
Einführung in die Statistik mit R
Description
Alles über E-Books | Antworten auf Fragen rund um E-Books, Kopierschutz und Dateiformate finden Sie in unserem Info- & Hilfebereich.
Dieses kompakte Lehrbuch führt Wirtschafts- und Sozialwissenschaftler leicht verständlich in die statistische Analyse mit R ein. Anhand von zahlreichen Beispielen wird die Umsetzung der wichtigsten Methoden der Statistik, wie sie üblicherweise in den Grundkursen gelehrt werden, mit R vorgestellt. Neben der Vorstellung der wichtigsten statistischen Methoden werden Sie auch mit dem Werkzeug R zur Analyse von Daten vertraut gemacht.
Aus dem Inhalt:
- Die Grundlagen von R
- Rechenoperationen und Programmablauf in R
- Datenspeicherung und Austausch von Daten
- Datenauswahl und Datentransformation
- Datenbeschreibung: Eine Variable
- Datenbeschreibung: Mehrere Variablen
- Grundlagen der Simulation
- Stochastische Modelle
- Lineare Regression
- Die Maximum-Likelihood-Methode
- Optimierung, Logit-, Probit-, Poisson-Regression
- Stichproben
- Ansprechende Graphiken gestalten
- Tipps für die Praxis
Zu den Autoren:
Dr. Andreas Behr ist Professor für Volkswirtschaftslehre, insbesondere für Statistik, an der Universität Duisburg-Essen, Campus Essen. PD Dr. Ulrich Pötter ist wissenschaftlicher Mitarbeiter am Zentrum für Dauerbeobachtung und Methoden des Deutschen Jugendinstitutes, München.
More details
Other editions
Additional editions

Content
- Cover
- Zum Inhalt_Autor
- Titel
- Vorwort
- Inhaltsverzeichnis
- 1 Einführung
- 1.1 Eine Vorbemerkung zu R
- 1.2 Arbeitsumgebung
- 1.3 Die Bedienung von R
- 1.4 R-Objekte
- 1.4.1 Typen
- 1.4.2 Typen- und Klassenänderung
- 1.4.3 Datenfelder: data.frame
- Vergabe von Variablennamen
- Unterobjekte und die Verwendung von Indizes
- Datenfelder und Faktoren
- Suchpfade
- 1.5 Zusätzliche Pakete
- 1.6 Hilfe, Manuals und Mailinglisten
- 2 Rechenoperationen und Programmablauf in R
- 2.1 Operatoren und mathematische Funktionen
- 2.1.1 Logische Operatoren
- 2.1.2 Mathematische Funktionen
- 2.1.3 Mengenoperationen
- 2.1.4 Vektorisierte Funktionen
- 2.1.5 Spezielle Vektorfunktionen
- 2.1.6 Matrixoperationen
- 2.1.7 Rechengenauigkeit und Rundungsfehler
- 2.1.8 Operationen mit Texten
- 2.1.9 Sequenzen und Wiederholungen
- Sequenzen
- Wiederholungen
- 2.2 Programmablauf
- 2.2.1 Funktionen
- 2.2.2 Schleifen
- 2.2.3 Vermeidung von Schleifen
- apply
- lapply
- sapply
- mapply und Map
- tapply und by
- split und unsplit
- 2.2.4 Bedingte Anweisungen
- 2.3 Übungsaufgaben
- 3 Datenspeicherung und Austausch von Daten
- 3.1 Dateien und Datenspeicherung
- 3.1.1 Datenerfassung
- 3.1.2 Datenspeicherung
- 3.1.3 Übergabe von Daten an andere Programme
- 3.1.4 Dateien und Pfade
- 3.1.5 Dateien im Internet
- 3.2 Dateien anderer Statistikprogramme
- 3.2.1 SPSS, Stata und Co
- 3.2.2 Label
- 3.2.3 Zusätzlich definierte fehlende Werte
- 3.2.4 Datenaustausch mit Excel
- 3.3 Übungsaufgaben
- 4 Datenauswahl und Datentransformation
- 4.1 Datenauswahl und Zusammenführung
- 4.1.1 Auswahl von Fällen und Variablen
- Variablenauswahl
