Alle wissenschaftlichen Disziplinen schätzen den Erfolg der Vorhersage. Herkömmliche statistische Analysen behandeln die Vorhersage jedoch als zweitrangig und konzentrieren sich stattdessen auf die Modellierung und damit auf die Schätzung, das Testen und die detaillierte physikalische Interpretation, um diese Aufgaben zu bewältigen, bevor die prädiktive Angemessenheit eines Modells festgestellt wird. Dieses Buch skizziert einen vollständig prädiktiven Ansatz für statistische Probleme, der auf der Untersuchung von Prädiktoren basiert. Der Ansatz erfordert nicht, dass Prädiktoren einem Modell entsprechen, obwohl dieser wichtige Sonderfall im allgemeinen Ansatz enthalten ist. Der gesamte Punkt besteht darin, die Vorhersageleistung zu untersuchen, bevor konventionelle Inferenz in Betracht gezogen wird. Diese Ideen werden durch fünf traditionelle Teilbereiche der Statistik verfolgt, die den Lesern helfen, sich neu zu fokussieren und eine direkt vorausschauende Perspektive einzunehmen. Das Buch befasst sich auch mit der Vorhersage durch zeitgenössische "Black-Box"-Techniken und neue Datentypen und Methoden, bei denen die konventionelle Modellierung so schwierig ist, dass eine gute Vorhersage das Hauptkriterium für die Bewertung der Leistung einer statistischen Methode ist. Gut dokumentierter Open-Source-R-Code in einem Github-Repository ermöglicht es den Lesern, Beispiele zu replizieren und Techniken auf andere Untersuchungen anzuwenden. Sprache: Englisch