Aktion	Zweigstelle	Standorte	Status	Frist	Vorbestellungen
Vorbestellen	Zweigstelle: 07., Urban-Loritz-Pl. 2a	Standorte: NN.MNS Schm / College 6a - Naturwissenschaften	Status: Verfügbar	Frist:	Vorbestellungen: 0
Vorbestellen	Zweigstelle: 07., Urban-Loritz-Pl. 2a	Standorte: NN.MNS Schm / College 6a - Naturwissenschaften	Status: Verfügbar	Frist:	Vorbestellungen: 0

Als angehender Wissenschaftler, Manager oder Unternehmensberater sind Sie darauf angewiesen, Daten mit statistischen Methoden fehlerfrei auszuwerten und die Ergebnisse überzeugend darzustellen? Statistik ist allerdings nicht gerade Ihr Fachgebiet? Dann ist dieses Buch genau richtig für Sie. In jedem Kapitel führt der Autor eine statistische Methode vor und erklärt, was man an den Ergebnissen ablesen kann und was nicht. Unmittelbar im Anschluss beschreibt er, wie man die Methode in R implementiert. Denn R lässt mit den dazugehörigen Paketen keine Wünsche in der Statistik offen. In der Regel genügen wenige Zeilen Programmcode. Und das Beste ist: Die statistischen Pakete von R sind kostenlos. Dieses Buch hilft, bessere Entscheidungen zu treffen und Datenmüll zu vermeiden.

 

 

Auf einen Blick:

Über den Autor 9 // Einführung 21 // Teil I: Erste Schritte bei der statistischen Analyse mit R 25 / Kapitel 1: Daten, Statistiken und Entscheidungen 27 / Kapitel 2: R: Was R kann und wie R das macht 37 // Teil II: Daten beschreiben 69 / Kapitel 3: Daten grafisch darstellen 71 / Kapitel 4: Suchen Sie Ihre Mitte 111 / Kapitel 5: Abweichungen vom Durchschnitt 123 / Kapitel 6: Standards und Wertungen kennenlernen 131 / Kapitel 7: Alles zusammenfassen 143 / Kapitel 8: Was ist normal? 163 // Teil III: Rückschlüsse aus Daten ziehen 183 / Kapitel 9: Die Sache mit dem Vertrauen: Schätzung 185 / Kapitel 10: Ein-Stichproben-Hypothesentest 201 / Kapitel 11: Zwei-Stichproben-Hypothesentest 227 / Kapitel 12: Mehr als zwei Stichproben testen 253 / Kapitel 13: Komplexere Tests 277 / Kapitel 14: Lineare, multiple und allgemeine lineare Regression 297 / Kapitel 15: Korrelation: Aufstieg und Fall von Zusammenhängen 331 / Kapitel 16: Kurvenförmige Regression: Wenn Beziehungen kompliziert werden 351 // Teil IV: Umgang mit der Wahrscheinlichkeit 375 / Kapitel 17: Einführung in die Wahrscheinlichkeit 377 / Kapitel 18: Einführung in die statistische Modellierung 399 // Teil V: Der Top-Ten-Teil 419 / Kapitel 19: Zehn nützliche R-Onlineressourcen 421 // Stichwortverzeichnis 425

 

 

