本书是数理统计学的优秀入门教材，深入浅出地介绍了统计理论与方法，通过大量的实际数据例子强调概率模型和统计方法的应用，使读者更能洞悉和体会统计思维与统计方法的本质。本书主要内容包括：统计与概率导论，随机变量、分布和数学期望，概率分布，抽样分布和数据描述，单样本和两样本的估计问题，单样本和两样本的假设检验，线性回归，析因试验等。
突出统计思想。本书中的统计方法大多是现代统计学的常用统计理论与方法，在介绍每一种统计方法前都详细叙述统计方法的思想。
注重实际应用。把抽象的统计理论与方法进行直观描述与总结，不偏重理论的推导，而是注重具体应用。
内容丰富，实用性强。书中含有大量的例子和习题，通过真实、科学的模型方案和数据使读者掌握统计方法。这些例子和习题不局限于工程领域，还包括一些社会学、经济学、生物学、物理学和计算机科学领域的应用。
要求数学知识少。只要读者掌握基本的微积分和非常简单的矩阵运算知识，就可以畅通无阻地阅读全书，并能应用所介绍的统计方法。
普通方法与所需数学知识
本书适合作为一学期课程使用的教材，内容覆盖统计学基本理论及其在工程和科学领域应用涉及的关键主题.本书保持了理论和应用的平衡.当我们讨论概率中的法则和概念时，需要利用微积分知识来增强对统计中分析工具的理解.想要学习这本书的学生应该掌握相当于一学期课时的微积分学的学习内容.掌握一定线性代数的知识是有帮助的，但是如果教师不讲授7.11节使用矩阵代数的多重线性回归，那么这部分的知识并不是必要的.
为了让学生更深入地理解统计学的实际应用，书中还给出了许多课堂项目和案例研究.
课堂项目可以使学生单独或按组收集他们自己的试验数据，并利用这些数据做出推断.在某些情况下，学生所做的工作可能涉及阐明一个概念的含义和/或给出一个重要统计结果的经验理解.案例研究中的评注可以帮助学生清晰地了解实际情况的背景.在每章的最后，我们还给出本章内容与其他章节内容的关系，以及本章中所介绍的统计方法可能存在的误用.本书包含大量的习题，可以激发学生运用书中的概念来处理实际许多现实生活中科学和工程应用的兴趣.习题中所包含的数据可以从如下网址获得：http://www.pearsonhighered.com/mathstatsresources.
内容和课程安排
本书共包含9章内容.前两章介绍了随机变量的概念及其性质，包括它们在刻画数据集中的作用.这个讨论的基础是正确区分实际情形中的总体和样本.
第3章用例子阐明了离散随机变量和连续随机变量，并且讨论了二项分布、泊松分布、超几何分布等有用的离散分布.此外，还介绍了连续分布，包括正态分布、伽玛分布和指数分布.在所有情况中，都给出实际生活实例来揭示如何在实际工程问题中应用这些分布.
第4章通过实用主题进一步讨论第3章中具体分布的相关内容，包括随机抽样以及表示位置中心和样本波动性的描述统计类型.本章中还给出了样本均值和样本方差的例子.在介绍了中心趋势和波动性后，详细介绍了抽样分布的相关内容.现实生活示例强调在基本统计推断中如何使用抽样分布.结合正态分布、学生t分布、χ2分布和F分布的使用机制和目的介绍了中心极限式方法，并通过例子说明它们的使用.在后面讨论估计和假设检验的章节中，学生还会接触到这种方法.书中结合一些重要的图形方法（如茎叶图和Box-Whisker图）对这种基本方法进行介绍.第4章给出第一个涉及现实数据的案例研究.
第5章和第6章相互补充，提供了一个使用估计和假设检验解决实际问题的基础.这两章还介绍了单均值与两均值的统计推断，以及单比例与两比例的统计推断.我们展示并详细讨论了置信区间，同时介绍了预测区间和容忍区间.此外，还详细介绍了配对观测的相关问题.
