如果读者仅仅将非参数统计看成是关于数据分析的 ,那就错了 ,非参数统计更多的是展开对数据更深层的分析 ,这就需要在由精致的计算和细致的操作所构成的更大的数据科学社群平台上,增强统计思维和分析认知的基本功。
在数据分析实践中 ,如果将模型根据研发的成熟度分为起步期、发展期和成熟期三个阶段,我们可以将模型里的信息分为参数信息和非参数信息。处在起步期的模型里参数信息的成分比较多 ,一般包括由样本所估计出的位置参数 (如均值 )、波动性参数 (如方差和相关度 )等信息 ,较为成熟的模型和算力中 ,非参数信息则更多一些 ,发展期的模型是由参数信息不断向非参数信息过度的过程。非参数信息能体现模型设计的功底 ,包含相容性、秩序、分位数、信噪比、对称性、稳健性、失效性、是否一致性等丰富的分析维度。如果想通过手中的数据对模型进行 “二度创作 ”使其成为独树一帜的信息提取模式 ,需要培养对数据的敏锐性、数据收集的知识、数据的分析与处理技能、利用数据进行决策、对数据的批判性思维和数据伦理等专业分析能力 ,参数统计和非参数统计的共同作用尤为重要 ,缺一不可。 Python语言在高并发场景中的运用能力、简洁可解释性的语言特点、丰富且快速生长的跨平台标准库和第三方库 ,都更有利于传递关于科学的认知与思考 ,加速与计算机进行关于人类创造和累积的文化精神财富的对话与交流。这就是我在本书中选择 Python的基本理由。在 Python里践行,以 Python取效。
全书内容分为两个部分 :非参数统计推断和非参数统计模型。非参数统计推断的内容由单一变量、两变量及多组数据非参数统计估计、多重检验、分类数据的关联分析方法、定量数据的相关和稳健回归等分析方法构成 ;非参数统计模型部分包括非参数密度估计、稳健回归和非参数回归等内容。
本书具有如下特点:
(1)全面对接Python语言编程 ,习题和思考题中增加了具有复杂样态的一手数据和分析习题,用于提高学生对统计建模的分析能力,增强学生对复杂数据的辨析能力。
(2)有教学资源和官方网站支持。教学资源中有参考课件、程序代码、参考习题、扩展阅读、中国大学 MOOC (慕课 )国家精品课程在线学习平台等 ,教材的每一章还陪有微课精品短视频 ,点击二维码可以获取下载使用这些资源。该教材曾获得过中国人民大学第一批探究性教学课程立项支持 ,受 2018, 2019年度中央高校建设世界一流大学 (学科 )和特色发展引导专项资金 (教材类 )和中国人民大学 “十三五 ”规划教材支持。教师在教学过程中可围绕相关知识从网站上获取延展性学习材料 ,比如知识点中的历史人物、重要事件理论的推证过程、相关文献、应用技术等。这些辅助学习资源也会不断更新 ,以适用于研讨型和协作型学习和教学。
本书可作为高等院校统计学、经济学、管理学、生物学、信息科学、大数据分析等专业领域本科三、四年级以上学生以及相关研究人员学习非参数统计方法的教材 ,也可作为从事统计研究或数据分析工作人员的案头参考书 .本书的读者需具备初等统计学基础、概率论和数理统计的相关知识。
本书的内容建议安排在一学期 54课时内完成 ,且安排 1/3左右课时用于学生上机实验。有条件的教师可以选择教材部分案例组织案例教学和课堂讨论。 2017年和 2018年连续两年 ,我们在中国人民大学统计学专业大三课堂上尝试了案例教学 ,获得了学生们的高度认可。事实证明 ,通过案例探究和团组讨论 ,学生们会形成一股深入研究、严谨辨析、开拓创新的统计学课堂新风。本书备有丰富的习题 ,理论推导、方法应用和上机实验题目 ,可灵活支持各种教学需要。
展开
