本书是数理统计学的基础教程,内容包括基本概念、点估计、假设检验、区间估计、Bayes统计与统计判决理论、线性统计模型和多元分析基础等。
本书是为综合性大学和师范院校数学系的数理统计课以及高等院校数理统计专业大学生、研究生和教师进修班的数理统计基础课提供一种教材,也可供工科等非数学类学生选作此课程的教材或参考书,具备初等微积分、矩阵论以及概率论基本知识的读者,均可使用本书。
本书的主要读者对象为理工科、经济、管理、师范院校等大学基础课师生及具有大学二年级数学程度的其他读者。

总序
序
第1章 基本概念
1.1 导言
1.2 样本和样本分布
1.3 统计推断
1.4 统计量和抽样分布
习题
第2章 点估计
2.1 矩估计与极大似然估计
2.2 无偏估计
2.3 点估计的大样本理论
习题
第3章 假设检验
3.1 概述Pearson和Fisher的思想
3.2 拟合优度检验
3.3 Neyman-Pearson理论
3.4 一致*优检验与无偏检验
3.5 似然比检验
3.6 正态分布参数的检验及有关检验
3.7 序贯概率比检验
习题
第4章 区间估计
4.1 Neyman的置信区间理论
4.2 Fisher的信任推断法
4.3 容忍区间与容忍限
习题
第5章 Bayes统计与统计判决理论
5.1 Bayes统计推断
5.2 统计判决理论
习题
第6章 线性统计模型
6.1 线性模型的概念和分类
6.2 回��分析
6.3 方差分析
6.4 协方差分析
6.5 一般线性模型的统计推断
附录 统计中常用的矩阵代数
习题
第7章 多元分析基础
7.1 多元正态总体的抽样分布及参数推断
7.2 判别分析
7.3 多元线性模型
7.4 随机向量的互依性
习题
附表
1.正态分布函数表
2.t分布表
3.x2分布表
4.F分布表