- Auswahl bestimmter Beobachtungen
- subset
- 4.1.2 Verbinden von Datensätzen
- rbind und cbind
- do.call
- 4.1.3 Daten sortieren
- 4.1.4 Daten zusammenführen
- 4.2 Transformationen und Rekodierungen
- 4.2.1 Transformationen
- 4.2.2 Rekodierung
- 4.2.3 Rekodierung von Faktoren
- recode
- 4.3 Übungsaufgaben
- 5 Datenbeschreibung: Eine Variable
- 5.1 Verteilungs- und Quantilsfunktion
- 5.1.1 Urliste
- 5.1.2 Häufigkeitsverteilung
- 5.1.3 Verteilungsfunktion
- 5.1.4 Quantilsfunktion
- 5.1.5 Boxplots
- 5.2 Mittelwerte, Varianzen und Momente
- 5.2.1 Varianz und Standardabweichung
- 5.3 Histogramme und Dichten
- 5.3.1 Histogramme
- 5.3.2 Dichteschätzer
- 5.4 Übungsaufgaben
- 6 Datenbeschreibung: Mehrere Variablen
- 6.1 Mehrdimensionale relative Häufigkeiten
- 6.2 Tabellen
- 6.2.1 table und ftable
- 6.2.2 margin.table und xtabs
- 6.2.3 addmargins
- 6.2.4 Graphische Darstellungen
- 6.3 Dichteschätzer
- 6.4 Kovarianzen und Korrelationen
- 6.5 Bedingte Verteilungen
- 6.5.1 Bedingte Verteilungen und Simpsons Paradox
- spineplot
- 6.5.2 Bedingte Dichten
- 6.6 Übungsaufgaben
- 7 Grundlagen der Simulation
- 7.1 Zufallszahlen?
- 7.2 Gleichverteilung
- 7.2.1 Monte-Carlo-Integration
- 7.2.2 Integrale und Erwartungswerte
- 7.2.3 Endliche Gleichverteilung und Periode
- runif
- Andere Generatoren
- 7.2.4 Startwerte
- 7.3 Zufallszahlen mit vorgegebener Verteilung
- 7.4 Parametrisierung der Verteilungsklassen
- 7.5 Stichproben und Tabellen
- 7.6 Funktionen von Zufallsvariablen
- 7.7 Übungsaufgaben
- 8 Stochastische Modelle
- 8.1 Das Standardmodell der Statistik
- 8.1.1 Mittelwert oder Median?
- 8.1.2 Warum n - 1?
- 8.1.3 Kann man Erwartungswerte schätzen?
- 8.1.4 Bootstrap und Bagging
- 8.2 Markow-Ketten
- 8.3 Übungsaufgaben
- 9 Lineare Regression
- 9.1 Grundlagen
- 9.2 Lineare Modelle in R
- 9.2.1 Der lm Befehl
- 9.2.2 Formeln für Regressionen
- 9.2.3 Modellvergleiche und fehlende Werte
- 9.2.4 Diagnostik
- 9.2.5 Ausschluss von Ausreißern
- 9.2.6 Transformation der abhängigen Variablen
- 9.2.7 Transformationen der Kovariablen
- 9.3 Regression in Matrixnotation
- 9.3.1 Einfache Matrixoperationen in R
- 9.3.2 Das Regressionsmodell in Matrixnotation
- 9.3.3 Die Berechnung von Regressionen in R
- 9.4 Übungsaufgaben
- 10 Die Maximum-Likelihood-Methode
- 10.1 Die Leitidee
- 10.2 Maximum-Likelihood-Schätzung
- 10.2.1 Maximum-Likelihood: Binomialverteilung
- 10.2.2 Maximum-Likelihood: Poisson-Verteilung
- 10.2.3 Maximum-Likelihood: Normalverteilung
- 10.3 Gütebeurteilung von ML-Schätzern
- 10.3.1 Likelihoodquotienten
- 10.3.2 Eine Daumenregel für den Likelihoodquotienten
- 10.3.3 Fisher-Information
- 10.3.4 Beispiel Binomialverteilung
- 10.4 Übungsaufgaben
- 11 Optimierung, Logit-, Probit-, Poisson-Regression
- 11.1 Numerische Optimierung
- 11.1.1 Der Newton-Raphson-Algorithmus
- 11.1.2 Der Befehl optim()
- 11.1.3 Der Befehl maxLik()
- 11.2 Verallgemeinerte Lineare Modelle
- 11.3 Logit- und Probit-Regression
- 11.3.1 Maximum-Likelihood-Schätzung
- 11.3.2 Logit- und Probit-Regression mit R
- 11.3.3 Probit- und Logit-Regression mit glm()
