Zadání domácích úkolů

Domácí úkoly zpracujte v Rmd (Markdown), nebo qmd (quarto) formátu,

odevzdejte ve ZKOMPILOVANÉ verzi, tj. výstup do html/pdf/docx souboru.

U zkompilovaných výstupů musejí být viditelné použité příkazy, tj. nastavení echo=T (je defaultní).
Podle potřeby přiložte dataset a zdrojový Rmd nebo qmd soubor.
Pokud odevzdáváte úkol v komprimovaném souboru, používejte výhradně .zip formát.

Obecná doporučení pro práci s R (domácí úkoly)

Používejte nejnovější verzi R
Používejte nejnovější verzi RStudio
Aktualizujte balíčky
Je-li to nutné, nainstalujte si poslední verzi Pandoc (Rmd compiler)

install.packages(“installr”,dependencies = T)
installr::install.pandoc() # may require admin access rights

Týden 1 (odevzdání do 22.9.)

Vypracujte zadání ve skriptu R03_data_handling_exercise.Rmd.
Zkompilovaný html/pdf/docx soubor odevzdejte prostřednictvím odevzdávárny v insisu.
Bonusový úkol (2b): Quick exercise: 3 ze skriptu R06_dplyr.Rmd (poslední příklad ze skriptu)

Týden 2 (odevzdání do 29.9.) - úkol má dvě části

Stažení zajímavého datasetu z databáze Eurostat/WDI/OECD, (u Eurostatu použijte data na úrovni NUTS2/NUTS3), prostřednictvím balíčku R.
- Orientace v datasetu: Popis ukazatelů, obsažených v datasetu (typově: jaké věkové skupiny jsou sledovány, …).
- Úprava dat pomocí balíčku dplyr a pipe operátoru: filtrování “vhodných” ukazatelů podle Vašeho uvážení. Popište, jaká data jste vybrali (případně proč).
- Jednoduchá vizualizace dat pomocí balíčku ggplot2. Před vizualizací dat ověřte rozměr výsledného datasetu pomocí příkazu dim(). Při správném filtrování musí počet řádků datasetu odpovídat zobrazovaným datům. (Např: zobrazuji řady s HDP pro 10 regionů a 5 let -> data frame má 50 řádků v tzv. dlouhém formátu.)
- Převod do formátu časových řad (využijte balíček zoo).
- Úkol může být založen na postupech ze skriptu R07_Eurostat.Rmd (ale nepoužívejte přímo datasety z tohoto skriptu).
- Doprovoďte Váš výstup stručným slovním komentářem (popište zvolené proměnné).
Vypracujte Assignment 1 (na ř. 275 skriptu R11_Missing_data.R)
Úkol odevzdejte ve zkompilovaném formátu (html, docx nebo pdf soubor vytvořený/zkompilovaný z markdown či quarto souboru)

Týden 3 (odevzdání do 6. 10.)

Vizualizace prostorových dat v R - kartogram (infomapa)

K vizualizaci použijte dva různé datasety: jeden může vycházet z úkolu pro minulý týden, druhý dataset si opět zvolte/vyhledejte na Eurostatu (nebo použijte jiný vhodný zdroj dat).
Pro Vámi vybrané proměnné zobrazte infomapu, např. podle vzoru ze skriptu R02_ggplot_choropleths.R
- Zobrazte alespoň čtyři různé infomapy: použijte různé projekce, různá časová období (použijte fazety), odlišné NUTS úrovně, zobrazte proměnné pro různé sledované skupiny (věkové skupiny, skupiny podle vzdělání, pohlaví, atd.).
- Pokud pracujete se státy jako Francie nebo Španělsko, je vhodné z datasetu odstranit zámořská území (nebo ohraničit oblast zobrazovanou na mapě).
- Před vizualizací dat v ggplot() zkontrolujte rozměr datasetu.
- Použití dat z Eurostatu není podmínkou, lze využít WDI nebo jinou databázi

Týden 4 (odevzdání do 13. 10.)

Interpolace prostorových dat

Vyřešte úlohu ze skriptu R06b_Complex_spatial_interpolation_example.Rmd a odevzdejte ve zkompilovaném formátu (html/docx/pdf).
Před zpracováním dat je vhodné podrobně si přečíst doprovodné informace a návod ze skriptu. `

Týden 5 (odevzdání do 20. 10.)

Testování prostorové (ne)závislosti a shluková analýza

Pro tento úkol lze použít data (tj. regiony), která jste stáhli v rámci úkolu v předchozích týdnech, pokud má výběr alespoň 50 pozorování. V opačném případě (malý výbět) najděte jiný dataset (ideálně na úrovni NUTS2 nebo NUTS3), abyste měli dostatek pozorování pro analýzu.
Zvolte jednu proměnnou (a jedno období pozorování - co nejblíže roku 2024 - a proveďte Moranův test na prostorovou nezávislost.
Použijte alespoň dva různé způsoby definice prostorové struktury (vzdálenost, vzdálenost + kNN, společná hranice) k ověření robustnosti výsledků vůči změnám prostorové struktury.
Proveďte shlukovou analýzu (alespoň jeden typ výstupu) - jako vodítko můžete použít skript R09_LISA_and_clusters.R z bloku 2.
Slovně okomentujte výsledky (interpretujte výsledek testu).

Týden 6 (odevzdání do 8. 11.)

Zpracujte rozšířený abstrakt své seminární práce - popište vybrané téma (motivace, výzkumný záměr), popište data, popište preferovanou odhadovou metodu. Jaký je Váš konkrétní cíl? Jaké vidíte potenciální problémy či komplikace? Případně uveďte zpracovaný model a/nebo dílčí výstupy odhadu. Rozsah 1-2 strany A4 (cca 400-800 slov).

V případě nejasností konzultujte svůj záměr prostřednictvím e-mailu nebo během KH.
Upozorňuji, že termín odevzdání vybočuje z běžného režimu (neděle před cvičením).
Hodnoceno pěti body, jako standardní týdenní úkol.

Týden 9 (odevzdání do 22.11.)

Stepwise a penalizovaná regrese
Upozornění: zapomněl jsem úkol z týdne 9 zadat včas do insisu a na web kurzu. Termín odevzdání je proto posunut do pátku 22.11., abyste měli čas na vypracování. Děkuji za pochopení.
Každý si vyberte vhodný dataset, například ze seznamu zde:
- https://vincentarelbundock.github.io/Rdatasets/datasets.html
- Vyberete-li jiný dataset, srozumitelně popište data.
- Závislou proměnnou pro svůj model pečlivě vybírejte, v kontextu datasetu Váš výběr musí dávat smysl – výběr zdůvodněte.
- Vybírejte takový dataset, abyste kromě závislé proměnné měli alespoň dalších 10+ potenciálních regresorů.
Proveďte stepwise regresi, použijte alespoň dvě varianty výběru (best subset, forward, backwards)
Proveďte tzv. penalizovanou regresi (alespoň jednu z variant: ridge, LASSO, elastic net).
Popište/vyhodnoťte predikční vlastnosti.

Týden 10 (odevzdání do 24.11.)

Zpracujte úkol podle zadání ve skriptu R16_GAM_diamonds_example.R z Bloku 3 (odevzdejte ve zkompilované markdown podobě (pdf, html, Word).

Homepage