Mathematische Grundlagen der empirischen Forschung

2004
ISBN: 978-3-540-03700-2
Verlag: Springer Berlin Heidelberg

Buch, Deutsch, 376 Seiten, Paperback, Format (B × H): 155 mm x 235 mm, Gewicht: 587 g

Reihe: Statistik und ihre Anwendungen

Mathematische Modelle und Methoden sind heute in den Natur- und Biowissenschaften zu einem wichtigen Bestandteil der wissenschaftlichen Arbeit und Forschung geworden. Leitfaden der vorliegenden anschaulichen und grundlegenden Einführung in diesen Themenbereich sind die in den Naturwissenschaften typischen auftretenen Fragestellungen, anhand dessen die wichtigsten Konzepte entwickelt werden. Bei der Darstellung des Stoffes wird bewusst auf das aus der Mathematik stammende Definition-Satz-Beweis-Schema verzichtet und die Vermittlung der wesentlichen Ideen und Ansätze in den Vordergrund gestellt.

Schwerpunkte der Stoffauswahl liegen in der Wahrscheinlichkeitsrechnung, Statistik und Analysis, die einen direkten Zugang zu den wichtigen Anwendungen ermöglichen.

Zielgruppe

Upper undergraduate

Autoren/Hrsg.

Steland, Ansgar

Fachgebiete

• Mathematik | Informatik Mathematik Stochastik Wahrscheinlichkeitsrechnung
• Medizin | Veterinärmedizin Medizin | Public Health | Pharmazie | Zahnmedizin Medizin, Gesundheitswesen Medizinische Mathematik & Informatik
• Medizin | Veterinärmedizin Medizin | Public Health | Pharmazie | Zahnmedizin Medizin, Gesundheitswesen Epidemiologie, Medizinische Statistik
• Mathematik | Informatik Mathematik Stochastik Mathematische Statistik

Inhaltsverzeichnis

Einfürung.- 1 Grundlagen.- 1.1 Mengenbegriff.- 1.2 Elemente der Logik.- 1.3 Zahlsysteme und elementares Rechnen.- 1.4 Potenzen, Wurzeln.- 1.5 Kombinatorik.- 1.6 Reelle Zahlenfolgen.- 1.7 Reihen.- 1.8 Funktionen und Abbildungen.- 1.9 Stetigkeit.- 1.10 Exponentialfunktion.- 1.11 Kontinuierliches Wachstum.- 1.12 Der Logarithmus.- 2 Deskriptive Statistik.- 2.1 Grundbegriffe.- 2.2 Klassifikation von Variablen.- 2.3 Population und Stichprobe.- 2.4 Studiendesigns.- 2.5 Datenmatrix (Datenbasis).- 2.6 Visualisierung empirischer Daten (I).- 2.7 Quantifizierung der Gestalt empirischer Verteilungen.- 2.8 Streuung.- 2.9 Quantile.- 3 Differential- und Integralrechnung.- 3.1 Motivation.- 3.2 Differenzierbarkeit.- 3.3 Höhere Ableitungen.- 3.4 Taylor-Entwicklung.- 3.5 Optimierung von Funktionen.- 3.6 Krümmungsverhalten.- 3.7 Statistische Anwendungen der Optimierung.- 3.8 Partielle Ableitung.- 3.9 Motivation und Definition des Integrals.- 3.10 Hauptsatz der Integralrechnung.- 3.11 Integrationsregeln.- 3.12 Integration empirischer Verlaufskurven.- 4 Wahrscheinlichkeitsrechnung.- 4.1 Grundbegriffe.- 4.2 Verteilungsmodelle.- 4.3 Grenzwertsätze und ihre Anwendung.- 5 Schließende Statistik.- 5.1 Das Likelihood-Prinzip.- 5.2 Güute statistischer Schätzer.- 5.3 Konfidenzintervalle.- 5.4 Experimente, Wahrscheinlichkeit und Entscheidungsverfahren.- 5.5 1-Stichproben-Tests.- 5.6 2-Stichproben-Tests.- 5.7 Korrelation und Regression.- 5.8 Analyse von Kontingenztafeln.- 5.9 Anpassungstests.- 5.10 Multiples Testen.- 5.11 Varianzanalyse.- 5.12 Nichtparametrische Varianzanalyse.- 5.13 Multiple lineare Regression.- 5.14 Logistische Regression.- 6 Populationsdynamik.- 6.1 Biologischer Hintergrund.- 6.2 Diskrete Populationsdynamik.- 6.3 Stetige Populationsdynamik.- 7 Elemente der linearen Algebra.-7.1 Motivation.- 7.2 Vektoren.- 7.3 Geraden und Ebenen.- 7.4 Längenmessung: Die Norm.- 7.5 Winkelmessung: Das Skalarprodukt.- 7.6 Matrizen und Gleichungssysteme.- 7.7 Entwicklungsmodelle in diskreter Zeit.- 7.8 Entwicklungsmodelle in stetiger Zeit.- A.1 Normalverteilung.- A.5 Studentisierte Spannweite.