Fundamentals of Data Analysis in Environment R

Code: MAT14055D

6 ECTS

Duration: 15 weeks/156 hours

Scientific Area: Mathematics

Teaching languages: Portuguese

Languages of tutoring support: Portuguese, English

Regime de Frequência: B-learning

Presentation

Knowledge of Probabilities and Statistics.
It is intended for Master and PhD students, as well as for all those who wish to acquire knowledge in the manipulation and treatment of data through the software R.

Sustainable Development Goals

Saúde de qualidade - Assegurar uma vida saudável e promover o bem-estar para todos, em todas as idades.

Educação de qualidade - Assegurar a educação inclusiva, e equitativa e de qualidade, e promover oportunidades de aprendizagem ao longo da vida para todos.

Cidades e comunidades sustentáveis - Tornar as cidades e os assentamentos humanos inclusivos, seguros, resilientes e sustentáveis.

Produção e consumo sustentáveis - Assegurar padrões de produção e de consumo sustentáveis.

Paz, justiça e instituições eficazes - Paz, justiça e instituições eficazes promover sociedades pacíficas e inclusivas par ao desenvolvimento sustentável, proporcionar o acesso à justiça para todos e construir instituições eficazes, responsáveis
e inclusivas em todos os níveis.

Parcerias para a implementação dos objetivos - Fortalecer os meios de implementação e revitalizar a parceria global para o desenvolvimento sustentável.

Learning Goals

Explore the potential of free software R in the statistical treatment of data.

1. Introduction to the R language
i. Installation of R, R Studio and libraries
ii. Use of R as a calculator: mathematical and logical operations
iii. Data storage: variables, vectors, matrices and lists
iv. Object classes and object conversion into different classes
v. Data import, export and storage
vi. Data manipulation: filters, selections, renames, groupings, sorts, etc.
vii. Pipe Operator
2. Graphical data visualization: categorical, discrete and continuous data
i. Static graphs
ii. Dynamic graphs
iii. Recording graphs in several formats
3. Summary measures
i. Location
ii. Dispersion
iii. Form
iv. Association
4. Hypothesis tests
i. Parametric
ii. Non-parametric

Teaching Methods

Teaching methodology:
Structured explanation, exemplification, autonomous resolution of exercises in R.

Evaluation:
Application project using software R.

Teaching Staff

Back