非参数统计——基于Python(基于Python的数据分析丛书)

非参数统计是统计学 和数据科学的重要分支领 域。本书作为该领域的基 础教材，其特点体现在以 下几方面： 1.针对性强。该书针 对数据分析专业的特点和 需要，阐述非参数统计的 基本概念、理论、方法和 编程，重点从非受控观察 数据对参数推断知识的需 要角度出发，将统计推断 知识、理论和方法与反事 实复杂场景因果关系的解 读与判断问题相结合，应 用于稳健估计、局部模式 、严格证据的信息提取任 务中。 2.通用性强。适用于 Python技术数据管理人才 培养。增加Python技术的 应用内容，编写了Python 综合程序，降低了统计理 论学习难度，增强了技术 的可嵌入性；自主研发的 精确分析求解程序，大大 补充了Python中小数据推 断程序的不足，计算的便 利性大幅提升，适用于 Python自动化测试、运维 、数据分析等多种高端数 据管理岗位的嵌入式学习 需求。 3.内容新颖。顺应人 工智能时代发展和数据分 析大环境的变化，对特征 工程有效降噪及控制错误 发现率等方面的内容作了 阐述与分析，针对深度学 习对图像应用的需求增加 ，增加了深度学习的内容 。

第1章 基本概念 1.1 非参数统计的概念与产生 1.1.1 非参数统计的研究对象 1.1.2 非参数统计简史 1.2 假设检验回顾 1.3 经验分布和分布探索 1.3.1 经验分布 1.3.2 生存函数 1.4 检验的相对效率 1.5 分位数和非参数估计 1.5.1 顺序统计量 1.5.2 分位数的定义 1.5.3 分位数的估计 1.5.4 分位数的图形表示 1.6 秩检验统计量 1.6.1 无重复数据的秩及性质 1.6.2 带结数据的秩及性质 1.7 U统计量 1.7.1 单一样本的U统计量和主要特征 1.7.2 两样本U检验统计量和分布 习题 第2章 单变量位置推断问题 2.1 符号检验和分位数推断 2.1.1 基本概念 2.1.2 大样本的检验方法 2.1.3 符号检验在配对样本比较中的应用 2.1.4 分位数检验——符号检验的推广 2.2 Cox-Stuart 趋势存在性检验 2.2.1 最优权重Cox-Stuart统计量基本原理 2.2.2 等权重Cox-Stuart统计量 2.3 随机游程检验 2.3.1 两类随机游程检验 2.3.2 三类及多类游程检验 2.4 Wilcoxon符号秩检验 2.4.1 基本概念 2.4.2 Wilcoxon 符号秩检验和抽样分布 2.5 估计量的稳健性评价 2.5.1 敏感曲线 2.5.2 影响函数 2.5.3 失效点 2.6 单组数据的位置参数置信区间估计 2.6.1 顺序统计量位置参数置信区间估计 2.6.2 基于方差估计法的位置参数置信区间估计 2.7 正态记分检验 2.8 分布的一致性检验 2.8.1 X2拟合优度检验 2.8.2 Kolmogorov-Smirnov 正态性检验 2.8.3 Liliefor 正态分布检验 2.9 单一总体渐近相对效率比较 习题