The Mata Book: A Book for Serious Programmers and Those Who Want to Be is the book that Stata programmers have been waiting for. Mata is a serious programming language for developing small- and large-scale projects and for adding features to Stata. What makes Mata serious is that it provides structures, classes, and pointers along with matrix capabilities. The book is serious in that it covers those advanced features, and teaches them. The reader is assumed to have programming experience, but only some programming experience. That experience could be with Stata's ado language, or with Python, Java, C++, Fortran, or other languages like them. As the book says, "being serious is a matter of attitude, not current skill level or knowledge". The author of the book is William Gould, who is also the designer and original programmer of Mata, of Stata, and who also happens to be the president of StataCorp.

Real-world problems and data sets are the backbone of this groundbreaking book. Applied Multivariate Statistics with SAS® Software, Second Edition provides a unique approach to this topic, integrating statistical methods, data analysis, and applications. Now extensively revised, the book includes new information on

• mixed effects models
• applications of the MIXED procedure
• regression diagnostics with the correspoding IML procedure code
• covariance structures.

The authors' approach to the information aids professors, researchers, and students in a variety of disciplines and industries. Extensive SAS code and the corresponding output accompany sample problems, and clear explanations of the various SAS procedures are included. Emphasis is on correct interpretation of the output to draw meaningful conclusions. Featuring both the theoretical and the practical, topics covered include multivariate analysis of experimental data and repeated measures data, graphical representation of data including biplots, and multivariate regression. In addition, a quick introduction to the IML procedure with special reference to multivariate data is available in an appendix. SAS programs and output integrated with the text make it easy to read and follow the examples. High-resolution graphs have been used in this new edition.

Im Mittelpunkt dieses essentials steht eine Einfuhrung in ein bekanntes statistisches Modell, das Hidden-Markov-Modell.Damit koennen Probleme bewaltigt werden, bei denen aus einer Folge von Beobachtungen auf die wahrscheinlichste zustandsspezifische Beschreibung geschlossen werden soll.Die Anwendungen des Hidden-Markov-Modells liegen hauptsachlich in den Bereichen Bioinformatik, Computerlinguistik, maschinelles Lernen und Signalverarbeitung.In diesem Buchlein werden die beiden zentralen Problemstellungen in HMMs behandelt.Das Problem der Inferenz wird mit dem beruhmten Viterbi-Algorithmus geloest, und das Problem der Parameterschatzung wird mit zwei bekannten Methoden angegangen (Erwartungsmaximierung und Baum-Welch).

Computeralgebra-Pakete finden immer mehr Verbreitung und werden auch in hoherem Masse schon in der Mathematik-Ausbildung von Studenten an Fachhochschulen und Universitaten verwendet. Analog zum Lehrbuch derselben Autoren zu Mathematica lernt der Leser das Programmpaket nicht als Selbstzweck, sondern als Werkzeug zum Losen seiner mathematischen Probleme kennen. Daruber hinaus erfahrt er, wo Maple an seine Grenzen gelangt und mit welchen Kniffen man seine Fahigkeiten voll ausnutzen kann."

Differentialgleichungen spielen in den Naturwissenschaften und der Technik eine bedeutende Rolle, da viele Modelle mit ihrer Hilfe formuliert werden. Fur die exakte Losung dieser Gleichungen gibt es ausgefeilte mathematische Methoden, die in dem Computeralgebra-System Mathematica verfugbar sind. Das Buch enthalt einerseits eine Einfuhrung in die Theorie der gewohnlichen und partiellen Differentialgleichungen und beschreibt andererseits, wie sich Mathematica zur Losung dieser Gleichungen einsetzen lasst. Die theoretischen Ergebnisse werden in algorithmischer Form angegeben und mit vielen Beispielen erganzt, die auch die graphischen Fahigkeiten von Mathematica ausnutzen."

