我们早在20世纪40——50年代就开始对非参数统计概念的形成进行系统化研究。1945年化学家威尔科克森提出了“两样本秩和检验”的思想，1947年曼恩和惠特尼将该思想结果推广一般情况，即当两组样本量不等时。一直到50——60年代，人们将估计和检验多元位置参数的理论相继建立起来。皮特曼于1948年将非参数统计方法相对于参数方法来说的相对效率问题得意解决。1956年，霍奇斯和莱曼则发现秩检验比正态模型中t检验具有较小损失。20世纪60年代，霍奇斯和莱曼根据秩检验统计量，研究出其估计量和置信的有效区间。进入20世纪70——80年代，非参数统计的发展进入鼎盛时期，同时非参数方法的估计和预测也由于计算机技术的协助也变得更加完善。20世纪90年代人们更专注于非参数回归和非参数密度估计的研究和应用。90年代后，非参数统计的理论又拓宽到了算法建模思想，进一步完善了这一学科的体系。而后，非参数统计又有了迅猛的发展，Vapnik等人规范了预测模型选择的方法框架，Brieman L和Donoho等人提出了数据驱动的探索性构造模型，随着实际问题中数据量的增大以及问题的复杂性，对大规模计算和自动化分析的需要也日益强烈，这也就使得非参数统计进入了机器学习的领域[1]。32967
作为统计学的一个分支，非参数统计具有几个突出的特点。非参数统计方法对总体的假定少，效率高，结果稳定。非参数统计可以处理所有类型的数据，有广泛的适用性，并且容易理解容易计算，其统计思想深刻，很多原理与参数统计思想平行，容易发展生成算法，是对参数统计的一个有力的补充。非参数统计可以分为两个范畴，论文网一个是比较经典的非参数统计推断，基于秩且以检验为主，而另一个是近二三十年来发展的现代非参数统计方法，包括非参数回归、非参数密度估计、自助法以及小波方法等，这两个范畴都不对总体分布做出确定的假设。本次课题主要研究非参数密度估计方法，并结合实际数据，对实际问题进行估计。 非参数统计国内外研究现状:http://www.youerw.com/yanjiu/lunwen_29785.html