Institut für Statistik, LMU München
Prof. em. Dr. Gerhard Tutz




Prof.
                              Dr. Gerhard Tutz


Adresse

Institut für Statistik
Ludwig-Maximilians-Universität
Akademiestraße 1
D-80799 München

Kontakt

E-mail: Gerhard Tutz

Sekretariat

Tel:  (+49 89) 2180 2814
Fax: (+49 89) 2180 5308
E-mail: Pia Oberschmidt




Forschungsschwerpunkte:

  • Analyse kategorialer Daten
  • Feature Selektion
  • Regularisierung und strukturierte Regression
  • Gemischte Modelle


Aktuelles:

Cover Tutz&Schmid
This book focuses on statistical methods for the analysis of discrete failure times. Failure time analysis is one of the most important fields in statistical research, with applications affecting a wide range of disciplines, in particular, demography, econometrics, epidemiology and clinical research. Although there are a large variety of statistical methods for failure time analysis, many techniques are designed for failure times that are measured on a continuous scale. In empirical studies, however, failure times are often discrete, either because they have been measured in intervals (e.g., quarterly or yearly) or because they have been rounded or grouped. The book covers well-established methods like life-table analysis and discrete hazard regression models, but also introduces state-of-the art techniques for model evaluation, nonparametric estimation and variable selection. Throughout, the methods are illustrated by real life applications, and relationships to survival analysis in continuous time are explained. Each section includes a set of exercises on the respective topics. Various functions and tools for the analysis of discrete survival data are collected in the R package discSurv that accompanies the book.


Die Website zum Buch "Regression for Categorical Data" enthält ein R-Paket mit Beispielen und Datensätzen aus dem Buch.


Regression for Categorical
                                      Data
This book introduces basic and advanced concepts of categorical regression with a focus on the structuring constituents of regression. As reference for statisticians, applied researchers, and students it includes many topics not normally included in books on categorical data analysis.

In addition to standard methods such as logit and probit models and their extensions to multivariate settings, the book presents more recent developments in regularized regression with a focus on the selection of predictors; tools for flexible nonparametric regression that yield fits that are closer to the data; non-standard tree-based ensemble methods; and tools for the handling of both nominal and ordered categorical predictors. Issues of prediction are explicitly considered in a chapter that introduces standard and newer classification techniques.




Cover Statistik
Das Buch bietet eine integrierte Darstellung der deskriptiven Statistik, moderner Methoden der explorativen Datenanalyse und der induktiven Statistik, einschließlich der Regressions- und Varianzanalyse. Die Darstellung ist auf inhaltliche Motivation, Interpretation und Verständnis der Methoden ausgerichtet. Zahlreiche Beispiele mit realen Daten und Graphiken veranschaulichen den Text. Texthervorhebungen zentraler Aspekte und Stichwörter am Rand erhöhen die Lesbarkeit und Übersichtlichkeit. Das Buch eignet sich als vorlesungsbegleitender Text, aber auch zum Selbststudium für Studenten aus den Bereichen der Wirtschafts- und Sozialwissenschaften, anderen Anwendungsdisziplinen der Statistik sowie als Einführungstext für Studenten der Statistik.


Cover Analyse kategorialer
                                      Daten
Das Werk gibt eine Einführung in die Kategoriale Regression, die auch für Anwender sehr gut geeignet ist. Neben wirtschaftswissenschaftlichen Beispielen, die zahlenmäßig dominieren, finden sich Beispiele aus Biometrie, der medizinischen Statistik, Psychologie und Demographie. Aus dem Inhalt: Einführung. Logistische Regression und Logit-Modell für binäre abhängige Größen. Schätzung, Modellanpassung und Einflußgrößen. Multinominale Modelle für ungeordnete Kategorien. Regression mit ordinaler abhängiger Variable. Zähldaten und die Analyse von Kontingenztafeln: das loglineare Modell. Nonparametrische Regression I: Glättungsverfahren. Nonparametrische Regression II: Klassifikations- und Regressionsbäume. Kategoriale Prognose und Diskriminanzanalyse. Elemente der Schätz- und Testtheorie. Anhang.