Dieses Handbuch setzt dort an, wo die meisten Einf hrungstexte zur angewandten Statistik aufh ren: Anerkannte Expertinnen und Experten f hren in fortgeschrittene Methoden, Modelle und Konzepte der angewandten Statistik ein und geben Hinweise zur tiefergehenden Lekt re. Schwerpunkte sind dabei zum einen flexible Methoden und Modellklassen f r Regressionsprobleme, die unterschiedliche Aspekte adressieren, welche im klassischen linearen Modell nicht ad quat abgebildet bzw. ber cksichtigt werden k nnen. Zu nennen sind hier beispielhaft die Verteilungsregression, generalisierte additive Modelle, berlebenszeitanalysen und maschinelle Lernverfahren. Zum anderen werden zahlreiche Methoden der modernen statistischen Inferenz behandelt, wie etwa Bayesianische Ans tze, Bootstrap- und Permutationstests, kausale Inferenz oder Tests bei hochdimensionalen Daten. Abgerundet wird das Buch durch bergreifende Kapitel zu fehlenden Daten und reproduzierbarer bzw. replizierbarer Forschung. Die einzelnen Beitr ge sind dabei unabh ngig von den anderen Kapiteln lesbar.
Das Handbuch wendet sich zum einen an Anwenderinnen und Anwender aus der Praxis sowie Promovierende und PostDocs mit soliden Grundkenntnissen der Statistik, die sich anhand kompakter Darstellungen von jeweils etwa 30 Seiten ber weiterf hrende Themen der angewandten Statistik informieren m chten. Zum anderen ist das Buch geeignet f r Studierende aus h heren Semestern in Studieng ngen, in denen die ad quate und tiefergehende Analyse empirischer Daten von zentraler Bedeutung ist.