Parametrische Statistik
Verteilungen, maximum likelihood und GLM in R
Seiten
2013
|
2013
Springer Berlin (Verlag)
978-3-642-34785-6 (ISBN)
Springer Berlin (Verlag)
978-3-642-34785-6 (ISBN)
- Titel erscheint in neuer Auflage
- Artikel merken
Zu diesem Artikel existiert eine Nachauflage
In dem einführenden Werk für Anwender werden alle klassischen Statistik-Methoden aus der beschreibenden Statistik, aus Verteilungen und Maximum-Likelihood-Methode abgeleitet. Beispiele machen komplexe Zusammenhänge verständlich und erleichtern die Umsetzung.
Prof. Dr. Carsten Dormann, Universiät Freiburg, Biometrie & Umweltsystemanalyse
Die technische Seite und die Wahl der Statistiksoftware.- Stichprobenstatistik.- Stichprobenstatistiken in R.- Verteilungen, ihre Parameter und deren Schätzer.- Verteilungen, Parameter und Schätzer in R.- Korrelation und Assoziation.- Korrelation und Assoziation in R.- Regression - Teil I.- Regression in R Teil I.- Regression Teil II.- Regression in R Teil II.- Das Lineare Modell: t-Test und ANOVA.- Das Lineare Modell: t-Test und ANOVA in R.- Hypothesen und Tests.- Experimentelles Design.- Multiple Regression.- Multiple Regression in R.- Ausblick.
Reihe/Serie | Statistik und ihre Anwendungen |
---|---|
Zusatzinfo | XXII, 350 S. 127 Abb. |
Verlagsort | Berlin |
Sprache | deutsch |
Maße | 168 x 240 mm |
Gewicht | 610 g |
Themenwelt | Mathematik / Informatik ► Mathematik ► Statistik |
Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik | |
Medizin / Pharmazie | |
Schlagworte | beschreibende Statistik • Experimentelles Design • Generalisiertes Lineares Modell (GLM) • R • schließende Statistik • Statistik |
ISBN-10 | 3-642-34785-1 / 3642347851 |
ISBN-13 | 978-3-642-34785-6 / 9783642347856 |
Zustand | Neuware |
Haben Sie eine Frage zum Produkt? |
Mehr entdecken
aus dem Bereich
aus dem Bereich