In diesem Lehrbuch werden einerseits die grundlegenden Begriffe und Verfahren der deskriptiven und induktiven Statistik dargestellt, an Beispielen erklart und durch Aufgaben mit ausfuhrlichen Loesungen eingeubt. Andererseits soll die fur ein Statistikbuch recht ausfuhrliche Verbalisierung - auch in Form von Management Summaries - dabei helfen, statistische Erhebungs- und Auswertungsprozeduren kritisch zu reflektieren und so den Informationsgehalt von statistischen Ergebnissen im Entscheidungszusammenhang bzw. bei der UEberprufung von Hypothesen werten zu koennen. Die 6. Auflage wurde aktualisiert und um einen zentralen Aufgabenblock sowohl aus der deskriptiven als auch aus der induktiven Statistik erganzt. Das Lehrbuch ist so konzipiert, dass eine Quer- und Langsschnittsintegration in die meisten Bachelor-Curricula fur Wirtschaftswissenschaftler an deutschsprachigen Hochschulen gewahrleistet ist. Zusatzliche Lern- und Prasentationshilfen im Internet erleichtern das Selbststudium und den Einsatz des Buches als Erganzungslekture zu einer entsprechenden Lehrveranstaltung.

Dieses Lehrbuch fuhrt anschaulich in die klassischen Gebiete der Statistik ein. Je nach Vorkenntnissen und Interesse finden Leser neben leicht verstandlichen Erklarungen auch mathematische Herleitungen. Der Autor stellt die Beurteilung von Voraussetzungen und Rahmenbedingungen sowie die Interpretation der Ergebnisse in den Vordergrund statt nur Statistik-Rezepturen zu vermitteln. Trotz hoher Verstandlichkeit beschrankt sich die Themenauswahl keineswegs auf einfache Inhalte, sondern orientiert sich an den Anforderungen der akademischen Ausbildung. Empfehlenswert fur Studierende der Wirtschafts- und Sozialwissenschaften sowie fur Interessenten anderer Fachgebiete. Die Themenauswahl berucksichtigt insbesondere den praktischen Bezug zu Beruf und Alltag.

This book integrates the fundamentals of asymptotic theory of statistical inference for time series under nonstandard settings, e.g., infinite variance processes, not only from the point of view of efficiency but also from that of robustness and optimality by minimizing prediction error. This is the first book to consider the generalized empirical likelihood applied to time series models in frequency domain and also the estimation motivated by minimizing quantile prediction error without assumption of true model. It provides the reader with a new horizon for understanding the prediction problem that occurs in time series modeling and a contemporary approach of hypothesis testing by the generalized empirical likelihood method. Nonparametric aspects of the methods proposed in this book also satisfactorily address economic and financial problems without imposing redundantly strong restrictions on the model, which has been true until now. Dealing with infinite variance processes makes analysis of economic and financial data more accurate under the existing results from the demonstrative research. The scope of applications, however, is expected to apply to much broader academic fields. The methods are also sufficiently flexible in that they represent an advanced and unified development of prediction form including multiple-point extrapolation, interpolation, and other incomplete past forecastings. Consequently, they lead readers to a good combination of efficient and robust estimate and test, and discriminate pivotal quantities contained in realistic time series models.

This Fourth Edition includes new sections on graphs, robust estimation, expected value and the bootstrap, in addition to new material on the use of computers. The regression model is well covered, including both nonlinear and multiple regression. The chapters contain many real-life examples and are relatively self-contained, making adaptable to a variety of courses.

Das Programmpaket SAS hat sich im Lauf der Jahre als Standardprogramm zur statistischen Datenanalyse etabliert. Der souverane Umgang mit statistischen Methoden und deren praktischer Umsetzung in SAS bietet somit einen unschatzbaren Vorteil fur die tagliche Arbeit des Datenanalytikers. Im vorliegenden Buch erlernt der Leser zunachst die Grundlagen fur die Programmierung. Anschliessend wird eine grosse Auswahl statistischer Verfahren und deren Umsetzung als SAS-Programm vorgestellt. Dabei wird grosses Augenmerk auf die grafischen Aspekte der statistischen Datenanalyse gelegt. Ein zusatzlicher Teil uber Programmierung mit IML und Makros sowie hilfreiche Assistenten in SAS runden die Darstellung ab. Mit seiner umfassenden Themenauswahl ist das Buch als Einfuhrung, aber auch als Nachschlagewerk fur den fortgeschritteneren Leser geeignet.

