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。

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。

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。

数理统计

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。

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。

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。

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。

本书是MINITAB软件（中文版）的入门书，也是非统计专业大学生学习使用统计方法解决实际问题的敲门砖。本书主要介绍了使用MINITAB软件进行参数估计、假设检验、方差分析、回归分析、生存分析/可靠性、类别变量（属性数据）分析、过程控制以及图表分析等内容。书中详述了如何通过MINITAB软件方便地实施多种实用的统计方法，包括：同时控制两类错误的概率条件下选取小样本量的方法、随机效应的方差分析、子集回归、广义Logistic回归模型的求解、多重对应分析、寿命回归等。为了适应非统计专业大学生的实际情况，本书先以通俗的文笔介绍每种统计方法，然后讲述用软件实施统计方法的要领，再通过实例演示实施统计方法的步骤，后通过练习题达到巩固所学知识的效果。由于本书避免理论推导，所用的中文版MINITAB软件通过菜单发布指令，尽量避开生僻的统计

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.《BR》 读者只需具有高等数学和概率统计的基本知识即可读懂本书的主要内容.

近来，被称为“数据科学家”的研究者备受关注，充分运用数据进行分析，变得越 来越重要。这种活用数据的基础便是“统计与概率”。《BR》统计与概率，不仅对于研究者，对于生活在现代社会的所有人来说都是可以在现实 生活中发挥重要作用的知识。在日常生活中，正确解读数据，从而进行合理的判断，也 是依靠概率和统计的思考方法。《BR》在本书中，以我们身边的话题作为案例，介绍以统计与概率为基础的重要数学方法， 并对于因人工智能的蓬勃发展而备受瞩目的“贝叶斯统计”，也介绍其思考方法与应用实 例。此外，本书还对概率论起源于 17 世纪欧洲的博彩问题，以及“统计大师”汉斯·罗 斯林博士的访谈、随机和随机数的深奥的问题等进行了介绍，希望与读者一同洞悉统计 与概率的本质。

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。

本书主要介绍随机矩阵谱理论及大维数据分析、大规模数据分析及降维技术、变系数模型、纵向数据模型的稳健推断、测量误差模型及其统汁分析方法、缺失数据回归分析、复杂疾病的基因关联分析、因果推断与图模型、复杂疾病的基因关联分析、生物医学等价性评价问题的统计推断、约束下的统计推断方法、现代试验设计与抽样调查等研究领域。不仅介绍进入这些前沿研究领域所的基础知识，而且介绍这些前沿研究领域的**发展状况及有关重要成果，探索有关领域的科学研究发展规律与发展方向。

本书主要介绍了统计模型及统计推断中的问题，并引入极大似然法和贝叶斯方法来解答这些问题；概述R语言；简括极大似然估计的大样本理论，然后讨论应用该理论所涉及的数值方法；讲述贝叶斯计算所需的数值方法 马尔可夫链蒙特卡罗方法；介绍线性模型的理论及其应用。

该书通过重点介绍现代概率论的分析思路与其所用的分析工具之间的相辅相成的关系，相当详细地介绍了现代概率论。第2版中的练习题超过750道，并且对Levy过程、大偏差理论、Banach空间上的Gauss测度、Wiener测度与偏微分方程的关系等添加了许多新的素材。书的第1部分介绍了独立*变量、中心极限现象、弱收敛性的通用理论及其几种应用，以及关于函数空间上的Gaussian和Markovian测度理论

本书系统讲述统计中多元分布的基本理论和常用的多元数据分析方法。多元分布理论包括Wishart分布、T2分布、A分布、多元Beta分布、多元正态的参数估计和假设检验及一般多元分布的参数估计和假设检验理论。多元数据分析方法包括多元线性回归模型、判别分析、主成分分析、因子分析、相应分析、聚类分析、典型相关分析和多维标度法。既强调作为一个学科分支的理论系统性，对一些基本定理给出了必要而简明的数学推导，又注重数据分析方法的多样性，对各方法从背景、数学工具的使用、计算步骤到应用技巧及各种方法之间的联系，都有较详细的阐述，包括近期的一些新发展。书中给出一些有启发性的实例和习题。书末附录给出一些代数补充知识。

本书系统介绍概率计量逻辑的基本理论及其应用,主要是作者十余年来研究工作的系统总结,同时也兼顾国际上有关此领域中的主要研究成果.全书共十章,具体内容包括逻辑公式的概率真度理论、逻辑公式的Choquet积分真度理论、概率计量逻辑推理系统、逻辑理论的相容度及程度化推理方法、极大相容逻辑理论的结构及其拓扑刻画、R0-代数中的三值Stone拓扑表示定理、逻辑代数上的态理论、逻辑代数上的内部态理论与剩余格上的广义态理论等.