Statistische und numerische Methoden der DatenanalyseDer Umfang des Datenmaterials in Wissenschaft und Technik nimmt immer schneller zu; seine Auswertung und Beurteilung erweisen sich zunehmend als die eigentliche Schwierigkeit bei vielen wichtigen Problemen. Dem steht auf der anderen Seite ein seit Jahren ungebrochenes Anwachsen der Rechnerleistung und die zunehmende Verfügbarkeit mächtiger Algorithmen gegenüber, aber es ist oft nicht einfach, von diesen Hilfsmitteln den richtigen und professionellen Gebrauch zu machen. Dieses Buch, entstanden aus der Praxis der Verarbeitung großer Datenmengen, will eine Einführung und Hilfe auf diesem Gebiet geben. Viele der Probleme sind statistischer Natur. Hier ist es sprichwörtlich leicht, Fehler zu machen. Deshalb sind der Erklärung und der kritischen Durchleuch tung statistischer Zusammenhänge auch im Hinblick auf die Praxis ein ange messener Raum gewidmet und ebenso den Monte Carlo-Methoden, welche heute einen verhältnismäßig einfachen Zugang zu vielen statistischen Problemen bie ten. Werkzeuge für die Organisation und Strukturierung großer Datenmengen bilden ein weiteres wichtiges Thema. Dazu gehören auch effiziente Verfahren zum Sortieren und Suchen, welche oft Teil größerer Algorithmen sind. Die Verarbeitung großer Datenmengen hat oft die Extraktion verhältnismäßig weniger Parameter zum Ziel. Hier sind Verfahren wie die Methoden der klein sten Quadrate und der Maximum-Likelihood wichtig, in Verbindung mit effek tiven Optimierungsalgorithmen. Ein weiteres Problem, welches oft unterschätzt wird, ist die Rekonstruktion ursprünglicher Verteilungen aus fehlerbehafteten Messungen durch Entfaltung. Mit der Verfügbarkeit mathematischer Bibliotheken für Matrixoperationen kön nen viele Probleme elegant in Matrixschreibweise formuliert und auf Rechnern gelöst werden. Deswegen werden auch die einfachen Grundlagen der Matrixal gebra behandelt. |
Other editions - View all
Statistische und numerische Methoden der Datenanalyse Volker Blobel,Erich Lohrmann Limited preview - 2013 |
Common terms and phrases
Abbildung Ableitungen Algorithmen Algorithmus allgemeinen angenommen Anwendung Anzahl Ausdruck B-Splines Bedingung beiden Beispiel benutzt berechnet Bereich beste bestimmt betrachtet Daten definiert deshalb Eigenschaften Eigenwerte einfache einzelnen Elemente enthält entsprechend erhält ersten Erwartungswert Faktor Fall Fehler Folge folgenden folgt Form führt Funktion f(x Funktionswert Gauß-Verteilung gegeben geht gemessenen genannt Genauigkeit geschrieben gezeigt gibt gilt glatter Funktionen gleich Gleichung Grenzen Größe Hesse-Matrix Hypothese Index INTEGER Integral Intervall inverse jeweils Kapitel kleinsten kleinsten Quadrate Knoten Koeffizienten Konstante Kovarianzmatrix Länge lineare Liste Lösung Matrix Messung Methode Minimierung Minimum Mittelwert mittlere muß müssen Näherung Nebenbedingungen negative neue null numerischen Parameter Polynome positiv Problem Probleme Punkte Quadrate Schätzung Schritt siehe sollte Standardabweichung statistischen Stichprobe Summe symmetrische Tabelle Terme Test unabhängig Variablen Varianz Vektor Vergleich verschiedene Verteilung vielen Wahl wahren Wahrscheinlichkeit Wahrscheinlichkeitsdichte weitere Wert wichtig wobei Zahl zeigen zeigt Zeile Zufallsvariable Zufallszahlen zwei zweite
Popular passages
Page 351 - Alexander M. Mood and Franklin A. Graybill, Introduction to the Theory of Statistics (New York: McGraw-Hill, 1963), pp. 107-117. 18 But a start has been made — see Lawrence Fisher, "Determinants of Risk Premiums on Corporate Bonds," Journal of Political Economy, LXVII, No.
Page 351 - Cambridge, 1992. [46] SW Provencher. A constrained regularization method for inverting data represented by a linear algebraic or integral equation. Comp. Phys. Comm., 27:213-227, 1982.
Page 351 - SJ Press. Bayesian Statistics: Principles, Models, and Applications. John Wiley and Sons, 1989.
References to this book
Datenanalyse und Statistik: Eine Einführung für Ökonomen im Bachelor Udo Bankhofer,Jürgen Vogel No preview available - 2008 |