Grundwissen Induktive Statistik
- Titel ist leider vergriffen;
keine Neuauflage - Artikel merken
Auf kompakte Art und Weise stellt das Buch die Grundkenntnisse der Induktiven Statistik vor: Es vermittelt die relevanten Begriffe, Methoden und Probleme. Zudem zeigt es auf, in welchem Kontext die Induktive Statistik in den Wirtschafts- und Sozialwissenschaften Anwendung findet.
Ein Formelteil, Aufgaben mit Lösungen sowie Musterklausuren helfen dabei, das Gelernte schnell zu vertiefen.
Die Induktive Statistik bietet in der Praxis zahlreiche Anwendungsmöglichkeiten, u. a. Schätzfunktionen, Hypothesentests und Stichproben aus realen Gesamtheiten.
Auf kompakte Art und Weise stellt das Buch die Grundkenntnisse der Induktiven Statistik vor: Es vermittelt die relevanten Begriffe, Methoden und Probleme. Zudem zeigt es auf, in welchem Kontext die Induktive Statistik in den Wirtschafts- und Sozialwissenschaften Anwendung findet.
Ein Formelteil, Aufgaben mit Lösungen sowie Musterklausuren helfen dabei, das Gelernte schnell zu vertiefen.
Prof. Dr. Andreas Behr lehrt Statistik an der Universität Duisburg-Essen.
Götz Rohwer ist Professor für sozialwissenschaftliche Methodenlehre und Statistik an der Ruhr-Universität Bochum und seit Oktober 2012 emeritiert.
1 Artifizielle Zufallsgeneratoren15
1.1 Einleitung16
1.2 Zufallsvariablen16
1.2.1 Ausgangspunkt: Gleichverteilung16
1.2.2 Konstruktion beliebiger Verteilungen17
1.2.3 Wahrscheinlichkeiten und Häufigkeiten18
1.2.4 Charakterisierungen von Verteilungen19
1.2.5 Funktionen von Zufallsvariablen19
1.2.6 Unendliche Wertebereiche19
1.3 Eine Erweiterung20
1.3.1 Dichtefunktionen20
1.3.2 Eine stetige Gleichverteilung21
1.3.3 Charakterisierungen stetiger Verteilungen22
1.3.4 Die Normalverteilung22
1.3.5 Funktionen stetiger Zufallsvariablen23
1.4 Algorithmische Zufallsgeneratoren24
1.4.1 Simulation eines Würfels24
1.4.2 Die Inversionsmethode25
1.5 Aufgaben27
1.6 R-Code29
2 Schätzen von Verteilungsparametern31
2.1 Einleitung32
2.2 Unabhängige Wiederholungen32
2.2.1 Stichprobenvariablen32
2.2.2 Stichprobenfunktionen33
2.3 Die Maximum-Likelihood-Methode34
2.3.1 Likelihoodfunktionen34
2.3.2 Ein einziger Parameter35
2.3.3 Mehrere Parameter36
2.4 Stetige Zufallsvariablen38
2.4.1 Likelihoodfunktionen38
2.4.2 Parameter der Normalverteilung39
2.5 Annahmen über Verteilungen40
2.6 Aufgaben 43
2.7 R-Code44
3 Schätzfunktionen und Konfidenzintervalle47
3.1 Einleitung48
3.2 Schätzfunktionen48
3.2.1 Definition und Beispiele48
3.2.2 Erwartungstreue Schätzfunktionen49
3.3 Die Binomialverteilung49
3.4 Verteilungen von Schätzfunktionen51
3.4.1 Die Schätzfunktion für52
3.4.2 Die Schätzfunktion für53
3.5 Konfidenzintervalle55
3.6 Formelanhang58
3.7 Aufgaben60
3.8 R-Code61
4 Testen von Hypothesen63
4.1 Einleitung64
4.2 Signifikanztests64
4.2.1 Einfache Hypothesen64
4.2.2 Festlegung des kritischen Bereichs65
4.2.3 Fehler erster und zweiter Art65
4.2.4 Zusammengesetzte Hypothesen67
4.2.5 Signifikanztests und Konfidenzintervalle68
4.2.6 Werden Nullhypothesen bestätigt?69
4.3 Likelihood-Ratio-Tests69
4.3.1 Schematische Darstellung69
4.3.2 Ist der Würfel fair?71
4.3.3 Bedeutung des Stichprobenumfangs73
4.3.4 Zusammengesetzte Hypothesen74
4.4 Aufgaben76
4.5 R-Code77
5 Stichproben aus realen Gesamtheiten79
5.1 Einleitung80
5.2 Zufallsstichproben81
5.2.1 Stichprobendesign und Stichproben81
5.2.2 Inklusions- und Ziehungswahrscheinlichkeiten82
5.2.3 Einfache Zufallsstichproben83
5.3 Schätzfunktionen84
5.3.1 Der theoretische Ansatz84
5.3.2 Schätzfunktionen für Mittelwerte85
5.3.3 Schätzfunktionen für Anteilswerte86
