Dynamic Linear Models with R

Author: Giovanni Petris,Sonia Petrone,Patrizia Campagnoli

Publisher: Springer Science & Business Media

ISBN: 0387772383

Category: Mathematics

Page: 252

View: 7585

State space models have gained tremendous popularity in recent years in as disparate fields as engineering, economics, genetics and ecology. After a detailed introduction to general state space models, this book focuses on dynamic linear models, emphasizing their Bayesian analysis. Whenever possible it is shown how to compute estimates and forecasts in closed form; for more complex models, simulation techniques are used. A final chapter covers modern sequential Monte Carlo algorithms. The book illustrates all the fundamental steps needed to use dynamic linear models in practice, using R. Many detailed examples based on real data sets are provided to show how to set up a specific model, estimate its parameters, and use it for forecasting. All the code used in the book is available online. No prior knowledge of Bayesian statistics or time series analysis is required, although familiarity with basic statistics and R is assumed.

Modeling Techniques in Predictive Analytics with Python and R

A Guide to Data Science

Author: Thomas W. Miller

Publisher: FT Press

ISBN: 013389214X

Category: Computers

Page: 448

View: 2967

Master predictive analytics, from start to finish Start with strategy and management Master methods and build models Transform your models into highly-effective code—in both Python and R This one-of-a-kind book will help you use predictive analytics, Python, and R to solve real business problems and drive real competitive advantage. You’ll master predictive analytics through realistic case studies, intuitive data visualizations, and up-to-date code for both Python and R—not complex math. Step by step, you’ll walk through defining problems, identifying data, crafting and optimizing models, writing effective Python and R code, interpreting results, and more. Each chapter focuses on one of today’s key applications for predictive analytics, delivering skills and knowledge to put models to work—and maximize their value. Thomas W. Miller, leader of Northwestern University’s pioneering program in predictive analytics, addresses everything you need to succeed: strategy and management, methods and models, and technology and code. If you’re new to predictive analytics, you’ll gain a strong foundation for achieving accurate, actionable results. If you’re already working in the field, you’ll master powerful new skills. If you’re familiar with either Python or R, you’ll discover how these languages complement each other, enabling you to do even more. All data sets, extensive Python and R code, and additional examples available for download at http://www.ftpress.com/miller/ Python and R offer immense power in predictive analytics, data science, and big data. This book will help you leverage that power to solve real business problems, and drive real competitive advantage. Thomas W. Miller’s unique balanced approach combines business context and quantitative tools, illuminating each technique with carefully explained code for the latest versions of Python and R. If you’re new to predictive analytics, Miller gives you a strong foundation for achieving accurate, actionable results. If you’re already a modeler, programmer, or manager, you’ll learn crucial skills you don’t already have. Using Python and R, Miller addresses multiple business challenges, including segmentation, brand positioning, product choice modeling, pricing research, finance, sports, text analytics, sentiment analysis, and social network analysis. He illuminates the use of cross-sectional data, time series, spatial, and spatio-temporal data. You’ll learn why each problem matters, what data are relevant, and how to explore the data you’ve identified. Miller guides you through conceptually modeling each data set with words and figures; and then modeling it again with realistic code that delivers actionable insights. You’ll walk through model construction, explanatory variable subset selection, and validation, mastering best practices for improving out-of-sample predictive performance. Miller employs data visualization and statistical graphics to help you explore data, present models, and evaluate performance. Appendices include five complete case studies, and a detailed primer on modern data science methods. Use Python and R to gain powerful, actionable, profitable insights about: Advertising and promotion Consumer preference and choice Market baskets and related purchases Economic forecasting Operations management Unstructured text and language Customer sentiment Brand and price Sports team performance And much more

Zeitreihenmodelle

Author: Andrew C. Harvey

Publisher: De Gruyter Oldenbourg

ISBN: 9783486230062

Category:

Page: 379

View: 9273

Gegenstand des Werkes sind Analyse und Modellierung von Zeitreihen. Es wendet sich an Studierende und Praktiker aller Disziplinen, in denen Zeitreihenbeobachtungen wichtig sind.

