Angewandte Datenanalyse, Bayes´sche Statistik und moderne Simulationsmethoden mit dem Computer helfen, nicht direkt messbare Grössen zu bestimmen und Prognosen zu zukünftigen Werten von unsicheren Grössen zu berechnen. Wie dabei vorgegangen werden kann, von der systematischen Sammlung von Daten, von der Frage wie Unsicherheit mit Wahrscheinlichkeiten quantifiziert werden kann, bis hin zu Regressionsmodellen, spannt das Buch den Bogen. Durch seinen systematischen Aufbau mit zahlreichen Beispielen aus der Praxis und seine in vielen Kursen erprobte Didaktik ist das Buch ideal für Studierende in den angewandten Wissenschaften wie Ingenieur-, Natur- und Wirtschaftswissenschaften geeignet.

Einführung in angewandte Datenanalyse, basierend auf Bayes, für Bacherlor-Studierende in Ingenieur- und Wirtschaftswissenschaften Schwerpunkt auf Simulation und grafischer Darstellung der Resultate Basiert auf Beispielen aus der Praxis? Includes supplementary material: sn.pub/extras

Autorentext

Prof. Dr. Daniel Bättig, Berner Fachhochschule, Departement für Technik und Informatik, Schweiz

Klappentext

Angewandte Datenanalyse, Bayes sche Statistik und moderne Simulationsmethoden mit dem Computer helfen, nicht direkt messbare Grössen zu bestimmen und Prognosen zu zukünftigen Werten von unsicheren Grössen zu berechnen. Wie dabei vorgegangen werden kann, von der systematischen Sammlung von Daten, von der Frage wie Unsicherheit mit Wahrscheinlichkeiten quantifiziert werden kann, bis hin zu Regressionsmodellen, spannt das Buch den Bogen. Durch seinen systematischen Aufbau mit zahlreichen Beispielen aus der Praxis und seine in vielen Kursen erprobte Didaktik ist das Buch ideal für Studierende in den angewandten Wissenschaften wie Ingenieur-, Natur- und Wirtschaftswissenschaften geeignet.

Inhalt
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.