Advertisement

Nichtparametrische Dichteschätzung

  • Christine DullerEmail author
Chapter

Zusammenfassung

Gewisse Eigenschaften einer Verteilung wie Symmetrie bzw. Schiefe, Ein- bzw. Mehrgipfeligkeit oder Ausreißerneigung sind an der Wahrscheinlichkeitsdichte leichter erkennbar als an der Verteilungsfunktion. Deshalb widmet sich dieses Kapitel der Aufgabe, aus gegebenen Daten die Dichtefunktion zu schätzen, ohne eine Annahme über eine zugrunde liegende Verteilungsfamilie zu treffen.

Literatur

  1. 1.
    Behr, A., Pötter, U.: Einführung in die Statistik mit R. Vahlen, München (2010)CrossRefGoogle Scholar
  2. 2.
    Cody, R.:An Introduction to SAS University Edition. SAS Institute, Cary (2018)Google Scholar
  3. 3.
    Dalgaard, P.: Introductory Statistics with R. Springer, New York (2008)CrossRefGoogle Scholar
  4. 4.
    Dolic, D.: Statistik mit R. Einführung für Wirtschafts- und Sozialwissenschaftler. Oldenbourg, München (2004)CrossRefGoogle Scholar
  5. 5.
    Dufner, J., Jensen, U., Schumacher, E.: Statistik mit SAS. Teubner, Wiesbaden (2004)CrossRefGoogle Scholar
  6. 6.
    Härdle, W., Müller, M., Sperlich, S., Werwatz, A.: Nonparametric and Semiparametric Models. Springer, New York (2004)CrossRefGoogle Scholar
  7. 7.
    Hedderich, J., Sachs, L.: Angewandte Statistik. Methodensammlung mit R. Springer, Berlin (2018)CrossRefGoogle Scholar
  8. 8.
    Krämer, W., Schoffer, O., Tschiersch, L.: Datenanalyse mit SAS. Statistische Verfahren und ihre Aspekte. Springer, Berlin (2014)zbMATHGoogle Scholar
  9. 9.
    R Core Team:R: A Language and Environment for Statistical Computing: A Graduate Course in Probability. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/ (2018)

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Institut für Angewandte StatistikUniversität LinzLinzÖsterreich

Personalised recommendations