Im Vordergrund dieser völlig überarbeiteten und erweiterten Neuauflage stehen die eigentlichen "stochastischen" Ideen und ihre praktischen Anwendungen, insbesondere in der Statistik, ohne daß mathematische Strenge und Schönheit zu kurz kommen. Über die üblichen Grundlagen hinaus finden sich Kapitel über Simulation, nichtparametrische Statistik und Regressions- und Varianzanalyse, die in "geometrischer" Form dargestellt wird. Besonderer Anziehungspunkt dieses Buches ist die "genetische" Entwicklung der verschiedenen Typen von Wahrscheinlichkeitsverteilungen, ausgehend von der hypergeometrischen Verteilung, wie sie in natürlicher Weise in der Stichprobentheorie auftritt. Außerdem wird auch das Thema "exakte" statistische Verfahren ausführlich behandelt, das insbesondere durch den Gebrauch von Rechenprogrammen immer wichtiger wird.
Eine komplett überarbeitete und erweiterte Neuauflage!
Aus den Besprechungen: "Das vorliegende Buch bringt eine sehr gute Einführung in die Stochastik. Dabei werden die wahrscheinlichkeitstheoretischen Grundlagen in dem Maß behandelt, wie sie zum Verständnis ihrer Anwendungen auf statistische Probleme und weiters auf stochastische Prozesse benötigt werden. Das Buch beinhaltet sowohl eine Einführung in die Theorie der Zufallsvariablen und numerische Charakteristika von Zufallsvariablen, als auch eine detaillierte Darstellung der Grenzwertsätze der Wahrscheinlichkeitsrechnung. ...Die Brauchbarkeit des Buches liegt einerseits in seiner überaus klaren und exakten Ausdrucksweise und andererseits in der guten Lesbarkeit des Dargebotenen." Internationale Mathematische Nachrichten
Für Studenten und Dozenten der Mathematik, Physik, aber auch der Wirtschaftswissenschaften, Biologie, Medizin, Technik
Inhalt
I. Diskrete Wahrscheinlichkeitsräume.- 1. Einführung, Beispiele.- 2. Ergebnisraum, Ereignisse, Wahrscheinlichkeitsverteilung.- 3. Gleichverteilung in endlichen Ergebnisräumen.- 4. Elementare Kombinatorik.- 5. Hypergeometrische Verteilung.- 6. Zufallselemente.- 7. Aufgaben.- II. Drei Grundverfahren der mathematischen Statistik.- 1. Das Modell der elementaren Stichprobentheorie.- 2. Schätzung.- 3. Konfidenzbereich.- 4. Test.- 5. Fisher's exakter Test.- 6. Aufgaben.- III. Bedingte Wahrscheinlichkeit, Unabhängigkeit.- 1. Bedingte Wahrscheinlichkeit.- 2. Ein wahrscheinlichkeitstheoretisches Modell in der Informationstheorie.- 3. Unabhängige Ereignisse.- 4. Unabhängige Zufallsvariable.- 5. Aufgaben.- IV. Momente.- 1. Erwartungswert, bedingter Erwartungswert.- 2. Varianz, Korrelation: L2Methoden.- 3. Verteilungen in {0, 1, 2,|.- 4. Tschebyscheffsche Ungleichung und schwaches Gesetz der großen Zahlen.- 5. Aufgaben.- V. Statistische Inferenz über unbekannte Wahrscheinlichkeiten.- 1. Inferenz über eine Wahrscheinlichkeit.- 2. Inferenz über eine diskrete Verteilung.- 3. Aufgaben.- VI. Grenzwertsätze.- 1. Stirlingsche Formel.- 2. Approximation der Binomialverteilung durch die Normalverteilung: der Grenzwertsatz von de Moivre-Laplace.- 3. Approximation der Binomialverteilung durch die Poissonsche Verteilung: der Poissonsche Grenzwertsatz.- 4. Aufgaben.- VII. Allgemeine Wahrscheinlichkeitstheorie.- 1. Allgemeiner Wahrscheinlichkeitsraum.- 2. Zufallsvariable.- 3. Unabhängigkeit.- 4. Momente.- 5. Normalverteilung, ?2-Verteilung, F-Verteilung, t-Verteilung.- 6. Mehrdimensionale Normalverteilung.- 7. Aufgaben.- VIII. Statistik normalverteilter Zufallsvariablen.- 1. Inferenz über die Erwartung bei bekannter Varianz.- 2. Inferenz über die Varianz bei bekannterErwartung.- 3. Inferenz über die Erwartung und die Varianz, wenn beide unbekannt sind.- 4. Aufgaben.- IX. Nichtparametrische Statistik.- 1. Ordnungs- und Rangstatistik.- 2. Permutationsinvariante Verfahren.- 3. Rangmethoden: ein Zweistichprobenproblem.- 4. Aufgaben.- X. Regressions- und Varianzanalyse.- 1. Regressionsanalyse.- 2. Varianzanalyse.- 3. Aufgaben.- XI. Simulation.- 1. Simulation einer Zufallsvariablen.- 2. Realisierung von Stichproben.- 3. Simulation von Prozessen.- 4. Aufgaben.- Tafeln.- 1. Zufallsziffern.- 2. Die kumulative Standard-Normalverteilung.- Literatur.