Modeling Techniques in Predictive Analytics

Business Problems and Solutions with R, Revised and Expanded Edition

Author: Thomas W. Miller

Publisher: FT Press

ISBN: 0133886190

Category: Computers

Page: 384

View: 5121

To succeed with predictive analytics, you must understand it on three levels: Strategy and management Methods and models Technology and code This up-to-the-minute reference thoroughly covers all three categories. Now fully updated, this uniquely accessible book will help you use predictive analytics to solve real business problems and drive real competitive advantage. If you’re new to the discipline, it will give you the strong foundation you need to get accurate, actionable results. If you’re already a modeler, programmer, or manager, it will teach you crucial skills you don’t yet have. Unlike competitive books, this guide illuminates the discipline through realistic vignettes and intuitive data visualizations–not complex math. Thomas W. Miller, leader of Northwestern University’s pioneering program in predictive analytics, guides you through defining problems, identifying data, crafting and optimizing models, writing effective R code, interpreting results, and more. Every chapter focuses on one of today’s key applications for predictive analytics, delivering skills and knowledge to put models to work–and maximize their value. Reflecting extensive student and instructor feedback, this edition adds five classroom-tested case studies, updates all code for new versions of R, explains code behavior more clearly and completely, and covers modern data science methods even more effectively. All data sets, extensive R code, and additional examples available for download at http://www.ftpress.com/miller If you want to make the most of predictive analytics, data science, and big data, this is the book for you. Thomas W. Miller’s unique balanced approach combines business context and quantitative tools, appealing to managers, analysts, programmers, and students alike. Miller addresses multiple business cases and challenges, including segmentation, brand positioning, product choice modeling, pricing research, finance, sports, text analytics, sentiment analysis, and social network analysis. He illuminates the use of cross-sectional data, time series, spatial, and spatio-temporal data. You’ll learn why each problem matters, what data are relevant, and how to explore the data you’ve identified. Miller guides you through conceptually modeling each data set with words and figures; and then modeling it again with realistic R programs that deliver actionable insights. You’ll walk through model construction, explanatory variable subset selection, and validation, mastering best practices for improving out-of-sample predictive performance. Throughout, Miller employs data visualization and statistical graphics to help you explore data, present models, and evaluate performance. This edition adds five new case studies, updates all code for the newest versions of R, adds more commenting to clarify how the code works, and offers a more detailed and up-to-date primer on data science methods. Gain powerful, actionable, profitable insights about: Advertising and promotion Consumer preference and choice Market baskets and related purchases Economic forecasting Operations management Unstructured text and language Customer sentiment Brand and price Sports team performance And much more

Introductory Time Series with R

Author: Paul S.P. Cowpertwait,Andrew V. Metcalfe

Publisher: Springer Science & Business Media

ISBN: 0387886982

Category: Mathematics

Page: 256

View: 5113

This book gives you a step-by-step introduction to analysing time series using the open source software R. Each time series model is motivated with practical applications, and is defined in mathematical notation. Once the model has been introduced it is used to generate synthetic data, using R code, and these generated data are then used to estimate its parameters. This sequence enhances understanding of both the time series model and the R function used to fit the model to data. Finally, the model is used to analyse observed data taken from a practical application. By using R, the whole procedure can be reproduced by the reader. All the data sets used in the book are available on the website http://staff.elena.aut.ac.nz/Paul-Cowpertwait/ts/. The book is written for undergraduate students of mathematics, economics, business and finance, geography, engineering and related disciplines, and postgraduate students who may need to analyse time series as part of their taught programme or their research.

