应用非参数统计方法（注释版 原书第4版）

图书标准信息

• 作者 [英]彼得·斯普伦特（Peter Sprent）、[英]尼格尔 C.斯密顿（Nigel C. Sme） 著；褚挺进 注
• 出版社 机械工业出版社
• 出版时间 2015-01
• 版次 1
• ISBN 9787111484073
• 定价 69.80元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 530页
• 丛书 国外实用统计丛书

【内容简介】

　　非参数统计是统计学中的一个重要分支，也是数据分析的一个重要工具。它的一个重要特点是并不假设数据服从某个特定的分布，而是通过已有的数据去进行分析。相较于其他统计方法，非参数的统计更加稳健，有更好的适用性。
　　《应用非参数统计方法（注释版 原书第4版）》是一本国外经典的教材，该书主要介绍了传统的非参数统计方法，例如单样本的推断、多样本的推断，配对数据的分析等。此外，在本书的最后也介绍了现代的非参数统计方法，例如非参数的密度估计。书中通过将基础理论与实际例子相结合的办法，讲解了不同统计方法的优点和不足，给研究人员在实际问题中选择合适的方法提供了参考。
　　《应用非参数统计方法（注释版 原书第4版）》可作为统计专业本科高年级学生或者研究生的教材，也可以作为专业人员非参数统计的工具书。

【作者简介】

　　彼得·斯普伦特（Peter Sprent），是苏格兰邓迪大学退休的统计教授。他在塔斯马尼亚大学作为学生时，就被研究非参数方法的先驱EJG皮特曼引荐。他善于借助计算机程序来进行数据分析，使得非参数统计的各种方法实现成为可能。

　　尼格尔 C.斯密顿（Nigel C.Smeeton），是英国赫特福德大学社区保障研究中心的社会统计学专家。他专注非参数统计在医疗中的应用和教学30余年，同时他也是伦敦国王学院的荣誉讲师。

【目录】

第1章基本概念
1.1基本统计知识
1.2总体和样本
1.3假设检验
1.4估计
1.5职业规范
1.6习题

第2章非参数方法基础
2.1置换检验
2.2二项检验
2.3顺序统计量和秩
2.4数据探索
2.5非参数方法的效率
2.6计算机和非参数方法
2.7扩展阅读
2.8习题

第3章单样本的位置推断
3.1范例的安排
3.2连续数据样本
3.3基于秩的中位数推断
3.4符号检验
3.5计分检验的应用
3.6检验比较及稳健性
3.7应用领域
3.8总结
3.9习题

第4章其他单样本的推断
4.1数据的其他特征
4.2匹配样本分布
4.3二分数据的推断
4.4符号检验的推广
4.5随机游程检验
4.6角坐标数据
4.7应用领域
4.8总结
4.9习题

第5章配对样本的方法
5.1配对的比较
5.2一个不常见的符号检验的应用
5.3势函数和样本量
5.4应用领域
5.5总结
5.6习题

第6章两个独立样本的方法
6.1中心位置的检验和估计
6.2中位数检验
6.3正态计分检验
6.4同方差的检验
6.5共同分布的检验
6.6势函数和样本量
6.7应用领域
6.8总结
6.9习题

第7章多样本的基本检验
7.1与参数方法的比较
7.2独立样本的中心位置检验
7.3Friedman、Quade和Page检验
7.4二元响应数据
7.5异方差检验
7.6一些其他的考虑
7.7应用领域
7.8总结
7.9习题

第8章结构化数据的分析
8.1因素的处理结构
8.2平衡的2×2因素结构
8.3交互作用的本质
8.4交互作用的其他处理方法
8.5交叉试验
8.6单独和多重比较
8.7应用领域
8.8总结
8.9习题

第9章生存数据分析
9.1生存数据的主要特点
9.2调整的Wilcoxon检验
9.3原始分排序和对数秩转化
9.4顺序数据的中位数检验
9.5检验的选择
9.6应用领域
9.7总结
9.8习题

第10章相关性和一致性
10.1两个变量之间的相关性
10.2多个变量的秩
10.3一致性分析
10.4应用领域
10.5总结
10.6习题

第11章二维线性回归
11.1直线的拟合
11.2应用领域
11.3总结
11.4习题

第12章分类数据
12.1分类和计数
12.2定性属性的分类
12.3有序的分类数据
12.4离散数据的拟合检验
12.5McNemar检验的推广
12.6应用领域
12.7总结
12.8习题

第13章分类数据的关联性分析
13.1关联性的分析
13.2列联表的一些模型
13.3合并和拆分表
13.4一个法律困境
13.5势
13.6应用领域
13.7总结
13.8习题

第14章稳健估计
14.1当假设不成立时
14.2离群点及其影响
14.3重抽样的方法
14.4Ｍ估计和其他稳健估计
14.5应用领域
14.6总结
14.7习题

第15章现代非参数方法
15.1重点的转移
15.2密度函数的估计
15.3回归
15.4Logistic回归
15.5多元数据
15.6针对大型数据的新方法
15.7集群之间的相关性
15.8总结
15.9习题
附录
附录
参考文献
索引