Uvod u statistiku u R

Za pohađanje kursa je potrebno osnovno znanje statistike. Poslednji dan kursa je namenjen samostalnoj analizi podataka uz prezentovanje istraživanja svakog polaznika.

Kurs traje 3 dana (15h).

Ovde možete pronaći odgovore na često postavljena pitanja u vezi kursa “Uvod u statistiku u R“.

Data Science se najviše koristi u finansijama, a R se najčešće primenjuje u ovoj oblasti zato što R programski jezik pruža napredni statistički paket koji može da izvrši sve potrebne finansijske zadatke i analize.

Uz pomoć R programskog jezika, finansijske institucije su u mogućnosti da izvrše merenje rizika, da prilagode performanse rizika i koriste grafikone za vizuelizaciju podataka.

R takođe nudi alate za autoregresiju i analizu vremenskih serija što čini srž finansijskih analiza. R se koristi za analizu kreditnog rizika i upravljanje portfeljem. Finansijske kompanije takođe koriste R da bi modelirale kretanje tržišta deonica i predvidele cene akcija.

Bankarska industrija koristi R za modeliranje kreditnog rizika i druge oblike analize rizika. Banke intenzivno koriste modele koji im omogućavaju preuzimanje imovine u slučaju neispunjenja kredita (hipoteke). Ovi modeli uključuju analizu prodajnih cena, volatilnost prodajne cene i izračunavanje očekivanih gubitaka.

Na primer, Bank of America koristi R za finansijsko izveštavanje. Uz pomoć R, analitičari Bank of America analiziraju finansijske gubitke i koriste R- alate za vizuelizaciju.

Genetika, bioinformatika, farmacija, epidemiologija su neke od oblasti koje zahtevaju upotrebu R. Uz pomoć R, kompanije u ovim oblastima mogu da analiziraju podatke pružajući podršku za dalju analizu i obradu podataka.

Za napredniju obradu poput otkrivanja novih lekova, R se najviše koristi za sprovođenje pretkliničkih ispitivanja i analizu podataka o sigurnosti leka. Takođe, R nudi paket za obavljanje istraživačkih analiza podataka i alate za vizuelizaciju.

R se također koristi za statističko modeliranje u oblasti epidemiologije, gde naučnici na osnovu analiziranih podataka predviđaju širenje bolesti.

Industrija e-trgovine jedan je od najvažnijih sektora koji koristi Data Science, a R je jedan od standardnih alata koji se koristi u e-trgovini. S obzirom na to da kompanije koje se bave e-trgovinom imaju različite podatke, strukturirane i nestrukturirane, kao i različite izvore ovih podataka, R je najefikaciji izbor za analizu i obradu podataka u ovoj industriji.

Kompanije za e-trgovinu koriste R za analizu unakrsne prodaje proizvoda svojim kupcima. U unakrsnoj prodaji kupcu se predlažu dodatni proizvodi koji dopunjuju njihovu okupovinu. Ove vrste predloga i preporuka najbolje se analiziraju pomoću R. Pored toga, različite statističke tehnike, poput linearnog modeliranja potrebni su za analizu kupovine i za predviđanje prodaje proizvoda.

R ima veliku primenu i u prozvodnji. Proizvodne kompanije poput Ford i John Deere koriste R za analizu sentimenata kupaca. To im pomaže da optimizuju svoj proizvod u skladu s interesima potrošača i da usklade svoj obim proizvodnje s potražnjom na tržištu. Oni takođe koriste R da bi minimizirali troškove proizvodnje i maksimizirali dobit.

Društveni mediji su izazovno polje za Data Science, jer su podaci koji se nalaze na web stranicama društvenih medija većinom nestrukturirani. R se koristi za analitiku društvenih medija, za segmentiranje potencijalnih kupaca i ciljanje istih za prodaju proizvoda.

Uz pomoć R, kompanije su u mogućnosti da koriste statističke alate i analiziraju sentimente korisnika omogućavajući im da poboljšaju svoje iskustvo. Kompanije takođe koriste R za analizu tržišta društvenih medija i generisanje potencijalnih klijenata.

Istorija R-a je priča o dobrom izboru I sreći.

1992. godine Gentleman – tada profesor na Univerzitetu Vaterloo u Kanadi – je prešao  8600 milja do Univerziteta u Aucklandu da bi predavao tri meseca kao gostujući professor.

Jednog dana zatrebao mu je  priručnik za softver koji su do tada koristili i Ihaka – koji je još uvek bio redovan profesor statistike – bio je jedini na odeljenju koji je imao kopiju.

