本书是非参数统计教材, 内容从经典非参数统计推断到现代前沿, 包括R基础、基本概念、单一样本的推断问题、两独立样本数据的位置和尺度推断、多组数据位置推断、分类数据的关联分析、秩相关和分位数回归、非参数密度估计、一元非参数回归和数据挖掘与机器学习共计10章. 本书配有大量与社会、经济、金融、生物等专业相关的例题和习题, 给出示范解答过程, 方便自学. 本书可以作为高等院校统计、经济、金融、管理专业的本科生课程的教材, 也可以作为其他相关专业研究生的教材和教学参考书, 另外, 对广大从事与统计相关工作的实际工作者也极具参考价值.

统计是一个面向问题解决的、系统收集数据和基于数据做出回答的过程, 其本质是通过在随机现象中寻找分布规律 回答现实问题的科学过程. 实际问题的复杂性和人类认知的局限性, 造成反映实际问题的数据在问题表示的充分性、 代表性和分布的单一性等方面, 与传统的统计应用要求不相匹配, 于是 催生了对数据分布假定宽松的非参数统计的兴起与发展. 尤其是最近20年来, 随着信息技术和网络技术的快速发展, 基于大量数据计算探索数据分布特点的数据分析方法层出不穷, 成为非参数统计发展的新主题, 代表着统计学未来的方向. 非参数统计自然成为连接统计学、信息学和计算机科学等交叉研究的 桥梁, 共同推动数据分析和信息利用整体地向前发展. 本书是一本专门讲授非参数统计理论和方法的教科书. 内容主要分为两个部分：传统的非参数统计推断和现代非参数统计方法. 传统的非参数推断内容由单一样本、两样本及多样本非参数统计估计和假设检验、分类数据的关联分析方法、 定量数据的相关和回归等内容构成；现代非参数统计方法部分包含非参数密度估计、非参数回归和数据挖掘与机器学习技术等内容. 本书的主要特色是结合R软件讲解非参数统计方法的原理和应用, 我们的宗旨是塑造有独立专业思考能力, 对所学知识有比较地选择, 并能够使用恰当方法解决实际问题的统计专业人才. 据此, 我们在课程设计中, 专门设计了学生在接受 知识的过程中对知识的运用和鉴别能力的训练. 本书大部分例题都给出R源程序解法示例, 各种理论条件的检验、讨论、分析和比较, 鼓励学生针对数据的特点, 独立编写数据分析程序. 为...