Christian Heumann – författare

This textbook provides a comprehensive introduction to statistical principles, concepts and methods that are essential in modern statistics and data science.

This textbook provides a comprehensive introduction to statistical principles, concepts and methods that are essential in modern statistics and data science.

Now in its second edition, this introductory statistics textbook conveys the essential concepts and tools needed to develop and nurture statistical thinking.

Now in its second edition, this introductory statistics textbook conveys the essential concepts and tools needed to develop and nurture statistical thinking.

This introductory statistics textbook conveys the essential concepts and tools needed to develop and nurture statistical thinking. It presents descriptive, inductive and explorative statistical methods and guides the reader through the process of quantitative data analysis. In the experimental sciences and interdisciplinary research, data analysis has become an integral part of any scientific study. Issues such as judging the credibility of data, analyzing the data, evaluating the reliability of the obtained results and finally drawing the correct and appropriate conclusions from the results are vital.The text is primarily intended for undergraduate students in disciplines like business administration, the social sciences, medicine, politics, macroeconomics, etc. It features a wealth of examples, exercises and solutions with computer code in the statistical programming language R as well as supplementary material that will enable the reader to quickly adapt all methods to their own applications.

Thebookisbasedonseveralyearsofexperienceofbothauthorsinteaching linear models at various levels. It gives an up-to-date account of the theory and applications of linear models. The book can be used as a text for courses in statistics at the graduate level and as an accompanying text for courses in other areas. Some of the highlights in this book are as follows. A relatively extensive chapter on matrix theory (Appendix A) provides the necessary tools for proving theorems discussed in the text and o?ers a selectionofclassicalandmodernalgebraicresultsthatareusefulinresearch work in econometrics, engineering, and optimization theory. The matrix theory of the last ten years has produced a series of fundamental results aboutthe de?niteness ofmatrices,especially forthe di?erences ofmatrices, which enable superiority comparisons of two biased estimates to be made for the ?rst time. We have attempted to provide a uni?ed theory of inference from linear models with minimal assumptions. Besides the usual least-squares theory, alternative methods of estimation and testing based on convex loss fu- tions and general estimating equations are discussed. Special emphasis is given to sensitivity analysis and model selection. A special chapter is devoted to the analysis of categorical data based on logit, loglinear, and logistic regression models. The material covered, theoretical discussion, and a variety of practical applications will be useful not only to students but also to researchers and consultants in statistics.

Statistische Verfahren werden in der Medizin und in allen Naturwissenschaften, in der Wirtschaft, in der Technik und zunehmend auch in den Sozial- und Geisteswissenschaften eingesetzt.

Das Arbeitsbuch ist eine Ergänzung zu den beiden Lehrbüchern von Helge Toutenburg Deskriptive Statistik und Induktive Statistik, deren voller Stoffumfang klausurrelevant für Haupt- und Nebenfachstudenten an deutschsprachigen Universitäten ist.

Statistische Verfahren werden sowohl in der Wirtschaft als auch in den Natur- und Sozialwissenschaften eingesetzt. Die Statistik gilt trotzdem als schwierig. Um diese Hemmschwelle zu überwinden, geben die Autoren eine didaktisch ausgefeilte, anwendungsbezogene Einführung in die Methoden der deskriptiven Statistik und Datenanalyse. Anhand praxisnaher Beispiele werden die Ideen des Datenmanagements und der Datenauswertung unter Einsatz von SPSS und R beschrieben. Viele Übungsaufgaben (mit Lösungen) unterstützen das (Selbst-) Studium der Leser. Das Buch deckt den Stoff Statistik I an deutschsprachigen Universitäten vollständig ab. Neu in dieser Auflage ist eine Einführung in die logistische Regression, deren Konzept auch anhand der statistischen Software SPSS und R erläutert wird. Des Weiteren wurden viele Beispiele und Übungsaufgaben thematisch überarbeitet.

Thebookisbasedonseveralyearsofexperienceofbothauthorsinteaching linear models at various levels. It gives an up-to-date account of the theory and applications of linear models. The book can be used as a text for courses in statistics at the graduate level and as an accompanying text for courses in other areas. Some of the highlights in this book are as follows. A relatively extensive chapter on matrix theory (Appendix A) provides the necessary tools for proving theorems discussed in the text and o?ers a selectionofclassicalandmodernalgebraicresultsthatareusefulinresearch work in econometrics, engineering, and optimization theory. The matrix theory of the last ten years has produced a series of fundamental results aboutthe de?niteness ofmatrices,especially forthe di?erences ofmatrices, which enable superiority comparisons of two biased estimates to be made for the ?rst time. We have attempted to provide a uni?ed theory of inference from linear models with minimal assumptions. Besides the usual least-squares theory, alternative methods of estimation and testing based on convex loss fu- tions and general estimating equations are discussed. Special emphasis is given to sensitivity analysis and model selection. A special chapter is devoted to the analysis of categorical data based on logit, loglinear, and logistic regression models. The material covered, theoretical discussion, and a variety of practical applications will be useful not only to students but also to researchers and consultants in statistics.

