The information contained in this book has served as the basis for a graduate-level biostatistics class at the University of North Carolina at Chapel Hill. The book focuses in the General Linear Model (GLM) theory, stated in matrix terms, which provides a more compact, clear, and unified presentation of regression of ANOVA than do traditional sums of squares and scalar equations.

The book contains a balanced treatment of regression and ANOVA yet is very compact. Reflecting current computational practice, most sums of squares formulas and associated theory, especially in ANOVA, are not included. The text contains almost no proofs, despite the presence of a large number of basic theoretical results. Many numerical examples are provided, and include both the SAS code and equivalent mathematical representation needed to produce the outputs that are presented.

All exercises involve only “real” data, collected in the course of scientific research. The book is divided into sections covering the following topics:

• Basic Theory
• Multiple Regression
• Model Building and Evaluation
• ANOVA
• ANCOVA

This book presents the basic procedures for utilizing SAS Enterprise Guide to analyze statistical data. SAS Enterprise Guide is a graphical user interface (point and click) to the main SAS application. Each chapter contains a brief conceptual overview and then guides the reader through concrete step-by-step examples to complete the analyses. The eleven sections of the book cover a wide range of statistical procedures including descriptive statistics, correlation and simple regression, t tests, one-way chi square, data transformations, multiple regression, analysis of variance, analysis of covariance, multivariate analysis of variance, factor analysis, and canonical correlation analysis. Designed to be used either as a stand-alone resource or as an accompaniment to a statistics course, the book offers a smooth path to statistical analysis with SAS Enterprise Guide for advanced undergraduate and beginning graduate students, as well as professionals in psychology, education, business, health, social work, sociology, and many other fields.

This new edition of the extremely popular textbook introduces the reader to the latest release of SPSS. New to this release is the enhanced Data Editor, which presents the user with two alternative Data Editor windows: Data View (as in previous releases) and Variable View, which displays the names and details of each variable in rows. In addition, SPSS 10 continues to offer the powerful Viewer output manager first introduced with SPSS 8, which gives greater editorial control over content and appearance and enables the user to produce tables, charts and graphs of a much higher quality.
The first six chapters and associated exercises provide an introduction to the basics of working with SPSS, while the remaining chapters cover more advanced topics such as various ANOVA designs, correlation and regression, loglinear analysis, discriminant analysis and, new to this edition, logistic regression.
Further important changes and additions have also been made, prompted partly by readers' responses to earlier editions. Given modern familiarity with the PC, the first chapter 'The Personal Computer' has now been replaced with an expanded and consolidated discussion of basic research principles and advice on choosing a statistical test. Chapter 6 has been expanded to include a new section on One-sample Tests, including the one-sample t-test and various goodness-of-fit tests. In addition, to facilitate and test deeper understanding of the material covered, this edition includes a separate section of stand-alone exercises, which require the reader to decide upon an appropriate analysis without the aid of chapter context. As always, plentiful screen images of menus, dialogue boxes and output help the reader both to use SPSS 10 and understand the output.
At all times, the authors have concentrated upon clarity and pser friendliness and avoided compendious detail. This, combined with a breadth of coverage much greater than that offered by most comparable texts, will ensure that this book continues to prove invaluable to the experienced researcher, postgraduate and undergraduate alike.
In summary, SPSS for Windows Made Simple (Release 10):
* introduces the reader to the use of SPSS 10 in the Windows environment
* shows you how to get as much information from your data as possible
* gives advice on choosing a statistical test
* offers cautions and caveats about the use and abuse of statistics
* has plentiful screen images of menus and dialogue boxes
* illustrates data exploration and statistical analysis with fully annotated output
* contains an abundance of worked examples
* includes both chapter-specific and more general practical exercises
* has a comprehensive index.

Related link: Available for Inspection
Related link: http://www.psypress.co.uk/kinneargray
Related link: Free Email Alerting

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."

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.

Dieses Buch richtet sich an Studierende verschiedener Fachrichtungen, die das Softwarepaket Octave als kostenfreien und praktischen Lernassistenten nutzen moechten. Es stellt dar, wie sich Octave zur Loesung mathematischer Probleme aus technischen und ingenieurwissenschaftlichen Anwendungen einsetzen lasst. Nebenbei koennen mit diesem Buch elementare Programmierkenntnisse erlernt oder aufgefrischt werden. Da Octave Parallelen zu dem kostenpflichtigen, haufig auf Rechnerarbeitsplatzen in Hochschulen und forschungsorientierten Einrichtungen installierten Softwarepaket MATLAB aufweist, lassen sich die in diesem Buch besprochenen Inhalte und Methoden bequem in die Hochschule und daruber hinaus in die spatere Berufspraxis ubertragen. Das Buch eignet sich damit auch fur Anwender, die in ihrem Berufsleben mathematische Probleme mit Octave oder MATLAB zu loesen haben. Behandelt werden die wichtigsten Grundlagen und Methoden von Octave: elementare Rechnungen mit reellen und komplexen Zahlen, die besonders wichtige Arbeit mit Matrizen und Vektoren, die Arbeit mit Zeichenketten, die Loesung von linearen Gleichungssystemen, die Erstellung von Grafiken mit und ohne animierten Inhalten, die Nutzung und die eigene Programmierung von Octave-Skripten und Octave-Funktionen. Lernenden wird an ausgewahlten Beispielen aus den Bereichen Lineare Algebra, Analysis und numerische Mathematik erlautert, wie Octave zur UEberprufung und Korrektur von Rechenergebnissen bzw. Rechenwegen sowie zum Verstehen und Entdecken von mathematischen Sachverhalten eingesetzt werden kann. Ausserdem werden die Loesung linearer und nichtlinearer Optimierungsprobleme, die Approximation von Daten und Funktionen (Methode der kleinsten Quadrate, Interpolation mit Polynomen und Splines), die Loesung nichtlinearer Gleichungssysteme sowie ausgewahlte Grundlagen der beschreibenden Statistik und Wahrscheinlichkeitsrechnung behandelt. UEbungsaufgaben laden zum Mitmachen ein und helfen, die besprochenen Inhalte zu verstehen, anzuwenden und auf die Aufgaben und Probleme aus den eigenen Mathematikvorlesungen zu ubertragen. Zu jeder Aufgabe gibt es mehr oder weniger ausfuhrliche Musterloesungen. Zusatzmaterialien zum Download erganzen das Buch, wobei die enthaltenen Skripte und Funktionen von den Lesern als Ausgangspunkt fur eigene Programmiertatigkeiten genutzt werden koennen und sollen.

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.

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.

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

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 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 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.

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

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.

Dieses Lehrbuch motiviert und erklart die Inhalte der deskriptiven und induktiven Statistik, indem es die mathematischen Grundlagen der Statistik mit vielfaltigen, leicht nachvollziehbaren Anwendungen und Beispielen verbindet: Durch uberschaubare Beispiele, die mit Papier und Stift durchgerechnet werden koennen (und sollten!) gewinnt der Leser zunachst Verstandnis und einen routinierten Umgang mit den zentralen Formeln. Fur groessere Beispiele kommt das frei verfugbare statistische Software R zum Einsatz, welches die Berechnungen schnell und verlasslich auch fur grosse Datensatze umsetzt.

Schwerpunkt auf Simulation und grafischer Darstellung der Resultate Angereichert mit Praxisbeispielen und Reflexionsaufgaben Datensatze, Programmcodes und Loesungen online verfugbar