Introducción a las estadísticas no paramétricas.

11

He estado estudiando estadísticas durante los últimos dos años. Casi todo lo que he aprendido es sobre estadísticas paramétricas. Ahora me gustaría aprender más sobre estadísticas no paramétricas. ¿Alguien puede sugerir alguna introducción concisa (tal vez legible también) en esta área?

self-study nonparametric references

— LaTeXFan
fuente

12

Depende de lo que quiera decir con 'conciso', qué tipo de nivel de tratamiento está buscando (incluyendo conceptos matemáticos versus conceptos e intuición), qué técnicas desea incluir.

Recomiendo comenzar con libros y leer más de un libro .

Las " Estadísticas prácticas no paramétricas prácticas " de Conover son buenas, y definitivamente me inclinaría por incluirlas en cualquier lista.

Las " estadísticas no paramétricas aplicadas " de Daniel son muy buenas, razonablemente completas para su tamaño.

Encontré que las " Pruebas sin distribución " de Neave y Worthington eran muy legibles cuando salió por primera vez (y en muchos sentidos todavía lo es). Hoy en día, el código en él parece algo anticuado, pero por otro lado, generalmente es lo suficientemente legible para traducir. Si puedes encontrarlo, es una buena introducción; vale la pena comprar de segunda mano si no lo compras nuevo.

Hay docenas de buenos libros, algunos más antiguos que los tres que mencioné, algunos más nuevos; algunos pueden ser mejores para ti que cualquiera de los que he mencionado. Comenzaría con una biblioteca universitaria y buscaría en búsquedas con términos como en los títulos anteriores, y si es posible, veré qué hay cerca.

Lea algunos de ellos y encuentre varios que le gusten.

Cuando hice estudios no paramétricos como estudiante universitario, había algo así como ocho libros en la lectura recomendada, tal vez más. Cada uno de ellos tenía algo de lo que la mayoría de los demás carecía. Me alegro de haberlos visto a todos.

— Glen_b -Reinstate a Monica
fuente

4

Si su campo de estudio es en ciencias blandas (por ejemplo, psicología, sociología, educación), recomendaría Estadística no paramétrica para las ciencias del comportamiento de Siegel y Castellan (McGraw-Hill Book Company). (Tengo la segunda edición de 1988). Del prefacio:

Una característica distintiva [es] el esquema paso a paso de la aplicación de cada procedimiento a los datos reales.

— Joel Reyes Noche
fuente

2

Encontré "Regresión semiparamétrica" de Carroll, Wand et al. ser bastante legible Está desactualizado, pero es bueno comenzar antes de pasar al libro conciso pero denso de Simon Wood sobre GAM.

Ambos libros se centran en modelos de regresión de splines penalizados, que no es todo en estadísticas no paramétricas. Pero podría decirse que es más útil para las personas aplicadas.

— genérico_usuario
fuente

1

F_{Y} (y)

$F_Y(y)$

E (Y) = g (x)

$E(Y)=g(x)$

derecho. Por curioso, ¿cuáles son algunos ejemplos de instancias en el trabajo aplicado donde la primera de las dos formas de trabajo no paramétrico podría ser útil? o supongo que el bootstrap sería un ejemplo, ¿verdad?

— generic_user

1

ACD, le recomiendo que eche un vistazo a cualquiera de los libros mencionados en mis respuestas. Puedo señalar, literalmente, miles de documentos que los aplican a problemas reales, que incluyen pruebas de Wilcoxon-Mann-Whitney, pruebas de bondad de ajuste como Kolmogorov-Smirnov, medidas de correlación como la regresión de Kendall y Spearman, Theil-Sen , Curvas de supervivencia de Kaplan-Meier (y pruebas de log-rank), permutación / aleatorización (+ otros métodos de remuestreo) y muchas cosas más. En general, diría que en realidad se puede aplicar un poco más a menudo de lo que parece. Sí, el bootstrap está incluido.

— Glen_b -Reinstalar Monica

1

(ctd) ... el área es bastante grande; si lo reduce un poco, probablemente pueda encontrar algunas aplicaciones particulares.

— Glen_b -Reinstate Monica

1

Correcto, por lo que generalmente son pruebas que no se basan en supuestos de distribución. Supongo que me pregunto si uno puede estimar una distribución no paramétrica para un modelo al mismo tiempo que estimar las relaciones entre variables (probablemente con una gran cantidad de datos). Pero, como usted señala, hay mucho para leer.

— generic_user

2

Me sorprendió no haber mencionado todas las estadísticas no paramétricas de Larry Wasserman .

Creo que es un gran libro de tamaño relativamente conciso. Especialmente si alguien ya tiene antecedentes en Estadística paramétrica, este libro ofrece una mirada muy fresca sobre " métodos estadísticos que apuntan a mantener el número de supuestos subyacentes lo más débil posible ". Me pareció menos prolijo que otros libros de introducción / manual; Esto puede ser algo bueno o malo dependiendo de las preferencias de uno. El único "delta" que tiene este libro es que realmente no cubre las pruebas de rango.

— usεr11852
fuente

(+1) Parece que el libro de Wasserman "Todas las estadísticas" también contiene un tratamiento, aunque más corto, de las estadísticas no paramétricas. Ambos libros, así como muchos otros, son agradables, pero en mi humilde opinión, una exageración para los investigadores / científicos aplicados hasta cierto punto. Claro, no estará de más conocer todos los teoremas y pruebas, pero eso es "bueno tener" en lugar de "imprescindible", considerando las limitaciones de tiempo y alcance. Todavía tengo que encontrar libros estadísticos equilibrados para científicos aplicados (es decir, lo suficientemente riguroso sin entrar en detalles demasiado profundos y útiles desde la perspectiva de la aplicación).

— Aleksandr Blekh