Dieses Lehrbuch liefert eine umfassende Darstellung der deskriptiven und induktiven Statistik sowie moderner Methoden der explorativen Datenanalyse. Dabei stehen inhaltliche Motivation, Interpretation und Verständnis der Methoden im Vordergrund. Unterstützt werden diese durch zahlreiche Grafiken und Anwendungsbeispiele, die auf realen Daten basieren, sowie passende exemplarische R-Codes und Datensätze. Die im Buch beschriebenen Ergebnisse können außerdem anhand der online zur Verfügung stehenden Materialien reproduziert sowie um eigene Analysen ergänzt werden. Eine kurze Einführung in die freie Programmiersprache R ist ebenfalls enthalten. Hervorhebungen erhöhen die Lesbarkeit und Übersichtlichkeit. Das Buch eignet sich als vorlesungsbegleitende Lektüre, aber auch zum Selbststudium.Für die 9. Auflage wurde das Buch inhaltlich überarbeitet und ergänzt. Leserinnen und Leser erhalten nun in der Springer-Nature-Flashcards-App zusätzlich kostenfreien Zugriff auf über 100 exklusive Lernfragen, mit denen sie ihr Wissen überprüfen können.

Dieses Buch vereinigt Konzepte und Methoden der stochastischen Modellbildung, der statistischen Analyse und der aktuariellen Anwendung in einem Band.Dabei wird eine kompakte, aber dennoch für Theoretiker wie Praktiker verständliche und interessante Darstellung der Themen Risikobewertung, Datenanalyse, Parameterschätzung, verallgemeinerte lineare Regression, stochastische Prozesse und Differenzialrechnung, Zeitreihen, biometrische Modelle, Credibility sowie Simulation gegeben.Zahlreiche Beispiele illustrieren die Anwendung der Konzepte in der aktuariellen Praxis, wobei auf Modelle aus der Personen- und Sachversicherung und der Finanzmathematik eingegangen wird.

Dieses Arbeitsbuch bietet 227 Aufgaben mit vollständigen Lösungen – ideal zum Üben, Wiederholen und zur Klausurvorbereitung. Viele der Aufgaben sind als Übungen mit dem Statistikprogramm R konzipiert und nutzen digital bereitgestellte Datensätze.Abgedeckte Themen sind insbesondere: Grundlagen der Stochastik, deskriptive und explorative Datenanalyse, induktive Statistik, Regressions- und Varianzanalyse sowie Zeitreihenanalyse.Das Arbeitsbuch ist dabei inhaltlich und strukturell auf das Lehrbuch Statistik – Der Weg zur Datenanalyse von Fahrmeir/Heumann/Künstler/Pigeot/Tutz in der 9. Auflage abgestimmt: Alle 99 Aufgaben aus dem Lehrbuch werden hier ausführlich gelöst und durch Verweise eng mit diesem verknüpft. Beide Bücher sind aber auch unabhängig voneinander nutzbar.Für die vorliegende 6. Auflage des Arbeitsbuchs wurden etliche Aufgaben neu aufgenommen bzw. bisherige Aufgaben durch aktuellere ersetzt.

This collection contains invited papers by distinguished statisticians to honour and acknowledge the contributions of Professor Dr. Dr. Helge Toutenburg to Statistics on the occasion of his sixty-?fth birthday. These papers present the most recent developments in the area of the linear model and its related topics. Helge Toutenburg is an established statistician and currently a Professor in the Department of Statistics at the University of Munich (Germany) and Guest Professor at the University of Basel (Switzerland). He studied Mathematics in his early years at Berlin and specialized in Statistics. Later he completed his dissertation (Dr. rer. nat. ) in 1969 on optimal prediction procedures at the University of Berlin and completed the post-doctoral thesis in 1989 at the University of Dortmund on the topic of mean squared error superiority. He taught at the Universities of Berlin, Dortmund and Regensburg before joining the University of Munich in 1991. He has various areas of interest in which he has authored and co-authored over 130 research articles and 17 books. He has made pioneering contributions in several areas of statistics, including linear inference, linear models, regression analysis, quality engineering, Taguchi methods, analysis of variance, design of experiments, and statistics in medicine and dentistry.