Angewandte Methoden der Mathematischen Statistik
Lineare, loglineare, logistische Modelle Finite und asymptotische Methoden
ren; nichtparametrische (verteilungsfreie) Methoden sind nicht aufgenommen wor den. Das mag manchem unentschuldbar erscheinen, denn parametrische Verfahren gehen mit Verteilungsannahmen einher. Doch kann man sich diesen oft durch Transformieren der Ausgangsdaten niihem, oder aber man kann ihre Wichtigkeit durch Erzielen eines groBen Stichprobenumfangs und durch Wahl asymptotischer Methoden abschwachen. ErfahrungsgemaB ziehen die meisten Anwender dies en Umweg (Uber Datentransformation und / oder Asymptotik) der Benutzung nichtpa rametrischer Verfahren vor. Letztere sind namlich in der Statistik-Software nur schwach vertreten und bieten wohl auch (noch) nicht diese Methoden- und Inter pretations-Vielfalt, wie es die parametrischen Verfahren tun. Die zuktinftige Ent wicklung der Statistik-Software, basierend auf immer leistungskriiftigeren Rech nem, konnte die Einstellung der Anwender andem. Der Stoff der vorliegenden Darstellung ist Vorlesungen entsprungen, die der Autor an den Universitaten MUnchen und Hannover gehalten hat. Er kann in einer zwei semestrigen Vorlesung vorgetragen werden. Dabei kann im ersten Semester Kap I 1,2 Kap II 1 Kap III Kap IV Kap V (die beiden letzten ganz oder teilweise) behandelt werden, wiihrend Kap I 3,4 Kap II 2,3 Kap VI Kap VII Kap VIII dem zweiten Semester vorbehalten sind. Die in den Text eingestreuten Fallstudien stammen aus statistischen Beratungen und Praktika, die der Autor seit Jahren am Mathematischen Institut der Universitat MUnchen {Lehrstuhl Prof. Dr. P. Ganssler} durchfijhrt.
ren; nichtparametrische (verteilungsfreie) Methoden sind nicht aufgenommen wor den. Das mag manchem unentschuldbar erscheinen, denn parametrische Verfahren gehen mit Verteilungsannahmen einher.