Statistical methods are a key tool for all scientists working with data, but learning the basics continues to challenge successive generations of students. This accessible textbook provides an up-to-date introduction to the classical techniques and modern extensions of linear model analysis-one of the most useful approaches for investigating scientific data in the life and environmental sciences. While some of the foundational analyses (e.g. t tests, regression, ANOVA) are as useful now as ever, best practice moves on and there are many new general developments that offer great potential. The book emphasizes an estimation-based approach that takes account of recent criticisms of over-use of probability values and introduces the alternative approach that uses information criteria. This new edition includes the latest advances in R and related software and has been thoroughly "road-tested" over the last decade to create a proven textbook that teaches linear and generalized linear model analysis to students of ecology, evolution, and environmental studies (including worked analyses of data sets relevant to all three disciplines). While R is used throughout, the focus remains firmly on statistical analysis. The New Statistics with R is suitable for senior undergraduate and graduate students, professional researchers, and practitioners in the fields of ecology, evolution and environmental studies.

This introduction has been designed to teach Mathematica as a programming language to scientists, engineers, mathematicians and computer scientists. The text may be used in a first or second course on programming at the undergraduate level or in a Mathematica-related course in engineering, mathematics or the sciences. It is also intended for individual study by students and professionals. The text does not assume familiarity with Mathematica, nor does it require prior programming experience. The book and diskette contain over 200 exercises drawn from many areas of science, engineering, mathematics and computer science.

In diesem anwendungsorientierten Lehrbuch werden kompakt alle elementaren statistischen Verfahren fur die OEkonomie anschaulich erklart. Der leicht verstandliche Text ist mit vielen Beispielen und UEbungen erganzt. Die praxisnahe Darstellung der Methoden wird durch die Erklarung und Anwendung der Statistikprogramme R (Open-Source-Progamm) und SPSS vervollstandigt. Im Text sind fur beide Programme viele Programmanweisungen enthalten. Zielgruppe sind insbesondere wirtschaftswissenschaftlich orientierte Studierende. Fur die 4. Auflage wurde das Buch uberarbeitet und erganzt. Leser des gedruckten Buchs erhalten nun in der Springer Nature Flashcards-App zusatzlich kostenfreien Zugriff auf 99 exklusive Lernfragen, mit denen sie ihr Wissen uberprufen koennen.

Turtle Geometry presents an innovative program of mathematical discovery that demonstrates how the effective use of personal computers can profoundly change the nature of a student's contact with mathematics. Using this book and a few simple computer programs, students can explore the properties of space by following an imaginary turtle across the screen.The concept of turtle geometry grew out of the Logo Group at MIT. Directed by Seymour Papert, author of Mindstorms, this group has done extensive work with preschool children, high school students and university undergraduates. Harold Abelson is an associate professor in the Department of Electrical Engineering and Computer Science at MIT. Andrea diSessa is an associate professor in the Graduate School of Education, University of California, Berkeley.

Typische Argumentationen der Mathematischen Statistik werden exemplarisch erlautert: Warum kann aus den Ergebnissen einer Stichprobenuntersuchung auf die Gesamtheit geschlossen werden? Welche Ungenauigkeiten und Unsicherheiten sind dabei moeglich? Wie und warum koennen zufallsbedingte Abweichungen mit mathematischen Methoden analysiert werden? Das Buch ist nicht im klassischen Satz-Beweis-Stil geschrieben. Aufgaben und Schaubilder verdeutlichen die moeglichst weitgehend verbal beschriebenen Gedankengange. Symbol-Graber gibt es nicht. Wichtige Sachverhalte werden mehrfach wiederholt. Einfuhrende Motivationen und abschliessende Resumees runden die Darstellungen ab.

Designed for engineers, mathematicians, computer scientists, financial analysts, and anyone interested in using numerical linear algebra, matrix theory, and game theory concepts to maximize efficiency in solving applied problems. The book emphasizes the solution of various types of linear programming problems by using different types of software, but includes the necessary definitions and theorems to master theoretical aspects of the topics presented. Features: Emphasizes the solution of various types of linear programming problems by using different kinds of software, e.g., MS-Excel, solutions of LPPs by Mathematica, MATLAB, WinQSB, and LINDO Provides definitions, theorems, and procedures for solving problems and all cases related to various linear programming topics Includes numerous application examples and exercises, e.g., transportation, assignment, and maximization Presents numerous topics that can be used to solve problems involving systems of linear equations, matrices, vectors, game theory, simplex method, and more.