- 11.4 Poisson-Regression
- 11.4.1 Poisson-Regression mit R
- 11.4.2 Poisson-Regression mit glm()
- 11.5 Übungsaufgaben
- 12 Stichproben
- 12.1 Stichproben aus endlichen Grundgesamtheiten
- 12.1.1 Die grundlegende Problemverschiebung
- 12.1.2 Stichprobendesign
- 12.1.3 Der Inklusionsindikator
- 12.1.4 Inklusionswahrscheinlichkeiten
- 12.2 Einfache Stichprobenziehung mit R
- 12.2.1 Gesamtheit und mögliche Stichproben
- 12.2.2 Ermittlung der Inklusionswahrscheinlichkeiten
- 12.2.3 Horvitz-Thompson-Schätzer
- 12.2.4 Die Varianz des Horvitz-Thompson-Schätzers
- 12.2.5 Schätzung der Varianz
- 12.3 Schichtenverfahren
- 12.3.1 Mittelwert- und Varianzschätzung
- 12.3.2 Schichtenverfahren in R
- 12.4 Klumpenverfahren
- 12.4.1 Mittelwert- und Varianzschätzung
- 12.4.2 Klumpenverfahren in R
- 12.5 Übungsaufgaben
- 13 Ansprechende Graphiken
- 13.1 Die Elemente der Standardgraphik
- 13.1.1 Der Befehl plot()
- 13.1.2 Optionen des plot() Befehls
- Zusätzliche Graphikelemente
- 13.1.3 Stilparameter par()
- Aufteilung der Graphikregion
- Lage der Beschriftungen
- Größe der Beschriftungen
- Fontauswahl
- Darstellungsbereich
- 13.1.4 Mathematische Annotation
- Ein Beispiel
- 13.1.5 Farben
- Farbpaletten
- Alternative Farbpaletten
- 13.1.6 Ausgabeformate und Devices
- Deviceverwaltung
- Ausgabeformate
- Arbeiten mit mehreren Devices
- 13.2 Sprachen, Encodings und Fonts
- 13.2.1 Sprachen und Encodings
- 13.2.2 Fonts
- 14 Tipps und weitere Möglichkeiten
- 14.1 Alternative Graphikmodelle, D-Graphiken
- 14.1.1 Weitere nützliche Devices
- pictex, xAg und tikzDevice
- Cairo und cairoDevice
- 14.1.2 Andere Graphiksysteme in R
- Trellis Graphiken
- Grammar of Graphics
- 14.1.3 3D-Graphiken
- 14.2 Große Datensätze und Datenbanken
- Verzeichnis der Befehle und Funktionen
- Verzeichnis der Pakete
- Sachverzeichnis
- Impressum
System requirements
File format: PDF
Copy protection: Watermark-DRM (Digital Rights Management)
System requirements:
- Computer (Windows; MacOS X; Linux): Use the free software Adobe Reader, Adobe Digital Editions, or any other PDF viewer of your choice (see eBook Help).
- Tablet/Smartphone (Android; iOS): Install the free app Adobe Digital Editions or another reading app for eBooks, e.g., PocketBook (see eBook Help).
- E-reader: Bookeen, Kobo, Pocketbook, Sony, Tolino and many more (only limited: Kindle).
The file format PDF always displays a book page identically on any hardware. This makes PDF suitable for complex layouts such as those used in textbooks and reference books (images, tables, columns, footnotes). Unfortunately, on the small screens of e-readers or smartphones, PDFs are rather annoying, requiring too much scrolling.
This eBook uses Watermark-DRM, a „soft” copy protection. This means that there are no technical restrictions to prevent illegal distribution. However, there is a personalised watermark embedded in the eBook that can be used to identify the purchaser of the eBook in the event of misuse and to provide evidence for legal purposes.
For more information, see our eBook Help page.