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。

本书并不假定在任何概率论的先修知识。通过正文与习题旁征博引，引进了大量近代统计处理的新技术和一些国内同类教材中不能见而广为使用的分布。其内容包括工科概率论入门又包括了经典统计和现代统计的基础部分。其理论较为现代化、难度适中，覆盖面远比国内教材大，而在体系结构与内容安排上富于新意。本书可以作为工科、管理类学科专业本科生、研究生教材，也可供教师、工程技术人员自学之用。

本书以数据的常用统计分析方法为基础，在简明扼要地阐述统计学基本概念、基本思想与基本方法的基础上，讲述与之相对应的R 函数的实现，并通过具体的例子说明统计问题求解的过程。 本书注重思想性、实用性和可操作性；在内容的安排上不仅包含了基础统计分析中的探索性数据分析、参数的估计与假设检验，还包含非参数统计分析的常用方法、多元统计分析方法； 此外还安排了在R 新生态下数据治理与可视化的拓展性内容。每一部分都通过具体例子重点讲述解决问题的思想、方法和在R 中的实现过程。阅读本书，读者不仅可以快速学会R 的基本原理与核心内容，还可以根据提供的例子与相应的R 程序学会解决问题的统计计算方法与基本的编程技术，为解决更复杂的统计问题奠定扎实的基础。 本书可作为各专业本科生、研究生数理统计或应用统计课程的基础教

本书是一部经典的*过程著作，叙述深入浅出、涉及面广。主要内容有*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*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*模拟的内容，给*系统运行的模拟计算提供了有力的工具。zui新版还增加了不带左跳的*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*过程基础课教材。

本书阐述有不等式约束的参数估计和假设检验的方法和理论，及其在小一乘估计和随机序检验等方面的应用。本书把数学规划的方法和思想用到数理统计中，使得可解决的统计问题的范围进一步扩大。

自Shewhart博士在20世纪20年代提出第一个控制图后，现在关于控制图的研究结果已十分丰富，且取得了良好的社会和经济效益。特别是，近年来出现的多个新的研究方向也取得了一些很好的研究成果，但系统介绍这些成果的著作并不多，而本书将作这方面的努力与尝试，其中有部分成果来自作者所在的课题组，特别是关于监测profile的研究内容。本书主要讲述近年来关于统计过程控制图的一些基本理论与方法，如阶段I控制图、Shewhart控制图、CUSUM控制图、EWMA控制图、关于监控profile的控制图等；另外，本书也包含有关相关数据、多元数据及非参数控制图的一些内容；再者，本书也介绍了有关动态控制图的一些研究成果；最后，作者把有关控制图的ARL及ATS的计算方法进行了较详细的总结。

本书源自的哈佛统计学讲座，介绍了帮助读者理解统计方法、随机性和不确定性的基本语言和工具，并列举了多种多样的应用实例，内容涉及偶然性、悖论、谷歌的网页排名算法（PageRank）及马尔可夫链蒙特卡罗方法（MCMC）等。本书还探讨了概率论在诸如基因学、医学、计算机科学和信息科学等领域的应用。全书共分13章，分别介绍了概率与计数、条件概率、随机变量及其分布、期望、连续型随机变量、矩、联合分布、变换、条件期望、不等式与极限定理、马尔可夫链、马尔可夫链蒙特卡罗方法、泊松过程等内容。用容易理解的方式来呈现内容，用实例来揭示统计学中基本分布之间的联系，并通过条件化将复杂的问题归约为易于掌控的若干小问题。书中还包含了很多直观的解释、图示和实践问题。每一章的结尾部分都给出了如何利用R来完成相关模拟和计算的方法。

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。

本书阐述了半参数回归模型的统计理论和方法，所考虑的模型包括部分线性模型、单指标模型、变系数模型和可加模型等，这些模型对复杂数据分析起着重要作用。本书在取材上侧重内容的科学性和应用性，体现学术思想；在写作上注重阐述方法论、模拟计算和实例分析：在结构上安排每个模型为一章，本书的内容不仅为从事该领域的科研人员提供了尽可能全的资料，又为实际应用者提供了一些数据分析的方法，同时也为想全面了解现代统计模型的读者提供参考读物。

随着现代科学技术的飞速发展，许多科学研究领域产生了多种复杂数据，复杂数据的统计建模涵盖了许多当代统计分支，推动了当代统计学理论方法的进步与发展，并且其应用层面几乎涉及各领域。具有复杂分层结构的数据在现实生活中很普遍。能完全剖析这类数据，发掘该类数据表象下的潜在规律性对于统计学等科研领域很有意义。本书致力于介绍复杂分层数据分析前沿知识，侧重于系统的理论与算法介绍。内容主要涉及线性分位回归、非参数分位回归、适应性分位回归、可加性分位回归、变系数分位回归、单指数分位回归、分位自回归、复合分位回归、高维分位回归以及贝叶斯分位回归、分层样条分位回归、分层线性分位回归、分层半参数分位回归、复合分层线性分位回归以及复合分层半参数分位回归，等等。

