2020/2I14 ·●·非参数统计的基本内容 。估计 ●●● 函估计 3.参数与非参数统计比较 分 总付 8体 非参数检验的优点 ●● 非参数检验的弱点 ©滋是鞋餐察数，布广泛的遥用性，给条 。1.可能会浪费一些信息 特男 当 可以使用 。1.假定较少 。2.不需要对总体参数的假定 Ratio to Ordinal Scale 。3.与参数结果接近 02.大样本手算相当麻须 针对几乎所有类型的数据形态 03.一些表不易得到 。强调计算 ·在计算机盛行之前就已经发限起来： 估计涉及大量数据的计算 。。。Nonparametric vs Parametric ds 课程大纲 o Nonparametric models More flexibleo parametric model is needed Parametric models: But the model needs to be picked in advance. 1 2020/2/14 7 3. 参数与非参数统计比较 非参数统计的基本内容  估计 ⚫ 分布函数估计 ⚫ 函数估计 ⚫ 密度估计 ⚫ 统计关系估计: • 定性数据的关联分析 • 非参数回归  假设检验 ⚫ 单一总体 ⚫ 两总体 ⚫ 多总体  对总体假定较少，有广泛的适用性，结果 稳定性较好。 ⚫ 1. 假定较少 ⚫ 2. 不需要对总体参数的假定 ⚫ 3. 与参数结果接近  针对几乎所有类型的数据形态。  强调计算 ⚫ 在计算机盛行之前就已经发展起来; ⚫ 估计涉及大量数据的计算。 非参数检验的优点  1. 可能会浪费一些信息 n 特别当数据可以使用参数模型的时候。 n Example: Converting Data From Ratio to Ordinal Scale  2. 大样本手算相当麻烦  3. 一些表不易得到 非参数检验的弱点 Nonparametric vs Parametric methods  Nonparametric models ⚫ More flexible-no parametric model is needed ⚫ But require storing the entire dataset ⚫ And the computation is performed with all data examples  Parametric models: ⚫ Once fitted, only parameters need to be stored. ⚫ They are much more efficient in terms of computation ⚫ But the model needs to be picked in advance. 课程大纲  第一讲 绪论和基本要求  第二讲 非参数统计基本概念,分布函数估计  第三讲 秩统计量及分布,连续性修正  第四讲 单一样本的推断问题(1) 中位数检验  第五讲 单一样本的推断问题(2) 趋势和随机游程检验  第六讲 单一样本的推断问题(3) ：置信区间计算  第七讲 分布的一致性检验  第八讲 理论部分:U统计量和渐进相对效率  第九讲 两样本位置检验  第十讲 多总体推断(一)  第十一讲 多总体推断(二)  第十二讲 多总体推断(三)  第十三讲 分类数据关系分析  第十四讲 秩相关分析  第十五讲 非参数密度估计  第十六讲 局部多项式回归** 37 38 39 40 41 42