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

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.

Der Leser wird von der Untersuchung und Darstellung empirisch vorgefundener Daten bis zu Planung und Auswertung eigener statistischer Versuchsplane durch dieses Buch begleitet. Es wird dabei ganz bewusst auf praktisch relevante und bewahrte Methoden Bezug genommen und auf weiterfuhrende wissenschaftliche Beschreibungen verzichtet. Praktisch relevante Methoden werden im Zusammenhang dargestellt."

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.

Vielfach genutzt fur die Verarbeitung von Daten in Tabellenform, war Excel bisher fur statistische Analysen weniger geeignet. Seit 2009 kann mit dem Add-In RExcel die StatistiksoftwareR eingebunden werden. Der Band bietet die erste Einfuhrung auf Deutsch zur Benutzung der RExcel-Oberflache. Anhand eines Beispieldatensatzes aus der Herz-Kreislaufforschung werden Deskriptive Statistik, Korrelation und Regression, statistische Tests, Uberlebenszeitanalyse sowie Fallzahlplanung nachvollziehbar dargestellt. Mit Schritt-fur Schritt-Anleitungen und Tipps.

Statistische Verfahren werden sowohl in der Wirtschaft als auch in den Natur- und Sozialwissenschaften eingesetzt. Die Statistik gilt trotzdem als schwierig. Um diese Hemmschwelle zu uberwinden, geben die Autoren eine didaktisch ausgefeilte, anwendungsbezogene Einfuhrung in die Methoden der deskriptiven Statistik und Datenanalyse. Anhand praxisnaher Beispiele werden die Ideen des Datenmanagements und der Datenauswertung unter Einsatz von SPSS und R beschrieben. Viele Ubungsaufgaben (mit Losungen) unterstutzen das (Selbst-) Studium der Leser. Das Buch deckt den Stoff Statistik I an deutschsprachigen Universitaten vollstandig ab. Neu in dieser Auflage ist eine Einfuhrung in die logistische Regression, deren Konzept auch anhand der statistischen Software SPSS und R erlautert wird. Des Weiteren wurden viele Beispiele und Ubungsaufgaben thematisch uberarbeitet."

R ist eine objekt-orientierte und interpretierte Sprache und Programmierumgebung fur Datenanalyse und Grafik. Ziel dieses Buches ist es, nicht nur ausfuhrlich in die Grundlagen der Sprache R einzufuhren, sondern auch ein Verstandnis der Struktur der Sprache zu vermitteln. Leicht koennen so eigene Methoden umgesetzt, Objektklassen definiert und ganze Pakete aus Funktionen und zugehoeriger Dokumentation zusammengestellt werden. Die enormen Grafikfahigkeiten von R werden detailliert beschrieben. Die dritte Auflage des Buches ist an die vielen Verbesserungen und Neuerungen bis R-2.7.1 angepasst worden und enthalt weitere von Lesern gewunschte Erganzungen. Das Buch richtet sich an alle, die R als flexibles Werkzeug zur Datenenalyse und -visualisierung einsetzen moechten: Studierende, die Daten fur ihre Diplomarbeit analysieren moechten, Forschende, die neue Methoden ausprobieren moechten, und diejenigen, die in der Wirtschaft taglich Daten aufbereiten, analysieren und anderen in komprimierter Form prasentieren.

Aspects of environmental change are some of the greatest challenges faced by policymakers today. The key issues addressed by environmental science are often empirical, and in many instances very detailed, sizable datasets are available. Researchers in this field should have a solid understanding of the econometric tools best suited for analysis of these data. While complex and expensive physical models of the environment exist, it is becoming increasingly clear that reduced-form econometric models have an important role to play in modeling environmental phenomena. In short, successful environmental modeling does not necessarily require a structural model, but the econometric methods underlying a reduced-form approach must be competently executed. Environmental Econometrics Using Stata provides an important starting point for this journey by presenting a broad range of applied econometric techniques for environmental econometrics and illustrating how they can be applied in Stata. The emphasis is not only on how to formulate and fit models in Stata but also on the need to use a wide range of diagnostic tests in order to validate the results of estimation and subsequent policy conclusions. This focus on careful, reproducible research should be appreciated by academic and non-academic researchers who are seeking to produce credible, defensible conclusions about key issues in environmental science.

