Kap I Grundlagen aus der Stochastik.- 0. Vorbemerkung.- 1. Mehrdimensionale Zufallsvariablen.- 2. Mehrdimensionale Normalverteilung.- 3. Exponentialfamilien.- 4. Maximum-Likelihood Methode.- Kap II Vorbereitende Verfahren.- 0. Vorbemerkung.- 1. Planung des Stichprobenumfangs.- 2. Variablentransformation.- 3. X2-Anpassungstests.- Kap III Das Lineare Modell der Statistik.- 0. Vorbemerkung.- 1. Einführung in das lineare Modell.- 2. Spezialfälle.- 3. Schätzen der Modellparameter.- 4. Lineare Schätzer und ihre Verteilung.- 5. Konfidenzintervalle.- 6. Testen linearer Hypothesen.- Kap IV Varianzanalyhsche Modelle.- 0. Vorbemerkung.- 1. Einfache Klassifikation.- 2. Zweifache Klassifikation.- 3. Dreifache Klassifikation.- Kap V Lineare Regression und Verwandte Methoden.- 0. Vorbemerkung.- 1. Lineare Regressionsanalyse.- 2. Regressionsfunktionen.- 3. Korrelations analyse.- 4. Kovarianzanalyse.- 5. Nichtlineare Regressions analyse.- Kap VI Asymptotische Statistische Methoden.- 0. Vorbemerkung.- 1. Asymptotisches Verhalten von Schätzerfolgen.- 2. Asymptotisches Testen von Hypothesen.- 3. Score-und Wald-Test.- 4. Pearson-Fisher Teststatistiken.- 5. Hinreichende Bedingungen zur asymptotischen Theorie.- Kap VII Verallgemeinertes Lineares Modell (GLM).- 0. Vorbemerkung.- 1. Einführung in die Modelle mit Linkfunktionen.- 2. Spezielle GLM.- 3. Schätzen und Testen.- 4. Statistische Analyse spezieller GLM.- Kap VIII Analyse von Kontingenztafeln.- 0. Vorbemerkung.- 1. Unabhängigkeitsproblem.- 2. Homogenitätsproblem.- 3. Log-lineare Modelle.- 4. Zweidimensionale log-lineare Modelle.- 5. Mehrdimensionale log-lineare Modelle.- Anhänge.- A Ergänzungen aus der Matrizenlehre.- 1. Symmetrische Matrizen.- 2. Ellipsoide.- 3. Ableitungsvektoren und-Matrizen.- B ErgÄnzungen aus derStochastik.- 1. Testverteilungen.- 2. Grundbegriffe aus der mathematischen Statistik.- Signifikanztests und ihre Gütefunktion.- Konfidenzintervalle.- Parameterschätzung.- 3. Grenzwertsätze.- Fast sichere, stochastische Konvergenz.- Verteilungskonvergenz.- Zentrale Grenzwertsätze.
Inhaltsverzeichnis
Kap I Grundlagen aus der Stochastik. - 0. Vorbemerkung. - 1. Mehrdimensionale Zufallsvariablen. - 2. Mehrdimensionale Normalverteilung. - 3. Exponentialfamilien. - 4. Maximum-Likelihood Methode. - Kap II Vorbereitende Verfahren. - 0. Vorbemerkung. - 1. Planung des Stichprobenumfangs. - 2. Variablentransformation. - 3. X2-Anpassungstests. - Kap III Das Lineare Modell der Statistik. - 0. Vorbemerkung. - 1. Einführung in das lineare Modell. - 2. Spezialfälle. - 3. Schätzen der Modellparameter. - 4. Lineare Schätzer und ihre Verteilung. - 5. Konfidenzintervalle. - 6. Testen linearer Hypothesen. - Kap IV Varianzanalyhsche Modelle. - 0. Vorbemerkung. - 1. Einfache Klassifikation. - 2. Zweifache Klassifikation. - 3. Dreifache Klassifikation. - Kap V Lineare Regression und Verwandte Methoden. - 0. Vorbemerkung. - 1. Lineare Regressionsanalyse. - 2. Regressionsfunktionen. - 3. Korrelations analyse. - 4. Kovarianzanalyse. - 5. Nichtlineare Regressions analyse. - Kap VI Asymptotische Statistische Methoden. - 0. Vorbemerkung. - 1. Asymptotisches Verhalten von Schätzerfolgen. - 2. Asymptotisches Testen von Hypothesen. - 3. Score-und Wald-Test. - 4. Pearson-Fisher Teststatistiken. - 5. Hinreichende Bedingungen zur asymptotischen Theorie. - Kap VII Verallgemeinertes Lineares Modell (GLM). - 0. Vorbemerkung. - 1. Einführung in die Modelle mit Linkfunktionen. - 2. Spezielle GLM. - 3. Schätzen und Testen. - 4. Statistische Analyse spezieller GLM. - Kap VIII Analyse von Kontingenztafeln. - 0. Vorbemerkung. - 1. Unabhängigkeitsproblem. - 2. Homogenitätsproblem. - 3. Log-lineare Modelle. - 4. Zweidimensionale log-lineare Modelle. - 5. Mehrdimensionale log-lineare Modelle. - Anhänge. - A Ergänzungen aus der Matrizenlehre. - 1. Symmetrische Matrizen. - 2. Ellipsoide. - 3. Ableitungsvektoren und-Matrizen. - B ErgÄnzungen aus derStochastik. - 1. Testverteilungen. - 2. Grundbegriffe aus der mathematischen Statistik. - Signifikanztests und ihre Gütefunktion. - Konfidenzintervalle. - Parameterschätzung. - 3. Grenzwertsätze. - Fast sichere, stochastische Konvergenz. - Verteilungskonvergenz. - Zentrale Grenzwertsätze.
