Parametrische Statistik: Verteilungen, Maximum Likelihood Und Glm In R (statistik Und Ihre Anwendungen) (german Edition)

Beispielreich baut das Buch Schritt für Schritt die statistischen Grundlagen moderner Datenanalysen für Anwender auf. Dabei wird besonderer Wert auf einen roten Faden gelegt, der alle Methoden zusammenführt. Ausgehend von den Grundlagen in beschreibender Statistik, Verteilungen und maximum likelihood, werden alle anderen Verfahren als Spezialfälle des GLM entwickelt (ANOVA, multiple Regression). An jedes Kapitel zum statistischen Verständnis schließt eines zur Umsetzung in der freien Statistiksoftware R an. Ein Kapitel zur Wissenschafts- und Forschungstheorie und eines zum Design von Experimenten und Stichprobeverfahren komplettieren das Buch. Die Darstellung legt großen Wert auf Verständlichkeit und Umsetzung: Jedes Kapitel hat ausgewiesene Lerninhalte, die durch Übungen zu jedem R-Kapitel geprüft werden können. Ein ausführliches Schlagwortverzeichnis inklusive der R-Funktionen rundet das Buch ab. Beispielreich baut das Buch Schritt für Schritt die statistischen Grundlagen moderner Datenanalysen auf. Im Gegensatz zu anderen einführenden Werken legt dieses Buch großen Wert auf einen großen Bogen, einen roten Faden, der alle Methoden zusammenführt. Dabei werden klassische statistische Methoden (etwa t-Test oder multiple Regression) als Spezialfall des Generalisierten Linear 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 hat 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 Front Matter....Pages i-xxii Stichprobe, Zufallsvariable – Histogramm, Dichteverteilung....Pages 1-16 Stichprobe, Zufallsvariable – Histogramm, Dichteverteilung in R....Pages 17-36 Verteilungen, ihre Parameter und deren Schätzer....Pages 37-65 Verteilungen, Parameter und Schätzer in R....Pages 67-84 Korrelation und Assoziation....Pages 85-92 Korrelation und Assoziation in R....Pages 93-103 Regression - Teil I....Pages 105-121 Regression in R - Teil I....Pages 123-149 Regression - Teil II....Pages 151-164 Regression in R - Teil II....Pages 165-186 Das Lineare Modell: t-Test und ANOVA....Pages 187-208 Das Lineare Modell: t-Test und ANOVA in R....Pages 209-223 Hypothesen und Tests....Pages 225-234 Experimentelles Design....Pages 235-264 Multiple Regression: mehrere Prädiktoren....Pages 265-293 Multiple Regression in R....Pages 295-331 Ausblick....Pages 333-334 Back Matter....Pages 335-350