本书为普通高等教育 十二五 *规划教材。全书八章，前四章为概率论部分，主要叙述各种概率分布及其性质，后四章为数理统计部分，主要叙述各种参数估计与假设检验。 本书编写从实例出发，图文并茂，通俗易懂，注意讲清楚基本概念与统计思想，强调各种方法的应用，适合初次接触概率统计的读者阅读。全书插图100多幅，例题250多道，习题近500道。 本书可供高等学校数学类专业和统计学专业作为教材使用，亦可供其他专业类似课程参考，也适合自学使用。

这本经典的概率论教材通过大量的例子系统介绍了概率论的基础知识及其应用，主要内容有组合分析、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.各章末附有大量的练习，分为习题、理论习题和自检习题三大类，并在书末给出自检习题的全部解答。 本书是概率论的入门书，适合作为数学、统计学、经济学、生物学、管理学、计算机科学及其他各工学专业本科生的教材，也适合作为研究生和应用工作者的参考书。 2步获取导学视频： ①微信视频号关注 IT阅读排行榜 ②点击 直播回放 栏，上滑寻找

本书是一本非数学专业主要是文科及艺术类专业的数学教材，讲述方式活泼，案例贴近生活，读者可以在轻松学习中体会数学乐趣和意义。全书分为三大部分：归纳和演绎、逻辑和数；代数和几何；概率统

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。

《统计学精品译丛：*过程（原书第2版）》中文简体字版由约翰威利父子公司授权机械工业出版社独家出版。未经出版者书面许可，不得用任何方式复制或抄袭本书内容。 《统计学精品译丛：*过程（原书第2版）》从概率的角度而不是分析的角度来看待*过程，书中介绍了*过程的基本理论，包括Poisson过程、Markov链、鞅、Brown运动、*序关系、Poisson逼近等，并阐明这些理论在各领域的应用。书中有丰富的例子和习题，其中一些需要创造性地运用*过程知识、系统地解决的实际问题，给读者提供了应用概率研究的实例。 《统计学精品译丛：*过程（原书第2版）》是*过程的入门教材，没有用到测度论，仅以微积分及初等概率论知识为基础，适合作为统计学专业本科生以及其他理工和经管类专业研究生相关课程的教材，更值得相关研究人员和授课教师参考。

本书是数理统计入门级的教材，作为基础课的教材，本次修订我们修改了版中的不当之处，删去了U统计量、线性估计、构造置信限等内容，选择点估计、区间估计、参数检验和分布检验4个基本的统计问题作为本书主要内容，中间插入贝叶斯统计的一些观念和方法。全书5章内容，把统计量和抽样分布等基本概念归入第1章，为年轻读者进入统计学的研究和应用打下扎实的基础

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。

全书采用一种统一方式加以讨论，即首先对生成可用数据的抽样过程进行设定，并考察仅利用实证证据时，探讨了解认识总体参数的情况，然后研究倘若在施加各种各样的假设条件下，这些参数的集值识别域会如何缩小。所用的推断方法是传统的且完全非参数的方法。

科学认为任何事情都有一定的几率，无论是彩票、赌博、选择伴侣、还是计算外星生命存在的可能性。《几率：运气、随机和概率背后的秘密（探索 新知）》是将美国科普杂志《进步科学人》中刊载的主题和内容相近的文章汇集而成，探讨了运气、随机、风险和概率背后的秘密。全书由六部分组成，每部分由4-6篇短文组成，从数学、物理学、哲学、进化生物学等学科的角度阐述了概率、运气在人类诞生、日常生活、科技发明、宇宙未来、物种演化等方面发挥的作用及其科学解释。这是一部有趣的作品，即使对物理学、数学不感兴趣的读者也都能有所收获，是一本让读者喜欢物理、数学、生物学的科普读物。

《*过程》是高等院校*过程课程的教材。全书共分七章，内容包括：概率统计、泊松过程、更新过程、离散时间马尔可夫链、连续时间马尔可夫链、布朗运动和应用举例。每小节配有练习题，每章配有总习题，书末附有习题答案或提示，供读者参考。本书对实际应用中常见的*过程作了较为系统的介绍，有许多新的简明讲法，方便读者更好地理解*过程的概念和主要定理。 《*过程》可作为综合大学数学、统计学专业本科高年级*过程课程的教材或教学参考书，也可作为综合大学、高等师范院校、理工科大学和财经院校研究生*过程课程的教材或教学参考书。学习本书的先修课程是高等数学、概率论与数理统计。

由夏宁茂等编著的《概率论与数理统计》是培养学生利用*思维模式看待和处理*现象的一门重要数学基础课程。 通过模拟、函数计算及程序调用，把Excel工具广泛使用于概念的引进和数值计算，帮助学生形象理解新概念，直达核心处理思想；现代概念的描述性融入，现代概率论中的基本概念，例如：“可测性”、“概率空间变换”、“条件数学期望”、“期望积分平均”等科普描述性的引进，可使学生缩短与近代概率论之间的距离；教材重视基本概念与方法，又强调*处理的思想，通过借用MBA的案例分析方法，引导学生灵活运用所学知识，掌握*处理的基本过程；概率统计前后呼应、相互融合，兼顾传统理论与时代精神。

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。

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。

本书包括离散时间Markov链、Poisson过程、更新过程、连续时间Markov链、鞅和金融数学六章内容，涵盖了*过程的核心知识点，涉及大量较新应用。书中内容完全以应用为导向，不涉及高深的理论证明或数学推导，极富思想性作者力求通过展示*过程的实际应用来让学生学习这门学科，因此书中有大量的例子，还有200多道习题来加深读者对内容的理解。 本书可作为各专业本科生或研究生的*过程入门教材，也可作为相关老师和实际工作者的参考书。

本书用测度论的观点论述概率论的基本概念，如概率、随机变量与分布函数、数学期望与条件数学期望和中心极限定理等。本书特点是把测度论的基本内容与概率论的基本内容结合在一起讲述，论述严谨，条理清楚，便于自学，凡学过概率论基础课的读者都能阅读本书。每节后面附有习题，以便加深理解书中的内容。

本书系统论述多元统计分析的基本理论和方法，力求理论与实际应用并重。只要具有一元统计的知识就可阅读本书。《BR》 本书主要内容是：多元正态分布、方差分析、回归分析、因子分析与线性模型、聚类分析和统计量的分布附录中列出了常用的多元分布表。

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。

This book is primarily based on a one-year course that hasbeen taught for a number of years at Princeton University toadvanced undergraduate and graduate students. During the last yeara similar course has also been taught at the University ofMaryland. We would like to express our thanks to Ms. Sophie Lucas and Prof.Rafael Herrera who read the manu* and suggested manycorrections. We are particularly grateful to Prof. Boris Gurevichfor making many important sug-gestions on both the mathematicalcontent and style. While writing this book， L. Koralov was supported by a NationalSci-ence Foundation grant （DMS-0405152）. Y. Sinai was supported bya National Science Foundation grant （DMS-0600996）.

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。