多元统计分析是关于多变量的综合统计分析方法，能够在多个统计总体间存在相依的情况下分析其统计规律，在农林科学、生物科学等领域的研究中有着重要的作用。本书是针对高等农林院校研究生撰写的多元统计分析教材，书中引用了大量的农林科学实例，方便有关研究人员进行探讨和数据处理。主要内容包括多元正态分布及其抽样分布、多元正态总体均值向量和协方差阵的假设检验、多元方差分析、直线回归与相关、多元线性回归与相关（一对多、多对多）、主成分分析与因子分析、判别分析与聚类分析、非线性回归与Logistic回归分析。书中叙述了作者对一对多、多对多的相关及有关决策系数研究，进而叙述了作者在一对多和多对多线性回归、主成分分析、因子分析及判别分析方面的通径分析及其决策分析。

本书是在自然公理系统中建立概率论的*部著作.本书前五章建立因果空间、*试验、概率空间、条件概率捆和独立性的理论,重点介绍离散型、Kolmogorov型、独立乘积型概率空间,形成概率论的基础理论.《BR》第6、8章论证*变量、*向量和宽*过程是科学实验中子*局部的数学模型；应用概率论基础理论介绍因果结构图、各种条件分布函数和独立性,建立数学期望、方差和协方差等数字特征的知识,形成*变量和*向量的基本理论,以及*过程的初步知识;*后两章介绍两类*重要的统计规律——大数定理和中心极限定理.《BR》

本书是一部介绍渐近统计经典教材，内容实用而且数学理论论述严谨。书中除了介绍介绍渐近统计的核心内容 似然推断，M估计，渐近效率，U统计和秩过程，书中还涉及该领域的新研究论题，如半参数模型，自助法，经验过程，等其他应用。本书各章有习题。

本书研究分类数据的统计过程控制.近年来，统计过程控制的研究成果十分丰富，但大都集中在取值为具体数值的连续数据.本书关注的分类数据取值为若干个类别或属性水平，信息量较少，但在生活生产中极为常见.本书内容来自作者和合作者近年来的研究成果，从一元或多元、名义或有序、独立或自相关、相关性或因果关系等角度，系统地介绍了分类数据统计过程控制的**研究进展.其中，第1章介绍了统计过程控制的基本概念并回顾了一元名义分类数据的监控.第2章到第4章，依次介绍了多元名义分类数据、一元有序分类数据、多元有序分类数据的监控.第5章介绍了同时包含连续和分类数据的混合型数据的监控.第6章和第7章分别介绍了自相关名义分类数据和自相关有序分类数据的监控，第8章和第9章分别介绍了基于因果关系的多元名义分类数据和基于因果关系的多元有

本书是“All of Nonparametric Statistics”的中译本，源于作者为研究生开设的课程讲义，包括了几乎所有的现代非参数统计的内容。这种包罗万象的书不但国内没有，在国外也很难找到本书。主要包括10章内容，主要讲述非参数delta方法和自助法之类的经验CDF，覆盖基本的光滑方法和正态均值、利用正交函数的非参数推断、小波和其他的适应方法等。 本书是“All of Nonparametric Statistics”的中译本，源于作者为研究生开设的课程讲义，包括了几乎所有的现代非参数统计的内容。这种包罗万象的书不但国内没有，在国外也很难找到本书。主要包括10章内容，主要讲述非参数delta方法和自助法之类的经验CDF，覆盖基本的光滑方法和正态均值、利用正交函数的非参数推断、小波和其他的适应方法等。

《统计理论》是一部经典的讲述统计理论的研究生教程，综合性强，内容涵盖：估计；检验；大样本理论，这些都是研究生要进入博士或者更高层次必须学习的预备知识。为了让读者具备更加强硬的数学背景和更广阔的理论知识，书中不仅给出了经典方法，也给出了贝叶斯推理知识。目次：概率模型；充分统计量；决策理论；假设检验；估计；等价；大样本理论；分层模型；序列分析；附录：测度与积分理论；概率论；数学定理；分布概述。 读者对象：概率统计、数学专业以及相关专业的高年级本科生、研究生和相关的科研人员。

Peter B hlmann在ETHZ是高维统计、因果推断方面的知名专家。《高维数据统计学》统计学的前沿之作。这本书所针对的高维数据，是理论研究的热点，在实际中也有着广泛的应用。这本书重点阐述了Lasso和其他L1方法的变体，也有boosting等内容。

《概率论札记》是作者的 工程数学系列札记 的第四本。前三本分别是《矢算场论札记》（2007）、《复变函数札记》（2011）、《矩阵论札记》（2014）。尽管四本书所涉及领域完全不同，但却有着完全一致的目标，即想建立某种工程数学类型，使读者能自如跨越数学与工程之间的桥梁。 《概率论札记》的核心主题是概率，研究的目标是*事件的统计规律。用一句话概括，即*事件反映单体的不可预洲性，而统计规律反映群体的频率稳定性。 《概率论札记》包括慨率论基础、*量分布和数字特征、大数定律、抽样分布到统汁回归等。书中讨论了慨率论的应用实例，丰富的附录可以给广大工程技术人员带来很大的方便。 《概率论札记》适合广大理工科本科生、硕士和博士研究生学习使用。还可以作为相关专业科技与工程技术人员的入门读物和工具书。

本书是研究滚动轴承性能变异的近代统计学分析问题的学术专著。在介绍有关理论基础知识后，提出了滚动轴承性能数据的稳健化判断方法、稳健化处理方法、参数与非参数融合分析方法、混沌动力学分析方法、振动性能变异评估以及性能参数的贝叶斯区间评估方法，从而构建出滚动轴承性能变异过程近代统计学融合评估的体系雏形，为深入揭示滚动轴承性能变异的新特性与新机制提供了一些新思路。