Björn Gottfried Knihy

Graphical queries for searching pictorial information are increasingly important in fields like design, architecture, and engineering, where images convey essential information. Sketching these queries helps express the visual characteristics of desired objects. However, a challenge arises in identifying necessary shape properties within sketches, as they are often imprecise and influenced by the artist's limitations. The concept of pictorial space is crucial in addressing this issue. New approaches are needed to manage imprecise shape information in two dimensions. A proposed relation algebra of intersection-free relations facilitates reasoning about qualitative line arrangements in the plane. This theory extends to characterizing polygons by deriving qualitative properties that assist in their description. It emphasizes that only line arrangements that are easily sketched and perceived are considered distinct. The introduction of positional-contrast highlights that the specific arrangements of line segments, and their relative positions, serve as a powerful means to define necessary shape properties. This methodology is particularly effective for utilizing graphical queries in the search for historical objects.

Die Digitalisierung hat zu einem enormen Anstieg an Daten geführt, wodurch der kompetente Umgang mit diesen in Wirtschaft und Gesellschaft zunehmend an Bedeutung gewinnt. Das notwendige statistische Know-how basiert auf der Wahrscheinlichkeitstheorie, die grundlegende Konzepte definiert, um Datenkompetenz zu entwickeln. Für Anfänger ist die Literatur in diesem Bereich jedoch oft formal und schwer verständlich. Dieses Buch bietet eine visuelle Sprache der Wahrscheinlichkeitstheorie als Alternative, die einen grafischen Zugang zu den mathematischen Konzepten ermöglicht. Diese visuelle Sprache unterscheidet sich von herkömmlichen Datenvisualisierungen, da sie die zugrunde liegenden Konzepte diagrammatisch abbildet und sich gut für das Selbststudium eignet. Anhand zahlreicher Beispiele werden wesentliche Grundlagen der Mengenlehre sowie mehrstufige und gemischte Experimente, diskrete und stetige Verteilungen, Signifikanztests und Begriffe wie Abhängigkeit und Bedingtheit erklärt. Alle Konzepte werden in einem einheitlichen Rahmen präsentiert, was Wechselwirkungen zwischen ihnen verdeutlicht. Der Lernende kann durch die Konstruktion und Erweiterung eines Diagramms, das die Aufgabenstellung repräsentiert, schließlich die Lösung ableiten. Diese Methode fördert eine grundlegende Kompetenz im Umgang mit Daten und führt zu einem neuen Verständnis von Daten und ihren Zusammenhängen.