The application and interpretation of statistics are central to ecological study and practice. Ecologists are now asking more sophisticated questions than in the past. These new questions, together with the continued growth of computing power and the availability of new software, have created a new generation of statistical techniques. These have resulted in major recent developments in both our understanding and practice of ecological statistics. This novel book synthesizes a number of these changes, addressing key approaches and issues that tend to be overlooked in other books such as missing/censored data, correlation structure of data, heterogeneous data, and complex causal relationships. These issues characterize a large proportion of ecological data, but most ecologists' training in traditional statistics simply does not provide them with adequate preparation to handle the associated challenges. Uniquely, Ecological Statistics highlights the underlying links among many statistical approaches that attempt to tackle these issues. In particular, it gives readers an introduction to approaches to inference, likelihoods, generalized linear (mixed) models, spatially or phylogenetically-structured data, and data synthesis, with a strong emphasis on conceptual understanding and subsequent application to data analysis. Written by a team of practicing ecologists, mathematical explanations have been kept to the minimum necessary. This user-friendly textbook will be suitable for graduate students, researchers, and practitioners in the fields of ecology, evolution, environmental studies, and computational biology who are interested in updating their statistical tool kits. A companion web site provides example data sets and commented code in the R language.

Il volume si propone di fornire una prima introduzione alla teoria elementare dei numeri, rivolta agli insegnanti (e ai futuri insegnanti) di matematica. Esso vuole costituire un invito e una preparazione per la lettura di opere piu impegnative di cui c'e gran copia nella letteratura di lingua inglese e (ultimamente grazie proprio a Springer) una buona presenza anche in lingua italiana. Esso si caratterizza per avere una "approccio computazionale" cioe per favorire l'uso di un software (scegliendolo tra i piu diffusi oggi in commercio) ai fini della costruzione di un laboratorio di calcolo.

in die Stochastik Mit Elementen der Bayes-Statistik und der Analyse unscharfer Information Dritte, uberarbeitete und erweiterte Auflage Springers Lehrbucher der Informatik Springer-Verlag Wien GmbH o. Univ.-Prof. Dipl.-Ing. Dr. techno Reinhard Kar Wolfgang Viertl Institut fur Statistik und Wahrscheinlichkeitstheorie Technische Universitat Wien, Osterreich Das Werk ist urheberrechtlich geschutzt. Die dadurch begrundeten Rechte, insbesondere die der Ubersetzung des Nachdruckes, der Entnahme von Abbildungen, der Funksendung, der Wiedergabe auf photomechani schem oder ahnlichem Wege und der Speicherung in Datenverarbeitungsanlagen, blei ben, auch bei nur auszugweiser Verwertung, vorbehalten. (c) 2003 Springer-Verlag Wien Ursprunglich erschienen bei Springer-Verlagl\Vien 2003 Produkthaftung: Samtliche Angaben in diesem Fachbuch/wissenschaftlichen Werk er folgen trotz sorgfaltiger Bearbeitung und Kontrolle ohne Gewahr. Eine Haftung des Autors oder des Verlages aus dem Inhalt dieses Werkes ist ausgeschlossen. Satz, Druck und Bindung: Druckerei zu Altenburg GmbH, D-04600 Altenburg Gedruckt auf saurefreiem, chlorfrei gebleichtem Papier - TCF SPIN: 10920640 Mit 51 Abbildungen Bibliografische Informationen Der Deutschen Bibliothek Die Deutsche Bibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; dataillierte bibliografische Daten sind im Internet uber abrufbar. ISSN 0938-9504 ISBN 978-3-211-00837-9 ISBN 978-3-7091-6080-0 (eBook) DOI 10.1007/978-3-7091-6080-0 Meiner Mutter in Dankbarkeitgewidmet Vorwort zur dritten Auflage Seit dem Erscheinen der zweiten Auflage haben sich einige Neuerungen ergeben, die in dieserAuflage beriicksichtigt sind. Da das Buch auch als Begleittext zu einer Vorlesung "Statistik und Wahrscheinlichkeitstheorie" dient, sind jetzt Uberlegungen zur statisti schen Beschreibung von Daten an den Beginn gestellt."