第7章涵盖了简单线性回归（SLR）和多元线性回归（MLR）的基础知识，其内容的深度适合一学期的课程.第8章和第9章使用类似的方法介绍了与方差分析（ANOVA）相关的标准方法.尽管回归和ANOVA是比较有挑战的主题，但是文中清晰的表述，并结合案例研究、班级项目、例题和习题，学生很容易了解这些内容的本质.
在讨论概率中的法则和概念时，我们还强调了一些使用微积分知识的分析工具.虽然第7章的多元线性回归方面的材料已经涵盖这种基本方法，但是学生可能无法完全掌握矩阵代数和相关处理，这样他们就需要学习为两学期课程所设计的教材.
计算机软件
第4章开始的案例研究用SAS和MINITAB给出了计算机输出结果和图形材料.我们之所以运用软件输出结果是希望学生有阅读和解释软件输出结果与图形输出结果的能力，即使书中所涉及的这些输出结果并没有被教师所运用.运用不止一种的软件输出，是为了开拓初学者的视野，但并不能说这些软件在学生毕业后就一定会使用.
教辅资料
教师解答手册（Instructor’s Solutions Manual）：包含了所有习题的答案，用书教师可以从如下网址获得：www.pearsonhighered.com/irc.
PPT：这份PPT中包含了书中的大部分图和表，用书教师可以从如下网址获得：www.pearsonhighered.com/irc.
致谢
毫无疑问，我们要感谢那些为本书提供许多有益建议的同仁们.他们是David Groggel（迈阿密大学）、Lance Hemlow（力登谷社区学院）、Ying Ji（德州大学圣安东尼奥分校）、Thonmas Kline（北爱荷华大学）、Sheila Lawrence（罗格斯大学）、Luis Moreno（布鲁姆县社区学院）、Donald Waldman（科罗拉多大学波德分校）和Marlene Will（斯伯丁大学）.我们还要感谢Delray Schultz（米勒斯维尔大学）和Keith Friedman（德州大学奥斯汀分校）,他们保证了本书的准确性.我们想要感谢为本书的编辑和制作做出贡献的Pearson/Prentice Hall出版社的许多工作人员，特别是主编Deirdre Lynch、组稿编辑Chris Cummings、责任编辑Christina Lepre，副内容编辑Dana Bettez、编辑助理Sonia Ashraf、产品项目经理Tracy Patruno和文字编辑Sally Lifland.我还要感谢弗吉尼亚理工大学统计咨询中心，他们提供了大量实际数据集.
R.H.M.
S.L.M.
K.Y.
数学
本书是数理统计学的优秀入门教材，深入浅出地介绍了统计理论与方法，通过大量的实际数据例子强调概率模型和统计方法的应用，使读者更能洞悉和体会统计思维与统计方法的本质。本书主要内容包括：统计与概率导论，随机变量、分布和数学期望，概率分布，抽样分布和数据描述，单样本和两样本的估计问题，单样本和两样本的假设检验，线性回归，析因试验等。
本书特色
突出统计思想。本书中的统计方法大多是现代统计学的常用统计理论与方法，在介绍每一种统计方法前都详细叙述统计方法的思想。
注重实际应用。把抽象的统计理论与方法进行直观描述与总结，不偏重理论的推导，而是注重具体应用。
内容丰富，实用性强。书中含有大量的例子和习题，通过真实、科学的模型方案和数据使读者掌握统计方法。这些例子和习题不局限于工程领域，还包括一些社会学、经济学、生物学、物理学和计算机科学领域的应用。
要求数学知识少。只要读者掌握基本的微积分和非常简单的矩阵运算知识，就可以畅通无阻地阅读全书，并能应用所介绍的统计方法
周勇 马昀蓓 谢尚宇 王晓婧 译：暂无简介
统计学，特别是数理统计学是应用数学的一个分支，它主要是以数据为研究对象，通过利用概率论进行数学建模，收集并整理所观察对象或系统的数据（包括收集数据的方法），进行量化的分析、总结，并进而进行推断和预测，为相关决策提供依据和参考.它广泛应用于各门学科之上，从理学到工程学、从经济学到社会科学、从心理学到人文科学，甚至用于工、商、农、林业和政府的情报决策上.
