Literatur und Links
Hier findest du eine Auswahl deutsch- und vor allem englischsprachiger Veröffentlichungen und Weblinks. Sie eignen sich zur Wiederholung oder Aneignung statistischen Grundlagenwissens sowie zur Ergänzung und Vertiefung der Inhalte der DSB-Module. Ergänzungen zu dieser subjektiven Auswahl sind willkommen und können gerne ans DSB-Team gesendet werden!
Bücher
Allgemeine R-Bücher
- Ligges, U. (2014): Programmieren mit R, Springer Spektrum, Berlin. [deutschsprachig] (ältere Ausgabe als PDF für Angehörige einiger Hamburger Universitäten)
- Wickham, H. & Grolemund, G. (2023): R for Data Science, 2nd edition, O’Reilly Media Inc., CA, USA. [englischsprachig] Online verfügbar auf r4ds.hadley.nz → Dieses Buch ist das Tidyverse-Buch, in dem alle relevanten Tidyverse-Pakete vorgestellt werden. Trotz englischer Sprache liest es sich sehr gut.
- Wickham, H. (2019): Advanced R, 2nd edition, Chapman & Hall/CRC The R Series, UK. [englischsprachig] Online verfügbar auf adv-r.hadley.nz → Wenn du mehr darüber lernen willst, wie man in R programmiert und eigene Funktionen schreibt, ist dieses Buch sehr zu empfehlen!
- Crawley, M.J. (2013): The R Book, 2nd edition, Wiley & Sons, West Sussex, UK. [englischsprachig] → Dieses Buch ist mit seinen fast 1000 Seiten das umfangreichste R-Buch auf dem Markt und behandelt ausführlich die inferenzielle Statistik und statistische Modellierung mit R.
Visualisierung in R
- Wickham, H. (2016): ggplot2 – Elegant Graphics for Data Analysis, 2nd edition, Springer International Publishing, Switzerland. [englischsprachig] R-Code und Text auf GitHub verfügbar.
- Kassambara, A. (2013): Guide to Create Beautiful Graphics in R, 2nd edition, STHDA. [englischsprachig]
Visualisierung allgemein
- Kirk, A. (2019): Data Visualisation – A Handbook for Data Driven Design, 2nd edition, SAGE Publications Ltd. [englischsprachig]
- Berinato, S. (2019): Good Charts Workbook, HBR Press. [englischsprachig]
Statistik & Mathematik (deutschsprachig)
- Bärlocher, F. (1999): Biostatistik – Praktische Einführung in Konzepte und Methoden, Thieme Verlag. [deutschsprachig]
- Eickhoff-Schachtebeck, A. & Schöbel, A. (2014): Mathematik in der Biologie, Springer Spektrum. [deutschsprachig]
- Dormann, C. (2017): Parametrische Statistik – Verteilungen, Maximum Likelihood und GLM in R, Springer Spektrum. [deutschsprachig]
Statistik & Machine Learning (englischsprachig)
- Quinn, G.P. & Keough, M.J. (2002): Experimental Design and Data Analysis for Biologists, Cambridge University Press, UK. [englischsprachig]
- Lazic, S.E. (2017): Experimental Design for Laboratory Biologists – Maximising Information and Improving Reproducibility, Cambridge University Press. [englischsprachig]
- Cohen, J. (1988): Statistical Power Analysis for the Behavioral Sciences, 2nd edition, Lawrence Erlbaum Associates, Hillsdale, NJ. [englischsprachig]
- Zuur, A.F., Ieno, E.N., Walker, N.J., Saveliev, A.A. & Smith, G.M. (2009): Mixed Effects Models and Extensions in Ecology with R, Springer, New York, USA. [englischsprachig] Weitere Informationen und Datendateien: highstat.com → Ausgehend vom einfachen linearen Regressionsmodell und dessen Limitierungen beschreibt dieses Buch verschiedene alternative Modellierungsansätze wie Generalisierte Lineare und Additive Modelle (GLM und GAM), Gemischte Lineare Modelle u. v. m.
- James, G., Witten, D., Hastie, T. & Tibshirani, R. (2021): An Introduction to Statistical Learning with Applications in R, 2nd edition, Springer. [englischsprachig] Online verfügbar auf statlearning.com
Style Guides
Lesbarkeit des R-Codes erhöhen – Fehler besser sichtbar machen
Der Programmierstil legt z. B. fest, wo Leerzeichen gesetzt werden oder wie Datei- und Objektnamen aufgebaut sind. Ein einheitlicher Stil hat große Vorteile, aber keinerlei Auswirkungen auf die Funktionalität des R-Codes. Fehler lassen sich deutlich einfacher finden und die Lesbarkeit – insbesondere wenn mehrere Personen am Code arbeiten – wird erhöht.
Es gibt verschiedene Style Guides für R-Code, auch in einigen der oben gelisteten Bücher. Ergänzend dazu eine Auswahl von Online-Quellen:
- Wickham, H.: The tidyverse style guide [englischsprachig]
- Google: Google’s R Style Guide [englischsprachig]
Nützliche Websites
Allgemein
- R-bloggers – Blog-Aggregator mit Beiträgen zu aktuellen Entwicklungen, einzelnen R-Paketen und Online-Tutorials [englischsprachig]
- CRAN Task Views – Thematisch geordnete Übersichten relevanter R-Pakete (z. B. Environmetrics, Spatial, TimeSeries) [englischsprachig]
- fishR – R-Ressourcen für Fischereiwissenschaften: Pakete, Online-Kurse und Tutorials [englischsprachig]
Funktionale Programmierung in R
- Jenny Bryan: purrr Tutorial – Empfehlenswertes Tutorial zum R-Paket purrr für vektorbasiertes Programmieren [englischsprachig]
Visualisierung
- ggplot2:
- Offizielle Dokumentation – Funktionsreferenz und Anleitungen [englischsprachig]
- R Graph Gallery – ggplot2 – Bildergalerie mit ggplot2-Grafiken und Code-Beispielen [englischsprachig]
- ColorBrewer – Farbskalen für Karten und Diagramme [englischsprachig]
Quarto & R Markdown
- Quarto Dokumentation – Offizielle Quarto-Webseite mit umfassender Anleitung [englischsprachig]
- R Markdown Dokumentation – Offizielle R Markdown-Webseite [englischsprachig]
- R Markdown: The Definitive Guide – Umfassendes Online-Buch von Xie, Allaire & Grolemund [englischsprachig]
Reguläre Ausdrücke
- regular-expressions.info – Umfassende Ressource zu regulären Ausdrücken (regex) mit Tutorials auf Einsteiger- und Fortgeschrittenenniveau [englischsprachig]
Shiny
- Shiny Dokumentation – Offizielle Shiny-Webseite mit Tutorials und Beispielen [englischsprachig]
- Mastering Shiny – Online-Buch von Hadley Wickham [englischsprachig]
- shinyapps.io – Plattform zur Veröffentlichung von Shiny-Applikationen [englischsprachig]