第一章 基本概念 1
1.1 导言 1
1.2 样本和样本分布 10
1.3 统计推断 23
1.4 统计量和抽样分布 28
习题 48
第二章 点估计 50
2.1 矩估计与极大似然估计 50
2.2 无偏估计 62
2.3 点估计的大样本理论 79
习题 91
第三章 假设检验 94
3.1 概述Pearson和Fisher的思想 94
3.2 拟合优度检验 101
3.3 Neyman-Pearson理论 116
3.4 一致最优检验与无偏检验 123
3.5 似然比检验 132
3.6 正态分布参数的检验及有关检验 138
3.7 序贯概率比检验 153
习题 161
第四章 区间估计 164
4.1 Neyman的置信区间理论 165
4.2 Fisher的信任推断法 179
4.3 容忍区间与容忍限 184
习题 189
第五章 Bayes统计与统计判决理论 192
5.1 Bayes统计推断 193
5.2 统计判决理论 217
习题 241
第六章 线性统计模型 244
6.1 线性模型的概念和分类 244
6.2 回归分朴 250
6.3 方差分析 269
6.4 协方差分析 279
6.6 一般线性模型的统计推断 282
附录A 统计中常用的矩阵代数 298
习题 304
第七章 多元分析基础 308
17.1 多元正态总体的抽样分布及参数推断 309
17.2 判别分析 325
17.3 多元线性模型 337
17.4 随机向量的互依性 351
习题 364