非参数统计是21世纪统计理论的三大发展方向之一。标准的参数方法强烈地依赖于对数据分布的假设，而非参数方法对模型要求甚少，且更加简单和稳健。随着计算工具的发展，非参数统计模型在许多领域中有越加广泛的应用。非参数统计不仅是统计类学科的必修课，也是统计应用工作者必须掌握的基本方法和思想。 　　本书是作者多年从事非参数统计研究和教学的经验总结。作者用清晰、简洁的语言和丰富的实例，为读者介绍了何时以及如何应用最普遍的非参数统计方法。书后配备了大量意义丰富的习题并附有部分答案。本书为国外众多学校所采用，是一本备受赞誉的非参数统计方面的权威教材。 　　非参数统计为有效地分析试验设计及其实际问题中所获得的数据提供了丰富而有说服力的统计工具，而本书则从问题背景与动机、方法引进、理论基础、计算机实现、应用实例、文献综述等诸多方面介绍了非参数统计方法，其内容包括：基于二...(展开全部)

和第一版相比较，第二版对许多内容完全重新写过，还进行了一些调整，同时加强了对概念和方法的解释，使得该书更加容易理解。第二版还对例题和习题都做了一些修订和增减，并且都在光盘中给出了数据。此外，还增加了一些内容，特别是关于如何通过编程来理解方法，以及用软件来实现数值计算的内容。本书在课文中关于计算方法的叙述中主要使用了免费的，功能强大的，需要自己动手写程序的R软件；力图清楚地用R语句来描述计算的细节。这也是一些“黑匣子”式的傻瓜软件所无法比拟的。R软件是使用S语言来编程的(和S—plus的编程语言一样)；在其问世的不到10年的时间，已经成为国外统计研究生的首选软件。它有强大的网上支持系统。多数最新的统计计算方法，在进入商业软件之前，就已经以R语言的形式在R网站上免费提供了。使用本书的师生最好也使用R语言。掌握R软件对其他统计方向的学习和研究都会有很大的帮...(展开全部)

非参数统计是数理统计学中一个体系博大、理论精深且富有实用价值的分支，本书对非参数统计的理论和方法进行了系统的论述，内容上有一定的广度和深度，经典全面，反映了本学科的现代面貌，语言表达具有简洁、朴实的特点。

《现代非参数统计》是“An of Nonparametric Statistics”的中译本，源于作者为研究生开设的课程讲义，包括了几乎所有的现代非参数统计的内容．这种包罗万象的书不但国内没有，在国外也很难找到。《现代非参数统计》主要包括10章内容，主要讲述非参数delta方法和自助法之类的经验CDF、覆盖基本的光滑方法和正态均值、利用正交函数的非参数推断、小波和其他的适应方法等。

本书是非参数统计方法的基础课教材。书中介绍了非参数统计的基本概念和理论，着重于在统计各应用领域常用的方法，以及非参数统计推断的一般处理技术和原则。本书系纺统地阐述了有广泛应用的U统计量、线性秩统计量及样本次序统计量线性组合等的基本性质，研究了它们的假设检验和估计等统计推断中的应用。全书共分九章，内容包括：U统计量、线性秩统计量，非参数假设检验功效的研究，样本次序统计量构成的非参数估计，Hodges-Lehmann估计，M估计等。 具有高等数学及概率统计基本知识的读者即可读懂本书的主要内容。本书可作为大学本科高年级学生或硕士研究生学习非参数统计方法的教材，亦可作为从事统计及其他领域实际工作者查阅非参数统计方法的参考书。

《非线性时间序列:非参数与参数方法(影印版)》论述当代统计方法和非线性时间序列分析，着重阐述过去十年发展起来的非参数和半参数技术。主要内容包括相空间、频域及时域中的建模技术；为说明参数方法和非参数方法在时间序列数据分析中的一体性，《非线性时间序列:非参数与参数方法(影印版)》给出某些参数化非线性模型的最新论述，如ARCH／GARCH模型和阈值模型；以及关于ARMA模型的一个简洁观点。《非线性时间序列:非参数与参数方法(影印版)》始终使用实际应用中得到的数据，阐明如何借助非参数方法揭示高维数据的局部结构。《非线性时间序列:非参数与参数方法(影印版)》还介绍了一些重要的技术工具。

《非线性时间序列:非参数与参数方法(影印版)》论述当代统计方法和非线性时间序列分析，着重阐述过去十年发展起来的非参数和半参数技术。主要内容包括相空间、频域及时域中的建模技术；为说明参数方法和非参数方法在时间序列数据分析中的一体性，《非线性时间序列:非参数与参数方法(影印版)》给出某些参数化非线性模型的最新论述，如ARCH／GARCH模型和阈值模型；以及关于ARMA模型的一个简洁观点。《非线性时间序列:非参数与参数方法(影印版)》始终使用实际应用中得到的数据，阐明如何借助非参数方法揭示高维数据的局部结构。《非线性时间序列:非参数与参数方法(影印版)》还介绍了一些重要的技术工具。

《实用多元统计分析(第6版)》多元统计分析是统计学中内容十分丰富、应用范围极为广泛的一个分支。在自然科学和社会科学的许多学科中，研究者都有可能需要分析处理有多个变量的数据的问题。能否从表面上看起来杂乱无章的数据中发现和提炼出规律性的结论，不仅需要对所研究的专业领域有很好的训练，而且要掌握必要的统计分析工具。对研究者来说，《实用多元统计分析》是学习掌握多元统计分析的各种模型和方法的一本有价值的参考书：首先，它做到了“浅入深出”，既可供初学者入门，又能使有较深基础的人受益；其次，它既侧重于应用，又兼顾必要的推理论证，使学习者既能学到“如何”做，又能在一定程度上了解“为什么”这样做；最后，它内涵丰富、全面，不仅基本包括各种在实际中常用的多元统计分析方法，而且对现代统计学的最新思想和进展有所介绍。

多元统计分析是统计学中内容十分丰富、应用范围极为广泛的一个分支。在自然科学和社会科学的许多学科中，研究者都有可能需要分析处理有多个变量的数据的问题。能否从表面上看起来杂乱无章的数据中发现和提炼出规律性的结论，不仅需要对所研究的专业领域有很好的训练，而且要掌握必要的统计分析工具。 对研究者来说，本书是学习掌握多元统计分析的各种模型和方法的一本有价值的参考书：首先，它做到了“浅入深出”，既可供初学者入门，又能使有较深基础的人受益；其次，它既侧重于应用，又兼顾必要的推理论证，使学习者既能学到“如何”做，又能在一定程度上了解“为什么”这样做；最后，它内涵丰富、全面，不仅基本包括各种在实际中常用的多元统计分析方法，而且对现代统计学的最新思想和进展有所介绍。值得一提的是，本书中有大量来自实际问题的数据实例，通过对这些实例的分析，读者可以学到如何将一个实际问题转化...(展开全部)

近年来，在所有科学学科和工业环境中收集的数据量和种类都出现了爆炸式增长。如此庞大的数据集给统计和机器学习领域的研究人员带来了许多挑战。本书对高维统计学进行了详尽介绍，重点介绍核心方法论和理论，包括尾部界、集中不等式、一致律和经验过程以及随机矩阵。此外还深入探索了特定的模型类,包括稀疏线性模型、用秩约束矩阵模型、图模型和各种类型的非参数模型。书中提供了数百个工作示例和练习，既适合统计学相关课程使用，也适合统计学、机器学习和相关领域的研究生与研究人员自学。