《数理统计与数据分析（原书第3版）》将现代统计学的重要思想引入数理统计课程中，强调了数据分析、图形工具和计算机技术，并注重统计的实务和应用。《数理统计与数据分析（原书第3版）》内容丰富，几乎涵盖了所有经典和前沿的概率论与数理统计理论和方法，主要包括概率、随机变量、联合分布、期望、极限定理、抽样调查、参数估计、假设检验、数据汇总、两样本比较、方差分析、分类数据分析和线性最小二乘等。
《数理统计与数据分析（原书第3版）》用真实数据分析了实际问题，以此增强读者对理论的理解；作者将自助方法与传统的推论性过程结合起来，增加了蒙特卡罗方法。此外，为了使概念更清晰，书中提供了大量的示例，而且还有丰富的习题，以增强读者的计算能力。
《数理统计与数据分析（原书第3版）》适合作为统计学、数学、其他理工科专业以及社会科学和经济学专业高年级本科生和低年级研究生的教材，同时也可供相关领域技术人员参考。
John A. Rice，在加州大学伯克利分校获得博士学位，并一直任教于该校统计系，现为该校统计学名誉教授。他是美国数理统计学会成员，发表过多篇理论和应用统计学论文，其研究兴趣集中于海量和需要高强度计算的随机数据的分析方法。
译者序
前言
第1章 概率
1.1 引言
1.2 样本空间
1.3 概率测度
1.4 概率计算：计数方法
1.4.1 乘法原理
1.4.2 排列与组合
1.5 条件概率
1.6 独立性
1.7 结束语
1.8 习题
第2章 随机变量
2.1 离散随机变量
2.1.1 伯努利随机变量
2.1.2 二项分布
2.1.3 几何分布和负二项分布
2.1.4 超几何分布
2.1.5 泊松分布
2.2 连续随机变量
2.2.1 指数密度
2.2.2 伽马密度
2.2.3 正态分布
2.2.4 贝塔密度
2.3 随机变量的函数
2.4 结束语
2.5 习题
第3章 联合分布
3.1 引言
3.2 离散随机变量
3.3 连续随机变量
3.4 独立随机变量
3.5 条件分布
3.5.1 离散情形
3.5.2 连续情形
3.6 联合分布随机变量函数
3.6.1 和与商
3.6.2 一般情形
3.7 极值和顺序统计量
3.8 习题
第4章 期望
4.1 随机变量的期望
4.1.1 随机变量函数的期望
4.1.2 随机变量线性组合的期望
4.2 方差和标准差
4.2.1 测量误差模型
4.3 协方差和相关
4.4 条件期望和预测
4.4.1 定义和例子
4.4.2 预测
4.5 矩生成函数
4.6 近似方法
4.7 习题
第5章 极限定理
5.1 引言
5.2 大数定律
5.3 依分布收敛和中心极限定理
5.4 习题
第6章 正态分布的导出分布
6.1 引言
6.2 x2分布、t分布和F分布
6.3 样本均值和样本方差
6.4 习题
第7章 抽样调查
7.1 引言
7.2 总体参数
7.3 简单随机抽样
7.3.1 样本均值的期望和方差
7.3.2 总体方差的估计
7.3.3 X 抽样分布的正态近似
7.4 比率估计
7.5 分层随机抽样
7.5.1 引言和记号
7.5.2 分层估计的性质
7.5.3 分配方法
7.6 结束语
7.7 习题
第8章 参数估计和概率分布拟合
8.1 引言
8.2 粒子排放量的泊松分布拟合
8.3 参数估计
8.4 矩方法
8.5 最大似然方法
8.5.1 多项单元概率的最大似然估计
8.5.2 最大似然估计的大样本理论
8.5.3 最大似然估计的置信区间
8.6 参数估计的贝叶斯方法
8.6.1 先验的进一步注释
8.6.2 后验的大样本正态近似
8.6.3 计算问题
8.7 效率和克拉默{拉奥下界
8.7.1 例子：负二项分布
8.8 充分性
8.8.1 因子分解定理
8.8.2 拉奥{布莱克韦尔定理
8.9 结束语
8.10 习题
第9章 假设检验和拟合优度评估
9.1 引言
9.2 奈曼{皮尔逊范式
9.2.1 显著性水平的设定和p 值概念
9.2.2 原假设
9.2.3 一致最优势检验
9.3 置信区间和假设检验的对偶性
9.4 广义似然比检验
9.5 多项分布的似然比检验
9.6 泊松散布度检验
9.7 悬挂根图
9.8 概率图
9.9 正态性检验
9.10 结束语
9.11 习题
第10章 数据汇总
10.1 引言
10.2 基于累积分布函数的方法
10.2.1 经验累积分布函数
10.2.2 生存函数
10.2.3 分位数{分位数图
10.3 直方图、密度曲线和茎叶图
10.4 位置度量
10.4.1 算术平均
10.4.2 中位数
10.4.3 截尾均值
10.4.4 M 估计
10.4.5 位置估计的比较
10.4.6 自助法评估位置度量的变异性
10.5 散度度量
10.6 箱形图
10.7 利用散点图探索关系
10.8 结束语
10.9 习题
第11章 两样本比较
11.1 引言
11.2 两独立样本比较
11.2.1 基于正态分布的方法
11.2.2 势
11.2.3 非参数方法：曼恩{惠特尼检验
11.2.4 贝叶斯方法
11.3 配对样本比较
11.3.1 基于正态分布的方法
11.3.2 非参数方法：符号秩检验
11.3.3 例子：测量鱼的汞水平
11.4 试验设计
11.4.1 乳腺动脉结扎术
11.4.2 安慰剂效应
11.4.3 拉纳克郡牛奶试验
11.4.4 门腔分术
11.4.5 FD&C Red No.
11.4.6 关于随机化的进一步评注
11.4.7 研究生招生的观测研究、混杂和偏见
11.4.8 审前调查
11.5 结束语
11.6 习题
第12章 方差分析
12.1 引言
12.2 单因子试验设计
12.2.1 正态理论和 F 检验
12.2.2 多重比较问题
12.2.3 非参数方法：克鲁斯卡尔{沃利斯检验
12.3 二因子试验设计
12.3.1 可加性参数化
12.3.2 二因子试验设计的正态理论
12.3.3 随机化区组设计
12.3.4 非参数方法：弗里德曼检验
12.4 结束语
12.5 习题
第13章 分类数据分析
13.1 引言
13.2 费舍尔精确检验
13.3 卡方齐性检验
13.4 卡方独立性检验
13.5 配对设计
13.6 优势比
13.7 结束语
13.8 习题
第14章 线性最小二乘
14.1 引言
14.2 简单线性回归
14.2.1 估计斜率和截距的统计性质
14.2.2 拟合度评估
14.2.3 相关和回归
14.3 线性最小二乘的矩阵方法
14.4 最小二乘估计的统计性质
14.4.1 向量值随机变量
14.4.2 最小二乘估计的均值和协方差
14.4.3 σ2的估计
14.4.4 残差和标准化残差
14.4.5 ˉ 的推断
14.5 多元线性回归：一个例子
14.6 条件推断、无条件推断和自助法
14.7 局部线性平滑
14.8 结束语
14.9 习题
附录A 常用分布
附录B 表
部分习题答案
参考文献
书单推荐
