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.

A new and refreshingly different approach to presenting the foundations of statistical algorithms, Foundations of Statistical Algorithms: With References to R Packages reviews the historical development of basic algorithms to illuminate the evolution of today's more powerful statistical algorithms. It emphasizes recurring themes in all statistical algorithms, including computation, assessment and verification, iteration, intuition, randomness, repetition and parallelization, and scalability. Unique in scope, the book reviews the upcoming challenge of scaling many of the established techniques to very large data sets and delves into systematic verification by demonstrating how to derive general classes of worst case inputs and emphasizing the importance of testing over a large number of different inputs. Broadly accessible, the book offers examples, exercises, and selected solutions in each chapter as well as access to a supplementary website. After working through the material covered in the book, readers should not only understand current algorithms but also gain a deeper understanding of how algorithms are constructed, how to evaluate new algorithms, which recurring principles are used to tackle some of the tough problems statistical programmers face, and how to take an idea for a new method and turn it into something practically useful.