Einführung in die Statistik mit R
2nd Edition
Published on 6. August 2014
IX, 269 pages
978-3-8006-4878-8 (ISBN)
Description
Zum Inhalt:
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:
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.
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
Andreas Behr | Ulrich Pötter
Einführung in die Statistik mit R
Book
12/2010
2nd Edition
Vahlen
€24.80
Shipment within 5-7 days
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