/ / Inhaltsverzeichnis / / Über den Autor 9 / Einführung 21 / Über dieses Buch 21 / Ähnlichkeiten mit diesem anderen »Für Dummies«-Buch 22 / Was Sie nicht lesen müssen 22 / Törichte Annahmen über den Leser 22 / Wie dieses Buch aufgebaut is t 22 / Symbole, die in diesem Buch verwendet werden 23 / Wie es weitergeht 24 / / TEIL I / ERSTE SCHRITTE BEI DER STATISTISCHEN ANALYSE MIT R 25 / Kapitel 1 / Daten, Statistiken und Entscheidungen 27 / Die statistischen (und damit verwandten) Begriffe, / die Sie einfach kennen müssen 28 / Stichproben und Grundgesamtheiten 28 / Abhängige und unabhängige Variablen 29 / Arten von Daten 30 / Ein bisschen Wahrscheinlichkeit 31 / Inferenzstatistik: Testen von Hypothesen 32 / Nullhypothese und Alternativhypothese 33 / Zwei Arten von Fehlern 34 / / Kapitel 2 / R: Was R kann und wie R das macht 37 / R und RStudio herunterladen 37 / Eine Session mit R 41 / Das Arbeitsverzeichnis 41 / Jetzt geht es richtig los 42 / Fehlende Daten 45 / R-Funktionen 46 / Benutzerdefinierte Funktionen 47 / Kommentare 48 / R-Strukturen 48 / Vektoren 49 / Numerische Vektoren 49 / Matrizen 50 / Faktoren 52 / Listen 53 / Listen und Statistik 54 / Datensätze (Data Frames) 55 / Daten aus einem Datensatz extrahieren 57 / Packages 58 / Weitere Packages 61 / Die R-Formelschnittstelle 62 / Lesen und Schreiben 63 / Tabellenkalkulation 63 / CSV-Dateien 65 / Textdateien 66 / / TEIL II / DATEN BESCHREIBEN 69 / Kapitel 3 / Daten grafisch darstellen 71 / Muster erkennen 71 / Verteilung grafisch darstellen 72 / Säulensprünge 73 / Die Torte schneiden 74 / Das verstreute Diagramm 75 / Kastengrafik: Kästchen und Antennen 76 / Diagramme mit dem R-Basispaket erstellen 77 / Histogramme 78 / Diagrammfeatures hinzufügen 79 / Säulendiagramme 81 / Kreisdiagramme 82 / Punktdiagramme 83 / Noch einmal Säulendiagramme 84 / Streudiagramme 87 / Boxplots 91 / Zu ggplot2 aufsteigen 92 / Histogramme 92 / Säulendiagramme 96 / Punktdiagramme 96 / Noch einmal Säulendiagramme, die Zw eite 100 / Streudiagramme 103 / Matrix von Streudiagrammen 106 / Boxplots 108 / Zusammenfassung und Ausblick 110 / / Kapitel 4 / Suchen Sie Ihre M itte 111 / Mittelwert: Die Lehre vom Durchschnitt 111 / Der Mittelwert in R: meanQ 113 / Wie lauten Ihre Bedingungen? 113 / Mit with() die Dollarzeichen weglassen 114 / Die Daten erforschen 114 / Ausreißer: Schönheitsfehler der Mittelwerte 116 / Und schließlich noch ein paar andere M ittel 116 / Mediane: Auf halber Strecke erwischt 118 / Der Median in R: medianO 119 / Der Modalwert 120 / Der Modalwert in R 120 / / Kapitel 5 / Abweichungen vom Durchschnitt 123 / Die Streuung berechnen 123 / Mittelwert von quadratischen Abweichungen: Varianz, / und wie sie berechnet w ird 124 / Varianz einer Stichprobe 126 / Varianz in R 127 / Zurück zu den Wurzeln: Standardabweichung 127 / Standardabweichung einer Grundgesamtheit 128 / Standardabweichung einer Stichprobe 128 / Standardabweichung in R 129 / Bedingungen, Bedingungen, Bedingungen 129 / / Kapitel 6 / Standards und Wertungen kennenlernen 131 / z-Werte einfangen 131 / Eigenschaften von z-Werten 132 / Bonds und R uth 133 / Prüfungsergebnisse 133 / Standardwerte in R 134 / Wo stehen Sie? 136 / Rangermittlung in R 136 / Gleiche W erte 137 / k-kleinster und k-größter Wert 137 / Quantile 138 / Prozentrang 139 / Zusammenfassen 140 / / Kapitel 7 / Alles zusammenfassen 143 / Wie viele? 143 / Groß und klein 145 / Im Moment leben 145 / Ein lehrreicher Moment 145 / Zurück zu den Beschreibungen 146 / Schiefe 146 / Kurtosis - Wölbung 149 / Nun kommt die Häufigkeit ins Spiel 151 / Nominalskalierte Variablen: table() et al 151 / Numerische Variablen: hist() 152 / Kumulierte Häufigkeit 153 / Schritt für Schritt: Die empirische kumulative Verteilungsfunktion 154 / Numerische Variablen: stemQ 158 / Einen Datensatz zusammenfassen 159 / / Kapitel 8 / Was ist normal? 