Hugendubel.info - Die B2B Online-Buchhandlung 

Merkliste
Die Merkliste ist leer.
Bitte warten - die Druckansicht der Seite wird vorbereitet.
Der Druckdialog öffnet sich, sobald die Seite vollständig geladen wurde.
Sollte die Druckvorschau unvollständig sein, bitte schliessen und "Erneut drucken" wählen.

Angewandte Datenanalyse

Der Bayes'sche Weg
BuchKartoniert, Paperback
393 Seiten
Deutsch
Springererschienen am06.06.20172. Aufl.
Dieses Buch bietet einen systematisch aufgebauten Einstieg in angewandte Datenanalyse, Bayes´sche Statistik und moderne Simulationsmethoden mit dem Computer. Ausgehend von der Zielsetzung, nicht direkt messbare Größen zu bestimmen und Prognosen zu zukünftigen Werten von unsicheren Größen zu berechnen, beschreibt und erläutert es die Vorgehensweisen - von der systematischen Sammlung von Daten über die Quantifizierung von Unsicherheit anhand von Wahrscheinlichkeiten bis hin zur Anwendung von Regressionsmodellen.Mit zahlreichen Reflexionsaufgaben und Beispielen aus der Praxis sowie seiner in vielen Kursen erprobten Didaktik ist das Buch ideal für Studierende in den angewandten Wissenschaften wie Ingenieur-, Natur- und Wirtschaftswissenschaften geeignet.Für die Neuauflage wurden einige Kapitel überarbeitet. Zudem wurde ein Abschnitt zu hierarchischen Modellen eingefügt und das Buch mit einem Kapitel zur Plausibilität von Modellen und von Hypothesen ergänzt. Sowohl die verwendeten Datensätze und Programmcodes als auch die Lösungen zu den Reflexionsaufgaben sind als Zusatzmaterial online verfügbar.mehr
Verfügbare Formate
BuchKartoniert, Paperback
EUR39,99
E-BookPDF1 - PDF WatermarkE-Book
EUR29,99
E-BookPDF1 - PDF WatermarkE-Book
EUR22,99

Produkt

KlappentextDieses Buch bietet einen systematisch aufgebauten Einstieg in angewandte Datenanalyse, Bayes´sche Statistik und moderne Simulationsmethoden mit dem Computer. Ausgehend von der Zielsetzung, nicht direkt messbare Größen zu bestimmen und Prognosen zu zukünftigen Werten von unsicheren Größen zu berechnen, beschreibt und erläutert es die Vorgehensweisen - von der systematischen Sammlung von Daten über die Quantifizierung von Unsicherheit anhand von Wahrscheinlichkeiten bis hin zur Anwendung von Regressionsmodellen.Mit zahlreichen Reflexionsaufgaben und Beispielen aus der Praxis sowie seiner in vielen Kursen erprobten Didaktik ist das Buch ideal für Studierende in den angewandten Wissenschaften wie Ingenieur-, Natur- und Wirtschaftswissenschaften geeignet.Für die Neuauflage wurden einige Kapitel überarbeitet. Zudem wurde ein Abschnitt zu hierarchischen Modellen eingefügt und das Buch mit einem Kapitel zur Plausibilität von Modellen und von Hypothesen ergänzt. Sowohl die verwendeten Datensätze und Programmcodes als auch die Lösungen zu den Reflexionsaufgaben sind als Zusatzmaterial online verfügbar.
Zusammenfassung
Schwerpunkt auf Simulation und grafischer Darstellung der Resultate

Angereichert mit Praxisbeispielen und Reflexionsaufgaben

Datensätze, Programmcodes und Lösungen online verfügbar

Includes supplementary material: sn.pub/extras
Details
ISBN/GTIN978-3-662-54219-4
ProduktartBuch
EinbandartKartoniert, Paperback
Verlag
Erscheinungsjahr2017
Erscheinungsdatum06.06.2017
Auflage2. Aufl.
Seiten393 Seiten
SpracheDeutsch
Gewicht690 g
IllustrationenXVI, 393 S. 269 Abb., 11 Abb. in Farbe.
Artikel-Nr.43167663

Inhalt/Kritik

Inhaltsverzeichnis
Eine Einführung und ein Überblick.- Wie man Versuche planen kann.- Messen und Kontrollieren.- Das Fundament: Wahrscheinlichkeiten.- Nicht direkt messbare Grössen bestimmen.- Mehrere Grössen und Korrelation.- Messwerte prognostizieren.- Modellwahl: Information und Entropie.- Zwei Modelle zu positiven Grössen.- Streuung und die Normalverteilung.- Explorative Datenanalyse.- Regressionsmodelle.- Regressionsmodelle: Parameter und Prognosen.- Standardfehler, Ranglisten und Modelle.mehr

Schlagworte

Autor

Prof. Dr. Daniel Bättig ist Professor für angewandte Statistik und Mathematik am Departement Technik und Informatik der Berner Fachhochschule, Schweiz. Als Leiter des Instituts für Risiko- und Extremwertanalyse verfügt er über praktische Erfahrungen beim Analysieren, Klassifizieren und Modellieren von Daten.