Klaus Krickeberg was a professor at the Université Paris 5 René Descartes from 1974 until his retirement in 1998. His research focuses on dimensional theory, probability theory, stochastic geometry, geometric statistics, epidemiology (especially tropical diseases) and health information systems. In Paris, he began to study Vietnamese history and culture and, starting in 2006, led public health projects in Laos and Vietnam on behalf of a foundation. He has also worked in similar projects for UNICEF, the EU and GTZ in Vietnam and Cambodia. Krickeberg holds a doctorate from the University of Berlin. A former editor of the Journal of Probability and Related Fields, he also served on the council of the International Statistics Institute (ISI) and chaired the ISI Committee on Statistics in Developing Countries.

Eine komplett überarbeitete und erweiterte Neuauflage!
Aus den Besprechungen: "Das vorliegende Buch bringt eine sehr gute Einführung in die Stochastik. Dabei werden die wahrscheinlichkeitstheoretischen Grundlagen in dem Maß behandelt, wie sie zum Verständnis ihrer Anwendungen auf statistische Probleme und weiters auf stochastische Prozesse benötigt werden. Das Buch beinhaltet sowohl eine Einführung in die Theorie der Zufallsvariablen und numerische Charakteristika von Zufallsvariablen, als auch eine detaillierte Darstellung der Grenzwertsätze der Wahrscheinlichkeitsrechnung. ...Die Brauchbarkeit des Buches liegt einerseits in seiner überaus klaren und exakten Ausdrucksweise und andererseits in der guten Lesbarkeit des Dargebotenen." Internationale Mathematische Nachrichten

Für Studenten und Dozenten der Mathematik, Physik, aber auch der Wirtschaftswissenschaften, Biologie, Medizin, Technik

I. Diskrete Wahrscheinlichkeitsräume.- 1. Einführung, Beispiele.- 2. Ergebnisraum, Ereignisse, Wahrscheinlichkeitsverteilung.- 3. Gleichverteilung in endlichen Ergebnisräumen.- 4. Elementare Kombinatorik.- 5. Hypergeometrische Verteilung.- 6. Zufallselemente.- 7. Aufgaben.- II. Drei Grundverfahren der mathematischen Statistik.- 1. Das Modell der elementaren Stichprobentheorie.- 2. Schätzung.- 3. Konfidenzbereich.- 4. Test.- 5. Fisher's exakter Test.- 6. Aufgaben.- III. Bedingte Wahrscheinlichkeit, Unabhängigkeit.- 1. Bedingte Wahrscheinlichkeit.- 2. Ein wahrscheinlichkeitstheoretisches Modell in der Informationstheorie.- 3. Unabhängige Ereignisse.- 4. Unabhängige Zufallsvariable.- 5. Aufgaben.- IV. Momente.- 1. Erwartungswert, bedingter Erwartungswert.- 2. Varianz, Korrelation: L2Methoden.- 3. Verteilungen in {0, 1, 2,...|.- 4. Tschebyscheffsche Ungleichung und schwaches Gesetz der großen Zahlen.- 5. Aufgaben.- V. Statistische Inferenz über unbekannte Wahrscheinlichkeiten.- 1. Inferenz über eine Wahrscheinlichkeit.- 2. Inferenz über eine diskrete Verteilung.- 3. Aufgaben.- VI. Grenzwertsätze.- 1. Stirlingsche Formel.- 2. Approximation der Binomialverteilung durch die Normalverteilung: der Grenzwertsatz von de Moivre-Laplace.- 3. Approximation der Binomialverteilung durch die Poissonsche Verteilung: der Poissonsche Grenzwertsatz.- 4. Aufgaben.- VII. Allgemeine Wahrscheinlichkeitstheorie.- 1. Allgemeiner Wahrscheinlichkeitsraum.- 2. Zufallsvariable.- 3. Unabhängigkeit.- 4. Momente.- 5. Normalverteilung, ?2-Verteilung, F-Verteilung, t-Verteilung.- 6. Mehrdimensionale Normalverteilung.- 7. Aufgaben.- VIII. Statistik normalverteilter Zufallsvariablen.- 1. Inferenz über die Erwartung bei bekannter Varianz.- 2. Inferenz über die Varianz bei bekannterErwartung.- 3. Inferenz über die Erwartung und die Varianz, wenn beide unbekannt sind.- 4. Aufgaben.- IX. Nichtparametrische Statistik.- 1. Ordnungs- und Rangstatistik.- 2. Permutationsinvariante Verfahren.- 3. Rangmethoden: ein Zweistichprobenproblem.- 4. Aufgaben.- X. Regressions- und Varianzanalyse.- 1. Regressionsanalyse.- 2. Varianzanalyse.- 3. Aufgaben.- XI. Simulation.- 1. Simulation einer Zufallsvariablen.- 2. Realisierung von Stichproben.- 3. Simulation von Prozessen.- 4. Aufgaben.- Tafeln.- 1. Zufallsziffern.- 2. Die kumulative Standard-Normalverteilung.- Literatur.