Parametrische Statistik: Verteilungen, maximum likelihood und GLM in R (Statistik und ihre Anwendungen) (German Edition)

Beispielreich baut dieses Buch Schritt für Schritt die statistischen Grundlagen moderner Datenanalysen auf. Im Gegensatz zu anderen einführenden Werken legt dieses Buch großen Wert auf einen umfassend gespannten Bogen, einen roten Faden, der alle Methoden zusammenführt. Dabei werden klassische statistische Methoden (etwa t-Test oder multiple Regression) als Spezialfall des Generalisierten Linearen Modells entwickelt. Entsprechend legt das Buch zunächst eine Grundlage in beschreibender Statistik, Verteilungen und maximum likelihood, aus der dann alle anderen Verfahren abgeleitet werden (ANOVA, multiple Regression). Jeder Schritt ist auf zwei Kapitel verteilt: Im ungradzahligen Kapitel wird anhand von vielen Beispielen und Abbildungen die Idee der statistischen Herangehensweise erläutert. Im sich daran anschließenden gradzahligen Kapitel wird die Umsetzung in der freien Statistiksoftware R gezeigt. Ein Kapitel zur Wissenschafts- und Forschungstheorie und eines zum Design von Experimenten und Stichprobeverfahren komplettiert dieses einleitende Werk. Das Buch legt großen Wert auf Verständlichkeit und Umsetzung. Mathematische Herleitungen treten demgegenüber stark in den Hintergrund. Jedes Kapitel enthält explizit ausgewiesene Lerninhalte, die durch Übungen zu jedem R-Kapitel geprüft werden können. Ein ausführliches Schlagwortverzeichnis inklusive der R-Funktionen macht das Buch auch als Nachschlagewerk nutzbar. Die zweite Auflage wurde ergänzt um Schätzung mittels der Momentenmethode, Residuendiagnostik für nicht-normalverteilte Daten und die erschöpfende Modellsuche. Beispielreich baut dieses Buch Schritt für Schritt die statistischen Grundlagen moderner Datenanalysen auf. Im Gegensatz zu anderen einführenden Werken legt dieses Buch großen Wert auf einen umfassend gespannten Bogen, einen roten Faden, der alle Methoden zusammenführt. Dabei werden klassische statistische Methoden (etwa t-Test oder multiple Regression) als Spezialfall des Generalisierten Linearen Modells entwickelt. Entsprechend legt das Buch zunächst eine Grundlage in beschreibender Statistik, Verteilungen und maximum likelihood, aus der dann alle anderen Verfahren abgeleitet werden (ANOVA, multiple Regression). Jeder Schritt ist auf zwei Kapitel verteilt: Im ungradzahligen Kapitel wird anhand von vielen Beispielen und Abbildungen die Idee der statistischen Herangehensweise erläutert. Im sich daran anschließenden gradzahligen Kapitel wird die Umsetzung in der freien Statistiksoftware R gezeigt. Ein Kapitel zur Wissenschafts- und Forschungstheorie und eines zum Design von Experimenten und Stichprobeverfahren komplettiert dieses einleitende Werk. Das Buch legt großen Wert auf Verständlichkeit und Umsetzung. Mathematische Herleitungen treten demgegenüber stark in den Hintergrund. Jedes Kapitel enthält explizit ausgewiesene Lerninhalte, die durch Übungen zu jedem R-Kapitel geprüft werden können. Ein ausführliches Schlagwortverzeichnis inklusive der R-Funktionen macht das Buch auch als Nachschlagewerk nutzbar. Die zweite Auflage wurde ergänzt um Schätzung mittels der Momentenmethode, Residuendiagnostik für nicht-normalverteilte Daten und die erschöpfende Modellsuche. Der Autor Carsten Dormann ist Professor für Biometrie und Umweltsystemanalyse an der Albert-Ludwigs-Universität Freiburg. Seit seiner Promotion in Pflanzenökologie beschäftigt er sich mit statistischen Auswertungen bisweilen kompliziert strukturierter Daten. Seit über 10 Jahren lehrt er einführende Statistik für StudentInnen der Forst- und Umweltwissenschaften, mit besonderem Fokus auf die Befähigung zur selbstständigen Analyse Front Matter ....Pages I-XXIII Stichprobe, Zufallsvariable – Histogramm, Dichteverteilung (Carsten F. Dormann)....Pages 1-16 Stichprobe, Zufallsvariable – Histogramm, Dichteverteilung in R (Carsten F. Dormann)....Pages 17-35 Verteilungen, ihre Parameter und deren Schätzer (Carsten F. Dormann)....Pages 37-67 Verteilungen, Parameter und Schätzer in R (Carsten F. Dormann)....Pages 69-87 Korrelation und Assoziation (Carsten F. Dormann)....Pages 89-96 Korrelation und Assoziation in R (Carsten F. Dormann)....Pages 97-108 Regression – Teil I (Carsten F. Dormann)....Pages 109-125 Regression in R – Teil I (Carsten F. Dormann)....Pages 127-153 Regression – Teil II (Carsten F. Dormann)....Pages 155-169 Regression in R – Teil II (Carsten F. Dormann)....Pages 171-193 Das Lineare Modell: $t$-Test und ANOVA (Carsten F. Dormann)....Pages 195-218 Das Lineare Modell: $t$-Test und ANOVA in R (Carsten F. Dormann)....Pages 219-233 Hypothesen und Tests (Carsten F. Dormann)....Pages 235-245 Experimentelles Design (Carsten F. Dormann)....Pages 247-277 Multiple Regression: mehrere Prädiktoren (Carsten F. Dormann)....Pages 279-307 Multiple Regression in R (Carsten F. Dormann)....Pages 309-346 Ausblick (Carsten F. Dormann)....Pages 347-348 Back Matter ....Pages 349-363