Search

Ce livre s'adresse aux étudiants, médecins et chercheurs désirant réaliser des tests alors qu'ils débutent en statistique. Illustré par 88 figures et accompagné d'exercices avec correction, l'ouvrage aborde la statistique de la manière la plus simple qui soit, sans démonstration mathématique, mais en insistant sur les détails, afin de bien maîtriser toutes les subtilités des tests. L'ouvrage explore des points fondamentaux en statistique : la check-list à effectuer avant de réaliser un test, la gestion des individus extrêmes, l'origine de la p value, la puissance ou la conclusion d'un test. Il explique comment choisir un test à partir de ses propres données. Il décrit 35 tests statistiques sous forme de fiches, dont 24 non paramétriques, ce qui couvre la plupart des tests à une ou deux variables observées. Il traite de toutes les subtilités des tests, comme les corrections de continuité, les corrections de Welch pour le test t et l'anova, ou les corrections de p value lors des comparaisons multiples. Il propose un exemple d'application de chaque test à l'aide de R, en incluant toutes les étapes du test, et notamment l'analyse graphique des données. L'originalité de ce manuel est de proposer une explication très détaillée sur l'utilisation des tests les plus classiques ainsi qu'une description poussée de R et de RStudio, logiciels de référence en statistique, gratuits, disponibles sur Internet et compatibles avec Windows, Mac OS et Linux. La combinaison'description des tests'et'description de R / RStudio'ayant pour objectif d'effectuer des tests statistiques en autonomie. L'autre originalité est de proposer l'ensemble des exemples d'application des tests à partir d'un seul fichier de données, ce qui facilite la compréhension et le passage éventuel vers d'autres logiciels d'analyse. Ce fichier, ainsi que l'intégralité du code R de ce manuel, est disponible en ligne (https://c3bi.pasteur.fr/gael-millot-livres/)

Die nichtparametrische Statistik ist ein wichtiges Teilgebiet der statistischen Methodenlehre. Kennzeichnend für die Verfahren der nichtparametrischen Statistik sind vor allem Verteilungs-Freiheit, Robustheit und Einfachheit, woraus sich eine hohe Praxisrelevanz ergibt. Dieses Lehrbuch führt verständlich in nichtparametrische Tests ein; besondere Berücksichtigung finden Permutations- und Bootstrap-Tests, die seit der zweiten Hälfte der 1990er mehr und mehr in den Vordergrund rücken und inzwischen in zahlreichen statistischen Programmsystemen implementiert wurden. Auf die Vorstellung der verschiedenen Testverfahren folgt die Bearbeitung konkreter, beispielhafter Testprobleme. Zudem werden Programme umfassend vorgestellt, so dass der Leser in der Lage ist, die Verfahren selbst anzuwenden.

This revised book provides a thorough explanation of the foundation of robust methods, incorporating the latest updates on R and S-Plus, robust ANOVA (Analysis of Variance) and regression. It guides advanced students and other professionals through the basic strategies used for developing practical solutions to problems, and provides a brief background on the foundations of modern methods, placing the new methods in historical context. Author Rand Wilcox includes chapter exercises and many real-world examples that illustrate how various methods perform in different situations.Introduction to Robust Estimation and Hypothesis Testing, Second Edition, focuses on the practical applications of modern, robust methods which can greatly enhance our chances of detecting true differences among groups and true associations among variables.• Covers latest developments in robust regression• Covers latest improvements in ANOVA• Includes newest rank-based methods• Describes and illustrated easy to use software

The series is devoted to the publication of high-level monographs and surveys which cover the whole spectrum of probability and statistics. The books of the series are addressed to both experts and advanced students.

Robustness of Statistical Tests provides a general, systematic finite sample theory of the robustness of tests and covers the application of this theory to some important testing problems commonly considered under normality. This eight-chapter text focuses on the robustness that is concerned with the exact robustness in which the distributional or optimal property that a test carries under a normal distribution holds exactly under a nonnormal distribution. Chapter 1 reviews the elliptically symmetric distributions and their properties, while Chapter 2 describes the representation theorem for the probability ration of a maximal invariant. Chapter 3 explores the basic concepts of three aspects of the robustness of tests, namely, null, nonnull, and optimality, as well as a theory providing methods to establish them. Chapter 4 discusses the applications of the general theory with the study of the robustness of the familiar Student's r-test and tests for serial correlation. This chapter also deals with robustness without invariance. Chapter 5 looks into the most useful and widely applied problems in multivariate testing, including the GMANOVA (General Multivariate Analysis of Variance). Chapters 6 and 7 tackle the robust tests for covariance structures, such as sphericity and independence and provide a detailed description of univariate and multivariate outlier problems. Chapter 8 presents some new robustness results, which deal with inference in two population problems. This book will prove useful to advance graduate mathematical statistics students.