Allgemeines

Hier finden Sie Hinweise mit Bezug zum Programm R, dass ich in Lehre und Forschung verwende. R eignet sich hervorragend für statistische Anwendungen (Statistical Learning), sehr gut für Machine Learning und gut für Mathematik. Die R Hauptseite ist R Project. Eine sehr gute Entwicklungsumgebung ist R Studio.

Start

Mein Favorit für Anfang ist Quick R von Kabacoff.

Bücher

Gute (Papier) Bücher sind R in Action, The book of R und R in a Nutshell

Netz-Quellen

Programmierung: R language for programmers, Stil Ratgeber: Google Style Giude:. Es gibt sogar ein Kochbuch über R: R Cookbook. Wenn Sie ernsthafter programmieren wollen, dann hilft Hands-On Programming with R und Efficient R programming. Am besten packen alles in ein oder mehrere Pakete: R packages. Fortgeschrittene lesen Advanced R.

noch mehr Netz-Quellen

Es gibt eine Reihe sehr guter frei verfügbarer Quellen über R. R for Data Science von Wickham und Grolemund. Quick R von Kabacoff. Ein Buch über Forecasting von Rob J Hyndman and George Athanasopoulos. Ein Buch über Regression mit R ist R Companion to Applied Regression. Über den Einsatz in der Ökonometrie kann man sich heir informieren: Econometrics with R. Man kann R ausgezeichnet für die Visualisierung von Daten nutzen: Data Visualization with R und Fundamentals of Data Visualization.

Blogs

R Bloggers, Revolutions,