由美国当代著名统计学家L．沃塞曼所著的《统计学完伞教程》是一本几乎包含了统计学领域全部知识的优秀教材，本书除了介绍传统数理统计学的全部内容以外，还包含了Bootstrap方法（白助法）、独立性推断、因果推断、图模型、非参数同归、正交函数光滑法、分类、统计学理论及数据挖掘等统计学领域的新方法和技术．本书不但注重概率论与数理统计基本理论的阐述，同时还强调数据分析能力的培养．本书中含有大量的实例以帮助广大读者快速掌握使用R软件进行统计数据分析。

数理统计

本书介绍非参数统计的基本概念和方法, 其内容包括预备知识、U 统计量、基于二项分布的检验、列联分析、秩检验、检验的功效与渐近相对效率、概率密度估计、非参数回归. 每一章内容都着重阐述非参数统计推断的一般处理技术和原则, 并给出一些典型例子. 各章后面的习题侧重于应用. 本书的特点是侧重于介绍非参数统计在各应用领域中的常用方法,尽可能简化公式推导并淡化理论证明. 此外, 本书有选择地安排一些模拟计算和实际数据分析, 其主要程序放在附录A 中.

本书是一部经典的随机过程著作，叙述深入浅出、涉及面广。主要内容有随机变量、条件期望、马尔可夫链、指数分布、泊松过程、平稳过程、更新理论及排队论等，也包括了随机过程在物理、生物、运筹、网络、遗传、经济、保险、金融及可靠性中的应用。特别是有关随机模拟的内容，给随机系统运行的模拟计算提供了有力的工具。新版还增加了不带左跳的随机徘徊和生灭排队模型等内容。本书约有700 道习题，其中带星号的习题还提供了解答。 本书可作为计算机科学、保险学、社会科学、生命科学、管理科学与工程等专业随机过程基础课教材。

本书讲解概率论的基础内容, 包括组合分析、概率论公理、条件概率、离散型随机变量、连续型随机变量、随机变量的联合分布、期望的性质、极限定理和模拟等, 内容丰富, 通俗易懂, 并配有丰富的例子和大量习题, 涉及物理学、生物学、化学、遗传学、博弈论、经济学等多方面的应用， 启发性。

本书讲解概率论的基础内容, 包括组合分析、概率论公理、条件概率、离散型随机变量、连续型随机变量、随机变量的联合分布、期望的性质、极限定理和模拟等, 内容丰富, 通俗易懂, 并配有丰富的例子和大量习题, 涉及物理学、生物学、化学、遗传学、博弈论、经济学等多方面的应用， 启发性。

数学史与数学教育（HPM）是中小学数学教育的一个研究领域。在统计教学中融入数学史，有助于学生对统计概念的理解。本书深入挖掘统计核心概念“平均数”“中位数”“众数”的历史现象，开展了HPM教学的实证研究。全书围绕教学内容、学生、教师三个方面，系统研究了课堂教学中运用数学史的教学活动、数学史融入统计概念教学后学生学习认知发生的变化以及对教师专业发展产生的影响。

《心理统计学》（第5版）是美国心理统计学领域 经典的教材之一，来源于作者团队几十年的教学、研究与写作实践，不仅详细阐述了集中趋势和变异性、假设检验、样本平均数检验、t检验、方差分析、卡方检验等初级统计方法，而且也介绍了在当代研究中经常使用的一般线性模型和 统计方法。本书运用定义化的公式去强调统计的概念，而不提倡死记硬背。每种特定方法都包括原理介绍、公式意义和符号运算等三部分内容，从而促使学生去思考计算方法后面所隐藏的逻辑。 《心理统计学》（第5版） 的特点在于坚持用一种易懂的、现代的、有趣的方法去介绍统计学。在第5版的修订中，作者团队将读者在使用中的反馈、自己增长的教学经验，以及这个领域的变化与进展都纳入其中，使其 加适合学生的学习以及将来的工作和研究。

本书介绍实验和测量数据分析中涉及的概率和数理统计及相关的数学知识，内容包括概率论、经典数理统计、贝叶斯统计、蒙特卡罗方法、极小化方法和去弥散方法六个部分。特别讨论了数据统计处理中的一些困难问题和近期 上发展起来的新方法。书中分析了取自普通物理、核物理、粒子物理和工程技术问题的许多实例，注重物理问题与数学方法的结合，具体阐述了概率和数理统计及相关的数学方法在实际问题中的应用。书末附有详尽的数理统计表，可供本书涉及的几乎所有数据分析问题之需要，而无需查阅专门的数理统计表书籍。

本书比较全面系统地介绍蒙特卡罗方法的理论和应用.全书15章,前8章是蒙特卡罗方法的理论部分,包括蒙特卡罗方法简史、随机数产生和检验、概率分布抽样方法、马尔可夫链蒙特卡罗方法、基本蒙特卡罗方法、降低方差基本方法、拟蒙特卡罗方法和序贯蒙特卡罗方法.后7章是蒙特卡罗方法的应用部分,包括确定性问题、粒子输运、稀薄气体动力学、自然科学基础、数理统计学和可靠性、金融经济学及科学实验模拟.

本书是一部大型的英文版的应用统计学著作，是社会与行为科学中的统计学系列中的一本，中文书名或可译为《项目反应理论手册.第二卷，统计工具》. 本书借鉴了该领域国际专家的工作，并且提供了在项目反应理论中用到的经典和现代统计工具. 虽然项目反应理论十分依赖于用统计工具来处理其模型和应用，但是系统的介绍日着重于与项目反应理论相关的统计学文献几乎很难被找到，本书就填补了这一空自. 本书包含了常见的统计分布，同时也包含了具有目的和干扰参数的模型问题，信息标准的应用，缺失信息的处理方法，以及模型识别问题.强调了参数估计和模型拟合与比较的近期发展，例如贝叶斯方法，尤其是马尔可夫链蒙特 卡洛（MCMC）方法.

《概率基多目标优化原理及应用》以系统论的观点，从概率论的角度阐述了概率基多目标优化理论的基本原理和应用。书中 引入一个崭新概念—青睐概率及其量化方法，并将概率基多目标优化方法与实验设计方法相结合，如响应面法、正交试验设计和均匀试验设计，建立了概率基多目标试验设计方法。书中同时给出了概率基稳健、设计、概率基多目标优化的离散化处理、序贯优化及其误差分析，对概率基模糊多目标优化、多个目标的聚类分析、多目标 短路径和金融、机械加工等问题也进行了介绍。 《概率基多目标优化原理及应用》可供在相关领域深入挖掘的研究人员参考，也可作为相关专业高年级本科生和研究生的教材。