这取决于您所说的“简洁”是什么意思，您正在寻求什么样的处理水平（包括数学与概念和直觉），您想要包含哪些技术。

我强烈建议从书籍开始，并阅读不止一本书。

Conover 的“ Practical Nonparametric Statistics ”很好，我肯定会倾向于将其包含在任何列表中。

丹尼尔的“应用非参数统计”非常好，其规模相当全面。

我发现 Neave 和 Worthington 的“ Distribution-Free tests ”在刚问世时非常易读（在许多方面仍然如此）。如今，其中的代码看起来有些过时，但另一方面，它通常可读性足以翻译。如果你能找到它，这是一个很好的介绍；如果您不买新的，值得购买二手货。

有几十本好书，有的比我提到的三本旧，有的更新；有些可能比我提到的更适合你。我会从大学图书馆开始，用上述标题中的术语浏览搜索，如果可能的话，看看附近有什么。

阅读其中一些，找到一些你喜欢的。

当我作为本科生学习非参数时，推荐阅读中大约有八本书，也许更多。他们每个人都拥有其他大多数人所缺乏的东西。我很高兴我看过所有这些。

如果您的研究领域是软科学（例如，心理学、社会学、教育），我会推荐Siegel 和 Castellan（McGraw-Hill 图书公司）的《行为科学的非参数统计》。（我有 1988 年的第二版）。从前言：

一个显着特征[是]将每个过程应用于实际数据的逐步大纲。

我很惊讶没有提到拉里·瓦瑟曼的所有非参数统计。

我认为这是一本相对简洁的好书。特别是如果有人已经在参数统计方面有一定的背景，这本书对“旨在使基本假设的数量保持尽可能弱的统计方法”提供了一个非常新鲜的视角。我发现其他介绍/入门书籍不那么罗嗦；根据个人喜好，这可能是好事也可能是坏事。这本书唯一的“增量”是它并没有真正涵盖等级测试。

我发现了 Carroll、Wand 等人的“半参数回归”。可读性强。它已经过时，但在继续阅读 Simon Wood 简明但内容丰富的 GAM 书籍之前，这是一件好事。

这两本书都侧重于惩罚样条回归模型，这并不是非参数统计中的全部内容。但可以说对应用人员最有用。