Eine komplett überarbeitete und erweiterte Neuauflage!
Aus den Besprechungen: "Das vorliegende Buch bringt eine sehr gute Einführung in die Stochastik. Dabei werden die wahrscheinlichkeitstheoretischen Grundlagen in dem Maß behandelt, wie sie zum Verständnis ihrer Anwendungen auf statistische Probleme und weiters auf stochastische Prozesse benötigt werden. Das Buch beinhaltet sowohl eine Einführung in die Theorie der Zufallsvariablen und numerische Charakteristika von Zufallsvariablen, als auch eine detaillierte Darstellung der Grenzwertsätze der Wahrscheinlichkeitsrechnung. ...Die Brauchbarkeit des Buches liegt einerseits in seiner überaus klaren und exakten Ausdrucksweise und andererseits in der guten Lesbarkeit des Dargebotenen." Internationale Mathematische Nachrichten
Für Studenten und Dozenten der Mathematik, Physik, aber auch der Wirtschaftswissenschaften, Biologie, Medizin, Technik
Inhalt
I. Diskrete Wahrscheinlichkeitsräume.- 1. Einführung, Beispiele.- 2. Ergebnisraum, Ereignisse, Wahrscheinlichkeitsverteilung.- 3. Gleichverteilung in endlichen Ergebnisräumen.- 4. Elementare Kombinatorik.- 5. Hypergeometrische Verteilung.- 6. Zufallselemente.- 7. Aufgaben.- II. Drei Grundverfahren der mathematischen Statistik.- 1. Das Modell der elementaren Stichprobentheorie.- 2. Schätzung.- 3. Konfidenzbereich.- 4. Test.- 5. Fisher's exakter Test.- 6. Aufgaben.- III. Bedingte Wahrscheinlichkeit, Unabhängigkeit.- 1. Bedingte Wahrscheinlichkeit.- 2. Ein wahrscheinlichkeitstheoretisches Modell in der Informationstheorie.- 3. Unabhängige Ereignisse.- 4. Unabhängige Zufallsvariable.- 5. Aufgaben.- IV. Momente.- 1. Erwartungswert, bedingter Erwartungswert.- 2. Varianz, Korrelation: L2Methoden.- 3. Verteilungen in {0, 1, 2,|.- 4. Tschebyscheffsche Ungleichung und schwaches Gesetz der großen Zahlen.- 5. Aufgaben.- V. Statistische Inferenz über unbekannte Wahrscheinlichkeiten.- 1. Inferenz über eine Wahrscheinlichkeit.- 2. Inferenz über eine diskrete Verteilung.- 3. Aufgaben.- VI. Grenzwertsätze.- 1. Stirlingsche Formel.- 2. Approximation der Binomialverteilung durch die Normalverteilung: der Grenzwertsatz von de Moivre-Laplace.- 3. Approximation der Binomialverteilung durch die Poissonsche Verteilung: der Poissonsche Grenzwertsatz.- 4. Aufgaben.- VII. Allgemeine Wahrscheinlichkeitstheorie.- 1. Allgemeiner Wahrscheinlichkeitsraum.- 2. Zufallsvariable.- 3. Unabhängigkeit.- 4. Momente.- 5. Normalverteilung, ?2-Verteilung, F-Verteilung, t-Verteilung.- 6. Mehrdimensionale Normalverteilung.- 7. Aufgaben.- VIII. Statistik normalverteilter Zufallsvariablen.- 1. Inferenz über die Erwartung bei bekannter Varianz.- 2. Inferenz über die Varianz bei bekannterErwartung.- 3. Inferenz über die Erwartung und die Varianz, wenn beide unbekannt sind.- 4. Aufgaben.- IX. Nichtparametrische Statistik.- 1. Ordnungs- und Rangstatistik.- 2. Permutationsinvariante Verfahren.- 3. Rangmethoden: ein Zweistichprobenproblem.- 4. Aufgaben.- X. Regressions- und Varianzanalyse.- 1. Regressionsanalyse.- 2. Varianzanalyse.- 3. Aufgaben.- XI. Simulation.- 1. Simulation einer Zufallsvariablen.- 2. Realisierung von Stichproben.- 3. Simulation von Prozessen.- 4. Aufgaben.- Tafeln.- 1. Zufallsziffern.- 2. Die kumulative Standard-Normalverteilung.- Literatur.
Titel
Stochastische Methoden
EAN
9783642578625
Format
E-Book (pdf)
Hersteller
Veröffentlichung
11.03.2013
Digitaler Kopierschutz
Wasserzeichen
Dateigrösse
22.58 MB
Anzahl Seiten
243
Auflage
4. Aufl. 1995
Lesemotiv
Unerwartete Verzögerung
Ups, ein Fehler ist aufgetreten. Bitte versuchen Sie es später noch einmal.