Statistische und numerische Methoden der Datenanalyse

Der Umfang des Datenmaterials in Wissenschaft und Technik nimmt immer schneller zu; seine Auswertung und Beurteilung erweisen sich zunehmend als die eigentliche Schwierigkeit bei vielen wichtigen Problemen. Dem steht auf der anderen Seite ein seit Jahren ungebrochenes Anwachsen der Rechnerleistung und die zunehmende Verfgbarkeit mchtiger Algorithmen gegenber, aber es ist oft nicht einfach, von diesen Hilfsmitteln den richtigen und professionellen Gebrauch zu machen. Dieses Buch, entstanden aus der Praxis der Verarbeitung groer Datenmengen, will eine Einfhrung und Hilfe auf diesem Gebiet geben. Viele der Probleme sind statistischer Natur. Hier ist es sprichwrtlich leicht, Fehler zu machen. Deshalb sind der Erklrung und der kritischen Durchleuch tung statistischer Zusammenhnge auch im Hinblick auf die Praxis ein ange messener Raum gewidmet und ebenso den Monte Carlo-Methoden, welche heute einen verhltnismig einfachen Zugang zu vielen statistischen Problemen bie ten. Werkzeuge fr die Organisation und Strukturierung groer Datenmengen bilden ein weiteres wichtiges Thema. Dazu gehren auch effiziente Verfahren zum Sortieren und Suchen, welche oft Teil grerer Algorithmen sind. Die Verarbeitung groer Datenmengen hat oft die Extraktion verhltnismig weniger Parameter zum Ziel. Hier sind Verfahren wie die Methoden der klein sten Quadrate und der Maximum-Likelihood wichtig, in Verbindung mit effek tiven Optimierungsalgorithmen. Ein weiteres Problem, welches oft unterschtzt wird, ist die Rekonstruktion ursprnglicher Verteilungen aus fehlerbehafteten Messungen durch Entfaltung. Mit der Verfgbarkeit mathematischer Bibliotheken fr Matrixoperationen kn nen viele Probleme elegant in Matrixschreibweise formuliert und aufRechnern gelst werden. Deswegen werden auch die einfachen Grundlagen der Matrixal gebra behandelt.