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.

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.

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 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 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.

Many professional, high-quality surveys collect data on people's behaviour, experiences, lifestyles and attitudes. The data they produce is more accessible than ever before. This book provides students with a comprehensive introduction to using this data, as well as transactional data and big data sources, in their own research projects. Here you will find all you need to know about locating, accessing, preparing and analysing secondary data, along with step-by-step instructions for using IBM SPSS Statistics. You will learn how to: Create a robust research question and design that suits secondary analysis Locate, access and explore data online Understand data documentation Check and 'clean' secondary data Manage and analyse your data to produce meaningful results Replicate analyses of data in published articles and books Using case studies and video animations to illustrate each step of your research, this book provides you with the quantitative analysis skills you'll need to pass your course, complete your research project and compete in the job market. Exercises throughout the book and on the book's companion website give you an opportunity to practice, check your understanding and work hands on with real data as you're learning.

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.

For courses in Political and Social Statistics Using the popular SPSS software to de-mystify statistics Using SPSS for Windows and Macintosh guides students through basic SPSS techniques, using step-by-step descriptions and explaining in detail how to avoid common pitfalls in the study of statistics. Authors Samuel Green and Neil Salkind provide extensive substantive information about each statistical technique, including a brief discussion of the technique, examples of how the statistic is applied, a sample data set that can be analyzed with the statistic, a discussion of the analysis results, practice exercises, and more. The Eighth Edition has been updated for SPSS version 23 (Windows/Mac), and now offers added accessibility and increased problem solving. NOTE: This ISBN is for a Pearson Books a la Carte edition: a convenient, three-hole-punched, loose-leaf text. In addition to the flexibility offered by this format, Books a la Carte editions offer students great value, as they cost significantly less than a bound textbook.

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.

Psychological Statistics and Psychometrics Using Stata is a complete and concise resource for students and researchers in the behavioral sciences. The author's primary goal in this book is to help readers become competent users of statistics. To that end, he first introduces basic statistical methods such as regression, t tests, and ANOVA. He focuses on explaining the models, how they can be used with different types of variables, and how to interpret the results. After building this foundation, the author covers more advanced statistical techniques, including power-and-sample size calculations, multilevel modeling, and structural equation modeling. This book also discusses measurement concepts that are crucial in psychometrics. For instance, the author explores how reliability and validity can be understood and evaluated using exploratory and confirmatory factor analysis. The author includes dozens of worked examples using real data to illustrate the theory and concepts.

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

This textbook explores two distinct stochastic processes that evolve at random: weakly stationary processes and discrete parameter Markov processes. Building from simple examples, the authors focus on developing context and intuition before formalizing the theory of each topic. This inviting approach illuminates the key ideas and computations in the proofs, forming an ideal basis for further study. After recapping the essentials from Fourier analysis, the book begins with an introduction to the spectral representation of a stationary process. Topics in ergodic theory follow, including Birkhoff's Ergodic Theorem and an introduction to dynamical systems. From here, the Markov property is assumed and the theory of discrete parameter Markov processes is explored on a general state space. Chapters cover a variety of topics, including birth-death chains, hitting probabilities and absorption, the representation of Markov processes as iterates of random maps, and large deviation theory for Markov processes. A chapter on geometric rates of convergence to equilibrium includes a splitting condition that captures the recurrence structure of certain iterated maps in a novel way. A selection of special topics concludes the book, including applications of large deviation theory, the FKG inequalities, coupling methods, and the Kalman filter. Featuring many short chapters and a modular design, this textbook offers an in-depth study of stationary and discrete-time Markov processes. Students and instructors alike will appreciate the accessible, example-driven approach and engaging exercises throughout. A single, graduate-level course in probability is assumed.

Dieses Buch liefert Anfangern einen leichten Einstieg in SPSS und dient erfahrenen Nutzern (auch fruherer Programmversionen) zugleich als hervorragendes Nachschlagewerk. Die Nutzung des Buchs ist dabei weitgehend ohne mathematische Vorkenntnisse moeglich. Die Methoden und deren Anwendung mit SPSS werden anschaulich anhand von Beispielen aus der Praxis erlautert. Auf der Internetseite zum Buch sind alle Datensatze, erganzende Texte, UEbungsaufgaben mit ihren Loesungen sowie weitere Informationen verfugbar. Die 9. Auflage dieses Buchs basiert auf IBM SPSS Statistics 24 (Base und Exact Tests). Im Rahmen der Neuauflage wurden etliche Kapitel uberarbeitet. Hinzugekommen sind Kapitel zu neuen statistischen Verfahren sowie ein UEbersichtskapitel zu Signifikanztests: Letzteres erleichtert es dem SPSS-Nutzer, aus der Vielzahl der in SPSS verfugbaren Tests den fur seine Aufgabenstellung richtigen zu wahlen.

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.