Dieses Buch bietet einen historisch orientierten Einstieg in die Algorithmik, also die Lehre von den Algorithmen, in Mathematik, Informatik und daruber hinaus. Besondere Merkmale und Zielsetzungen sind: Elementaritat und Anschaulichkeit, die Berucksichtigung der historischen Entwicklung, Motivation der Begriffe und Verfahren anhand konkreter, aussagekraftiger Beispiele unter Einbezug moderner Werkzeuge (Computeralgebrasysteme, Internet). Als Zusatzmedien werden computer- und internetspezifische Interaktions- und Visualisierungsmoeglichkeiten (kostenlos) zur Verfugung gestellt. Das Werk wendet sich an Studierende und Lehrende an Schulen und Hochschulen sowie an Nichtspezialisten, die an den Themen "Computer/Algorithmen/Programmierung" einschliesslich ihrer historischen und geisteswissenschaftlichen Dimension interessiert sind.

Wie koennen grosse und kleine Datenmengen aus Beobachtungen, Messungen, Befragungen, Untersuchungen, Analysen etc. verwaltet, aufbereitet, komprimiert, mit Kennzahlen erklart und wirksam grafisch dargestellt werden? Wie kann man dazu Hypothesen prufen, Zusammenhange aufdecken, Abhangigkeiten finden? Dieses Buch zeigt Ihnen, wie die grundlegenden Methoden der Statistik recht einfach mit Excel umsetzbar sind. Es wurden in einheitlicher, sehr verstandlicher Methodik die grundlegenden statistischen Verfahren sowohl der beschreibenden als auch der beurteilenden Statistik zusammengestellt. Umfangreiche Beispiele, didaktisch aufbereitet und stets ausfuhrlich mit Excel umgesetzt, bieten eine umfassende Hilfe fur den Umgang mit Datenmengen. Alle Beispiele stehen online fur individuelle UEbungen bereit.

Dieser Band mit Beitragen aus der nationalen und internationalen Forschung zum 60. Geburtstag von Prof. Dr. Rolf Biehler (Universitat Paderborn) prasentiert wissenschaftliche Arbeiten zum Werkzeugeinsatz beim Lehren und Lernen von Mathematik im Allgemeinen sowie von Statistik und Stochastik im Besonderen. Wie ein roter Faden durchzieht den Festband, wie auch schon das wissenschaftliche Oeuvre von Rolf Biehler, ein breites Verstandnis des Begriffs Werkzeug (engl. tools ). Die Themen decken das komplette Spektrum der Mathematikdidaktik auf allen Schulstufen sowie auf dem tertiaren Sektor ab. Es gibt Beitrage zum Einsatz von Tools in der Grundschule, ebenso wie aus den Sekundarstufen, der Hochschule und der Lehreraus- und -weiterbildung. Im Band werden sowohl Beispiele zum konkreten Einsatz von Werkzeugen im Unterricht aufgezeigt, als auch Studien zur Wirksamkeit von Werkzeugen im Kontext von Mathematiklernen, theoretische Artikel zum Einsatz von Werkzeugen und Neuentwicklungen von Werkzeug-Software vorgelegt.

"

Computeralgebra- Systeme wie MAPLE gehoeren heute zum Alltag aller, die Mathematik in Schule, Wirtschaft und Hochschule anwenden. Gleichzeitig bieten sie die Moeglichkeit, in ganz anderer Weise Beispiele zu untersuchen und zu veranschaulichen, als dies mit Bleistift und Papier moeglich ist. Neben einer Einfuhrung in MAPLE hat dieses Buch zum Ziel, durch die Behandlung von Beispielen den Stoff des ersten Studienjahres, wie er in den Vorlesungen zur Analysis und Linearen Algebra behandelt wird, zu vertiefen und zu veranschaulichen. Es besteht aus Aufgaben mit Erlauterungen, anhand derer der Leser den Stoff eigenstandig durcharbeiten soll. Mathematische Anwendersysteme als berufsbildende Kompetenz in der Bachelor-Ausbildung: Das Buch eignet sich fur ein Modul aufbauend auf den Grundvorlesungen Analysis und Lineare Algebra. Materialien zu diesem Buch fur das E-Learning System OKUSON werden fur Dozenten unter OnlinePLUS bereitgestellt.

