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.

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 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.

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

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.

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.