Mathematische Methoden und Konzepte sind fur die Naturwissenschaften mittlerweile zu einem grundlegenden Instrumentarium geworden.

Ausgehend von der Schulmathematik, wie sie an den Gymnasien und Fachoberschulen vermittelt wird, entwickeln die Autoren die notwendigen mathematischen Kenntnisse, die heute in den Naturwissenschaften benotigt werden. Dabei gelingt Ihnen eine ausgewogene Mischung aus notwendiger mathematischer Prazision, motivierenden Beispielen und naturwissenschaftlichen Anwendungen.

Viele Aufgaben, deren vollstandige detaillierten Losungen unter einer Internet-Adresse zu finden sind, sowie Maple- und R-Codes erhohen den direkten Nutzen fur den Leser."

Statistik dringt in immer weitere Bereiche der Naturwissenschaften, der Technik, Medizin und Okologie vor. Den immer komplexer werdenden Daten muss der Statistiker mit einem ausreichenden Methodenarsenal und mit entsprechender statistischer Software gerecht werden.

Ausgehend von Grundbegriffen und elementaren Verfahren wendet sich das Buch zunachst den Standardverfahren der multiplen Regression und den Modellen der Varianzanalyse zu. Nichtlineare statistische Methoden, wie sie namentlich bei kategoriellen Daten benotigt werden, und nichtparametrische Methoden zur Kurvenanpassung folgen. Besteht die Zielgrosse aus mehreren korrelierten Variablen gleichzeitig, so gelangt man zu den multivariaten Verfahren, die eine ausserordentliche Attraktivitat in den 'life sciences' erlangt haben: Manova, Diskriminanz-, Faktor- und Clusteranalyse. Das Buch schliesst mit den Analysemethoden fur Zeitreihen, die sowohl in der Okologie als auch in der Okonomie wachsende Bedeutung gewinnen.

Jedes Verfahren wird durch Anwendungsbeispiele illustriert, die grosseren real-wissenschaftlichen Fallstudien entnommen sind, sowie durch Programmcodes erganzt, die in der Syntax der bekannten Statistikpakete Splus/R, SPSS oder SAS geschrieben sind.

Awendern in den oben genannten Gebieten, die mit komplexeren Auswertungsproblemen konfrontiert sind, und die bis zur Feinanalyse ihrer Daten vordringen wollen wie Studenten und Dozenten in den Methodenwissenschaften (Mathematik, Statistik, Informatik) erhalten einen Einblick in die Fragestellungen und in die Losungsangebote der Statistik und der sie unterstutzenden Programmpakete."

ren; nichtparametrische (verteilungsfreie) Methoden sind nicht aufgenommen wor- den. Das mag manchem unentschuldbar erscheinen, denn parametrische Verfahren gehen mit Verteilungsannahmen einher. Doch kann man sich diesen oft durch Transformieren der Ausgangsdaten niihem, oder aber man kann ihre Wichtigkeit durch Erzielen eines groBen Stichprobenumfangs und durch Wahl asymptotischer Methoden abschwachen. ErfahrungsgemaB ziehen die meisten Anwender dies en Umweg (Uber Datentransformation und / oder Asymptotik) der Benutzung nichtpa- rametrischer Verfahren vor. Letztere sind namlich in der Statistik-Software nur schwach vertreten und bieten wohl auch (noch) nicht diese Methoden- und Inter- pretations-Vielfalt, wie es die parametrischen Verfahren tun. Die zuktinftige Ent- wicklung der Statistik-Software, basierend auf immer leistungskriiftigeren Rech- nem, konnte die Einstellung der Anwender andem. Der Stoff der vorliegenden Darstellung ist Vorlesungen entsprungen, die der Autor an den Universitaten MUnchen und Hannover gehalten hat. Er kann in einer zwei- semestrigen Vorlesung vorgetragen werden. Dabei kann im ersten Semester Kap I 1,2 Kap II 1 Kap III Kap IV Kap V (die beiden letzten ganz oder teilweise) behandelt werden, wiihrend Kap I 3,4 Kap II 2,3 Kap VI Kap VII Kap VIII dem zweiten Semester vorbehalten sind. Die in den Text eingestreuten Fallstudien stammen aus statistischen Beratungen und Praktika, die der Autor seit Jahren am Mathematischen Institut der Universitat MUnchen {Lehrstuhl Prof. Dr. P. Ganssler} durchfijhrt.