WMQD_08_nm.qmd

---
title: "Wissenschaftliche Methodik -- Quantitative Datenanalyse"
subtitle: "Achter Termin"
institute: "FOM Dortmund"
author: "Norman Markgraf"
lang: de-DE
format: 
  revealjs:
    html-math-method: katex
    main-font: Arial
    hight: 1920
    width: 1080
    margin: 0
    history: true
    center: false
    theme:
      - colors.scss
      - fontsstyles.scss
      - fom.scss
      - wmqd.scss
    footer: "WMQD | Norman Markgraf"
    chalkboard: true
---

```{r child="prelude_WMQD.Rmd"}
#| output: false
#| include: false
```

## Zur Erinnerung

📛 Stellen Sie bitte ein Namensschild auf.

🤷 Stellen Sie Fragen.

💪 [https://tweedback.de/z7uw](https://tweedback.de/z7uw)

::: center

{{< qrcode https://tweedback.de/z7uw >}}

:::

------------------------------------------------------------------------

Das [Skript von Prof. Matthias Gehrke aus dem OC](https://campus.bildungscentrum.de/nfcampus/plpd/content/9168039) strukturiert Ihre Vor- und Nacharbeit.


## Learning Pit

::: center
**Sie** schaffen es aus der Grube
```{r TheLearningPit_img, fig.align="center", out.width="40%",}
knitr::include_graphics(here::here("img", "TheLearningPit.png"))
```
:::

------------------------------------------------------------------------

## Stimmung -- welche Pommes sind Sie heute?

::: center
```{r pommes_frites2_cut_img, fig.align="center", out.width="60%", fig.cap="Quelle: [Favor Delivery](https://www.facebook.com/askfavor/posts/3588823361147035)"}
knitr::include_graphics(here::here("img", "pommes_frites2_cut.jpg"))
```
:::

------------------------------------------------------------------------

## UN Ziel 8: Decent work and economic growth

::: center
<iframe src="https://upgrader.gapminder.org/q/56/embed?hasBorder=true&hasOpenSansFont=false" title="82% of people get this question wrong" width="100%" height="500" style="border:none;"></iframe>
:::

------------------------------------------------------------------------

## Schlagen Sie die &#129302;?

Mission Vorhersage &#128073; [https://bit.ly/RegCont](https://bit.ly/RegCont)



::: center
```{r linearregression_img, fig.align="center", out.width="20%", fig.cap="Quelle: [Favor Delivery](https://www.facebook.com/askfavor/posts/3588823361147035)"}
knitr::include_graphics(here::here("img", "linearregression.png"))
```
:::

------------------------------------------------------------------------

## You can't beat &#129302;

<br>

::: {.center}
&#129351; 4698,928 &#129351;
:::

$$Verbrauch = 8.120,60 - 18,44 \cdot Temperatur$$

------------------------------------------------------------------------

## Was beim letzten Mal geschah ...

- Sie können ein lineares Modell aufsetzen und die Ergebnisse interpretieren.

- Sie wissen, was der y-Achsenabschnitt und was die Steigung bedeuten.

- Sie wissen, was das Bestimmtheitsmaß ist.

------------------------------------------------------------------------

## Heutiges Thema &#127979;

- Sie lernen mit Zufall und Ziehen von Stichproben umzugehen.

$$\hat{\beta} = \beta + \text{(Verzerrung)} + \text{Rauschen}$$


::: center
```{r modelmeme_img, fig.align="center", out.width="35%", fig.cap="Quelle: [David Hood](https://twitter.com/Thoughtfulnz/status/1446972794135216131)"}
knitr::include_graphics(here::here("img", "modelmeme.jpeg"))
```
:::

------------------------------------------------------------------------

## Regression motivieren (I/II)

- Stellen Sie sich eine Regressionsanalyse wie eine Radiostation vor, die ein Programm sendet.

- Ich empfange dieses *Signal* nur weit entfernt, mit *Rauschen*. Was ich also empfange ist das *Signal* plus *Rauschen*.

- Es gibt diverse Techniken, um aus dem Signal was ich höre, möglichst das gesendete Signal zu extrahieren, das Rauschen zu reduzieren.

------------------------------------------------------------------------


## Regression motivieren (II/II)

- Regression funktioniert genau so: Wir haben (fiktive) Daten von Temperatur und Vebrauch und wir wollen den Zusammenhang zwischen diesen Variablen analysieren.
x
- Das gefundene Modell wird aufgrund des Rauschens nicht perfekt sein.

::: footnote
Anregung: [Tay (2022)](https://doi.org/10.1080/26939169.2021.2024777)
:::

------------------------------------------------------------------------

## Fallstudie &#x1F4BB;

- Lokal: RStudio durch klick auf ``r ProjektName`` starten oder RStudio aufrufen, das letzte Projekt müsste automatisch geladen werden.

- RStudio Cloud: In **Ihr** Projekt einloggen.  

- `LEGO_Modellierung.Rmd` im Ordner `fallstudien` öffnen.