自20世纪初以来，科学技术迅猛发展，社会发生了巨大变化，随着经济的繁荣，金融产品的创新，统计学进入了快速发展时期.归纳起来有以下几个方面：
1）由描述性统计向推断统计发展.虽然统计学最初由描述性统计开始，但是，目前西方国家所指的科学统计方法主要就是指数理统计或统计推断.
2）由社会、经济统计向多分支学科发展.到现代，统计的范畴已覆盖了社会生活的一切领域，成为通用的方法论科学. 它被广泛用于研究社会和自然界的各个方面，并发展成为有着许多分支学科的科学.例如，生物统计、生存分析、可靠性统计、工业统计、生态统计、金融统计等.
3）统计预测和决策科学的发展.自20世纪30年代，特别是第二次世界大战以来，由于经济、社会、军事等方面的客观需要，统计预测和统计决策科学有了很大发展，使统计学走出了传统的领域而被赋予新的意义和使命.
4）信息论、控制论、系统论与统计学的相互渗透和结合，使统计学进一步得到发展和日趋完善.
5）计算技术和一系列新技术、新方法在统计领域不断得到开发和应用.统计推断离不开计算与仿真，计算技术的创新，计算机的出现，使得数理统计得到更大、更广的应用.
6）统计在现代化管理和社会生活中的地位日益重要.统计与管理、统计与决策的结合，使得统计学在管理与决策科学中起着举足轻重的作用.同时也为管理机构、政府决策提供了强有力支持.
数理统计学在工业快速发展过程中也得到很大的发展，内容不断丰富，出现了许多非常实用和典型的案例.本书正是在这样的大背景下由Ronald E.Walpole、Raymond H.Myers、Sharon L.Myers和Keying Ye撰写的一部优秀的数理统计教材.此部教材内容系统、翔实、丰富，选材恰当，范例多而具体，文字通俗，层次分明.
从内容看，本书有如下特点：
1.突出统计思想.本书中的统计方法大多是现代统计学的常用统计理论与方法，在介绍每一种统计方法前都详细叙述统计方法的思想.把抽象的统计理论与方法进行直观描述及总结，不偏重理论的推导，而是注重具体实用.深入浅出地介绍理论与方法，读者一看就能理解所描述的理论与方法，并且能快速掌握方法的应用.
2.实用性强.在正文和练习里都列举了大量的实际数据例子，以便读者学习和掌握所介绍的各种统计方法.虽然这些例子大多都是来自工程，少数来自经济领域，但是相信读者能够触类旁通地考虑其他领域的类似问题.根据书中的例子，将书中的理论与方法平行推广到其他应用学科也是本书的一大特色.
3.要求数学知识少.只要读者掌握基本的微积分和非常简单的矩阵运算知识，就可畅通无阻地阅读全书，并能应用所介绍的统计方法.
4.内容丰富，编排系统.虽然国内外的数理统计教材很多，但是大多数注重理论的发展，并过于强调概率论及数学的基础知识，而此书虽然也强调理论和方法的重要，但是更注重实用性.
总之，这本书是数理统计学的优秀入门教材，适合统计专业及相关专业的本科生和研究生阅读，同时也适合相关领域的科研人员参考使用.对于统计理论与方法有进一步学习欲望的读者，学完本书后，可以进一步学习有关数理统计专题的读物.
我们为机械工业出版社华章分社出版此教材而感到高兴，也很荣幸能够应邀组织翻译本书.在本书的翻译过程中，得到多位中国科学院数学与系统科学研究院和上海财经大学统计与管理学院专家与老师们的支持和鼓励.特别感谢中国科学院博士研究生赵目、田军、白芳芳和上海财经大学博士研究生李小莉、研究生赵微等对译稿文字的校对.承蒙中国科学院数学与系统科学研究院李道纪博士（英国）、栾清淑、刘沛欣和上海财经大学袁媛、刘晓倩、刘鹏进行校对，他们提出了许多修改意见，同时进行了部分翻译.
限于译者水平，译文肯定还有不当之处，欢迎专家和读者批评指正.