Dieses Buch bietet eine kompakte Einfuhrung in die Datenauswertung mit der freien Statistikumgebung R. Ziel ist es dabei, einen UEberblick uber die Funktionalitat von R zu liefern und einen schnellen Einstieg in die deskriptive Datenauswertung sowie in die Umsetzung der wichtigsten statistischen Tests zu ermoeglichen. Zudem deckt das Buch die vielfaltigen Moeglichkeiten ab, Diagramme zu erstellen, Daten mit anderen Programmen auszutauschen und R durch Zusatzpakete zu erweitern. Das Buch ist damit fur Leser geeignet, die R kennenlernen und rasch in konkreten Aufgabenstellungen einsetzen moechten. Fur die 3. Auflage wurde das Buch grundlegend uberarbeitet und auf Neuerungen der R Version 4.1.0 sowie der aktuellen Landschaft der Zusatzpakete abgestimmt. Mit einer starkeren Ausrichtung auf Data Science Anwendungen stellt das Buch nun ausfuhrlich die Pakete dplyr zur Datenaufbereitung und ggplot2 fur Diagramme vor. Daruber hinaus enthalt das Buch eine Darstellung von dynamischen R Markdown Dokumenten zur Unterstutzung reproduzierbarer Auswertungen.

Dieses Lehrbuch liefert einen Einstieg in die mathematische Statistik und baut systematisch eine Brucke zum maschinellen Lernen. Dabei werden sowohl klassische und bis heute wichtige Verfahren untersucht als auch moderne Klassifikationsmethoden des statistischen Lernens. Diese werden mathematisch prazise analysiert und anhand von lebensnahen Beispielen illustriert. Das Buch verschafft den Leserinnen und Lesern einen UEberblick uber statistische Methoden der Datenanalyse und deren mathematischen Grundprinzipien. Der Fokus auf nicht-asymptotische Resultate erlaubt den Zugang zu modernen Anwendungen und fuhrt an aktuelle Forschungsfragen heran. Aufgaben am Kapitelende runden das Buch ab.

Dieses Buch zeigt Ihnen, wie Sie mit Excel beinahe muhelos Informationen aus Daten gewinnen und Datensatze systematisch analysieren koennen. Beides ist (k)eine Kunst! Die statistischen Methoden werden anhand eines einzigen Datensatzes vorgestellt und diskutiert. So wird deutlich, wie die Methoden aufeinander aufbauen und nach und nach immer mehr Informationen aus den Daten entnommen werden koennen. Die verwendeten Funktionen von Excel werden dabei ausfuhrlich erklart - die Vorgehensweise lasst sich daher leicht auf andere Datensatze ubertragen. Verschiedene didaktische Elemente erleichtern die Orientierung und das Arbeiten mit dem Buch: An den Checkpoints sind die wichtigsten Aspekte aus jedem Kapitel kurz zusammengefasst. In der Rubrik Freak-Wissen werden weiterfuhrende Aspekte angesprochen, um Lust auf mehr zu machen. Alle Beispiele werden mit Hand und Excel gerechnet. Zahlreiche Anwendungen und Loesungen sowie weitere Datensatze stehen auf der Internetplattform des Autors zur Verfugung. Passende Foliensatze sind fur Lehrende auf der Verlagsseite des Buchs abrufbar. Fur die zweite Auflage wurde das Buch vollstandig auf Excel 2019 umgestellt und aktualisiert. Daruber hinaus wurden Abschnitte zu Preis- und Mengenindizes, Teststarke sowie ein Kapitel zu Varianzanalyse erganzt.

