Methoden der statistischen Inferenz werden in fast allen
Bereichen der empirischen Wissenschaften eingesetzt, um aus Daten
zu lernen. Dieses Buch gibt eine angewandte EinfA1/4hrung in
Likelihood- und Bayes-Verfahren, die zwei wichtigsten AnsAtze, um
Parameter in stochastischen Modellen zu schAtzen und die damit
verbundene Unsicherheit zu quantifizieren. Eigene Kapitel widmen
sich der Prognose zukA1/4nftiger Beobachtungen und der
Modellwahl.
Ohne UnterstA1/4tzung durch Computer ist der Einsatz dieser
Methoden heute undenkbar. Dieses Buch legt besonderes Gewicht auf
die Beschreibung der nAtigen algorithmischen Verfahren, von der
numerischen Optimierung bis hin zur Monte-Carlo Integration. Alle
Beispiele sind in der Open-Source Statistik-Software R gerechnet,
wobei Teile des Programm-Codes explizit abgedruckt sind. An
zahlreichen Beispielen aus Medizin, Epidemiologie und Genetik wird
der Einsatz der Verfahren in der Praxis deutlich gemacht. Der Leser
kann durch Bearbeitung von Aoebungsaufgaben am Ende jedes Kapitels
(mit ausgewAhlten LAsungen auf der Website) den Stoff
vertiefen.
Dieses Buch richtet sich in erster Linie an Studierende der
Statistik, Mathematik und Informatik. Aber auch Interessierten aus
Bereichen der Lebenswissenschaften, wie etwa der Biologie oder den
Umweltwissenschaften wird es eine adAquate EinfA1/4hrung in
Methoden der statistischen Inferenz geben. NAtige Kenntnisse der
Stochastik, Numerik und Analysis, die A1/4ber ein elementares
Niveau hinausgehen, sind in eigenen AnhAngen beschrieben.
General
Is the information for this product incomplete, wrong or inappropriate?
Let us know about it.
Does this product have an incorrect or missing image?
Send us a new image.
Is this product missing categories?
Add more categories.
Review This Product
No reviews yet - be the first to create one!