Skip to main content
  • Textbook
  • © 2013

Parametrische Statistik

Verteilungen, maximum likelihood und GLM in R

  • Direkter Schreibstil und viele Beispiele erleichtern Annäherung an ein kompliziertes Thema
  • Trennung von Theorie und Umsetzung macht Buch auch für den Umstieg auf R nutzbar
  • Ein Ansatz (GLM) statt eines Sammelsuriums verschiedener Tests macht parametrische Statistik als homogenes Gebiet begreifbar
  • Includes supplementary material: sn.pub/extras

Part of the book series: Statistik und ihre Anwendungen (STATIST)

Table of contents (17 chapters)

  1. Front Matter

    Pages i-xxii
  2. Verteilungen, Parameter und Schätzer in R

    • Carsten F. Dormann
    Pages 67-84
  3. Korrelation und Assoziation

    • Carsten F. Dormann
    Pages 85-92
  4. Korrelation und Assoziation in R

    • Carsten F. Dormann
    Pages 93-103
  5. Regression - Teil I

    • Carsten F. Dormann
    Pages 105-121
  6. Regression in R - Teil I

    • Carsten F. Dormann
    Pages 123-149
  7. Regression - Teil II

    • Carsten F. Dormann
    Pages 151-164
  8. Regression in R - Teil II

    • Carsten F. Dormann
    Pages 165-186
  9. Das Lineare Modell: t-Test und ANOVA

    • Carsten F. Dormann
    Pages 187-208
  10. Das Lineare Modell: t-Test und ANOVA in R

    • Carsten F. Dormann
    Pages 209-223
  11. Hypothesen und Tests

    • Carsten F. Dormann
    Pages 225-234
  12. Experimentelles Design

    • Carsten F. Dormann
    Pages 235-264
  13. Multiple Regression: mehrere Prädiktoren

    • Carsten F. Dormann
    Pages 265-293
  14. Multiple Regression in R

    • Carsten F. Dormann
    Pages 295-331
  15. Ausblick

    • Carsten F. Dormann
    Pages 333-334
  16. Back Matter

    Pages 335-350

About this book

Beispielreich baut das Buch Schritt für Schritt die statistischen Grundlagen moderner Datenanalysen für Anwender auf. Dabei wird besonderer Wert auf einen roten Faden gelegt, der alle Methoden zusammenführt. Ausgehend von den Grundlagen in beschreibender Statistik, Verteilungen und maximum likelihood, werden alle anderen Verfahren als Spezialfälle des GLM entwickelt (ANOVA, multiple Regression). An jedes Kapitel zum statistischen Verständnis schließt eines zur Umsetzung in der freien Statistiksoftware R an. Ein Kapitel zur Wissenschafts- und Forschungstheorie und eines zum Design von Experimenten und Stichprobeverfahren komplettieren das Buch.

Die Darstellung legt großen Wert auf Verständlichkeit und Umsetzung: Jedes Kapitel hat ausgewiesene Lerninhalte, die durch Übungen zu jedem R-Kapitel geprüft werden können. Ein ausführliches Schlagwortverzeichnis inklusive der R-Funktionen rundet das Buch ab.

Authors and Affiliations

  • , Abteilung für Forstliche Biometrie, Albert-Ludwigs-Universität Freiburg, Freiburg, Germany

    Carsten F. Dormann

About the author

Prof. Dr. Carsten Dormann, Universiät Freiburg, Biometrie & Umweltsystemanalyse

Bibliographic Information