Il libro nasce dall esigenza di coniugare esperienze e capacita procedurali diverse provenienti da vari ambiti disciplinari, quali l informatica e la statistica, al fine di ricercare ed individuare percorsi e relazioni legate alla conoscenza. In un contesto di business, la conoscenza scoperta puo avere un valore strategico per le aziende perche consente di aumentare i profitti, riducendo i costi oppure aumentando le entrate con il conseguente aumento del ROI. Il volume e rivolto sia a studenti universitari e ricercatori, che a professionisti e manager aziendali che vogliano approfondire gli aspetti algoritmici delle tecniche di Data mining: lo studio degli algoritmi e delle principali tecniche e essenziale per conoscere meglio come la tecnologia possa essere applicata ai diversi tipi di dati e quindi anche diverse problematiche di business. Il testo pone volutamente l attenzione sugli aspetti procedurali e di calcolo della metodologia, differenziandosi dagli altri testi in italiano che inquadrano puramente il contesto statistico. Il materiale esposto puo essere utile a quanti vogliano completare la loro formazione scientifica in questa disciplina. "

Das Buch fuhrt anwendungsorientiert in die Optimization Programming Language (OPL) zur Modellierung linearer und ganzzahliger linearer Optimierungsprobleme im Rahmen des IBM ILOG CPLEX Optimization Studio ein. Es beinhaltet zehn aufeinander aufbauende Lektionen, erganzt um zahlreiche Aufgaben und Anwendungsstudien. Das Buch richtet sich an Lehrende und Studierende der Betriebswirtschaftslehre mit quantitativer Ausrichtung (Operations Research), (Wirtschafts-)Informatiker, (Wirtschafts-)Mathematiker und Wirtschaftsingenieure und kann an Universitaten und Hochschulen in entsprechenden Vorlesungs- und Kursangeboten eingesetzt werden. Zudem eignet es sich zum Selbststudium fur Praktiker, die mit der Modellierung und Optimierung von Planungs- und Entscheidungsproblemen befasst sind und einen fundierten Einstieg in die Software benoetigen. UEber die buchbegleitende Website sind unter anderem Aufgabenloesungen und samtliche Programm-Codes abrufbar: www.opl-buch.de

Engaging and accessible, this book teaches readers how to use inferential statistical thinking to check their assumptions, assess evidence about their beliefs, and avoid overinterpreting results that may look more promising than they really are. It provides step-by-step guidance for using both classical (frequentist) and Bayesian approaches to inference. Statistical techniques covered side by side from both frequentist and Bayesian approaches include hypothesis testing, replication, analysis of variance, calculation of effect sizes, regression, time series analysis, and more. Students also get a complete introduction to the open-source R programming language and its key packages. Throughout the text, simple commands in R demonstrate essential data analysis skills using real-data examples. The companion website provides annotated R code for the book's examples, in-class exercises, supplemental reading lists, and links to online videos, interactive materials, and other resources. Pedagogical Features *Playful, conversational style and gradual approach; suitable for students without strong math backgrounds. *End-of-chapter exercises based on real data supplied in the free R package. *Technical explanation and equation/output boxes. *Appendices on how to install R and work with the sample datasets.

Dieses Lehrbuch fuhrt in 16 einheitlich gegliederten Kapiteln in die Wahrscheinlichkeitstheorie und Statistik ein. Dabei sind die Lernziele und benoetigten Vorkenntnisse jeweils angegeben und erleichtern in Kombination mit pragnanten Zusammenfassungen die Orientierung je Kapitel. Dank vieler durchgerechneter Beispiele und UEbungsaufgaben mit Loesungen kann das Buch gut zum Selbststudium oder als Begleitliteratur zur Vorlesung verwendet werden. Nach einer sorgfaltigen Einfuhrung der Grundlagen geben weiterfuhrende Kapitel spannende Ausblicke in Anwendungsbereiche der Stochastik und der stochastischen Modellierung - etwa Markov-Ketten, stochastische Algorithmen, Warteschlangen und Monte-Carlo-Simulationen. Leserinnen und Leser erhalten so ein solides mathematisches Fundament, um die Stochastik im weiteren Studium und in der Praxis auch in komplexen Situationen anwenden zu koennen. Das Buch richtet sich an Studierende der Informatik und technischer Fachrichtungen ab dem dritten Studiensemester. Dozenten liefert es eine passgenaue Auswahl fur eine einsemestrige Vorlesung.

