Métodos Não-paramétricos

Aproveitando esse artigo sobre métodos não paramétricos, uma boa hora para uma lista de referências sobre estes métodos.
Vou pegar carona na lista do Julio sobre o curso de métodos não-paramétricos dados pelo Hudson na UFRGS, que contém algumas referências fundamentais.
Além desses eu colocaria o Semiparametric Regression for the Applied Econometrician (Themes in Modern Econometrics) um ótimo livro e mais aplicado, e também cobrindo a parte de inferência com restrições de formato. O clássico

Semiparametric Regression (Cambridge Series in Statistical and Probabilistic Mathematics) by David Ruppert, M. P. Wand and R. J. Carroll cobre toda a parte de estimação por splines penalizados, e é muito bem escrito. A análise usando polinômios locais tem sua referência fundamental no

Local Polynomial Modelling and Its Applications. (Chapman & Hall/CRC Monographs on Statistics & Applied Probability) por Jianqing Fan and Irene Gijbels.
A análise não-paramétrica de séries temporais tem sua bíblia no excepcional

Nonlinear Time Series: Nonparametric and Parametric Methods (Springer Series in Statistics) por Jianqing Fan and Qiwei Yao.
E finalmente a referência fundamental sobre modelagem usando splines é o Spline Models for Observational Data (CBMS-NSF Regional Conference Series in Applied Mathematics) by Grace Wahba, mas ele exige um conhecimento bastante razoável de análise funcional, embora algumas partes sejam um pouco mais leves, mas este é a principal fundação matemática para a modelagem de curvas usando o conceito de reproducing kernel Hilbert spaces.