Parametrische Statistik: Verteilungen, Maximum Likelihood Und Glm in R

Beispielreich baut dieses Buch Schritt fur Schritt die statistischen Grundlagen moderner Datenanalysen auf. Im Gegensatz zu anderen einfuhrenden Werken legt dieses Buch grossen Wert auf einen umfassend gespannten Bogen, einen roten Faden, der alle Methoden zusammenfuhrt. Dabei werden klassische statistische Methoden (etwa t-Test oder multiple Regression) als Spezialfall des Generalisierten Linearen Modells entwickelt. Entsprechend legt das Buch zunachst eine Grundlage in beschreibender Statistik, Verteilungen und maximum likelihood, aus der dann alle anderen Verfahren abgeleitet werden (ANOVA, multiple Regression).

Jeder Schritt ist auf zwei Kapitel verteilt: Im ungradzahligen Kapitel wird anhand von vielen Beispielen und Abbildungen die Idee der statistischen Herangehensweise erlautert. Im sich daran anschliessenden gradzahligen Kapitel wird die Umsetzung in der freien Statistiksoftware R gezeigt. Ein Kapitel zur Wissenschafts- und Forschungstheorie und eines zum Design von Experimenten und Stichprobeverfahren komplettiert dieses einleitende Werk.

Das Buch legt grossen Wert auf Verstandlichkeit und Umsetzung. Mathematische Herleitungen treten demgegenuber stark in den Hintergrund. Jedes Kapitel enthalt explizit ausgewiesene Lerninhalte, die durch UEbungen zu jedem R-Kapitel gepruft werden koennen. Ein ausfuhrliches Schlagwortverzeichnis inklusive der R-Funktionen macht das Buch auch als Nachschlagewerk nutzbar.

Die zweite Auflage wurde erganzt um Schatzung mittels der Momentenmethode, Residuendiagnostik fur nicht-normalverteilte Daten und die erschoepfende Modellsuche.