|
|
|
非參數統計是統計學中的一個重要分支，也是資料分析的一個重要工具。它的一個重要特點是並不假設資料服從某個特定的分佈，而是通過已有的資料去進行分析。相較於其他統計方法，非參數的統計更加穩健，有更好的適用性。
本書是一本國外經典的教材，該書主要介紹了傳統的非參數統計方法，例如單樣本的推斷、多樣本的推斷，配對資料的分析等。此外，在本書的最後也介紹了現代的非參數統計方法，例如非參數的密度估計。書中通過將基礎理論與實際例子相結合的辦法，講解了不同統計方法的優點和不足，給研究人員在實際問題中選擇合適的方法提供了參考。
本書可作為統計專業本科高年級學生或者研究生的教材，也可以作為專業人員非參數統計的工具書。
彼得·斯普倫特（Peter Sprent）是蘇格蘭鄧迪大學退休的統計教授。他在塔斯馬尼亞大學作為學生時，就被研究非參數方法的先驅EJG皮特曼引薦。他善於借助電腦程式來進行資料分析，使得非參數統計的各種方法實現成為可能。
尼格爾 C.斯密頓（Nigel C.Smeeton）是英國赫特福德大學社區保障研究中心的社會統計學專家。他專注非參數統計在醫療中的應用和教學30餘年，同時他也是倫敦國王學院的榮譽講師。
前言
第1章 基本概念1
1.1 基本統計知識1
1.2 總體和樣本8
1.3 假設檢驗10
1.4 估計15
1.5 職業規範17
1.6 習題20
第2章 非參數方法基礎23
2.1 置換檢驗23
2.2 二項檢驗26
2.3 順序統計量和秩30
2.4 資料探索33
2.5 非參數方法的效率39
2.6 電腦和非參數方法40
2.7 擴展閱讀42
2.8 習題42
第3章 單樣本的位置推斷45
3.1 範例的安排45
3.2 連續資料樣本45
3.3 基於秩的中位數推斷46
3.4 符號檢驗62
3.5 計分檢驗的應用66
3.6 檢驗比較及穩健性71
3.7 應用領域76
3.8 總結79
3.9 習題79
第4章 其他單樣本的推斷83
4.1 資料的其他特徵83
4.2 匹配樣本分佈83
4.3 二分數據的推斷95
4.4 符號檢驗的推廣106
4.5 隨機游程檢驗109
4.6 角座標資料113
4.7 應用領域118
4.8 總結121
4.9 習題122
第5章 配對樣本的方法125
5.1 配對的比較125
5.2 一個不常見的符號檢驗的應用133
5.3 勢函數和樣本量135
5.4 應用領域143
5.5 總結145
5.6 習題145
第6章 兩個獨立樣本的方法151
6.1 中心位置的核對總和估計151
6.2 中位數檢驗161
6.3 正態計分檢驗169
6.4 同方差的檢驗170
6.5 共同分佈的檢驗179
6.6 勢函數和樣本量184
6.7 應用領域189
6.8 總結190
6.9 習題191
第7章 多樣本的基本檢驗195
7.1 與參數方法的比較195
7.2 獨立樣本的中心位置檢驗196
7.3 Friedman、Quade和Page檢驗208
7.4 二元回應資料215
7.5 異方差檢驗215
7.6 一些其他的考慮217
7.7 應用領域220
7.8 總結221
7.9 習題222
第8章 結構化資料的分析227
8.1 因素的處理結構227
8.2 平衡的2×2因素結構229
8.3 交互作用的本質234
8.4 交互作用的其他處理方法237
8.5 交叉試驗248
8.6 單獨和多重比較250
8.7 應用領域254
8.8 總結256
8.9 習題257
第9章 生存資料分析261
9.1 生存資料的主要特點261
9.2 調整的Wilcoxon檢驗264
9.3 原始分排序和對數秩轉化269
9.4 順序資料的中位數檢驗277
9.5 檢驗的選擇278
9.6 應用領域278
9.7 總結279
9.8 習題280
第10章 相關性和一致性283
10.1 兩個變數之間的相關性283
10.2 多個變數的秩303
10.3 一致性分析306
10.4 應用領域314
10.5 總結316
10.6 習題316
第11章 二維線性回歸321
11.1 直線的擬合321
11.2 應用領域343
11.3 總結344
11.4 習題344
第12章 分類資料347
12.1 分類和計數347
12.2 定性屬性的分類357
12.3 有序的分類資料363
12.4 離散資料的擬合檢驗374
12.5 McNemar檢驗的推廣378
12.6 應用領域380
12.7 總結382
12.8 習題382
第13章 分類資料的關聯性分析389
13.1 關聯性的分析389
13.2 列聯表的一些模型390
13.3 合併和拆分表420
13.4 一個法律困境427
13.5 勢429
13.6 應用領域430
13.7 總結431
13.8 習題432
第14章 穩健估計437
14.1 當假設不成立時437
14.2 離群點及其影響439
14.3 重抽樣的方法444
14.4 Ｍ估計和其他穩健估計461
14.5 應用領域465
14.6 總結466
14.7 習題467
第15章 現代非參數方法469
15.1 重點的轉移469
15.2 密度函數的估計470
15.3 回歸474
15.4 Logistic回歸482
15.5 多中繼資料487
15.6 針對大型資料的新方法493
15.7 集群之間的相關性496
15.8 總結498
15.9 習題499
附錄1503
附錄2505
參考文獻511
索引526
