三民網路書店 中國圖書館分類法 / 數理科學和化學 / 數學 / 概率論與數理統計 / 非參數統計

現代非參數統計方法是統計學方法論的一個重要組成部分，《現代非參數統計方法》主要介紹若干經典的現代非參數統計方法，包括非參數密度估計、非參數回歸方法、分位數回歸和非參數似然方法(經驗似然)。密度估計方面介紹一元和多元核密度估計；非參數回歸方面介紹局部多項式估計的構造、理論性質和應用，樣條函數的基本理論、樣條估計理論；分位數回歸方面介紹分位數回歸的基本思想、計算、理論性質與統計推斷；經驗似然部分介紹經驗似然的基本思想、經驗似然理論與估計方程、密度比模型下的經驗似然以及經驗似然的其他方面。同時，《現代非參數統計方法》也介紹一些統計模型，如一元非參數回歸模型、可加回歸模型、變係數回歸模型、部分線性回歸模型和單指標回歸模型等常用的統計模型。

《相依樣本下若干模型的統計推斷》主要講述混合、正負相協、拓廣負相依、寬相依和負超可加相依等相依結構下的不等式研究，特別是非參數和半參數模型的統計理論和方法. 如若干相依序列的定義和不等式、密度函數和分布函數估計的相合性與漸近正態性、非參數回歸函數小波估計的強相合和Berry-Esseen界、半參數回歸模型小波估計的弱收斂速度和Berry-Esseen界、生存模型中幾類函數估計的強逼近及收斂速度、風險度量VaR 和CVaR 估計的漸近性質等.

本書是統計學專業的非參數統計教材，相比其他教材，本書有如下特點：1．內容全面，結構合理。本書內容包括基於秩的經典非參數統計方法、列聯分析方法、基於經驗分佈函數的方法以及現代非參數統計方法，從秩方法開始逐步過渡到現代非參數方法，由淺入深，較為全面地介紹了非參數統計的思想和應用。 2．例題豐富，講解清晰。本書強調理論聯繫實際，通過實際例子講授非參數統計思想。每個知識點都配有例題，並用R語言實現，所有代碼都可在網上下載，讀者可以很方便地通過複現結果或舉一反三來加深理解。 3．難度適中，文獻豐富。本書對概念進行詳細講解，同時儘量避免複雜的數學公式和推導。重要的理論結果放在習題中供讀者參考。對於相關知識點的擴展則給出參考文獻供讀者學習。

本書介紹非參數統計的基本概念和方法,其內容包括:預備知識、U統計量、基於二項分佈的檢驗、列聯分析、秩檢驗、檢驗的功效與漸近相對效率、概率密度估計、非參數回歸.每一章內容都著重闡述非參數統計推斷的一般處理技術和原則,並給出一些典型例子.各章後面的習題側重于應用.本書的特點是側重於介紹非參數統計在各應用領域中的常用方法,盡可能簡化公式推導並淡化理論證明.此外,本書有選擇地安排一些模擬計算和實際數據分析,其主要程序放在附錄A中.

本書主要介紹非參數密度估計、非參數回歸估計和經驗似然估計，這些非參數估計方法是現代統計學中的重要方法。非參數密度估計的內容包括核密度估計、最近鄰密度估計和頻率插值密度估計，而非參數回歸估計的內容包括隨機設計權函數回歸估計、固定設計權函數回歸估計和混合相依樣本下的非參數回歸估計。書中主要介紹這些估計方法的構造和定義，以及相關的大樣本性質。編寫內容部分參考了一些學術專著，也有部分來源於學術論文，並經過適當的提煉和昇華，對一些數值模擬計算還配有R軟件代碼，使其更加通俗易懂，適應更多讀者。

近年來，隨著數據獲取能力的不斷提高和計算機的飛速發展，人們獲得的數據信息越來越多，數據維數越來越高，如何尋找這些海量高維數據信息中潛在的規律，更好地為人類服務，是目前人工智能面臨的挑戰之一。 在沒有標簽信息的情況下，對高維數據實施維數約簡的同時進行歸類分析，挖掘數據的內在低秩結構，是當前機器學習的一個難點、也是熱點之一。譜聚類作為聚類分析的一種，不僅對初始值和數據噪聲有更好的魯棒性，而且實施簡單，可以被標準的線性代數方法進行有效求解。因此，基於低秩結構學習的譜聚類理論和方法在機器學習、人工智能、大數據技術方面有著更加廣闊的應用空間。本書主要研究了基於低秩結構學習的譜聚類理論與方法，從矩陣和張量兩方面進行研究。重點關注緊湊低秩表示學習、魯棒的無監督特徵選擇學習、圖正則化低秩因子分解學習、張量低秩稀疏表示學習和增強的張量低秩表示學習等，理論分析了這些基於低秩結構的表示學習方法優化過程、複雜度、收斂性等，實驗結果表明了這些方法在譜聚類方面的優越性。

本書是“All of Nonparametrir Staristics”的中譯本，源于作者為研究生開設的課程講義，包括了幾乎所有的現代非參數統計的內容。這種包羅萬象的書不但周內沒有，在同外也很難找到。本書主要包括10章內容，主要講述非參數delta方法和自助法之類的經驗CDF、覆蓋基本的光滑方法和正態均值、利用正交函數的非參數推斷、小波和其他的適應方法等。 本書適合統計和計算機科學的高年級大學生

