非参数统计——基于Python 课件全套 第1--9章 非参统计简介---机器学习.pdf

I n t r o d u c t i o n t o N o n p a r a m e t r i c S t a t i s t i c s 主 讲 王星 ，中国人民大学统计学院，教授 ，研究生学 人 历 ，北京师范大学数学系本科硕士学位 ，中国人 民 大学经济学博士 ；国家社科基金重点项 目负责人 ， 简 北京市高等教育二等奖 ，第十届全国统计科学教材 历 二等奖 ，2017全国应用统计案例大赛一等奖指导教 师,2022全 国应用统计案例大赛二等奖指导教 师。 主要研究领域为网络数据分析、知识图谱和统计 学习。美国加州伯克利大学、密歇根大学、卡 内基 梅隆大学、台湾 中央研究院和辅仁大学访问学者。 曾长期兼职任国务院学位办统计学一级学科评议组 秘书 ，国内外发表论文40余篇 ，代表著作 ： 《大数 据分析 ：方法与应用 》 ， 《非参数统计 》(3版) ， 《非参数统计-基于 Pyt hon》 《统计学习导论 ：基 于R的应用》， 《数据挖掘与商务分析》， 《人文社 会 科 学 文 献 网 络 知 识 模 型 与 应 用 》 等 。 目 1. 课程简介 录 2. 课程大纲 3. 典型问题 4. 学习建议 5. 考评要求 一、课程简介 简史 ：非参数统计是一门结合统计推断和统计计算的复合型分析方法 ，其早期思想成形于20 世纪40年代 ～50年代化学家F.Wilcoxon等人关于秩的检验 ，之后统计学家继续在传统的推断框 架下发展了众多建立在秩基础上的检验方法 ，放松数据来源分布假设 ，有更广泛的适用性 ， 体现了现代统计提取可靠信息的潜力。80年代以后 ，随着统计计算能力的继续提升 ，非参数 统计沿着释放数据 自主学习的性能方 向提升 自身的灵活性, 数据本身特有的 “非中心性”、 “稳健性”、 “分位数”和 “局部模式”逐渐成为稳健估计和柔性预测的新准则。非参数话 语体系的形成 ，是将统计分析从传统推断带向机器学习的一座重要桥梁。 课程内容 ：非参数统计推断和非参数统计模型 ，主要 内容有 ：单变量位置推断问题、两独立 样本数据推断、多组数据非参数推断、稳健估计、多重检验与高阶鉴定、分类数据关联分析、 稳健回归、分位回归、非参贝叶斯等。 知识模块和课程体系 R或Python及其应用 估计和检 R ：统计函数丰富、案 验方法 非参数统计基 分类数据 础 例 分析便捷 秩理论 的检验方 法 Python:计算资源和解 非参数 单一总体的统 两总体位置和 多总体位置 释 性能强大