Cantitate/Preț
Produs
Total produse
Vezi coșul
Angewandte Datenanalyse de Daniel Bättig

Angewandte Datenanalyse

Autor Daniel Bättig
de Limba Germană Paperback – 6 iun 2017
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.
Citește tot Restrânge

Toate formatele și edițiile

Toate formatele și edițiile Preț Express
Paperback (2) 19368 lei  38-44 zile
  Springer – 10 sep 2014 19368 lei  38-44 zile
  Springer – 6 iun 2017 24215 lei  6-8 săpt.

Preț: 24215 lei

Preț vechi: 30269 lei
-20%

Puncte Express: 363
Preț estimativ în valută:
4283€ • 5087$ • 3730£

Carte tipărită la comandă

Livrare economică 28 martie-11 aprilie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9783662542194
ISBN-10: 3662542196
Pagini: 412
Ilustrații: XVI, 393 S. 269 Abb., 11 Abb. in Farbe.
Dimensiuni: 168 x 240 x 23 mm
Greutate: 0.69 kg
Ediția:2., überarb. und erweiterte Auflage 2017
Editura: Springer
Locul publicării:Berlin, Heidelberg, Germany

Cuprins

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.

Notă biografică

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.

Textul de pe ultima copertă

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 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.

Caracteristici

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