KnitR/Workflow

Lernen Sie den grundlegenden Arbeitsablauf in KnitR kennen, damit Sie entscheiden können, ob zusätzliche Lernmodule für Sie sinnvoll sind und die Lernmodule Ihnen helfen könnten, in Zukunft Standardwiederholungsaufgaben mit Statistiksoftware und Dokumentenerstellung wesentlich einfacher zu erledigen.

Workflow von KnitR

KnitR besteht aus einem Standarddokument, z.B. MarkDown mit in das Dokument integrierten R-Code-Bausteinen. Die Code-Bausteine können als R-Skripte betrachtet werden, die

Daten einlesen
Datenverarbeitung durchführen und
Ausgabedaten (z.B. deskriptive Analyse) oder Ausgabegrafiken (z.B. Boxplot-Diagramm) erzeugen

Die Implementierung von logischen Bedingungen in R kann in Abhängigkeit von der statistischen Analyse Textelemente für den dynamischen Bericht bereitstellen.

Dynamische Textgenerierung mit berechneter Akzeptanz von $H_{0}$

Nehmen wir an, wir haben den folgenden Text als Textgenerierung mit Annahme der $H_{0}$ -Hypothese mit Erwähnung des berechneten $p$ -Wertes aus einem Statistikprogramm (in diesem Fall R)

   Der Wilcoxon-Vorzeichentest wurde als statistischer Vergleich des Durchschnitts von zwei abhängigen 
   Stichprobendaten 1 und 2 angewandt. 
   In diesem Fall war der berechnete  $p$ -Wert 0,056 und damit größer als die Signifikanz (standardmäßig 0,05).
   Dies impliziert, dass " $H_{0}$ : es gibt keinen Unterschied zwischen den   
   Ergebnissen in data1 und data2" akzeptiert werden muss.

Dynamische Textgenerierung mit berechneter Ablehnung von $H_{0}$

Abhängig von den R-Ergebnissen (hier 0,056) werden die Textfragmente durch logische Bedingungen im R-Skript bestimmt. Wenn der $p$ -Wertes 0,045 war, was niedriger ist als die Signifikanz (standardmäßig 0,05), wird ein anderes geeignetes Textfragment in den dynamischen Bericht eingefügt.

   Der Wilcoxon-Vorzeichentest wurde als statistischer Vergleich des Mittelwertes von zwei abhängigen 
   Stichprobendaten 1 und 2 angewandt.
   In diesem Fall war der berechnete  $p$ -Wert 0,045 und damit kleiner als die Signifikanz (standardmäßig 0,05).
   Dies impliziert, dass " $H_{0}$ : es gibt keinen Unterschied zwischen den    
   Ergebnissen in data1 und data2" abgelehnt werden muss.

Durch diesen Arbeitsablauf wird durch die Ersetzung der Eingangsdaten der statistischen oder numerischen Analyse in R ein reproduzierbarer Bericht erstellt, der die gleiche Methodik aufweist. Der Schlüssel in KnitR, um dieses grundlegende Beispiel für die dynamische Textgenerierung zu erreichen, ist die Anwendung von Text- und numerischen Variablen, die durch R-Code, der Teil des Quelldokuments ist, ausgefüllt werden.

Aufgabe für den Lernenden

Erklären Sie die Vorteile einer Implementierung in KnitR und eines Ansatzes, der abhängig von den berechneten Ergebnissen Textfragmente erzeugt!
Was sind die Hauptherausforderungen für diejenigen, die es gewohnt sind, Dokumente auf die übliche Art und Weise zu schreiben, z.B. mit Office-Dokument-Editoren (z.B. wie LibreOffice)!
In diesem Umfeld ist die Interpretation statistischer Ergebnisse die Aufgabe eines Wissenschaftlers und nicht die eines KnitR. Wählen Sie in einer wissenschaftlichen Arbeit Aufgaben aus, die Sie KnitR zur Verfügung stellen können, und definieren Sie andere Aufgaben, die der Wissenschaftler selbst erfüllen muss!

Siehe auch

LibreOffice