本書為中國人民大學“十三五”規劃教材――核心教材。非參數統計是統計學和數據科學的重要分支領域，本書作為該領域的基礎教材，在內容上盡可能涵蓋非參數統計基礎知識的各個方面。為了使盡可能多的讀者通過本書對非參數統計和穩健統計有所瞭解, 作者盡可能多地從方法的背景、原理、R 使用和案例四個方面進行詳細介紹。本書內容主要包括基本概念、單變量位置推斷問題、兩獨立樣本數據的位置和尺度推斷、多組數據位置推斷、分類

隨著科學技術的發展，統計學產生了一個非常重要的分支―非參數統計，它真正做到了“讓數據自身說話”，所以該分支在實踐中有著廣泛的應用，近年來有關該領域的研究得到長足的發展。眾所周知，非參數估計中最重要的一步就是“窗寬選擇”，然而系統地研究這方面問題的專著尚未出現(就筆者本人而言)，所以該項目成果利用最前沿的統計理論和方法來解決四大當代非參數統計學中窗寬選擇的前沿問題。

《北京工業大學研究生創新教育系列教材：應用非參數統計》共分七章：第一章，預備知識；第二章，U統計量；第三章，基於二項分佈的檢驗；第四章，列聯分析；第五章，秩檢驗；第六章，檢驗的漸近相對效率；第七章，概率密度估計，第八章非參數回歸函數的估計。《北京工業大學研究生創新教育系列教材：應用非參數統計》可作為概率統計、生物統計和計量經濟等相關學科專業的本科生和碩士研究生的教材，也可作為高校教師和科研人員的科

本書共十章。第一章闡述非參數統計的特點，第二章講解描述性統計方法，第三、四章分別講解符號檢驗法、符號秩和檢驗法，第五到八章分別講解兩樣本、多樣本和區組設計等問題以及相關分析的非參數統計方法，第九章講解非參數密度估計和非參數回歸，第十章講解檢驗的漸近相對效率。本書結合統計軟件和案例分析講解非參數統計的理論與方法，可以作為統計專業的教學用書，也適宜於社會學、心理學、人口學、醫學、教育學及生物學等學科的

本書闡述現代非參數統計方法和理論。本書在取材上側重內容的科學性和應用性，體現學術思想，在寫作上注重方法論，結構上每章內容自成體系，方便讀者閱讀。全書共分七章：第一章，預備知識；第二章，概率密度函數的估計；第三章，條件密度函數的估計；第四章，非參數回歸；第五章，分位元數函數的估計。本書適合高等院校統計學及其相關專業的大學生作為教學用書，可以作為教師和科研人員、工程技術人員和研究生參考使用。

本書是非參數統計教材，內容從經典非參數統計推斷到現代前沿，包括基本概念、單一樣本的推斷問題、兩獨立樣本數據的位置和尺度推斷、多組數據位置推斷、分類數據的關聯分析、秩相關和分位數回歸、非參數密度估計、一元非參數回歸和數據挖掘與機器學習共計9章。本書配有大量與社會、經濟、金融、生物等專業相關的例題和習題，還配置了一些實驗或案例。方便結合R軟件進行探索、研究。 本書可以作為高等院校統計、經濟、金融

《非參數統計與SPSS/R/SAS軟件應用》在介紹非參數統計各個方法原理的基礎上，使用SPSS、R、SAS三種統計軟件對其進行計算，各種軟件實現的結果不僅會使讀者對原理的理解更加深入，而且可以為應用研究提供技術支持。 《非參數統計與SPSS/R/SAS軟件應用》內容包括：緒論，之後為單個樣本、兩個相關樣本、兩個獨立樣本和多個相關樣本、多個獨立樣本的非參數檢驗，以及非參數的相關分析，列聯分析與對數

本書是非參數統計方法的基礎課教材。書中介紹了非參數統計的基本概念和理論，著重于在統計各應用領域常用的方法，以及非參數統計推斷的一般處理技術和原則。本書系紡統地闡述了有廣泛應用的U統計量、線性秩統計量及樣本次序統計量線性組合等的基本性質，研究了它們的假設檢驗和估計等統計推斷中的應用。全書共分九章，內容包括：U統計量、線性秩統計量，非參數假設檢驗功效的研究，樣本次序統計量構成的非參數估計，Hodges

本書論述了面向海量文本的聚類集成關鍵技術，描述了運用流行的聚類方法對高維海量文本數據進行預處理、聚類集成的過程，向讀者展示了在聚類集成框架下，如何引入流行的聚類方法，並設計高效的聚類集成方法，使讀者瞭解聚類集成技術的基本原理。本書以簡潔易懂的語言描述了聚類集成的基本理論、關鍵技術及研究過程。本書可供智能控制、計算機等領域的教師、研究生及其他相關人員參考。

主要討論半參數部分線性模型在形狀約束條件下的統計推斷問題, 內容包括形狀約束半參數部分線性模型的經典估計問題, 貝葉斯估計問題以及形狀約束的假設檢驗問題。此書注重數學推導，作為數理統計的重要組成部分，從理論方面對半參數模型進行了詳細闡述，對經典問題進行了引申並輔以案例說明，為實證研究提供了理論支持。

非參數統計是數理統計學中一個體系博大、理論精深且富有實用價值的分支，《陳希孺文集：非參數統計》對非參數統計的理論和方法進行了系統的論述，內容上有一定的廣度和深度，經典全面，反映了本學科的現代面貌，語言表達具有簡潔、樸實的特點，適合于高等學校概率和統計專業的本科生、研究生與老師，數理統計研究工作者以及具有相當數學水平的實用統計工作者閱讀。