Statystyka i wizualizacja danych

class: center, middle, inverse, title-slide

.title[
# Statystyka i wizualizacja danych
]
.subtitle[
## Wprowadzenie
]
.author[
### Jakub Nowosad <br> <a href="mailto:nowosad@amu.edu.pl" class="email">nowosad@amu.edu.pl</a>
]

---

class: inverse, middle, center
# Kwestie organizacyjne

---
## Kwestie organizacyjne

- Jakub Nowosad
- nowosad@amu.edu.pl
- dyżur: online, po ustaleniu mailowo terminu
- [https://jakubnowosad.com/statystyka-l/](https://jakubnowosad.com/statystyka-l/)

---
## Program zajęć

1. wstęp do R, RStudio oraz RMarkdown
1. przetwarzanie danych
1. podstawowe statystyki opisowe
1. wykresy statystyczne i wizualizacja danych
1. rozkłady danych oraz podstawowe teorie statystyczne
1. wnioskowanie i testy statystyczne
1. analiza korelacji

---
## Nabyte umiejętności

- używania funkcji i wykonywania obliczeń w języku R
- przetwarzania danych
- tworzenia oraz interpretacji wykresów statystycznych
- opisywania charakterystyk rozkładów danych
- doboru, wykonania oraz interpretacji testów statystycznych
- zrozumienia zależności numerycznych i ich testowania
- przedstawienia wyników w postaci raportu

---
## Formy oceny

- praca na zajęciach
- wejściówki
- projekt wykres (I i II)
- projekt analiza danych
- zaliczenie końcowe (tylko dla osób, które mają zaliczone powyższe zadania)
- inne

---
## Kodeks honorowy

- wszelkie prace domowe czy zaliczeniowe muszą być samodzielne oraz odzwierciedlać sposób myślenia i pracy ich twórcy

---
## Źródła wiedzy

- [Elementarz programisty](https://nowosad.github.io/elp/), [R for Data Science](http://r4ds.had.co.nz/), [Efficient R programming](https://csgillespie.github.io/efficientR/), [Geocomputation with R](https://geocompr.robinlovelace.net/), [ggplot2: Elegant Graphics for Data Analysis](https://ggplot2-book.org/), [R Graphics Cookbook, 2nd edition](https://r-graphics.org/) - książki online

- [Przewodnik po pakiecie R](http://www.biecek.pl/R/), [Programowanie w języku R](https://github.com/gagolews/Programowanie_w_jezyku_R/), [Język R. Kompletny zestaw narzędzi dla analityków danych](https://helion.pl/ksiazki/jezyk-r-kompletny-zestaw-narzedzi-dla-analitykow-danych-hadley-wickham-garrett-grolemund,jezrkv.htm#format/d), [Wydajne programowanie w R](https://helion.pl/ksiazki/wydajne-programowanie-w-r-praktyczny-przewodnik-po-lepszym-programowaniu-colin-gillespie-robin-lovelace,e_1vi4.htm#format/e), [Statystycznie rzecz biorąc](https://janinadaily.com/ksiazka-statystycznie-rzecz-biorac/) - polskie wydawnictwa
- [the R Journal](https://journal.r-project.org/)


- wyszukiwarki internetowe [Rseek](http://www.rseek.org/), [Duckduckgo](http://duckduckgo.com/), [Google](http://google.com/), [Bing](http://bing.com/), itd.
- LLMs? tak, ale pod warunkiem uwzględnienia opisu ich użycia

---
class: inverse, middle, center
# Zadanie

---
## Zadanie

```r
install.packages("gapminder")
library(gapminder)
```

Dane `gapminder` zawierają informacje o nazwie kraju, nazwie kontynentu, roku danych, oczekiwanej długości życia, populacji oraz PKB na osobę.

Polecenia:

1. Który kraj miał najdłuższą i najkrótszą wartość oczekiwanej długości życia? 
W którym roku?
2. Jaki jest najludniejszy kraj w tym zbiorze?
3. Jaka jest średnia wartość oczekiwanej długości życia w całej bazie?
A jaka jest średnia wartość oczekiwanej długości życia w roku 2007?
4. Który kontynent miał największą liczbę ludności w roku 2007?
5. Dla każdego kontynentu wylicz średnią wartość PKB na osobę w roku 2007.
Na którym kontynencie ta wartość była najwyższa a na którym najniższa?
6. Zbuduj wykres pokazujący relację między oczekiwaną długością życia a PKB na osobę w roku 2007.

