysten und Data Scientists, die statistische und prognostische Verfahren in einem gemeinsamen methodischen Rahmen einsetzen möchten.

Voraussetzungen

Sicheres R, Datenaufbereitung und ggplot2. Bereits vorhandene Grundlagen zu Verteilungen, Konfidenzintervallen, Hypothesentests und linearer Regression. Eigenständige Arbeit mit Funktionen und tabellarischen Daten. Für Statistikneulinge ist zunächst das eigenständige Statistikseminar vorgesehen.

Lernziele

• Inferenz, explorative Strukturanalyse und Prognose methodisch unterscheiden.
• Lineare und logistische Modelle mit nachvollziehbarer Diagnostik einsetzen.
• Machine-Learning-Workflows gegen Datenleckagen absichern und mit Resampling bewerten.
• Zeitreihenprognosen mit Baselines und zeitgerechten Prüfbeständen vergleichen.

Inhaltsübersicht

1. Fragestellungen, Schätzungen und Tests
2. Lineare Regression und Diagnostik
3. Logistische Modelle
4. Multivariate Exploration
5. Datenaufteilung und Vorverarbeitung
6. Machine-Learning-Workflows
7. Tuning und finale Modellprüfung
8. Zeitreihenstruktur und Baselines
9. ETS, ARIMA und Backtesting
10. Vergleichende Fallbearbeitung

Seminarinhalte

Fragestellungen, Schätzungen und Tests

Die Auswahl des Verfahrens wird an Design und Aussageziel gebunden.

• Beobachtungseinheiten, verbundene Daten und mögliche Verzerrungen prüfen.
• Konfidenzintervalle, geeignete Gruppenvergleiche und Effektgrößen auffrischen.
• Mehrfachtests und den Unterschied zwischen Signifikanz und Relevanz berücksichtigen.

Lineare Regression und Diagnostik

Ein multivariables Modell wird interpretiert und geprüft.

• Kontinuierliche und kategoriale Prädiktoren sowie einfache Interaktionen verwenden.
• Residuen, Kollinearität und einflussreiche Beobachtungen untersuchen.
• Konfidenz- und Prognoseintervalle auseinanderhalten; Extrapolation einordnen.

Logistische Modelle

Binäre Ereignisse werden mit geeigneten Modellgrößen beschrieben.

• Ein logistisches Modell schätzen und vorhergesagte Wahrscheinlichkeiten berechnen.
• Odds Ratios und Unterschiede in Wahrscheinlichkeiten getrennt interpretieren.
• Klassifikationsschwellen und Kalibrierung anhand einer Beispielaufgabe beurteilen.

Multivariate Exploration

Komplexe numerische Daten werden verdichtet und strukturiert.

• PCA nach begründeter Zentrierung und Skalierung durchführen.
• Ladungen, Scores und erklärte Varianz interpretieren.
• Hierarchisches Clustering und k-means exemplarisch vergleichen; Stabilität und fachliche Plausibilität prüfen.

Datenaufteilung und Vorverarbeitung

Die Modellbewertung wird bereits vor dem Training vorbereitet.

• Testdaten reservieren und Resampling der Datenstruktur anpassen.
• Imputation und Kodierung mit recipes innerhalb der Trainingsabläufe durchführen.
• Datenleckagen und unerwartete Kategorien an gezielten Fehlerbeispielen erkennen.

Machine-Learning-Workflows

Einheitliche Abläufe ermöglichen einen kontrollierten Vergleich.

• Modelle mit parsnip und workflows verbinden.
• Eine lineare beziehungsweise logistische Baseline mit einem baumbasierten Verfahren vergleichen.
• Metriken für Regression und Klassifikation passend zur Aufgabe auswählen.

Tuning und finale Modellprüfung

Die Auswahl bleibt vom abschließenden Test getrennt.

• Ein kleines Hyperparameterraster mit tune auswerten.
• Modellkomplexität, Streuung und Rechenaufwand abwägen.
• Den ausgewählten Workflow finalisieren und auf unberührten Testdaten bewerten.

Zeitreihenstruktur und Baselines

Zeitliche Abhängigkeiten verändern Datenvorbereitung und Prüfung.

• Mit tsibble Zeitindex, Intervalle und Lücken kontrollieren.
• Trend, Saisonalität und Autokorrelation untersuchen.
• Naive und saisonal naive Vergleichsprognosen aufbauen.

ETS, ARIMA und Backtesting

Prognosemodelle werden am vorgesehenen Anwendungshorizont gemessen.

• ETS- und ARIMA-Modelle mit fable exemplarisch schätzen.
• Rollierende Prognoseursprünge und zeitlich spätere Prüfperioden verwenden.
• Prognoseintervalle und Fehlermaße interpretieren; Strukturbrüche berücksichtigen.

Vergleichende Fallbearbeitung

Die Verfahrensauswahl wird an mehreren fachlichen Aufgaben überprüft.

• Ein geeignetes Verfahren samt Daten- und Prüfstrategie begründen.
• Annahmen, Fehlersituationen und praktische Aussagegrenzen dokumentieren.
• Ergebnisse als reproduzierbare Tabellen und Grafiken zusammenstellen.

Praxisprojekt

1. Eine Vergleichsfrage, eine Klassifikationsaufgabe und eine Zeitreihenaufgabe methodisch einordnen.
2. Ein Regressionsmodell diagnostisch prüfen und seine Aussagen begrenzen.
3. Einen kleinen tidymodels-Vergleich mit sauber getrennten Prüfbeständen durchführen.
4. Zeitreihenmodelle gegen eine saisonale Vergleichsprognose testen.
5. Die Verfahren anhand von Annahmen, Unsicherheit und tatsächlichem Einsatzzweck gegenüberstellen.