LEADER 03728nam  22004935  450 
001 9910484290803321
005 20200711200154.0
010   $a3-662-54220-X
024 7 $a10.1007/978-3-662-54220-0
035   $a(CKB)4340000000061803
035   $a(DE-He213)978-3-662-54220-0
035   $a(PPN)201468565
035   $a(EXLCZ)994340000000061803
100   $a20170518d2017      u|         0
101 0 $ager
135   $aurnn|008mamaa
181   $ctxt$2rdacontent
182   $cc$2rdamedia
183   $acr$2rdacarrier
200 10$aAngewandte Datenanalyse $eDer Bayes'sche Weg /$fvon Daniel Bättig
205   $a2nd ed. 2017.
210  1$aBerlin, Heidelberg :$cSpringer Berlin Heidelberg :$cImprint: Springer Spektrum,$d2017.
215   $a1 online resource (XVI, 393 S. 269 Abb., 11 Abb. in Farbe.) 
225 1 $aStatistik und ihre Anwendungen
311   $a3-662-54219-6 
327   $aEine 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.
330   $aDieses Buch bietet einen systematisch aufgebauten Einstieg in angewandte Datenanalyse, Bayes´sche Statistik und moderne Simulationsmethoden mit dem Computer. Ausgehend von der Zielsetzung, nicht direkt messbare Größen zu bestimmen und Prognosen zu zukünftigen Werten von unsicheren Größen zu berechnen, beschreibt und erläutert es die Vorgehensweisen ? von der systematischen Sammlung von Daten über die Quantifizierung von Unsicherheit anhand von Wahrscheinlichkeiten bis hin zur Anwendung von Regressionsmodellen. Mit zahlreichen Beispielen aus der Praxis und seiner in vielen Kursen erprobten Didaktik ist das Buch ideal für Studierende in den angewandten Wissenschaften wie Ingenieur-, Natur- und Wirtschaftswissenschaften geeignet. Für die Neuauflage wurden einige Kapitel überarbeitet. Zudem wurde ein Abschnitt zu hierarchischen Modellen eingefügt und das Buch mit einem Kapitel zur Plausibilität von Modellen und von Hypothesen ergänzt. Der Autor Prof. Dr. Daniel Bättig ist Professor für angewandte Statistik und Mathematik am Departement Technik und Informatik der Berner Fachhochschule, Schweiz. Als Leiter des Instituts für Risiko- und Extremwertanalyse verfügt er über praktische Erfahrungen beim Analysieren, Klassifizieren und Modellieren von Daten.
410  0$aStatistik und ihre Anwendungen
606   $aStatistics
606   $aMathematical models
606   $aStatistics and Computing/Statistics Programs$3https://scigraph.springernature.com/ontologies/product-market-codes/S12008
606   $aStatistics for Life Sciences, Medicine, Health Sciences$3https://scigraph.springernature.com/ontologies/product-market-codes/S17030
606   $aMathematical Modeling and Industrial Mathematics$3https://scigraph.springernature.com/ontologies/product-market-codes/M14068
615  0$aStatistics.
615  0$aMathematical models.
615 14$aStatistics and Computing/Statistics Programs.
615 24$aStatistics for Life Sciences, Medicine, Health Sciences.
615 24$aMathematical Modeling and Industrial Mathematics.
676   $a519.5
700   $aBättig$b Daniel$4aut$4http://id.loc.gov/vocabulary/relators/aut$01227063
906   $aBOOK
912   $a9910484290803321
996   $aAngewandte Datenanalyse$92849195
997   $aUNINA