जवाबों:
यह इस बात पर निर्भर करता है कि ise संक्षिप्त ’से आपका क्या मतलब है, आप किस तरह के उपचार की तलाश कर रहे हैं (गणितीय बनाम अवधारणाओं और अंतर्ज्ञान सहित), आप क्या तकनीकों को शामिल करना चाहते हैं।
मैं दृढ़ता से किताबों से शुरू करने और एक से अधिक पुस्तकों को पढ़ने का सुझाव दूंगा ।
कोनोवर का " प्रैक्टिकल नॉनपैरेमेट्रिक स्टैटिस्टिक्स " अच्छा है, और मैं किसी भी सूची में शामिल होने की ओर निश्चित रूप से झुकाव करूंगा।
डैनियल का " एप्लाइड नॉनपरमेट्रिक आँकड़े " बहुत अच्छा है, जो इसके आकार के लिए यथोचित व्यापक है।
मैंने नीव और वर्थिंगटन के " डिस्ट्रीब्यूशन-फ्री टेस्ट " को बहुत पठनीय पाया जब यह पहली बार बाहर आया (और कई मायनों में यह अभी भी है)। आजकल इसमें कोड कुछ हद तक दिनांकित दिखता है, लेकिन दूसरी ओर, यह आमतौर पर अनुवाद के लिए पर्याप्त रूप से पठनीय है। यदि आप इसे पा सकते हैं तो यह एक अच्छा परिचय है; यदि आप इसे नया नहीं खरीदते हैं तो दूसरे हाथ से लेने के लिए एक सार्थक।
दर्जनों अच्छी किताबें हैं, तीन में से कुछ पुरानी हैं जिनका मैंने उल्लेख किया, कुछ नए; कुछ अच्छी तरह से आप किसी भी उल्लेख किया है की तुलना में बेहतर हो सकता है। मैं विश्वविद्यालय के पुस्तकालय से शुरू करता हूं और उपरोक्त शीर्षकों जैसे शब्दों के साथ खोजों पर चारों ओर ब्राउज़ करता हूं, और यदि संभव हो तो देखें कि पास क्या है।
उनमें से कुछ के माध्यम से पढ़ें और आप की तरह कई पाते हैं।
जब मैंने नॉनपरेट्रिक्स को एक अंडरग्रेजुएट के रूप में किया, तो अनुशंसित पढ़ने में आठ पुस्तकों की तरह कुछ थे, शायद अधिक। उनमें से हर एक में कुछ ऐसा था, जिसमें से अधिकांश में कोई कमी थी। मुझे खुशी है कि मुझे इन सब पर एक नजर थी।
यदि आपके अध्ययन का क्षेत्र नरम विज्ञानों (जैसे, मनोविज्ञान, समाजशास्त्र, शिक्षा) में है, तो मैं सीगल और कैस्टेलन (मैकग्रा-हिल बुक कंपनी) द्वारा व्यवहार विज्ञान के लिए गैरपरंपरागत सांख्यिकी की सिफारिश करूंगा । (मेरे पास 1988 से दूसरा संस्करण है)। प्रस्तावना से:
एक विशिष्ट विशेषता [है] वास्तविक डेटा के लिए प्रत्येक प्रक्रिया के आवेदन की चरण-दर-चरण रूपरेखा।
मुझे कैरोल, वांड एट अल द्वारा "सेमिपामेट्रिक रिग्रेशन" मिला। काफी पठनीय होना। यह पुराना है, लेकिन साइमन वुड के संक्षिप्त, लेकिन घने, जीएएम पर पुस्तक पर जाने से पहले एक अच्छी बात है।
ये दोनों पुस्तकें पेनलिज्ड स्पलाइन रिग्रेशन मॉडल पर ध्यान केंद्रित करती हैं, जो कि नॉनपैरामेट्रिक स्टैटिस्टिक्स में सब कुछ नहीं है। लेकिन लागू लोगों के लिए यकीनन सबसे उपयोगी है।
मुझे आश्चर्य हुआ कि लैरी वासरमैन के ऑल नॉनपैरेट्रिक स्टैटिस्टिक्स का उल्लेख नहीं किया गया था।
मुझे लगता है कि यह रिश्तेदार संक्षिप्त आकार की एक महान पुस्तक है। खासकर यदि किसी के पास पहले से ही पैरामीट्रिक सांख्यिकी में कुछ पृष्ठभूमि है, तो यह पुस्तक " सांख्यिकीय विधियों पर बहुत ताज़ा नज़र आती है, जिसका उद्देश्य अंतर्निहित मान्यताओं की संख्या को यथासंभव कमजोर रखना है "। मुझे यह कम चिंताजनक लगा कि अन्य परिचय / प्राइमर किताबें; यह किसी की वरीयताओं के आधार पर एक अच्छी या बुरी चीज हो सकती है। इस पुस्तक का एकमात्र "डेल्टा" यह है कि यह वास्तव में रैंक परीक्षणों को कवर नहीं करता है।