Bøger af Werner Stahel

This IMA Volume in Mathematics and its Applications DIRECTIONS IN ROBUST STATISTICS AND DIAGNOSTICS is based on the proceedings of the first four weeks of the six week IMA 1989 summer program "e;Robustness, Diagnostics, Computing and Graphics in Statistics"e;. An important objective of the organizers was to draw a broad set of statisticians working in robustness or diagnostics into collaboration on the challenging problems in these areas, particularly on the interface between them. We thank the organizers of the robustness and diagnostics program Noel Cressie, Thomas P. Hettmansperger, Peter J. Huber, R. Douglas Martin, and especially Werner Stahel and Sanford Weisberg who edited the proceedings. A vner Friedman Willard Miller, Jr. PREFACE Central themes of all statistics are estimation, prediction, and making decisions under uncertainty. A standard approach to these goals is through parametric mod- elling. Parametric models can give a problem sufficient structure to allow standard, well understood paradigms to be applied to make the required inferences. If, how- ever, the parametric model is not completely correct, then the standard inferential methods may not give reasonable answers. In the last quarter century, particularly with the advent of readily available computing, more attention has been paid to the problem of inference when the parametric model used is not correctly specified.

1.1 Was ist Statistische Datenanalyse? a Eine .,Statistik"e; ist im taglichen Sprachgebrauch eine Zusammenstellung von Zahlen uber Be- volkerungsgruppen, okonomische Tatigkeiten, Krankheiten, Wetterlagen oder Umwelteinflusse. Viele Statistiken beschreiben in einem weiten Sinn den Zustand des Staates; die Statistik als Disziplin hat von da ihren Namen. In den heutigen empirischen Wissenschaften werden zu allen denkbaren Fragestellungen nach Moglichkeit Daten gesammelt. Teilweise geschieht dies durch Beobachtung von Phanomenen und Prozessen, die ohne Einfluss von Forschenden ablaufen, teilweise werden die Phanomene und Prozesse in eigens geplanten Experimenten erzeugt und gesteuert. Die Statistik befasst sich heute neben dem Problem * Wie sollen welche Daten gewonnen werden? vor allem mit den Fragen * Wie soll man Daten beschreiben? und * Welche Schlusse kann man aus Daten ziehen? b Betrachten wir ein paar Beispiele von Datensatzen aus empirischen Wissenschaften! Das folgende historische Beispiel einer Studie der Wirksamkeit zweier Medikamente ist in der Statistik beruhmt geworden. Bei 10 Versuchspersonen wurde die durchschnittliche Schlaf- verlangerung durch Medikament A gegenuber B gemessen (in Stunden; Quelle: Cushny and Peebles, 1905, 1. PhysioI. 32, 501; "e;Student"e;, 1908, Biometrika 6, I). Die Ergebnisse waren 1.2 2.4 1.3 1.3 0.0 1.0 1.8 0.8 4.6 1.4. Ist Medikament A wirksamer als B? In 9 von 10 Fallen hat es sich als wirksamer erwiesen.