R - Einführung durch angewandte Statistik. Extras Online
Verlag | Pearson Studium |
Auflage | 2018 |
Seiten | 558 |
Format | 17,1 x 3,0 x 24,0 cm |
Gewicht | 946 g |
Reihe | st scientific tools |
ISBN-10 | 3868942505 |
ISBN-13 | 9783868942507 |
Bestell-Nr | 86894250A |
R - Einführung durch angewandte Statistik hat sich im deutschen Sprachraum zum führenden Buch für statistische Analysen in R entwickelt. Die Neuauflage behandelt R 3.0, das seit April 2013 verfügbar ist. Das Buch wurde für die aktuelle Auflage umfassend überarbeitet und um hilfreiche Funktionen der Datenanalyse sowie zusätzliche grafische Beschreibungsmethoden erweitert.
R - Einführung durch angewandte Statistik gibt eine Einführung in die statistische Software R, sowie in grundlegende statistische Verfahren und zeigt, wie diese in R umgesetzt werden. In jedem Abschnitt werden an einem klar strukturierten Beispiel typische Methoden der Datenbeschreibung und -analyse in R demonstriert. Die Ergebnisse werden nicht nur statistisch sondern auch inhaltlich interpretiert.
Die Neuauflage wird auf R Version 3.0 adaptiert. Die Erweiterung des R-Funktionsvorrats erleichtert das Arbeiten mit großen Datensätzen und stellt neue grafische Beschreibungsmethoden vor. Genauer eingegangen wird auf die Adaption bestehender Grafiken, um sie nach eigenen Wünschen anzupassen und zu verändern. Als Ergänzung wird ein R-Paket für das Buch geschrieben, das nützliche Funktionen bereitstellt. Ein neues Kapitel über loglineare Modelle ergänzt den statistischen Werkzeugkasten um eine wichtige Methode zur Analyse mehrdimensionaler Kreuztabellen.
EXTRAS ONLINE:
Für Dozenten und Studenten: Alle Beispiels- und Übungsdaten des Buches, ausgewählte Musterlösungen
Inhaltsverzeichnis:
AUS DEM INHALT:
Balkendiagramme Binomialtest, Tests für Anteile Boxplots Chi-Quadrat-Tests Clusteranalysen Hauptkomponentenanalyse Histogramme Kerndichteplots Kolmogorov-Smirnov-Test Konfidenzintervalle Korrelation (Pearson, Spearman) Kruskal-Wallis-Test logistische Regression loglineare Modelle Mann-Whitney-U-Test McNemar-Test Mosaik- und Spineplots (multiple) lineare Regression Odds-Ratio-Tests Scatter- und Q-Q-Plots Shapiro-Wilk-Test t-Tests Varianzanalysen (ANOVA) Zeitreihenanalyse