Autor: Karl-Ernst Biebler

In diesem Buch werden mathematische Grundlagen der Datenauswertung erläutert. Geht es um Strategien epidemiologischer Kenntnisfindung, kann dies auch weitgehend umgangssprachlich erfolgen. Wahrscheinlichkeitsrechnung und Statistik sind essentiell und werden sowohl allgemein als auch speziell im Kontext populationsgenetischer Problemstellungen behandelt. Hier kann der Leser durchaus Neues finden. Algebraische und topologische Grundlagen multivariater Analysemethoden sind systematisch entwickelt. Für ihre Anwendungen werden Beispiele der Cluster- und Diskriminanzanalyse gegeben. Sowohl deterministische (Differentialgleichungen) als auch stochastische mathematische Modelle dynamischer Vorgänge sind für Theorien der Infektionen explizit ausgearbeitet. Als Prognosemodell wird ein stochastischer Prozess zur Beschreibung der zeitlichen Änderung von Krankheitsprävalenz anhand realer Daten zum Diabetes mellitus vorgestellt. Der Leser findet eine Vielzahl vollständig durchgerechneter Beispiele. Wissenschaftliche Datenauswertungen sind nicht auf statistische Methoden zu reduzieren. Dem trägt dieses Buch Rechnung: Neben den unverzichtbaren Kenntnissen aus Wahrscheinlichkeitsrechnung und Statistik werden die algebraischen Grundlagen multivariater Verfahren systematisch vermittelt. Zusammen mit topologischen Begriffsbildungen erlaubt dies das Verständnis häufig angewandter und in Programmsystemen verfügbarer Verfahren der explorativen Analyse höherdimensionaler Datenmengen. Auf einige Prinzipien der Clusteranalyse und der Diskriminanzanalyse wird explizit eingegangen. Typische Begriffsbildungen der Epidemiologie sowie spezifische Strategien der Studienplanung und -auswertung können dann weitgehend umgangssprachlich formuliert behandelt werden. Problemspezifische mathematische Modelle bieten Chancen tieferer Ergebnisinterpretationen als allgemeine Verfahren der Datenauswertung. Dabei sind idealer Weise die mathematischen Eigenschaften des Modells bekannt, die Strategie der Datengewinnung darauf abgestimmt sowie die Eigenschaften der erforderlichen Berechnungsmethoden nachvollziehbar charakterisiert. Mitunter sind konkurrierende Ansätze gegeneinander abzuwägen. Dieser Themenkreis wird an folgenden Problemfeldern aus der Epidemiologie jeweils unterschiedlich akzentuiert ausgearbeitet: Theorie der Infektionen, genetische Epidemiologie, Prävalenzentwicklung des Diabetes mellitus.

In diesem Buch werden mathematische Grundlagen der Datenauswertung erläutert. Geht es um Strategien epidemiologischer Kenntnisfindung, kann dies auch weitgehend umgangssprachlich erfolgen. Wahrscheinlichkeitsrechnung und Statistik sind essentiell und werden sowohl allgemein als auch speziell im Kontext populationsgenetischer Problemstellungen behandelt. Hier kann der Leser durchaus Neues finden. Algebraische und topologische Grundlagen multivariater Analysemethoden sind systematisch entwickelt. Für ihre Anwendungen werden Beispiele der Cluster- und Diskriminanzanalyse gegeben. Sowohl deterministische (Differentialgleichungen) als auch stochastische mathematische Modelle dynamischer Vorgänge sind für Theorien der Infektionen explizit ausgearbeitet. Als Prognosemodell wird ein stochastischer Prozess zur Beschreibung der zeitlichen Änderung von Krankheitsprävalenz anhand realer Daten zum Diabetes mellitus vorgestellt. Der Leser findet eine Vielzahl vollständig durchgerechneter Beispiele. Wissenschaftliche Datenauswertungen sind nicht auf statistische Methoden zu reduzieren. Dem trägt dieses Buch Rechnung: Neben den unverzichtbaren Kenntnissen aus Wahrscheinlichkeitsrechnung und Statistik werden die algebraischen Grundlagen multivariater Verfahren systematisch vermittelt. Zusammen mit topologischen Begriffsbildungen erlaubt dies das Verständnis häufig angewandter und in Programmsystemen verfügbarer Verfahren der explorativen Analyse höherdimensionaler Datenmengen. Auf einige Prinzipien der Clusteranalyse und der Diskriminanzanalyse wird explizit eingegangen. Typische Begriffsbildungen der Epidemiologie sowie spezifische Strategien der Studienplanung und -auswertung können dann weitgehend umgangssprachlich formuliert behandelt werden. Problemspezifische mathematische Modelle bieten Chancen tieferer Ergebnisinterpretationen als allgemeine Verfahren der Datenauswertung. Dabei sind idealer Weise die mathematischen Eigenschaften des Modells bekannt, die Strategie der Datengewinnung darauf abgestimmt sowie die Eigenschaften der erforderlichen Berechnungsmethoden nachvollziehbar charakterisiert. Mitunter sind konkurrierende Ansätze gegeneinander abzuwägen. Dieser Themenkreis wird an folgenden Problemfeldern aus der Epidemiologie jeweils unterschiedlich akzentuiert ausgearbeitet: Theorie der Infektionen, genetische Epidemiologie, Prävalenzentwicklung des Diabetes mellitus.