<?xml version="1.0" encoding="UTF-8"?>
<marc:record xmlns:marc="http://www.loc.gov/MARC21/slim">
   <marc:leader>00000nam a2200000 a 4500</marc:leader>
   <marc:datafield ind1="1" ind2=" " tag="100">
      <marc:subfield code="a">Silver, Nate</marc:subfield>
      <marc:subfield code="4">aut</marc:subfield>
      <marc:subfield code="e">Verfasser/-in</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1="1" ind2=" " tag="100">
      <marc:subfield code="a">Wolandt, Holger</marc:subfield>
      <marc:subfield code="4">trl</marc:subfield>
      <marc:subfield code="e">Übersetzer/-in</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1="1" ind2=" " tag="100">
      <marc:subfield code="a">Rüegger, Lotta</marc:subfield>
      <marc:subfield code="4">trl</marc:subfield>
      <marc:subfield code="e">Übersetzer/-in</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1="1" ind2=" " tag="100">
      <marc:subfield code="a">Silver, Nate</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Dynamisches System</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Prognose</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Bayes-Verfahren</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Der schwarze Schwan</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Dobelli</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Taleb</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Kahneman</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Zukunft</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Vorhersage</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Entscheidungen</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Berechnung</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Wahrscheinlichkeit</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Softcover / Sachbücher/Politik</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Gesellschaft</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">Wirtschaft</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="653">
      <marc:subfield code="a">7014: Heyne HC</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1="0" ind2="0" tag="245">
      <marc:subfield code="a">Die Berechnung der Zukunft</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1="0" ind2="0" tag="245">
      <marc:subfield code="b">warum die meisten Prognosen falsch sind und manche trotzdem zutreffen</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1="0" ind2="0" tag="245">
      <marc:subfield code="c">Nate Silver. Aus dem amerikan. Engl. von Lotta Rüegger und Holger Wolandt</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2="1" tag="264">
      <marc:subfield code="a">München</marc:subfield>
      <marc:subfield code="b">Heyne</marc:subfield>
      <marc:subfield code="c">2013</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1="1" ind2=" " tag="520">
      <marc:subfield code="a">Angaben aus der Verlagsmeldung

Die Aufhebung des Zufalls : Warum die meisten Prognosen falsch sind und wie man Ereignisse exakt vorausberechnen kann - Der New York Times Bestseller The Signal and the Noise / von Nate Silver

Zuverlässige Vorhersagen sind doch möglich!
Warum werden Wettervorhersagen immer besser, während die Terrorattacken vom 11.09.2001 niemand kommen sah? Warum erkennen Ökonomen eine globale Finanzkrise nicht einmal dann, wenn diese bereits begonnen hat? Das Problem ist nicht der Mangel an Informationen, sondern dass wir die verfügbaren Daten nicht richtig deuten. Zuverlässige Prognosen aber würden uns helfen, Zufälle und Ungewissheiten abzuwehren und unser Schicksal selbst zu bestimmen. Nate Silver zeigt, dass und wie das geht. Erstmals wendet er seine Wahrscheinlichkeitsrechnung nicht nur auf Wahlprognosen an, sondern auf die großen Probleme unserer Zeit: die Finanzmärkte, Ratingagenturen, Epidemien, Erdbeben, den Klimawandel, den Terrorismus. In all diesen Fällen gibt es zahlreiche Prognosen von Experten, die er überprüft – und erklärt, warum sie meist falsch sind. Gleichzeitig schildert er, wie es gelingen kann, im Rauschen der Daten die wesentlichen Informationen herauszufiltern. Ein unterhaltsamer und spannender Augenöffner!
</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="020">
      <marc:subfield code="a">9783453200487</marc:subfield>
      <marc:subfield code="9">9783453200487</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="020">
      <marc:subfield code="a">3453200489</marc:subfield>
      <marc:subfield code="9">3453200489</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="041">
      <marc:subfield code="a">ger</marc:subfield>
   </marc:datafield>
   <marc:datafield ind1=" " ind2=" " tag="300">
      <marc:subfield code="a">654 S.</marc:subfield>
   </marc:datafield>
</marc:record>