Several recent advances in smoothing and semiparametric regression are presented in this book from a unifying, Bayesian perspective. Simulation-based full Bayesian Markov chain Monte Carlo (MCMC) inference, as well as empirical Bayes procedures closely related to penalized likelihood estimation and mixed models, are considered here. Throughout, the focus is on semiparametric regression and smoothing based on basis expansions of unknown functions and effects in combination with smoothness priors for the basis coefficients. Beginning with a review of basic methods for smoothing and mixed models, longitudinal data, spatial data and event history data are treated in separate chapters. Worked examples from various fields such as forestry, development economics, medicine and marketing are used to illustrate the statistical methods covered in this book. Most of these examples have been analysed using implementations in the Bayesian software, BayesX, and some with R Codes. These, as well as some of the data sets, are made publicly available on the website accompanying this book.

Jan Natolski behandelt die Problematik der Quantifizierung des Risikokapitals aus einer theoretischen Perspektive, die in wertvolle Impulse fur die praktische Handhabung mundet. Dies ist ein wichtiger Schritt, da Versicherungsunternehmen durch die Richtlinie Solvency II verpflichtet sind, genugend Risikokapital zu hinterlegen, um die Gefahr der Insolvenz moeglichst gering zu halten. Als zentrales Resultat zeigt der Autor, dass die in der Praxis verwendete Methode der Replikation mathematisch fundiert ist. Dabei setzt er Methoden aus verschiedenen mathematischen Gebieten, so z.B. der Optimierung und der Stochastik, ein.

Cluster analysis finds groups in data automatically. Most methods have been heuristic and leave open such central questions as: how many clusters are there? Which method should I use? How should I handle outliers? Classification assigns new observations to groups given previously classified observations, and also has open questions about parameter tuning, robustness and uncertainty assessment. This book frames cluster analysis and classification in terms of statistical models, thus yielding principled estimation, testing and prediction methods, and sound answers to the central questions. It builds the basic ideas in an accessible but rigorous way, with extensive data examples and R code; describes modern approaches to high-dimensional data and networks; and explains such recent advances as Bayesian regularization, non-Gaussian model-based clustering, cluster merging, variable selection, semi-supervised and robust classification, clustering of functional data, text and images, and co-clustering. Written for advanced undergraduates in data science, as well as researchers and practitioners, it assumes basic knowledge of multivariate calculus, linear algebra, probability and statistics.

Dieses moderne Lehrbuch verbindet konsequent Theorie, Praxisbeispiele und vertiefende UEbungsaufgaben und ist damit eine sehr praxisorientierte Einfuhrung in die Statistik fur Wirtschaftswissenschaftler. Der Leser lernt die wichtigsten, fur Studium und Praxis bedeutsamen, statistischen Methoden kennen, verstehen und anzuwenden. Die einzelnen Themen werden anschaulich durch viele Praxisbeispiele dargestellt. Zahlreiche Computerubungen zeigen, wie die statistischen Berechnungen mit MS Excel und R durchgefuhrt werden koennen. Lernkontrollaufgaben dienen der UEberprufung, ob der Leser den gelernten Stoff gut verstanden hat. Fur Lehrende werden weitere Materialien auf der Springer-Seite DozentenPLUS bereitgestellt. Fur die 2. Auflage wurde das Buch um ein Kapitel zur linearen Mehrfachregression erganzt. Neu sind ausserdem die zahlreichen QR-Codes zu erganzenden Videos und UEbungsaufgaben, die den Stoff noch einmal aus anderer Sicht vertiefen.

Dieses essential befasst sich mit der einfachen linearen Regression, der simpelsten Form von Regressionsmodellen, in der fur die Modellbildung nur eine einzige Einflussvariable berucksichtigt wird. Leser finden in diesem Buch die Methode der kleinsten Quadrate zur Schatzung der Modellparameter, Residualanalysen zur UEberprufung der Modellannahmen sowie weitere statistische Verfahren zur Beurteilung des Modells. Zudem erfahren sie, wie das Modell als ein Prognoseinstrument eingesetzt werden kann. Somit erwerben Leser eine solide Grundlage zum Verstandnis komplexer Regressionsansatze, bei denen mehrere Variablen die Zielgroesse beeinflussen und nichtlineare Zusammenhange vorliegen.

Das Lehrbuch fuhrt in die Analyse multivariater Daten ein. Behandelt werden neben den klassischen auch neuere Verfahren wie Klassifikationsbaume. Jedes Verfahren wird anhand eines realen Problems dargestellt. Darauf aufbauend wird die Zielsetzung des Verfahrens herausgearbeitet, theoretische und praktische Aspekte detailliert dargestellt. Fur jedes im Buch behandelte Verfahren wird die computergestutzte Datenanalyse mit dem Programm S-PLUS ausfuhrlich beschrieben. Vorkenntnisse sind dafur nicht erforderlich. Der Band enthalt viele UEbungsaufgaben.

