Zadání domácích úkolů

---

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

a VŽDY 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, není třeba nastavovat).
• Přiložte zdrojový Rmd nebo qmd soubor (případně dataset).
• Pokud odevzdáváte úkol v komprimovaném souboru, používejte výhradně .zip formát.
• html soubory kompilované z qmd skriptů odevzdávejte včetně složky s pomocnými soubory (grafy a podobné soubory)

Obecná doporučení pro práci s R (domácí úkoly)

1. Používejte nejnovější verzi R
2. Používejte nejnovější verzi RStudio
3. Aktualizujte balíčky

4. 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 22.2.)

Vypracujte zadání ve skriptu R03_data_handling_exercise.Rmd.
Zkompilovaný html/pdf/docx soubor odevzdejte prostřednictvím odevzdávárny v insisu.

---

Týden 2 (odevzdání do 1.3.)

• Stažení zajímavého datasetu z databáze Eurostat nebo podobné open access databáze, (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.
  • Slovně 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).
  • Nezapomeňte na formát odevzdání…

---

Týden 3 (odevzdání do 8. 3.)

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, jinou databázi, případně rastrová data (satelitní snímkování).

---

Týden 4 (odevzdání do 15. 3.)

Interpolace prostorových dat

• Vyřešte úlohu ze skriptu R06b_Complex_spatial_interpolation_example.Rmd (Blok 2) a odevzdejte ve zkompilovaném formátu (html/docx/pdf).
• Kromě IDW použijte i krigging.
• Před zpracováním dat je vhodné podrobně si přečíst doprovodné informace a návod ze skriptu.

---

Týden 5 (odevzdání do 22. 3.)

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 dataset alespoň 50 pozorování. V opačném případě (malý výbět) najděte jiný dataset (ideálně na úrovni NUTS2 nebo NUTS3), abyste měli dostatek pozorování pro testy.

• Zvolte jednu proměnnou (a jedno období pozorování co nejblíže roku 2026) a proveďte Moranův test na prostorovou nezávislost (interpretujte výsledek testu).

• 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.

---

Homepage