163 / So kratzen Sie die Kurve 163 / Tiefergraben 164 / Parameter einer Normalverteilung 165 / Mit Normalverteilungen arbeiten 167 / Verteilungen in R 167 / Dichtefunktion 167 / Normalverteilung als Kurve darstellen 168 / Kumulierte Dichtefunktion 172 / Die Verteilungsfunktion zeichnen 174 / Quantile der Normalverteilungen 175 / Die Verteilungsfunktion mit Quartilen zeichnen 176 / Zufällige Stichproben 177 / Eine ganz besondere Verteilung 178 / Die Standardnormalverteilung in R 179 / Die Standardnormalverteilung als Graphen darstellen 180 / / TEIL III / RÜCKSCHLÜSSE AUS DATEN ZIEHEN 183 / Kapitel 9 / Die Sache mit dem Vertrauen: Schätzung 185 / Stichprobenverteilungen verstehen 186 / Ein BESONDERS wichtiges Konzept: der zentrale Grenzwertsatz 187 / (Näherungsweise) den zentralen Grenzwertsatz sim ulieren 189 / Vorhersagen des zentralen Grenzwertsatzes 193 / Vertrauen: Es gibt Grenzen 195 / So ermitteln Sie die Vertrauensgrenzen für einen Mittelwert 195 / Passend für ein t 197 / / Kapitel 10 / Ein-Stichproben-Hypothesentest 201 / Hypothesen, Tests und Fehler 201 / Hypothesentests und Stichprobenverteilungen 203 / Noch einmal z-Werte 205 / z-Test in R 207 / t-Test für eine Stichprobe 209 / t-Tests in R 210 / Mit t-Verteilungen arbeiten 210 / t-Verteilungen visualisieren 211 / t mit den R-Basisfunktionen darstellen 212 / Diagramm mit ggplot2 erstellen 214 / Eine Sache noch zu ggplot2 218 / Testen einer Varianz 219 / In R testen 220 / Mit Chi-Quadrat-Verteilungen arbeiten 222 / Chi-Quadrat-Verteilungen visualisieren 222 / Chi-Quadrat mit den R-Basisfunktionen darstellen 223 / Chi-Quadrat mit ggplot2 darstellen 224 / / Kapitel 11 / Zwei-Stichproben-Hypothesentest 227 / Hypothesen für zwei 227 / Noch einmal Stichprobenverteilungen 228 / Den zentralen Grenzwertsatz anwenden 229 / Noch einmal z-Werte 230 / Z-Test für zwei Stichproben in R 232 / t-Test für zwei Stichproben 234 / Wie ein Ei dem anderen: gleiche Varianzen 234 / t-Test in R 235 / Zwei Vektoren verwenden 236 / Einen Datensatz und eine Formel verwenden 236 / Die Ergebnisse visualisieren 237 / Wie Äpfel und Birnen: unterschiedliche Varianzen 241 / Ein passendes Paar: Hypothesentest für abhängige Stichproben 242 / t-Test für abhängige Stichproben in R 243 / Zwei Varianzen testen 244 / F-Test in R 245 / F zusammen mit t 246 / Mit F-Verteilungen arbeiten 247 / F-Verteilungen visualisieren 247 / / Kapitel 12 / Mehr als zwei Stichproben testen 253 / Mehr als zwei Stichproben testen 253 / Eine harte Nuss 254 / Eine Lösung 255 / Wichtige Zusammenhänge 258 / ANOVA in R 259 / Die Ergebnisse visualisieren 260 / Nach der ANOVA 261 / Kontraste in R 264 / Nicht geplante Vergleiche 265 / Eine andere Art Hypothese, eine andere Art Test 266 / Mit wiederholten Messungen bei der Varianzanalyse arbeiten 266 / Varianzanalyse für wiederholte Messungen in R 268 / Die Ergebnisse visualisieren 270 / Jetzt wird es trendy 271 / Trendanalyse in R 275 / / Kapitel 13 / Komplexere Tests 277 / Die Kombinationen knacken 277 / Interaktionen 278 / Die Analyse 279 / Zweifaktorielle Varianzanalyse in R 281 / Ergebnisse der zweifaktoriellen Varianzanalyse visualisieren 282 / Zwei Arten von Variablen, und zwar gleichzeitig 285 / Gemischte ANOVA in R 287 / Ergebnisse der gemischten ANOVA visualisieren 289 / Nach der Analyse 290 / Multivariate Varianzanalyse 291 / MANOVA in R 292 / MANOVA-Ergebnisse visualisieren 293 / Nach der Analyse 295 / / Kapitel 14 / Lineare, multiple und allgemeine lineare Regression 297 / Das Streudiagramm 297 / Geraden zeichnen 299 / Regression: Was für eine Gerade! 