The definitive guide for statisticians and data scientists who understand the advantages of becoming proficient in both R and Python The first book of its kind, Python for R Users: A Data Science Approach makes it easy for R programmers to code in Python and Python users to program in R. Short on theory and long on actionable analytics, it provides readers with a detailed comparative introduction and overview of both languages and features concise tutorials with command-by-command translations--complete with sample code--of R to Python and Python to R. Following an introduction to both languages, the author cuts to the chase with step-by-step coverage of the full range of pertinent programming features and functions, including data input, data inspection/data quality, data analysis, and data visualization. Statistical modeling, machine learning, and data mining--including supervised and unsupervised data mining methods--are treated in detail, as are time series forecasting, text mining, and natural language processing. - Features a quick-learning format with concise tutorials and actionable analytics - Provides command-by-command translations of R to Python and vice versa - Incorporates Python and R code throughout to make it easier for readers to compare and contrast features in both languages - Offers numerous comparative examples and applications in both programming languages - Designed for use for practitioners and students that know one language and want to learn the other - Supplies slides useful for teaching and learning either software on a companion website Python for R Users: A Data Science Approach is a valuable working resource for computer scientists and data scientists that know R and would like to learn Python or are familiar with Python and want to learn R. It also functions as textbook for students of computer science and statistics. A. Ohri is the founder of Decisionstats.com and currently works as a senior data scientist. He has advised multiple startups in analytics off-shoring, analytics services, and analytics education, as well as using social media to enhance buzz for analytics products. Mr. Ohri's research interests include spreading open source analytics, analyzing social media manipulation with mechanism design, simpler interfaces for cloud computing, investigating climate change and knowledge flows. His other books include R for Business Analytics and R for Cloud Computing.

Learn how to use PTC(r) Mathcad Prime(r) 3.0, one of the world s leading tools for technical computing, in the context of engineering, science, and math applications. Quickly harness the power of PTC Mathcad Prime 3.0 to solve both simple and complex problems. "Essential PTC(r) Mathcad Prime(r) 3.0" is perfect for college students, first-time users, and experienced Mathcad 15 users who are moving to PTC Mathcad Prime 3.0.

Updated from Maxfield s popular "Essential Mathcad," this book introduces the most powerful functions and features of the new PTC Mathcad Prime 3.0 software and teaches how to apply them to create comprehensive calculations for any quantitative subject. Examples from several fields demonstrate the power and utility of PTC Mathcad s tools while also demonstrating how users can eff ectively incorporate Microsoft(r) Excel spreadsheets into the software.
Learn the basics faster: Chapter 1 introduces many fundamentals of Mathcad, allowing the reader to begin using the program in less time.Learn PTC Mathcad tools in context: Incorporates many applied examples and problems from a wide
variety of disciplines.Thorough discussion of many PTC Mathcad tools: Units, arrays, plotting, solving, symbolic calculations, programming, algebra, calculus, differential equations, reading from files, writing to files, and incorporating MS Excel spreadsheets.Each copy of the book includes a code to download PTC(r) Mathcad Prime(r) 3.0 Student Edition, giving
the user a full year of use from the time of installation. (The Student Edition software is intended for educational purposes only.)

The purpose of this guide is to give a quick introduction on how to use Maple. It primarily covers Maple 12, although most of the guide will work with earlier versions of Maple. Also, throughout this guide, we will be suggesting tips and diagnosing common problems that users are likely to encounter. This should make the learning process smoother.

This guide is designed as a self-study tutorial to learn Maple. Our emphasis is on getting you quickly up to speed. This guide can also be used as a supplement (or reference) for students taking a mathematics (or science) course that requires use of Maple, such as Calculus, Multivariable Calculus, Advanced Calculus, Linear Algebra, Discrete Mathematics, Modeling, or Statistics.

Algorithmen werden von Grundprinzipien bis Implementierungsdetails genau besprochen Verstandlichkeit und Anschaulichkeit mit Schritt-fur-Schritt-Anleitungen Praxisorientierte und verstandlichen Darstellung der Arbeitsweise von Algorithmen Umfangreiche praktische Beispiele aus dem Ingenieuralltag