Statistik-Workshop für Programmierer

Author: Allen B. Downey

Publisher: O'Reilly Germany

ISBN: 3868993436

Category: Computers

Page: 160

View: 6066

Wenn Sie programmieren können, beherrschen Sie bereits Techniken, um aus Daten Wissen zu extrahieren. Diese kompakte Einführung in die Statistik zeigt Ihnen, wie Sie rechnergestützt, anstatt auf mathematischem Weg Datenanalysen mit Python durchführen können. Praktischer Programmier-Workshop statt grauer Theorie: Das Buch führt Sie anhand eines durchgängigen Fallbeispiels durch eine vollständige Datenanalyse -- von der Datensammlung über die Berechnung statistischer Kennwerte und Identifikation von Mustern bis hin zum Testen statistischer Hypothesen. Gleichzeitig werden Sie mit statistischen Verteilungen, den Regeln der Wahrscheinlichkeitsrechnung, Visualisierungsmöglichkeiten und vielen anderen Arbeitstechniken und Konzepten vertraut gemacht. Statistik-Konzepte zum Ausprobieren: Entwickeln Sie über das Schreiben und Testen von Code ein Verständnis für die Grundlagen von Wahrscheinlichkeitsrechnung und Statistik: Überprüfen Sie das Verhalten statistischer Merkmale durch Zufallsexperimente, zum Beispiel indem Sie Stichproben aus unterschiedlichen Verteilungen ziehen. Nutzen Sie Simulationen, um Konzepte zu verstehen, die auf mathematischem Weg nur schwer zugänglich sind. Lernen Sie etwas über Themen, die in Einführungen üblicherweise nicht vermittelt werden, beispielsweise über die Bayessche Schätzung. Nutzen Sie Python zur Bereinigung und Aufbereitung von Rohdaten aus nahezu beliebigen Quellen. Beantworten Sie mit den Mitteln der Inferenzstatistik Fragestellungen zu realen Daten.

Programmieren mit R

Author: Uwe Ligges

Publisher: Springer-Verlag

ISBN: 3540267328

Category: Mathematics

Page: 237

View: 1508

R ist eine objekt-orientierte und interpretierte Sprache und Programmierumgebung für Datenanalyse und Grafik - frei erhältlich unter der GPL. Ziel dieses Buches ist es, nicht nur ausführlich in die Grundlagen der Sprache R einzuführen, sondern auch ein Verständnis der Struktur der Sprache zu vermitteln. Leicht können so eigene Methoden umgesetzt, Objektklassen definiert und ganze Pakete aus Funktionen und zugehöriger Dokumentation zusammengestellt werden. Die enormen Grafikfähigkeiten von R werden detailliert beschrieben. Das Buch richtet sich an alle, die R als flexibles Werkzeug zur Datenenalyse und -visualisierung einsetzen möchten: Studierende, die Daten in Projekten oder für ihre Diplomarbeit analysieren möchten, Forschende, die neue Methoden ausprobieren möchten, und diejenigen, die in der Wirtschaft täglich Daten aufbereiten, analysieren und anderen in komprimierter Form präsentieren.

