Robust Rank-Based and Nonparametric Methods: Michigan, USA, April 2015: Selected, Revised, and Extended Contributions

مشارکت کنندگان این جلد شامل بسیاری از محققان برجسته در این زمینه هستند. بسیاری از این محققان با جوزف مک کین برای توسعه نظریه اساسی برای این روش ها، به دست آوردن اصلاحات کوچک نمونه، و توسعه الگوریتم های کارآمد برای محاسبه آنها همکاری کرده اند. این مقالات دامنه این منطقه را پوشش می‌دهند، از جمله رویه‌های مبتنی بر رتبه ناپارامتری قوی از طریق تحلیل‌های بیزی و مبتنی بر رتبه داده‌های بزرگ. حوزه های کاربردی شامل آمار زیستی و مناطق فضایی است. در طول 30 سال گذشته، روش های قوی مبتنی بر رتبه و ناپارامتریک به طور قابل توجهی توسعه یافته است. این روش‌ها روش‌های سنتی نوع Wilcoxon را برای مشکلات مکان‌یابی یک و دو نمونه تعمیم می‌دهند. تحقیقات در مورد این رویه ها به تحلیل های کامل برای بسیاری از مدل های مورد استفاده در عمل از جمله مدل های خطی، خطی تعمیم یافته، مختلط و غیرخطی ختم شده است. تنظیمات هم چند متغیره و هم تک متغیره هستند. با توسعه بسته های R در این زمینه ها، محاسبات این رویه ها به راحتی با خوانندگان به اشتراک گذاشته می شود و پیاده سازی می شود. این کتاب از کنفرانس بین‌المللی روش‌های مبتنی بر رتبه و روش‌های ناپارامتریک قوی، که در دانشگاه میشیگان غربی در آوریل 2015 برگزار شد، تهیه شده است.

The contributors to this volume include many of the distinguished researchers in this area. Many of these scholars have collaborated with Joseph McKean to develop underlying theory for these methods, obtain small sample corrections, and develop efficient algorithms for their computation. The papers cover the scope of the area, including robust nonparametric rank-based procedures through Bayesian and big data rank-based analyses. Areas of application include biostatistics and spatial areas. Over the last 30 years, robust rank-based and nonparametric methods have developed considerably. These procedures generalize traditional Wilcoxon-type methods for one- and two-sample location problems. Research into these procedures has culminated in complete analyses for many of the models used in practice including linear, generalized linear, mixed, and nonlinear models. Settings are both multivariate and univariate. With the development of R packages in these areas, computation of these procedures is easily shared with readers and implemented. This book is developed from the International Conference on Robust Rank-Based and Nonparametric Methods, held at Western Michigan University in April 2015.