|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/geostatistiker-raumliche-datenanalyse-mit-r/
课程评论：没有评论
**课程名称：** 地位统计学 - 使用 R 进行空间数据分析 **课程概述：** 本课程旨在教授学员如何分析、识别和直观展示空间现象、事实和关系。课程将涵盖统计学概念和原理，以及在 R 语言中的实际应用。 **学习内容：** * **数据初步处理：** 学习量表级别和描述性统计。 * **概率分布：** 从头开始理解概率分布的形成和解释，学习统计假设检验及其与概率分布的关系。 * **空间分析基础：** 检验数学基本假设，进行相关性分析，深入了解空间自相关原理，并利用空间自相关进行空间热点分析。 * **聚类分析：** 学习多种聚类分析方法，识别数据中高低值的空间聚集。 * **空间插值：** 学习将点状数据插值到面状数据的各种方法。 * **回归分析：** * **第一部分：** 掌握单变量、双变量和多变量回归方法及其相关现象和方法。 * **第二部分：** 深入理解回归分析的数学基本假设，进行检验，并根据需要采取措施确保假设得到满足。学习如何将空间信息纳入回归分析以改进模型。 * **机器学习概览：** 简要介绍其他机器学习技术。 **目标：** 完成本课程后，学员将能够熟练运用 R 语言进行空间数据的统计分析，并能有效地解释和呈现分析结果。
Herzlich willkommen zur Geostatistiker Schulung! In dieser Schulung werden wir lernen räumliche Phänomene, Sachverhalte und Zusammenhänge zu analysieren und zu identifizieren, um sie letztendlich anschaulich zu präsentieren. Wir werden uns sowohl statistische Konzepte und Prinzipien, wie auch die praktische Anwendung in R angucken.Wir werden uns als erstes Skalenniveaus und deskriptive Statistik angucken. Als nächstes lernen wir von Grund auf, wie Wahrscheinlichkeitsverteilungen zustande kommen und wie wir sie interpretieren. Wir werden in der Lage sein, zu erklären, wie statistische Hypothesentest funktionieren und wie das Ganze mit Wahrscheinlichkeitsverteilungen zusammenhängt. Als nächstes gucken wir uns Grundannahmen und den Raumbezug an. Hier werden wir mathematische Grundannahmen überprüfen, Korrelationsanalysen durchführen, und uns dann das Prinzip der räumlichen Autokorrelation näher angucken. Wir werden die räumliche Autokorrelation auch verwenden, um eine räumliche Hotspot Analyse durchzuführen.Als nächstes werden wir uns verschiedenste Clusteranalysen kennenlernen und verstehen, wie wir räumliche Häufungen hoher und niedriger Werte in unseren Daten identifizieren.Anschließend beschäftigen wir uns mit räumlichen interpolationsverfahren. Wir lernen verschiedene Methoden kennen, die es uns erlauben, punktförmige Daten in die Fläche zu interpolieren.Schließlich lernen wir Regressionsanalysen in 2 Teilen zu meistern. Zunächst beschäftigen wir uns mit uni-, bi- und multivariaten Regressionsverfahren und Phänomene und Methoden, die damit zusammenhängen. Im zweiten Teil gehen wir der Sache noch ein bisschen mehr auf den Grund. Wir gucken wir uns mathematischen Grundannahmen an, überprüfen diese und leiten dann gegebenenfalls die richtigen Schritte ein, um keine mathematischen Grundannahmen zu verletzen. In diesem Teil werden wir auch sehen, wie wir die räumliche Information in den Regressionsanalysen berücksichtigen können, um unsere Regressionsmodelle zu verbessern.Zum Schluss gibt es dann noch einen kleinen Überblick über weitere Maschine Learning Techniken, womit wir dann die Schulung abschließen.