R in a Nutshell

Author: Joseph Adler

Publisher: O'Reilly Germany

ISBN: 3897216507

Category: Computers

Page: 768

View: 375

Wozu sollte man R lernen? Da gibt es viele Gründe: Weil man damit natürlich ganz andere Möglichkeiten hat als mit einer Tabellenkalkulation wie Excel, aber auch mehr Spielraum als mit gängiger Statistiksoftware wie SPSS und SAS. Anders als bei diesen Programmen hat man nämlich direkten Zugriff auf dieselbe, vollwertige Programmiersprache, mit der die fertigen Analyse- und Visualisierungsmethoden realisiert sind – so lassen sich nahtlos eigene Algorithmen integrieren und komplexe Arbeitsabläufe realisieren. Und nicht zuletzt, weil R offen gegenüber beliebigen Datenquellen ist, von der einfachen Textdatei über binäre Fremdformate bis hin zu den ganz großen relationalen Datenbanken. Zudem ist R Open Source und erobert momentan von der universitären Welt aus die professionelle Statistik. R kann viel. Und Sie können viel mit R machen – wenn Sie wissen, wie es geht. Willkommen in der R-Welt: Installieren Sie R und stöbern Sie in Ihrem gut bestückten Werkzeugkasten: Sie haben eine Konsole und eine grafische Benutzeroberfläche, unzählige vordefinierte Analyse- und Visualisierungsoperationen – und Pakete, Pakete, Pakete. Für quasi jeden statistischen Anwendungsbereich können Sie sich aus dem reichen Schatz der R-Community bedienen. Sprechen Sie R! Sie müssen Syntax und Grammatik von R nicht lernen – wie im Auslandsurlaub kommen Sie auch hier gut mit ein paar aufgeschnappten Brocken aus. Aber es lohnt sich: Wenn Sie wissen, was es mit R-Objekten auf sich hat, wie Sie eigene Funktionen schreiben und Ihre eigenen Pakete schnüren, sind Sie bei der Analyse Ihrer Daten noch flexibler und effektiver. Datenanalyse und Statistik in der Praxis: Anhand unzähliger Beispiele aus Medizin, Wirtschaft, Sport und Bioinformatik lernen Sie, wie Sie Daten aufbereiten, mithilfe der Grafikfunktionen des lattice-Pakets darstellen, statistische Tests durchführen und Modelle anpassen. Danach werden Ihnen Ihre Daten nichts mehr verheimlichen.

Algorithmen - Eine Einführung

Author: Thomas H. Cormen,Charles E. Leiserson,Ronald Rivest,Clifford Stein

Publisher: Walter de Gruyter GmbH & Co KG

ISBN: 3110522012

Category: Computers

Page: 1339

View: 5884

Der "Cormen" bietet eine umfassende und vielseitige Einführung in das moderne Studium von Algorithmen. Es stellt viele Algorithmen Schritt für Schritt vor, behandelt sie detailliert und macht deren Entwurf und deren Analyse allen Leserschichten zugänglich. Sorgfältige Erklärungen zur notwendigen Mathematik helfen, die Analyse der Algorithmen zu verstehen. Den Autoren ist es dabei geglückt, Erklärungen elementar zu halten, ohne auf Tiefe oder mathematische Exaktheit zu verzichten. Jedes der weitgehend eigenständig gestalteten Kapitel stellt einen Algorithmus, eine Entwurfstechnik, ein Anwendungsgebiet oder ein verwandtes Thema vor. Algorithmen werden beschrieben und in Pseudocode entworfen, der für jeden lesbar sein sollte, der schon selbst ein wenig programmiert hat. Zahlreiche Abbildungen verdeutlichen, wie die Algorithmen arbeiten. Ebenfalls angesprochen werden Belange der Implementierung und andere technische Fragen, wobei, da Effizienz als Entwurfskriterium betont wird, die Ausführungen eine sorgfältige Analyse der Laufzeiten der Programme mit ein schließen. Über 1000 Übungen und Problemstellungen und ein umfangreiches Quellen- und Literaturverzeichnis komplettieren das Lehrbuch, dass durch das ganze Studium, aber auch noch danach als mathematisches Nachschlagewerk oder als technisches Handbuch nützlich ist. Für die dritte Auflage wurde das gesamte Buch aktualisiert. Die Änderungen sind vielfältig und umfassen insbesondere neue Kapitel, überarbeiteten Pseudocode, didaktische Verbesserungen und einen lebhafteren Schreibstil. So wurden etwa - neue Kapitel zu van-Emde-Boas-Bäume und mehrfädigen (engl.: multithreaded) Algorithmen aufgenommen, - das Kapitel zu Rekursionsgleichungen überarbeitet, sodass es nunmehr die Teile-und-Beherrsche-Methode besser abdeckt, - die Betrachtungen zu dynamischer Programmierung und Greedy-Algorithmen überarbeitet; Memoisation und der Begriff des Teilproblem-Graphen als eine Möglichkeit, die Laufzeit eines auf dynamischer Programmierung beruhender Algorithmus zu verstehen, werden eingeführt. - 100 neue Übungsaufgaben und 28 neue Problemstellungen ergänzt. Umfangreiches Dozentenmaterial (auf englisch) ist über die Website des US-Verlags verfügbar.