301 / Die Regression für Schätzungen verwenden 302 / Streuung um die Regressionsgerade 303 / Hypothesen über die Regression testen 304 / Lineare Regression in R 309 / Features des linearen Modells 311 / Vorhersagen treffen 311 / Das Streudiagramm und die Regressionsgerade visualisieren 311 / Residuendiagramm erstellen 312 / Irrsinnig viele Zusammenhänge auf einmal: multiple Regression 314 / Multiple Regression in R 315 / Vorhersagen treffen 316 / Das 3D-Streudiagamm und die Regressionsebene visualisieren 317 / ANOVA: Eine andere Perspektive 320 / Kovarianzanalyse: Die letzte Komponente des allgemeinen linearen Modells___ 323 / Moment bitte - da gibfs noch m ehr 328 / / Kapitel 15 / Korrelation: Aufstieg und Fall von Zusammenhängen 331 / Noch einmal Streudiagramme 331 / Grundlegendes zur Korrelation 332 / Korrelation und Regression 334 / Hypothesen über Korrelationen testen 337 / Ist ein Korrelationskoeffizient größer als null? 337 / Unterscheiden sich zwei Korrelationskoeffizienten voneinander? 338 / Korrelation in R 339 / Korrelationskoeffizient berechnen 339 / Korrelationskoeffizient testen 340 / Die Differenz zwischen zwei Korrelationskoeffizienten testen 340 / Eine Korrelationsmatrix berechnen 341 / Korrelationsmatrizen visualisieren 341 / Multiple Korrelation 344 / Multiple Korrelation in R 344 / Das Bestimmtheitsmaß korrigieren 345 / Partialkorrelation 346 / Partialkorrelation in R 347 / Semipartialkorrelation 348 / Semipartialkorrelation in R 348 / / Kapitel 16 / Kurvenförmige Regression: Wenn Beziehungen / kompliziert werden 351 / Was ist ein Logarithmus? 352 / Was ist e? 354 / Potenzregression 356 / Exponentielle Regression 362 / Logarithmische Regression 366 / Polynomische Regression: Eine größere Potenz 369 / Welches Modell sollten Sie verwenden? 373 / / TEIL IV / UMGANG MIT DER WAHRSCHEINLICHKEIT 375 / Kapitel 17 / Einführung in die Wahrscheinlichkeit 377 / Was ist Wahrscheinlichkeit? 377 / Experimente, Versuche, Ereignisse und Stichprobenräume 378 / Wahrscheinlichkeitsräume und Wahrscheinlichkeit 378 / Zusammengesetzte Ereignisse 379 / Vereinigung und Schnitt 379 / Noch mehr zum Schnitt 380 / Bedingte Wahrscheinlichkeit 381 / Mit Wahrscheinlichkeiten arbeiten 382 / Die Grundlage des Testens von Hypothesen 382 / Große Wahrscheinlichkeitsräume 383 / Permutationen 384 / Kombinationen 384 / R-Funktionen für Zählregeln 385 / Zufallsvariablen: diskret und stetig 387 / Wahrscheinlichkeitsverteilungen und Dichtefunktionen 387 / Die Binomialverteilung 389 / Binomial- und negative Binomialverteilung in R 390 / Binomialverteilung 391 / Negative Binomialverteilung 393 / Hypothesen mit der Binomialverteilung testen 394 / Weitere Informationen zum Testen von Hypothesen: R versus Tradition 395 / / Kapitel 18 / Einführung in die statistische Modellierung 399 / Die Modellierung einer Verteilung 399 / Näheres zur Poissonverteilung 400 / Modellierung mit der Poissonverteilung 401 / Prüfen, ob das Modell passt 405 / Ein kurzer Hinweis zu chisq.testQ 406 / Modelle für Baseballstatistiken 408 / Simulationen 411 / Es darauf ankommen lassen: die Monte-Carlo-Methode 411 / Den Würfel »zinken« 411 / Simulation des zentralen Grenzwertsatzes 415 / / TEIL V / DER TOP-TEN-TEIL 419 / Kapitel 19 / Zehn nützliche R-Onlineressourcen 421 / Websites für R-Anwender 421 / R-bloggers 421 / Microsoft R Application Network 421 / Quick-R 422 / RStudio Online Learning 422 / Stack Overflow 422 / Online-Bücher und weitere Dokumentation 422 / R-Handbuch 423 / R-Dokumentation 423 / RDocumentation 423 / YOU CANanalytics 423 / The R Journal 423 / Stichwortverzeichnis 425