Das Lehrbuch richtet sich an Studierende und Wissenschaftler, die im Rahmen einer Forschungsarbeit selbst Daten erheben und analysieren oder die vorhandene Literatur auswerten mussen. Haufig stehen sie vor dem Problem, nur schemenhafte (und haufig wenig erfreuliche) Erinnerungen an ihre Statistik- oder OEkonometrieveranstaltungen zu besitzen. Die Regressionsanalyse ist die gangige Methode zur Untersuchung empirischer Fragestellungen in den Wirtschafts- und Sozialwissenschaften. Dabei verzichtet der Autor erstens auf jede abschreckende mathematische Ausfuhrung. Zweitens sind die Kapitel so aufgebaut, dass ein selbstandiges Studium problemlos moeglich ist. Drittens wird der Leser Schritt fur Schritt von der einfachsten Regression zu komplexeren Verfahren gefuhrt. Hierzu sind jedem Kapitel die wichtigsten Lernziele und Schlusselbegriffe vorangestellt. Jedes Kapitel schliesst mit einer Reihe von UEbungsaufgaben mit Loesungen. Alle Regressionsverfahren und Tests werden jeweils anhand der Statistikprogramme SPSS und Stata sowie mittels Screenshots erklart. Behandelt werden auch komplexere Probleme (z. B. Heteroskedastie, Autokorrelation, Multikollinearitat, einflussreiche Beobachtungen und Fehlspezifikation). Diese ebenfalls nicht unter mathematischen Aspekten, sondern hinsichtlich ihrer inhaltlichen Konsequenzen und moeglichen Loesungen. Daruber hinaus erlautert das Buch die praktischen Schwierigkeiten der Ermittlung kausaler Wirkungen (das Roy-Rubin-Kausalmodell), der Unterscheidung von statistischer Signifikanz und inhaltlicher Relevanz sowie optimaler Stichprobenumfange.

Dieses Lehrbuch bietet eine leicht verstandliche Einfuhrung in die moderne Finanzmathematik und erlautert grundlegende mathematische Konzepte der Optionsbewertung, der Portfolio-Optimierung und des Risikomanagements. Hierzu gehoeren die Preisbestimmung durch Arbitrageuberlegungen, die Preisbestimmung von amerikanischen Optionen uber die Loesung optimaler Stopp-Probleme, die Bestimmung von optimalen Konsum- und Investitionsstrategien und Erwartungswert-Varianz Portfolios. Aktuelle Konzepte der Risikomessung wie Value at Risk und Expected Shortfall werden ebenso vorgestellt.Grundlagen in Stochastik und Optimierung reichen fur das Verstandnis der Inhalte aus und zahlreiche UEbungsaufgaben mit ausfuhrlichen Loesungen sowie drei Anhange erleichtern das Selbststudium.

Dieses essential erklart das grundlegende Prinzip statistischer Testverfahren. Dabei stehen die Bedeutung der statistischen Signifikanz sowie des p-Wertes im Fokus. Haufig anzutreffende Fehlinterpretationen werden angesprochen. Dadurch wird ersichtlich, was ein signifikantes Ergebnis aussagt und, was es nicht aussagt. Der Leser wird somit befahigt, adaquat mit Testergebnissen umzugehen.

Praktische Anwendung und wissenschaftliche Analyse in den Wirtschaftswissenschaften basieren zunehmend auf dem Einsatz empirischer Methoden. Dieses Buch fuhrt Studierende der Wirtschaftswissenschaften und benachbarter Facher in die wichtigsten Methoden der angewandten Wirtschaftsforschung einschliesslich der OEkonometrie ein. Inhaltlich umfasst das Buch die Bereiche Daten (Grundlage und Aufbereitung), Wirtschaftsindikatoren, Input-Output-Analyse, oekonometrische Verfahren, Trend- und Saisonbereinigung sowie Simulation und Prognose. Dabei wird stets ein enger Bezug zu praktischen Anwendungen und ein intuitiver Zugang angestrebt, ohne auf eine formale Darstellung der Methoden zu verzichten. Die Methoden werden gut verstandlich erlautert. Illustrierende Fallbeispiele und der Bezug zu praxisrelevanten Themen machen das Buch besonders anschaulich und interessant fur den Leser. Die 4. Auflage wurde aktualisiert und in Teilen erganzt.