The purpose of this book is to provide instruction and guidance on preparing quantitative data sets prior to answering a studyAEs research questions. Preparation may involve data management and manipulation tasks, data organization, structural changes to data files, or conducting preliminary analysis such as examining the scale of a variable, the validity of assumptions or the nature and extent of missing data. The oresultso from these essential first steps can also help guide a researcher in selecting the most appropriate statistical tests for his/her study. The book is intended to serve as a supplemental text in statistics or research courses offered in graduate programs in education, counseling, school psychology, behavioral sciences, and social sciences as well as undergraduate programs that contain a heavy emphasis on statistics. The content and issues covered are also beneficial for faculty and researchers who are knowledgeable about research design and able to use a statistical software package, but are unsure of the first steps to take with their data. Increasingly, faculty are forming partnerships with schools, clinics, and other institutions to help them analyze data in their extensive databases. This book can serve as a reference for helping them get existing data files in an appropriate form to run statistical analysis. This book is not a replacement for a statistics textbook. It assumes that readers have some knowledge of basic statistical concepts and use of statistical software, or that they will be learning these concepts and skills concurrently throughout the course. SPSS was chosen to illustrate the preparation, evaluation, and manipulation of data. However, students or researchers who do not use SPSS will benefit from the content since the overall structure and pedagogical approach of the book focuses heavily on the data issues and decisions to be made

Dieses Buch bietet eine kurze und verstandliche Einfuhrung in das Softwarepaket MATHEMATICA und zeigt dessen Anwendung auf Problemstellungen aus der Ingenieurmathematik. Zunachst werden der Aufbau, die Arbeitsweise und die Moeglichkeiten von MATHEMATICA naher beschrieben. Anschliessend wird dieses Grundwissen auf die Grundlagen der Ingenieurmathematik, z.B. Matrizen, Differential- und Integralrechnung, angewendet. Der letzte Teil des Buches widmet sich den fortgeschrittenen Themen der Ingenieurmathematik. Dabei werden Differentialgleichungen, Transformationen, Optimierung, Wahrscheinlichkeitsrechnung und Statistik behandelt.Die Berechnungen werden jeweils ausfuhrlich dargestellt und an zahlreichen Beispielen illustriert.

In diesem Buch werden in kompakter Form mithilfe zahlreicher Beispiele die ublichen Modelle und Methoden der angewandten Wahrscheinlichkeitstheorie und Statistik dargestellt. Es ist daher insbesondere fur angehende Wirtschaftswissenschaftler, Ingenieure und Informatiker geeignet, welchen auch das didaktische Konzept des Buchs entgegenkommt: Verstandnisfragen und Aufgaben in Form von "Meilensteinen" erleichtern das eigenstandige UEberprufen des Lernfortschritts. Ein ausfuhrlicher mathematischer Anhang "Mathematik kompakt" stellt die wichtigsten Ergebnisse aus Analysis und linearer Algebra zum effizienten Nachschlagen zur Verfugung. Ein Glossar mit den wichtigsten englischen Begriffen sowie Tabellen der statistischen Testverteilungen runden die Darstellung ab.

Features a straightforward and concise resource for introductory statistical concepts, methods, and techniques using R Understanding and Applying Basic Statistical Methods Using R uniquely bridges the gap between advances in the statistical literature and methods routinely used by non-statisticians. Providing a conceptual basis for understanding the relative merits and applications of these methods, the book features modern insights and advances relevant to basic techniques in terms of dealing with non-normality, outliers, heteroscedasticity (unequal variances), and curvature. Featuring a guide to R, the book uses R programming to explore introductory statistical concepts and standard methods for dealing with known problems associated with classic techniques. Thoroughly class-room tested, the book includes sections that focus on either R programming or computational details to help the reader become acquainted with basic concepts and principles essential in terms of understanding and applying the many methods currently available. Covering relevant material from a wide range of disciplines, Understanding and Applying Basic Statistical Methods Using R also includes: * Numerous illustrations and exercises that use data to demonstrate the practical importance of multiple perspectives * Discussions on common mistakes such as eliminating outliers and applying standard methods based on means using the remaining data * Detailed coverage on R programming with descriptions on how to apply both classic and more modern methods using R * A companion website with the data and solutions to all of the exercises Understanding and Applying Basic Statistical Methods Using R is an ideal textbook for an undergraduate and graduate-level statistics courses in the science and/or social science departments. The book can also serve as a reference for professional statisticians and other practitioners looking to better understand modern statistical methods as well as R programming. Rand R. Wilcox, PhD, is Professor in the Department of Psychology at the University of Southern California, Fellow of the Association for Psychological Science, and an associate editor for four statistics journals. He is also a member of the International Statistical Institute. The author of more than 320 articles published in a variety of statistical journals, he is also the author eleven other books on statistics. Dr. Wilcox is creator of WRS (Wilcox Robust Statistics), which is an R package for performing robust statistical methods. His main research interest includes statistical methods, particularly robust methods for comparing groups and studying associations.