Dieses Buch fuhrt anwendungsorientiert in die Beschreibende und Schliessende Statistik, in die Wahrscheinlichkeitsrechnung und in die Stochastische Modellierung ein und wendet sich insbesondere an Studierende der Informatik, des Ingenieur- und Wirtschaftsingenieurwesens sowie der Wirtschaftswissenschaften. Es ist ein idealer Begleiter zu jeder einsemestrigen Grundvorlesung in Statistik: Die Autoren stellen die wesentlichen Inhalte und Aspekte in kurzer und pragnanter Form dar und verzichten bewusst auf ausfuhrliche Motivationen. Zur UEberprufung des eigenen Wissens stehen Beispielaufgaben mit detaillierten Loesungen zur Verfugung. Die durchgesehene Neuauflage wurde um etwa 50 Multiple-Choice-Fragen erweitert. Diese koennen mit der Springer-Nature-Flashcards-App kostenlos heruntergeladen und interaktiv genutzt werden und sind auszugsweise auch im Buch enthalten. Auf diese Weise kann das eigene Verstandnis der Inhalte getestet werden.

Dieses Buch verschafft Ihnen einen UEberblick uber einige der bekanntesten Verfahren des maschinellen Lernens aus der Perspektive der mathematischen Statistik. Nach der Lekture kennen Sie die jeweils gestellten Forderungen an die Daten sowie deren Vor- und Nachteile und sind daher in der Lage, fur ein gegebenes Problem ein geeignetes Verfahren vorzuschlagen. Beweise werden nur dort ausfuhrlich dargestellt oder skizziert, wo sie einen didaktischen Mehrwert bieten - ansonsten wird auf die entsprechenden Fachartikel verwiesen. Fur die praktische Anwendung ist ein genaueres Studium des jeweiligen Verfahrens und der entsprechenden Fachliteratur noetig, zu der Sie auf Basis dieses Buchs aber schnell Zugang finden. Das Buch richtet sich an Studierende der Mathematik hoeheren Semesters, die bereits Vorkenntnisse in Wahrscheinlichkeitstheorie besitzen. Behandelt werden sowohl Methoden des Supervised Learning und Reinforcement Learning als auch des Unsupervised Learning. Der Umfang entspricht einer einsemestrigen vierstundigen Vorlesung. Die einzelnen Kapitel sind weitestgehend unabhangig voneinander lesbar, am Ende jedes Kapitels kann das erworbene Wissen anhand von UEbungsaufgaben und durch Implementierung der Verfahren uberpruft werden. Quelltexte in der Programmiersprache R stehen auf der Springer-Produktseite zum Buch zur Verfugung.

Dieses Lehrbuch stellt eine Vielzahl von Werkzeugen zur Analyse von Experimenten zur Verfugung: Es zeigt die Grundlagen der Auswertung faktorieller Versuchsplane mittels ein- oder mehrfaktorieller Varianzanalysen (ANOVA) sowie mittels gangiger nichtparametrischer Alternativen. Daruber hinaus werden auch Verfahren zur UEberprufung der Annahmen von Varianzanalysen vorgestellt. Die einzelnen Verfahren werden zunachst anhand ubersichtlicher Beispiele und Datensatze motiviert, vorgestellt und mit Papier und Stift durchgerechnet. Fur groessere Beispiele kommt die frei verfugbare statistische Software R zum Einsatz, mit der die manuellen Berechnungen nachvollzogen und schliesslich auch groessere Datensatze ausgewertet werden koennen.

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.

Der neuartige Einstieg in Digitale Medien fur die Mathematikdidaktik der Sekundarstufen, keine (zu) enge Bindung an spezifische Hard- oder Software Systematische und umfassende Darstellung von Grund auf mit Anregungen fur den Mathematikunterricht, gezielt fur das Lehramtsstudium und die Schulpraxis Die vielfaltigen Erprobungen an der Universitat Bielefeld, am Studienseminar Hamm und in der Lehrerfortbildung bilden eine gute Grundlage fur den Erfolg dieses Bandes