Grundlagen der Elementarstatistik

Grundlagen der Elementarstatistik

Ernesto Pietro Billeter

60,51 €
IVA incluido
Disponible
Editorial:
Springer Nature B.V.
Año de edición:
1970
ISBN:
9783662236192
60,51 €
IVA incluido
Disponible

Selecciona una librería:

  • Librería Samer Atenea
  • Librería Aciertas (Toledo)
  • Kálamo Books
  • Librería Perelló (Valencia)
  • Librería Elías (Asturias)
  • Donde los libros
  • Librería Kolima (Madrid)
  • Librería Proteo (Málaga)

Dieses Buch ist als Einführung in die Statistik gedacht. Die dargelegten Methoden und Gedankengänge sind aus den Statistik­ vorlesungen für Volks- und Betriebswirtschafter hervorgegangen, die ich seit rund einem Jahrzehnt an der Universität in Freiburg/Schweiz gehalten habe. Das Buch richtet sich deshalb vor allem an Volks- und Betriebs­ wirtschafter. Mit Rücksicht auf diesen Leserkreis wurden die notwendigen mathematischen Ableitungen möglichst lückenlos durchgeführt, damit auch Leser, die in der Mathematik weniger bewan~ert sind, den Darlegungen folgen und mathematisch anspruchsvollere Lehrbücher der Statistik mit mehr Gewinn lesen können. Meine Erfahrung hat gezeigt, daß diese Ableitungen für das bessere Verständnis der einzelnen Methoden und deren Grenzen unbedingt erforderlich sind. Der mathematisch geschulte Leser möge deshalb diese mathematische Weitschweifigkeit verzeihen. Das vorliegende Buch dürfte deshalb zwischen den elementaren Statistik­ büchern und den sehr anspruchsvollen Lehrbüchern der mathematischen Statistik seinen Platz haben. Im Anschluß an dieses Buch sind weitere Darstellungen -über die Stichprobentheorie, die Versuchsplanung, die statistischen Testverfahren und die Zeitreihenanalyse geplant. Des weiteren wird auch das Verhältnis zwischen Statistik, Operations Research, Ökonömetrie und Datenverarbei­ tung behandelt werden. Dem Verlag sei an dieser Stelle für sein Verständnis und seine her­ vorragende Arbeit gedankt. Sollte diesem Buch Erfolg beschieden sein, so ist er weitgehend auf die sorgfältige Arbeit des Verlags zurück­ zuführen. Freiburg/Schweiz, Februar 1970 Ernst P. Billeter Inhaltsverzeichnis 1. Geschichte, Wesen und Begriff der Statistik 1. 1. Geschichte der Statistik . 1 1. 2. Wesen der Statistik . 5 7 1. 3. Begriff der Statistik 2. Grundlagen der Statistik 2. 1. Wahrscheinlichkeitsrechnung . . . . . . .

Artículos relacionados

  • Bayesian Analysis with Python - Third Edition
    Osvaldo Martin
    Learn the fundamentals of Bayesian modeling using state-of-the-art Python libraries, such as PyMC, ArviZ, Bambi, and more, guided by an experienced Bayesian modeler who contributes to these librariesKey Features- Conduct Bayesian data analysis with step-by-step guidance- Gain insight into a modern, practical, and computational approach to Bayesian statistical modeling- Enhance ...
    Disponible

    69,74 €

  • Python Machine Learning By Example - Fourth Edition
    Yuxi (Hayden) Liu
    Author Yuxi (Hayden) Liu teaches machine learning from the fundamentals to building NLP transformers and multimodal models with best practice tips and real-world examples using PyTorch, TensorFlow, scikit-learn, and pandasKey Features:- Discover new and updated content on NLP transformers, PyTorch, and computer vision modeling- Includes a dedicated chapter on best practices and...
    Disponible

    65,97 €

  • Bayesian Analysis with Python - Third Edition
    Osvaldo Martin
    Learn the fundamentals of Bayesian modeling using state-of-the-art Python libraries, such as PyMC, ArviZ, Bambi, and more, guided by an experienced Bayesian modeler who contributes to these librariesKey Features:- Conduct Bayesian data analysis with step-by-step guidance- Gain insight into a modern, practical, and computational approach to Bayesian statistical modeling- Enhance...
  • Mathematical Explorations with MATLAB
    K. Chen / KChen / Ke Chan / Ke Chen
    ...
    Disponible

    73,74 €

  • Smart Medical Imaging for Diagnosis and Treatment Planning
    This book presents advanced research on smart health technologies, focusing upon the innovative transformations in diagnosis and treatment planning using medical imaging and data analysed by data science techniques. It shows how smart health technologies leverage artificial intelligence (AI) and big data analytics. ...
  • Supervised Machine Learning
    Samuel Berestizhevsky / Tanya Kolosova
    AI framework intended to solve a problem of bias-variance tradeoff for supervised learning methods in real-life applications. It comprises of bootstrapping to create multiple training and testing data sets, design and analysis of statistical experiments and optimal hyper-parameters for ML methods. ...
    Disponible

    92,50 €