5.3.4 Schätzfunktionen für Varianzen87
5.3.5 Konfidenzintervalle88
5.4 Eine Computersimulation89
5.5 Aufgaben90
5.6 R-Code91
6 Ergänzungen und Probleme93
6.1 Einleitung94
6.2 Unterschiedliche Stichprobendesigns94
6.2.1 Partitionen der Grundgesamtheit94
6.2.2 Geschichtete Auswahlverfahren95
6.2.3 Mehrstufige Auswahlverfahren96
6.3 Stichprobenausfälle97
6.3.1 Illustration der Problematik97
6.3.2 Konditionierende Variablen99
6.4 Designgewichte101
6.5 Aufgaben103
6.6 R-Code104
7 Deskriptive Modelle105
7.1 Einleitung106
7.2 Anpassen theoretischer Verteilungen106
7.2.1 Häufigkeiten von Arztbesuchen106
7.2.2 Interpretation des Schätzverfahrens108
7.3 Gruppierte Einkommensdaten109
7.4 Anpassungstests112
7.5 Wie gut muss das Modell passen?114
7.6 Aufgaben116
7.7 R-Code117
8 Probabilistische Regressionsmodelle119
8.1 Einleitung120
8.2 Eine binäre abhängige Variable121
8.2.1 Der theoretische Ansatz121
8.2.2 Beispiel: Schulabschluss Abitur122
8.2.3 Zustände und Ereignisse123
8.2.4 Quantitative Regressorvariablen123
8.2.5 Interaktion zwischen Regressorvariablen125
8.3 Standardfehler der Parameterschätzungen125
8.4 Aufgaben129
8.5 R-Code130
9 Polytome abhängige Variablen131
9.1 Einleitung132
9.2 Eine quantitative abhängige Variable132
9.2.1 Beispiel: Anzahl Arztbesuche132
9.2.2 Parametrisierung der Erwartungswerte135
9.3 Eine kategoriale abhängige Variable136
9.3.1 Beispiel: Internetnutzung136
9.3.2 Ein multinomiales Logitmodell137
9.3.3 Vereinfachungen des Modells138
9.3.4 Referenzkategorie und Standardfehler139
9.3.5 Quantitative Regressorvariablen140
9.4 Aufgaben142
9.5 R-Code143
10 Regression mit Dichtefunktionen145
10.1 Einleitung146
10.2 Gruppierte Einkommensdaten146
10.2.1 Modellspezifikation und ML-Schätzung146
10.2.2 Bedingte Erwartungswerte149
10.3 Zeitdauern bis zu Ereignissen151
10.3.1 Beispiel: Heiratsalter151
10.3.2 Ein Modell für Heiratsraten152
10.3.3 ML-Schätzung der Parameter155
10.3.4 Verknüpfung mit Regressorvariablen156
10.4 Aufgaben160
10.5 R-Code161
11 Regression mit Erwartungswerten163
11.1 Einleitung164
11.2 Der theoretische Ansatz164
11.2.1 Modelle für bedingte Erwartungswerte164
11.2.2 Die Methode der kleinsten Quadrate165
11.3 Lineare Regressionsmodelle166
11.3.1 Schematische Darstellung166
11.3.2 Standardfehler168
11.3.3 Beispiele170
11.4 Nichtlineare Regressionsmodelle171
11.5 Wozu dienen Regressionsmodelle?173
11.5.1 Voraussagen für Erwartungswerte173
11.5.2 Voraussagen für individuelle Werte174
11.5.3 Vergleiche unterschiedlicher Modelle175
11.6 Aufgaben177
11.7 R-Code178
Formelsammlung179
Probeklausuren185
Lösungshinweise189
Literaturangaben205
Index207
Aus: ekz-Bibliotheksservice - Dannert - 7/2018
[...] Das kleinformatige Lehrbuch der beiden Universitätsprofessoren wurde für Studierende der Wirtschafts- und Sozialwissenschaften konzipiert. Es kann vor allem vorlesungsbegleitend gut eingesetzt werden. [...]
| Erscheinungsdatum | 20.04.2018 |
|---|---|
| Reihe/Serie | UTB Uni-Taschenbücher |
| Verlagsort | Stuttgart |
| Sprache | deutsch |
| Maße | 120 x 185 mm |
| Gewicht | 230 g |
| Einbandart | kartoniert |
| Themenwelt | Mathematik / Informatik ► Mathematik ► Statistik |
| Sozialwissenschaften ► Soziologie ► Empirische Sozialforschung | |
| Wirtschaft ► Betriebswirtschaft / Management | |
| Wirtschaft ► Volkswirtschaftslehre ► Ökonometrie | |
| Schlagworte | Induktive Statistik • Statistik • Wahrscheinlichkeitsrechnung |
| ISBN-10 | 3-8252-4915-8 / 3825249158 |
| ISBN-13 | 978-3-8252-4915-1 / 9783825249151 |
| Zustand | Neuware |
| Haben Sie eine Frage zum Produkt? |
aus dem Bereich