---
class: inverse, middle, center
# Statystyka

---
## [Statystyka vs Data Science](https://twitter.com/StephdeSilva/status/1017251669447340033/photo/1)

<div class="figure" style="text-align: center">
<img src="fig/data-science.png" alt="Typowy projekt data science. Żródło: http://r4ds.had.co.nz/"  />
<p class="caption">Typowy projekt data science. Żródło: http://r4ds.had.co.nz/</p>
</div>

---
## [Rodzaje analiz statystycznych](http://www.statlit.org/pdf/2013-Smith-Data-Analytics-Six-Types-P1.pdf)

- **Opisowa** - opisywanie zbioru danych
- **Wyjaśniająca** - znajdowanie relacji między danymi
- **Inferencyjna (wnioskująca)** - testowanie teorii
- Predykcyjna - tworzenie predykcji
- Przyczynowa - określanie wpływu jednej zmiennej na inną
- Mechanistyczna - zrozumienie mechanizmów relacji między zmiennymi

---
class: inverse, middle, center
# Dane w arkuszu kalkulacyjnym

---
## Organizacja danych

- Dobrze zorganizowane dane to podstawa dobrej analizy
- Kilka ważnych porad (wybrane z <http://kbroman.org/dataorg/>):
    - Bądź konsekwentna/y 
    - Zapisuj daty jako YYYY-MM-DD
    - Nie zostawiaj pustych komórek danych
    - Nie używaj kolorów czy wielkości czcionek jako informacji
    - Nie używaj surowych danych do analiz
    - Twórz kopie zapasowe

- [Inne porady dotyczące organizacji danych](https://rtask.thinkr.fr/blog/the-ten-commandments-for-a-well-formatted-database/)

---
class: inverse, middle, center
# R

---
## R - język programowania stworzony do analizy danych

<div class="figure" style="text-align: center">
<img src="fig/r_vs_rstudio.png" alt="Źródło: https://ismayc.github.io/moderndiver-book/index.html"  />
<p class="caption">Źródło: https://ismayc.github.io/moderndiver-book/index.html</p>
</div>

- [Instalacja R](https://cran.r-project.org/)
- [Instalacja RStudio](https://posit.co/download/rstudio-desktop/)
- [R vs Excel](https://fantasyfootballanalytics.net/2014/01/why-r-is-better-than-excel.html)
- [Lista firm używających R](https://github.com/ThinkR-open/companies-using-r)

---
class: inverse, middle, center
# Quarto

---
## Quarto

- (bardzo) prosty język znaczników służący do formatowania tekstu
- jest rozwinięciem języka Markdown o możliwości dodawania kodu i wyników z R oraz innych języków programowania (np. Python czy Julia)
- pozwala szybko tworzyć raporty i projekty oparte o języki programowania
- podstawowe zasady użycia - *Markdown Quick Reference*
- https://quarto.org/docs/get-started/authoring/rstudio.html
- Quarto pozwala także na [tworzenie prezentacji, stron internetowych i książek](https://www.youtube.com/live/AUt-GOZJQaY?feature=shared&t=334)

---
## Quarto - zadania

1. Stwórz nowy plik Quarto (.qmd) w formacie HTML w RStudio.
2. Ustaw tytuł nowego dokumentu na "Mój pierwszy dokument".
3. Dodaj swoje imię i nazwisko oraz dzisiejszą datę w nagłówku (podpowiedź: uzupełnij zmienne `author:` i `date:` w nagłówku).
4. Wygeneruj nowy dokument używając ikony "Render".
5. Dodaj nowy blok kodu (ang. *code chunk*), wczytujący plik `data/pomiary_pol.csv`.
6. Dodaj tekst wyjaśniający w kilku zdaniach dla osoby nie znającej R, co ten kod znaczy.
7. Zmień format wyjściowy dokumentu na `docx`. 
Wygeneruj nowy dokument używając ikony "Render".

---
class: middle, center
# "It is easy to lie with statistics; it is easier to lie without them." 
Frederick Mosteller