最后要说明的是,除了比较熟知的已有译名的外国人名字外,书中出现的外文名一般不进行翻译,保留原来形式,以便读者方便查找参考文献.
周 勇
2013年12月于中国科学院及上海财经大学
译者序
前 言
第1章 统计与数据分析概述1
1.1 回顾：统计推断、样本、总体和概率的作用1
1.2 抽样过程、数据的收集4
1.3 离散数据和连续数据7
1.4 概率：样本空间和事件7
1.5 样本点计算13
1.6 事件的概率17
1.7 加法规则18
1.8 条件概率、独立性和乘法规则22
1.9 贝叶斯公式28
第2章 随机变量、分布和期望34
2.1 随机变量的概念34
2.2 离散概率分布36
2.3 连续概率分布39
2.4 联合概率分布43
2.5 随机变量的均值52
2.6 随机变量的方差和协方差58
2.7 随机变量线性组合的均值和方差64
2.8 可能的误解和风险及其与其他章节的关系72
第3章 一些概率分布73
3.1 引言和目的73
3.2 二项分布和多项式分布73
3.3 超几何分布79
3.4 负二项分布和几何分布83
3.5 泊松分布和泊松过程85
3.6 连续均匀分布89
3.7 正态分布90
3.8 正态曲线下的面积92
3.9 正态分布的应用95
3.10 二项式的正态近似99
3.11 伽玛分布和指数分布103
3.12 卡方分布107
3.13 可能的误解和风险及其与其他章节的关系112
第4章 抽样分布和数据描述113
4.1 随机抽样113
4.2 一些重要的统计量114
4.3 抽样分布118
4.4 均值的抽样分布和中心极限定理119
4.5 S2的抽样分布125
4.6 t分布126
4.7 F分布129
4.8 图形表示131
4.9 可能的误解和风险及其与其他章节的关系138
第5章 单样本和两样本的估计问题139
5.1 引言139
5.2 统计推断139
5.3 经典估计方法139
5.4 单样本：估计均值141
5.5 点估计的标准误差146
5.6 预测区间146
5.7 容忍限148
5.8 两样本：估计均值差151
5.9 配对观测155
5.10 单样本：估计一个比例158
5.11 两样本：估计两比例的差160
5.12 单样本：估计方差162
5.13 可能的误解和风险及其与其他章节的关系166
第6章 单样本和两样本的假设检验167
6.1 统计假设的基本概念167
6.2 统计假设检验168
6.3 利用P值实施假设检验的决策174
6.4 单样本：单均值检验177
6.5 两样本的均值检验181
6.6 均值检验样本容量的选择186
6.7 均值比较的图形方法187
6.8 单样本比例检验192
6.9 两样本比例检验194
6.10 拟合优度检验196
6.11 独立性检验(分类数据)198
6.12 齐次性检验200
6.13 两样本案例研究202
6.14 可能的误解和风险及其与其他章节的关系207
第7章 线性回归208
7.1 线性回归简介208
7.2 简单线性回归（SLR）模型和最小二乘法209
7.3 关于回归系数的推断215
7.4 预测220
7.5 方差分析方法224
7.6 对回归线性的检验：重复观测的数据227
7.7 残差诊断图：对违背假设的图形检测232
7.8 相关性233
7.9 简单线性回归案例研究235
7.10 多元线性回归和系数估计236
7.11 多元线性回归推断242
第8章 单因子试验的一般性介绍251
8.1 方差分析方法和试验设计策略251
8.2 单向方差分析（单向ANOVA）：完全随机设计252
8.3 方差齐次性检验257
8.4 多重比较261
8.5 区组的概念和随机完全区组设计265
8.6 随机效应模型273
8.7 单向试验的案例研究275
8.8 可能的误解和风险及其与其他章节的关系280
第9章 析因试验(两个或多个因子)281
9.1 引言281
9.2 两因子试验中的交互作用282
9.3 两因子方差分析283
9.4 三因子试验293
9.5 可能的误解和风险及其与其他章节的关系304
附录A 统计表及证明305
附录B 奇数习题答案330
参考文献339
索引342