Partielle Differentialgleichungen

Eine Einführung

Author: Walter A. Strauss

Publisher: Springer-Verlag

ISBN: 366312486X

Category: Mathematics

Page: 458

View: 5822

Dieses Buch ist eine umfassende Einführung in die klassischen Lösungsmethoden partieller Differentialgleichungen. Es wendet sich an Leser mit Kenntnissen aus einem viersemestrigen Grundstudium der Mathematik (und Physik) und legt seinen Schwerpunkt auf die explizite Darstellung der Lösungen. Es ist deshalb besonders auch für Anwender (Physiker, Ingenieure) sowie für Nichtspezialisten, die die Methoden der mathematischen Physik kennenlernen wollen, interessant. Durch die große Anzahl von Beispielen und Übungsaufgaben eignet es sich gut zum Gebrauch neben Vorlesungen sowie zum Selbststudium.

Physik

Author: David Halliday,Robert Resnick

Publisher: Walter de Gruyter

ISBN: 9783110138979

Category:

Page: 17

View: 8696


Datenanalyse mit Python

Auswertung von Daten mit Pandas, NumPy und IPython

Author: Wes McKinney

Publisher: O'Reilly

ISBN: 3960102143

Category: Computers

Page: 542

View: 4127

Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.6, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy, IPython und Jupyter kennen.Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und zugehöriges Material des Buchs sind auf GitHub verfügbar.Aus dem Inhalt:Nutzen Sie die IPython-Shell und Jupyter Notebook für das explorative ComputingLernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennenSetzen Sie die Datenanalyse-Tools der pandasBibliothek einVerwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von DatenErstellen Sie interformative Visualisierungen mit matplotlibWenden Sie die GroupBy-Mechanismen von pandas an, um Datensätzen zurechtzuschneiden, umzugestalten und zusammenzufassenAnalysieren und manipulieren Sie verschiedenste Zeitreihen-DatenFür diese aktualisierte 2. Auflage wurde der gesamte Code an Python 3.6 und die neuesten Versionen der pandas-Bibliothek angepasst. Neu in dieser Auflage: Informationen zu fortgeschrittenen pandas-Tools sowie eine kurze Einführung in statsmodels und scikit-learn.

Grundlagen zur Neuroinformatik und Neurobiologie

The Computational Brain in deutscher Sprache

Author: Patricia S. Churchland,Terrence J. Sejnowski

Publisher: Springer-Verlag

ISBN: 3322868214

Category: Technology & Engineering

Page: 702

View: 5566

The Computational Brain, das außergewöhnliche Buch über vergleichende Forschung in den Bereichen von menschlichem Gehirn und neuesten Möglichkeiten der Computertechnologie, liegt hiermit erstmals in deutscher Sprache vor. Geschrieben von einem führenden Forscherteam in den USA, ist es eine Fundgrube für alle, die wissen wollen, was der Stand der Wissenschaft auf diesem Gebiet ist. Die Autoren führen die Bereiche der Neuroinformatik und Neurobiologie mit gut ausgesuchten Beispielen und der gebotenen Hintergrundinformation gekonnt zusammen. Das Buch wird somit nicht nur dem Fachwissenschaftler sondern auch dem interdisziplinären Interesse des Informatikers und des Biologen auf eine hervorragende Weise gerecht. Übersetzt wurde das Buch von Prof. Dr. Steffen Hölldobler und Dipl.-Biol. Claudia Hölldobler, einem Informatiker und einer Biologin. Rezension in Spektrum der Wissenschaft nr. 10, S. 122 f. im Oktober 1997 (...) Die 1992 erschienene amerikanische Originalausgabe des vorliegenden Werkes ist so erfolgreich, daß man bereits von einem Klassiker reden kann. (...) (...) ....ist das Buch sehr zu empfehlen. In Verbindung von Neurobiologie und Neuroinformatik konkurrenzlos, vermittelt es einiges von der Faszination theoretischer Hirnforschung, die auch in Deutschland zunehmend mehr Wissenschaftler in ihren Bann schlägt. Rezension erschienen in: Computer Spektrum 3/1997, S. 2 (...)Das Buch wird somit nicht nur dem Fachwissenschaftler, sondern auch den interdisziplinären Interesse des Informatikers und des Biologen auf eine hervorragende Weise gerecht(...)

