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、管理專業的本科生課程的教材，也可以作為其他相關專業研究生的教材和教學參考書，另外，對廣大從事與統計相關工作的實際工作者也具有參考價值。
本版在第1版的基礎上，加入了一些實驗、案例的內容，使理論與數學軟件及實踐的聯系更加密切。
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 基于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 χ2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-Whitney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 4.6 Cochran檢驗 4.7 Durbin不區組分析法 4.8 案例 習題 第5章 分類數據的關聯分析 5.1 rs列聯表和χ2獨立性檢驗 5.2 χ2齊性檢驗 5.3 Fisher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 Kendallτ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 關于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 k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 8.4 k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 9.3 k近鄰 9.4 決策樹 9.4.1 決策樹基本概念2 9 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 Bo 9.5.1 Boosting方法 9.5.2 AdaBoost.M1算法 9.6 支持向量機 9.6.1 較大邊距分類 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 9.8.1 MARS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 A.1 R基本概念和操作 A.1.1 R環境 A.1.2 常量 A.1.3 算術運算 A.1.4 賦值 A.2 向量的生成和基本操作 A.2.1 向量的生成 A.2.2 向量的基本操作 A.2.3 向量的運算 A.2.4 向量的邏輯運算 A.3 高級數據結構 A.3.1 矩陣的操作和運算 A.3.2 數組 A.3.3 數據框 A.3.4 列表 A.4 數據處理 A.4.1 保存數據 A.4.2 讀入數據 A.4.3 數據轉換 A.5 編寫程序 A.5.1 循環和控制 A.5.2 函數 A.6 基本統計計算 A.6.1 抽樣 A.6.2 統計分布 A.7 R的圖形功能 A.7.1 plot函數 A.7.2 多圖顯示 A.8 R幫助和包 A.8.1 R幫助 A.8.2 R包 習題 附錄B 常用統計分布表 參考文獻
