Summary  
This chapter demonstrates how to compute and aggregate descriptive statistics—such as mean, median, standard deviation, variance, range, and summary—using base functions and dplyr’s `summarise()` and `group_by()` workflows.  

General domain of usage  
Exploratory data analysis

Das Verständnis Ihrer Daten beginnt mit deskriptiven Statistiken – diese liefern grundlegende Zusammenfassungen über die Verteilung, zentrale Tendenz und Streuung von Variablen.

## Grundlegende deskriptive Statistiken
Die gebräuchlichsten statistischen Kennzahlen sind:
- **Mittelwert**: Durchschnittswert;
- **Standardabweichung**: Maß für die Streuung der Werte um den Mittelwert;
- **Median**: Zentralwert;
- **Min / Max**: kleinster und größter Wert.

Diese Kennzahlen bieten einen schnellen Überblick über die Verteilung Ihrer Variablen.

### Base R
Base R stellt einfache Funktionen zur Berechnung von deskriptiven Statistiken bereit. Die Funktion `summary()` liefert zudem einen schnellen statistischen Überblick über alle numerischen Spalten.

```
mean(df$max_power, na.rm = TRUE)
median(df$selling_price, na.rm = TRUE)
min(df$mileage, na.rm = TRUE)
max(df$mileage, na.rm = TRUE)
summary(df)
```

### dplyr
Mit `dplyr` kann `summarise()` verwendet werden, um mehrere Statistiken gleichzeitig in einem übersichtlichen und lesbaren Format zu berechnen.

```
df %>%
  summarise(
    avg_power = mean(max_power, na.rm = TRUE),
    sd_power = sd(max_power, na.rm = TRUE),
    median_power = median(max_power, na.rm = TRUE)
  )
```

Sammeln Sie praktische Erfahrungen in der Datenanalyse mit R, indem Sie lernen, Datensätze zu bereinigen, zu transformieren und zu visualisieren. Erkunden Sie grundlegende Arbeitsabläufe wie das Auswählen und Filtern von Daten, den Umgang mit fehlenden Werten und das Zusammenfassen von Ergebnissen. Stärken Sie Ihr Vertrauen in die Vorbereitung von Daten für Erkenntnisse, Berichte und weiterführende statistische Analysen.

Erkunden Sie die Grundlagen der Datenanalyse mit R. Erfahren Sie, wie Sie die Werkzeuge installieren, Datensätze laden und inspizieren, Informationen auswählen und filtern, Daten sortieren und transformieren, fehlende Werte behandeln und Ergebnisse für tiefere Einblicke zusammenfassen.

Erlernen der Erstellung aussagekräftiger Visualisierungen mit ggplot2. Erstellung von Balkendiagrammen, Histogrammen, Dichteplots und Streudiagrammen sowie Anpassung und Verfeinerung dieser mit Stiloptionen und Facettierung zur Aufdeckung tieferer Einblicke in die Daten.

Vertiefung des Verständnisses von Statistik für die Datenanalyse. Anwendung beschreibender Kennzahlen, Identifikation und Behandlung von Ausreißern sowie Nutzung von Korrelationsmethoden mit visuellen Werkzeugen wie Heatmaps und Streudiagrammen zur Aufdeckung signifikanter Zusammenhänge.

Deskriptive Statistik

Grundlegende deskriptive Statistiken

Base R

dplyr

Awesome!

Deskriptive Statistik

Grundlegende deskriptive Statistiken

Base R

dplyr