第1章基本概念
1.1非參數統計概念與產生
1.2假設檢驗回顧
1.3經驗分布和分布探索
1.3.1經驗分布
1.3.2生存函數
1.4檢驗的相對效率
1.5分位數和非參數估計
1.6秩檢驗統計量
1.7 U統計量
1.8實驗
習題
第2章單一樣本的推斷問題
2.1符號檢驗和分位數推斷
2.1.1基本概念
2.1.2大樣本計算
2.1.3符號檢驗在配對樣本比較中的應用
2.1.4分位數檢驗——符號檢驗的推廣
2.2 Cox—Staut趨勢存在性檢驗
2.3隨機游程檢驗
2.4 Wilcoxon符號秩檢驗
2.4.1基本概念
2.4.2 Wilcoxon符號秩檢驗和抽樣分布
2.5單組數據的位置參數置信區間估計
2.5.1順序統計量位置參數置信區間估計
2.5.2基於方差估計法的位置參數置信區間估計
2.6正態記分檢驗
2.7分布的一致性檢驗
2.7.1 X2擬合優度檢驗
2.7.2 Kolmogorov—Smirnov正態性檢驗
2.7.3 Liliefor正態分布檢驗
2.8單一總體漸近相對效率比較
2.9實驗
習題
第3章兩獨立樣本數據的位置和尺度推斷
3.1 Brown—Mood中位數檢驗
3.2 Wilcoxon—Mann—WI’’utney秩和檢驗
3.3 Mood方差檢驗
3.4 Moses方差檢驗
3.5實驗
習題
第4章多組數據位置推斷
4.1試驗設計和方差分析的基本概念回顧
4.2 Kruskal—Wallis單因素方差分析
4.3 Jonckheere—Terpstra檢驗
4.4 Friedman秩方差分析法
4.5隨機區組數據的調整秩和檢驗
4.6Cochran檢驗
4.7 Durbin不完全區組分析法
4.8案例
習題
第5章分類數據的關聯分析
5.1 r×s列聯表和X2獨立性檢驗
5.2 X2齊性檢驗
5.3 Fisher精確性檢驗
5.4 Mantel—Haenszel檢驗
5.5關聯規則
5.5.1關聯規則基本概念
5.5.2 Apriori算法
5.6 Ridit檢驗法
5.7對數線性模型
5.7.1對數線性模型的基本概念
5.7.2模型的設計矩陣
5.7.3模型的估計和檢驗
5.7.4高維對數線性模型和獨立性
5.8案例
習題
第6章秩相關和分位數回歸
6.1 Spearman秩相關檢驗
6.2 Kendall T相關檢驗
6.3多變量Kendall協和系數檢驗
6.4 Kappa 一致性檢驗
6.5中位數回歸系數估計法
6.5.1 Brown—Mood方法
6.5.2 Theil方法
6.5.3關於α和β的檢驗
6.6線性分位回歸模型
6.7案例
習題
第7章非參數密度估計
7.1直方圖密度估計
7.1.1基本概念
7.1.2理論性質和最優帶寬
7.1.3多維直方圖
7.2核密度估計
7.2.1核函數的基本概念
7.2.2理論性質和帶寬
7.2.3多維核密度估計
7.2.4貝葉斯決策和非參數密度估計
7.3尼近鄰估計
7.4案例
習題
第8章一元非參數回歸
8.1核回歸光滑模型
8.2局部多項式回歸
8.2.1局部線性回歸
8.2.2局部多項式回歸的基本原理
8.3 LOWESS穩健回歸
8.4k近鄰回歸
8.5正交序列回歸
8.6罰最小二乘法
8.7樣條回歸
8.7.1模型
8.7.2樣條回歸模型的節點
8.7.3常用的樣條基函數
8.7.4樣條模型的自由度
8.8案例
習題
第9章數據挖掘與機器學習
9.1 一般分類問題
9.2 Logistic回歸
9.2.1 Logistic回歸模型
9.2.2 Logistic回歸模型的極大似然估計
9.2.3 Logistic回歸和線性判別函數LDA的比較
9.3k近鄰
9.4決策樹
9.4.1決策樹基本概念
9.4.2 CART
9.4.3決策樹的剪枝
9.4.4回歸樹
9.4.5決策樹的特點
9.5 BOOSting
9.5.1 Boosting方法
9.5.2AdaBoost.Ml算法
9.6支持向量機
9.6.1最大邊距分類
9.6.2支持向量機問題的求解
9.6.3支持向量機的核方法
9.7隨機森林樹
9.7.1隨機森林樹算法的定義
9，7.2隨機森林樹算法的性質
9.7.3如何確定隨機森林樹算法中樹的節點分裂變量
9.7.4隨機森林樹的回歸算法
9.7.5有關隨機森林樹算法的一些評價
9.8多元自適應回歸樣條
9.8.1MARS與CART的聯系
9.8.2 MARS的一些性質
9.9案例
習題
……
附錄A R基礎
附錄B常用統計分布表
參考文獻
