Angewandte Datenanalyse

1. Front Matter

   Pages I-XVI

   PDF

2. Eine Einführung und ein Überblick

   • Daniel Bättig

   Pages 1-23

3. Wie man Versuche planen kann

   • Daniel Bättig

   Pages 25-46

4. Messen und Kontrollieren

   • Daniel Bättig

   Pages 47-74

5. Das Fundament: Wahrscheinlichkeiten

   • Daniel Bättig

   Pages 75-116

6. Nicht direkt messbare Grössen bestimmen

   • Daniel Bättig

   Pages 117-136

7. Mehrere Grössen und Korrelation

   • Daniel Bättig

   Pages 137-155

8. Messwerte prognostizieren

   • Daniel Bättig

   Pages 157-166

9. Modellwahl: Information und Entropie

   • Daniel Bättig

   Pages 167-186

10. Zwei Modelle zu positiven Grössen

    • Daniel Bättig

    Pages 187-208

11. Streuung und Normalverteilung

    • Daniel Bättig

    Pages 209-234

12. Explorative Datenanalyse

    • Daniel Bättig

    Pages 235-269

13. Regressionsmodelle

    • Daniel Bättig

    Pages 271-290

14. Regressionsmodelle: Parameter und Prognosen

    • Daniel Bättig

    Pages 291-327

15. Standardfehler, Ranglisten und Modelle

    • Daniel Bättig

    Pages 329-355

16. Plausibilität von Modellen und von Hypothesen

    • Daniel Bättig

    Pages 357-380

17. Back Matter

    Pages 381-393

    PDF

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.

• Bayes Statistik
• Datenanalyse
• Regression
• Versuchsplanung
• Wahrscheinlichkeitsrechnung

• Departement für Technik und Informatik, Berner Fachhochschule, Burgdorf, Switzerland

  Daniel Bättig

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.

Policies and ethics