Parametrik olmayan istatistiklere giriş

11

Son iki yıldır istatistik okuyorum. Öğrendiğim neredeyse her şey parametrik istatistikler hakkında. Şimdi parametrik olmayan istatistikler hakkında daha fazla bilgi edinmek istiyorum. Herkes bu alana kısa (belki de okunabilir) bir giriş önerebilir mi?

self-study nonparametric references

— LaTeXFan
kaynak

12

'Özlü' ile ne demek istediğinize, ne tür bir tedavi istediğinizi (matematiksel ve kavramlar ve sezgi dahil), hangi teknikleri dahil etmek istediğinize bağlıdır.

Kitaplardan başlamayı ve birden fazla kitap okumanızı şiddetle tavsiye ederim .

Conover'ın " Pratik Parametrik Olmayan İstatistikleri " iyidir ve kesinlikle herhangi bir listeye dahil olmaya eğilimliyim.

Daniel'in " Uygulamalı Parametrik Olmayan İstatistikleri " çok iyi, büyüklüğü açısından oldukça kapsamlı.

Neave ve Worthington'un "Dağıtımsız testler " i ilk çıktığında çok okunabilir buldum (ve birçok yönden hala). Günümüzde içindeki kod biraz tarihli görünüyor, ancak öte yandan, genellikle tercüme edilecek kadar okunabilir. Eğer bulabilirseniz iyi bir giriş; yeni satın almazsanız ikinci elinizi almaya değer.

Bazıları bahsettiğim üçünden daha eski, bazıları daha yeni düzinelerce iyi kitap var; Bazıları size bahsettiğimden daha iyi uyabilir. Bir üniversite kütüphanesi ile başlıyorum ve yukarıdaki başlıklarda olduğu gibi terimlerle aramalara göz atacağım ve mümkünse yakınlarda ne olduğunu görün.

Birkaç tanesini okuyun ve beğendiğiniz birkaç tanesini bulun.

Bir mezhep olarak parametrik olmayanlar yaptığımda, önerilen okumada sekiz kitap gibi bir şey vardı, belki daha fazla. Her birinde diğerlerinin yokluğunda bir şey vardı. Hepsine bir göz attığım için memnunum.

— Glen_b-Monica'yı eski durumuna döndür
kaynak

4

Çalışma alanınız yumuşak bilimlerde ise (örneğin, psikoloji, sosyoloji, eğitim), Siegel ve Castellan'ın (McGraw-Hill Book Company) Davranış Bilimleri için Parametrik Olmayan İstatistiklerini öneriyorum . (1988'den ikinci baskım var). Önsözden:

Ayırt edici bir özellik, her prosedürün gerçek verilere uygulanmasının adım adım özetidir.

— Joel Reyes Noche
kaynak

3

Larry Wasserman'ın Parametrik Olmayan Tüm İstatistiklerden bahsetmediğini görünce şaşırdım .

Bence göreceli özlü büyüklükte harika bir kitap. Özellikle birisinin parametrik İstatistikler konusunda zaten bir geçmişi varsa, bu kitap " temel varsayımların sayısını mümkün olduğunca zayıf tutmayı amaçlayan istatistiksel yöntemler " üzerine çok yeni bir bakış sunmaktadır . Diğer tanıtım / astar kitaplarının daha az garip olduğunu gördüm; bu kişinin tercihlerine bağlı olarak iyi ya da kötü bir şey olabilir. Bu kitabın tek "deltası", gerçekten sıra testlerini kapsamıyor olmasıdır.

— usεr11852
kaynak

(+1) Wasserman'ın "Tüm İstatistikler" adlı kitabında parametrik olmayan istatistiklerin daha kısa da olsa ele alındığı görülmektedir. Bu kitapların her ikisi de diğerleri gibi güzel, ama IMHO bir dereceye kadar uygulamalı araştırmacılar / bilim adamları için aşırıya kaçıyor. Elbette, tüm teoremleri ve kanıtları bilmek acıtmaz, ancak bu, zaman ve kapsam sınırlamalarını göz önünde bulundurarak, "sahip olmak" yerine "sahip olmak güzel" dir. Uygulamalı bilim adamları için henüz dengeli istatistiksel kitaplar bulamıyorum (yani, ayrıntılara çok derin girmeden ve uygulama açısından yararlı olmadan yeterince titiz).

— Aleksandr Blekh

2

Carroll, Wand ve ark. Tarafından "Semiparametrik Regresyon" buldum. oldukça okunabilir. Eski, ama Simon Wood'un GAM'larla ilgili özlü ama yoğun kitabına geçmeden önce başlamak için iyi bir şey.

Her iki kitap da parametrik olmayan istatistiklerde her şey olmayan cezalandırılmış spline regresyon modellerine odaklanmaktadır. Fakat tartışmasız en çok uygulamalı insanlar için yararlıdır.

— generic_user
kaynak

1

20826: açıklama yoluyla, bu cevabı biraz kafa karıştırıcı bulmanız durumunda - 'parametrik olmayan' sadece dağıtım için belirtilmemiş (potansiyel olarak sonsuz parametrik) fonksiyonel forma (aynı için parametrik bir form belirtmezsiniz) ), aynı zamanda değişkenler arasındaki ilişki için ( ). ACD'nin cevabı burada birinciden ziyade ikinci şeyle ilgilidir. Aslında regresyon modelleri ile ilgili olarak 'parametrik olmayan' teriminin her iki konuya, hatta her ikisine de uygulanması mümkündür (ki buna 'iki katına parametrik olmayan' diyorum).

F_{Y} (y)

$F_Y(y)$

E (Y) = g (x)

$E(Y)=g(x)$

— Glen_b -Monica

sağ. sadece merak ediyorum, uygulamalı çalışmadaki iki parametrik olmayan çalışma biçiminden ilkinin yararlı olabileceği bazı örnekler nelerdir? ya da sanırım bootstrap bir örnek olurdu, değil mi?

— generic_user

1

ACD, cevaplarımda belirtilen kitaplara bir göz atmanızı tavsiye ederim. Tam anlamıyla - Wilcoxon-Mann-Whitney testleri, Kolmogorov-Smirnov gibi uyum iyiliği testleri, Kendall ve Spearman, Theil-Sen regresyonu gibi korelasyon önlemleri gibi gerçek sorunlara uygulayan binlerce makaleye işaret edebilirim. , Kaplan-Meier hayatta kalma eğrileri (ve log-rank testleri), permütasyon / randomizasyon (+ diğer yeniden örnekleme yöntemleri) ve daha pek çok şey. Genel olarak söyleyebilirim, aslında kullandığınız duyudan biraz daha sık uygulanabilir. Evet, bootstrap dahildir.

— Glen_b -Monica

1

(ctd) ... alan oldukça büyük; Eğer biraz daraltırsanız, muhtemelen size bazı özel uygulamalar bulabilirim.

— Glen_b -Monica

1

Doğru, bu yüzden genel olarak dağıtım varsayımlarına dayanmayan testler. Bir model için değişkenler arasındaki ilişkileri tahmin etmekle (muhtemelen çok fazla veri ile) parametrik olmayan bir dağılım tahmin edip edemeyeceğini merak ediyorum. Ancak, işaret ettiğiniz gibi, okunacak çok şey var.

— generic_user