Statistik und R | Das Universitätsnetzwerk

Beschreibung

Wir erlernen die Grundlagen der statistischen Inferenz, um p-Werte und Konfidenzintervalle zu verstehen und zu berechnen, und analysieren gleichzeitig Daten mit R. Wir stellen R-Programmierbeispiele auf eine Weise bereit, die dabei hilft, die Verbindung zwischen Konzepten und Implementierung herzustellen. Problemstellungen, die R-Programmierung erfordern, werden verwendet, um das Verständnis und die Fähigkeit zur Implementierung grundlegender Datenanalysen zu testen. Wir werden Visualisierungstechniken verwenden, um neue Datensätze zu erkunden und den am besten geeigneten Ansatz zu bestimmen. Wir werden robuste statistische Techniken als Alternativen beschreiben, wenn die Daten nicht den Annahmen der Standardansätze entsprechen. Durch die Verwendung von R-Skripten zur Datenanalyse erlernen Sie die Grundlagen der Durchführung reproduzierbarer Forschung. Angesichts des unterschiedlichen Bildungshintergrunds unserer Schüler haben wir die Reihe in sieben Teile unterteilt. Sie können die gesamte Serie oder einzelne Kurse belegen, die Sie interessieren. Wenn Sie Statistiker sind, sollten Sie erwägen, die ersten zwei oder drei Kurse zu überspringen, und wenn Sie Biologe sind, sollten Sie darüber nachdenken, einige der Einführungsvorlesungen in die Biologie zu überspringen. Beachten Sie, dass der Schwierigkeitsgrad der Statistik- und Programmieraspekte des Kurses in den ersten drei Kursen relativ schnell zunimmt. Im dritten Kurs werden fortgeschrittene statistische Konzepte wie hierarchische Modelle vermittelt und im vierten Kurs werden fortgeschrittene Software-Engineering-Fähigkeiten wie Parallelrechnen und reproduzierbare Forschungskonzepte vermittelt. Diese Kurse bilden 2 XSeries und werden im Selbststudium durchgeführt: PH525.1x: Statistik und R für die Biowissenschaften PH525.2x: Einführung in lineare Modelle und Matrixalgebra PH525.3x: Statistische Inferenz und Modellierung für Hochdurchsatzexperimente PH525.4x : Hochdimensionale Datenanalyse PH525.5x: Einführung in Bioconductor: Annotation und Analyse von Genomen und Genomtests PH525.6x: Hochleistungsrechnen für reproduzierbare Genomik PH525.7x: Fallstudien in funktioneller Genomik Dieser Kurs wurde teilweise vom NIH unterstützt Zuschuss R25GM114818.