Moderne Ökonometrie

Author: Marno Verbeek

Publisher: VCH

ISBN: 9783527507665

Category:

Page: 534

View: 6689

"Moderne Ökonometrie" stellt eine Vielzahl moderner und alternativer Ökonometrie-Methoden dar. Im Vordergrund steht die Anwendung der ökonometrischen Verfahren, die mit zahlreichen Beispielen erklärt werden. Die theoretischen Ausführungen werden auf das Nötigste beschränkt.

Generalized Linear Models

A Bayesian Perspective

Author: Dipak K. Dey,Sujit K. Ghosh,Bani K. Mallick

Publisher: CRC Press

ISBN: 9780824790349

Category: Mathematics

Page: 440

View: 7583

This volume describes how to conceptualize, perform, and critique traditional generalized linear models (GLMs) from a Bayesian perspective and how to use modern computational methods to summarize inferences using simulation. Introducing dynamic modeling for GLMs and containing over 1000 references and equations, Generalized Linear Models considers parametric and semiparametric approaches to overdispersed GLMs, presents methods of analyzing correlated binary data using latent variables. It also proposes a semiparametric method to model link functions for binary response data, and identifies areas of important future research and new applications of GLMs.

Leben in Metaphern

Konstruktion und Gebrauch von Sprachbildern

Author: George Lakoff,Mark Johnson

Publisher: N.A

ISBN: 9783896704870

Category: Concepts

Page: 272

View: 879

Metaphern sind integraler Bestandteil unserer alltäglichen Sprache, nicht bloß praktische oder rhethorische Mittel. Sie bestimmen unsere Wahrnehmung, unser Denken und Handeln und somit unsere Wirklichkeit. Die Lektüre dieses fesselnden und unterhaltsamen Buches führt dazu, dass man ganz neu über die Sprache und darüber, wie wir sie benutzen, denkt.

Linear Models

The Theory and Application of Analysis of Variance

Author: Brenton R. Clarke

Publisher: John Wiley & Sons

ISBN: 9780470377970

Category: Mathematics

Page: 288

View: 7432

An insightful approach to the analysis of variance in the study of linear models Linear Models explores the theory of linear models and the dynamic relationships that these models have with Analysis of Variance (ANOVA), experimental design, and random and mixed-model effects. This one-of-a-kind book emphasizes an approach that clearly explains the distribution theory of linear models and experimental design starting from basic mathematical concepts in linear algebra. The author begins with a presentation of the classic fixed-effects linear model and goes on to illustrate eight common linear models, along with the value of their use in statistics. From this foundation, subsequent chapters introduce concepts pertaining to the linear model, starting with vector space theory and the theory of least-squares estimation. An outline of the Helmert matrix is also presented, along with a thorough explanation of how the ANOVA is created in both typical two-way and higher layout designs, ultimately revealing the distribution theory. Other important topics covered include: Vector space theory The theory of least squares estimation Gauss-Markov theorem Kronecker products Diagnostic and robust methods for linear models Likelihood approaches to estimation A discussion of Bayesian theory is also included for purposes of comparison and contrast, and numerous illustrative exercises assist the reader with uncovering the nature of the models, using both classic and new data sets. Requiring only a working knowledge of basic probability and statistical inference, Linear Models is a valuable book for courses on linear models at the upper-undergraduate and graduate levels. It is also an excellent reference for practitioners who use linear models to conduct research in the fields of econometrics, psychology, sociology, biology, and agriculture.