Angewandte Datenanalyse: Der Bayes'sche Weg / Edition 2

by Daniel Bïttig

Overview

Dieses Buch bietet einen systematisch aufgebauten Einstieg in angewandte Datenanalyse, Bayes´sche Statistik und moderne Simulationsmethoden mit dem Computer. Ausgehend von der Zielsetzung, nicht direkt messbare Größen zu bestimmen und Prognosen zu zukünftigen Werten von unsicheren Größen zu berechnen, beschreibt und erläutert es die Vorgehensweisen – von der systematischen Sammlung von Daten über die Quantifizierung von Unsicherheit anhand von Wahrscheinlichkeiten bis hin zur Anwendung von Regressionsmodellen.
Mit zahlreichen Reflexionsaufgaben und Beispielen aus der Praxis sowie seiner in vielen Kursen erprobten Didaktik ist das Buch ideal für Studierende in den angewandten Wissenschaften wie Ingenieur-, Natur- und Wirtschaftswissenschaften geeignet.
Für die Neuauflage wurden einige Kapitel überarbeitet. Zudem wurde ein Abschnitt zu hierarchischen Modellen eingefügt und das Buch mit einem Kapitel zur Plausibilität von Modellen und von Hypothesen ergänzt.
Sowohl die verwendeten Datensätze und Programmcodes als auch die Lösungen zu den Reflexionsaufgaben sind als Zusatzmaterial online verfügbar.

Product Details

ISBN-13:	9783662542194
Publisher:	Springer Berlin Heidelberg
Publication date:	05/19/2017
Series:	Statistik und ihre Anwendungen
Edition description:	2., �berarb. u. erw. Aufl. 2017
Pages:	393
Product dimensions:	6.61(w) x 9.45(h) x (d)
Language:	German

About the Author

Prof. Dr. Daniel Bättig ist Professor für angewandte Statistik und Mathematik am Departement Technik und Informatik der Berner Fachhochschule, Schweiz. Als Leiter des Instituts für Risiko- und Extremwertanalyse verfügt er über praktische Erfahrungen beim Analysieren, Klassifizieren und Modellieren von Daten.

Table of Contents

Eine Einführung und ein Überblick.- Wie man Versuche planen kann.- Messen und Kontrollieren.- Das Fundament: Wahrscheinlichkeiten.- Nicht direkt messbare Grössen bestimmen.- Mehrere Grössen und Korrelation.- Messwerte prognostizieren.- Modellwahl: Information und Entropie.- Zwei Modelle zu positiven Grössen.- Streuung und die Normalverteilung.- Explorative Datenanalyse.- Regressionsmodelle.- Regressionsmodelle: Parameter und Prognosen.- Standardfehler, Ranglisten und Modelle.