Vremenom su oboje shvatili da dele interesovanje za ono što Ihaka naziva „ akademskom zabavom i igrom“ sa statističkim računarskim jezicima.

I Gentlmen i Ihaka su imali pitanja o programskim jezicima za koje su želeli da dođu do odgovora.

Naročito su delili zajedničko znanje jezika koji se zove „Šema“ i obojica su smatrali da je jezik koristan na različite načine.

Međutim, Šema je bila nezgodna za unos podataka i nedostajala joj je željena funkcionalnost. Oboje su bili  upoznati sa još jednim jezikom, zvanim „S“, a S je pružao vrstu sintakse koju su želeli.

Kako nije postojao jezik koji je zadovoljavao sve kriterijume, Gentleman je predložio da nešto naprave sami.

Otprilike u isto vreme na australijskom fakultetu se javila potreba za programskim jezikom koji će se koristiti na studijama statistike jer je trenutni školski statistički program koji su koristili bilo nemoguće I dalje koristiti. Nije bio praktičan.

Definisanjem potrebe za novim programskim jezikom postojao je i jedan zahtev, programski jezik je morao da se izvodi na Macintoshu, odnosno Appleovom operativnom sistemu.

Prema Gentleman-u, Ministarstvo za statistiku je napravilo popis i zaključilo da je “ta stvar na kojoj Ross i Robert rade”, a koja “trči’ i na Macintosh-u,  bolja od njihovog trenutnog programskog jezika koji koriste na fakultetu.

Profesori su još nezvršeni programski jezik rešili da nazovu R, akronimom njihovog imena.

Projekat je bio u tajnosti za širu javnost sve do Avgusta 1993. godine kada je poslat email svima zainteresovanima I prijavljenima na mejling listi za S programski jezik i tako je R jezik postao zapažen. 

Kanadski profesori su imali sličan problem, trebala im je verzija S jezika koja je za mekintoš.

Ihaka je odlučio da je zaista vreme da R ugleda svetlost dana, obraćajući se ljudima koji su pratili razvoj S jezika i dobijali informacije o istom putem “newslettera” govoreći da R nije završen, ima svoje nesavršenosti ali će uskoro biti stabilan. Ubrzo nakon toga, stabilna verzija R programskog jezika se pojavila na StatLib, online sistemu koji distribuira statistički softver i podatke.

Iako je R programski jezik danas besplatan, sredinom 90 tih godina Ihaka i Gentlmen su ozbiljno razmatrali da pretvore R u komercijaljni programski jezik, idući toliko daleko da su kupili  knjigu o osnivanju biznisa i pitali ljude iz profesije šta je potrebno da bi prodali softwer.

Ali na kraju ideja o prodavanju R jezika se činila komplikovanom zbog svega onoga što je trebalo preduzeti I uložiti da bi se jezik prodao nego što je sam jezik i rad na jeziku vredeo kako su zaključili.

Dr Martin Machler iz Ciriha je pomogao dalje širenje programskog jezika kroz open source zajednicu, u kojoj se veruje da bilo ko, nezavisno od prihoda ima pravo na pristup onome što zajednica pruža u ovom slučaju programskim jezicima.

Danas na milione istraživača, analitičara, i velikih kompanija kao što su Facebook, Google, Bing, koriste R programski jezik za rešavanje komplikovanih zadataka. Korištenje R programskog jezika nije samo vezano za jednu profesiju nego se može koristiti i u bankarskom svetu, finansijama i mnogim drugim.. 

Srž analize podataka i nauke o podacima je statistika.

R programski jezik su razvila dva statističara koji su nameravala da stvore sistem za statističko računanje i vizuelizaciju podataka koji bi imao široku primenu.

Rezultati analize podataka nisu dovoljno uverljivi za širu javnost ako se ne predstave na pravi način što podrazumeva I grafički prikaz analize I obrade podataka.

R poseduje jedan od najopsežnijih skupova alata za vizuelizaciju.

S obzirom na to da je R programski jezik besplatan, sama količina galerija i mogućnosti grafikona je veoma korisna kako za statističare tako i za sve one koji vole da se igraju sa statistikom.

Sposobnost analize i interpretacije podataka postaje sve kritičniji faktor pokretanja komercijalnih inovacija i uspeha. Maksimiziranje operativne efikasnosti, razumevanje Vaše korisničke baze ili praćenje kontrole kvaliteta zahteva sve podatke i njihovu analizu.

R pruža fleksibilan alat za analizu u koji su ugrađene sve standardne statističke tehnike.