Ebook: Parametrische Statistik: Verteilungen, maximum likelihood und GLM in R
Author: Carsten F. Dormann (auth.)
- Tags: Statistics for Life Sciences Medicine Health Sciences, Theoretical Ecology/Statistics
- Series: Statistik und ihre Anwendungen
- Year: 2013
- Publisher: Springer Spektrum
- Edition: 1
- Language: German
- pdf
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 fur Schritt die statistischen Grundlagen moderner Datenanalysen auf. Im Gegensatz zu anderen einfuhrenden Werken legt dieses Buch gro?en Wert auf einen gro?en Bogen, einen roten Faden, der alle Methoden zusammenfuhrt. Dabei werden klassische statistische Methoden (etwa t-Test oder multiple Regression) als Spezialfall des Generalisierten Linear Modells entwickelt. Entsprechend legt das Buch zunachst 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 erlautert. Im sich daran anschlie?enden 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 gro?en Wert auf Verstandlichkeit und Umsetzung. Mathematische Herleitungen treten demgegenuber stark in den Hintergrund. Jedes Kapitel hat ausgewiesene Lerninhalte, die durch Ubungen zu jedem R-Kapitel gepruft werden konnen. Ein ausfuhrliches Schlagwortverzeichnis inklusive der R-Funktionen macht das Buch auch als Nachschlagewerk nutzbar.
Beispielreich baut das Buch Schritt fur Schritt die statistischen Grundlagen moderner Datenanalysen auf. Im Gegensatz zu anderen einfuhrenden Werken legt dieses Buch gro?en Wert auf einen gro?en Bogen, einen roten Faden, der alle Methoden zusammenfuhrt. Dabei werden klassische statistische Methoden (etwa t-Test oder multiple Regression) als Spezialfall des Generalisierten Linear Modells entwickelt. Entsprechend legt das Buch zunachst 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 erlautert. Im sich daran anschlie?enden 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 gro?en Wert auf Verstandlichkeit und Umsetzung. Mathematische Herleitungen treten demgegenuber stark in den Hintergrund. Jedes Kapitel hat ausgewiesene Lerninhalte, die durch Ubungen zu jedem R-Kapitel gepruft werden konnen. Ein ausfuhrliches Schlagwortverzeichnis inklusive der R-Funktionen macht das Buch auch als Nachschlagewerk nutzbar.
Content:
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 Schatzer....Pages 37-65
Verteilungen, Parameter und Schatzer 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 Pradiktoren....Pages 265-293
Multiple Regression in R....Pages 295-331
Ausblick....Pages 333-334
Back Matter....Pages 335-350
Beispielreich baut das Buch Schritt fur Schritt die statistischen Grundlagen moderner Datenanalysen auf. Im Gegensatz zu anderen einfuhrenden Werken legt dieses Buch gro?en Wert auf einen gro?en Bogen, einen roten Faden, der alle Methoden zusammenfuhrt. Dabei werden klassische statistische Methoden (etwa t-Test oder multiple Regression) als Spezialfall des Generalisierten Linear Modells entwickelt. Entsprechend legt das Buch zunachst 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 erlautert. Im sich daran anschlie?enden 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 gro?en Wert auf Verstandlichkeit und Umsetzung. Mathematische Herleitungen treten demgegenuber stark in den Hintergrund. Jedes Kapitel hat ausgewiesene Lerninhalte, die durch Ubungen zu jedem R-Kapitel gepruft werden konnen. Ein ausfuhrliches Schlagwortverzeichnis inklusive der R-Funktionen macht das Buch auch als Nachschlagewerk nutzbar.
Content:
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 Schatzer....Pages 37-65
Verteilungen, Parameter und Schatzer 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 Pradiktoren....Pages 265-293
Multiple Regression in R....Pages 295-331
Ausblick....Pages 333-334
Back Matter....Pages 335-350
....