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
《深入浅出统计学》具有 深入浅出系列 的一贯特色，提供符合直觉的理解方式，让统计理论的学习既有趣又自然。从应对考试到解决实际问题，无论你是学生还是数据分析师，都能从中受益。本书涵盖的知识点包括：信息可视化、概率计算、几何分布、二项分布及泊松分布、正态分布、统计抽样、置信区间的构建、假设检验、卡方分布、相关与回归等等，完整涵盖AP考试范围。本书运用充满互动性的真实世界情节，教给你有关这门学科的所有基础，为这个枯燥的领域带来鲜活的乐趣，不仅让你充分掌握统计学的要义，更会告诉你如何将统计理论应用到日常生活中。
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。
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。
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。
