本书深入浅出地介绍统计理论与方法，突出统计思想，为便于读者学习和掌握所介绍的各种统计方法，列举了大量的实际数据例子。主要内容包括：概率、随机变量与概率分布、数学期望、一些离散概率分布、连续型概率分布、基本的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、简单线性回归和相关、多元线性回归和一些非线性回归模型、单因子试验、析因试验、非参数统计和统计质量控制等。
Raymond H. Myers 弗吉尼亚科技大学统计学名誉教授，主要研究领域为线性模型、试验设计和响应曲面方法。他曾获得多项教学成果奖，并于1974年被推选为美国标准协会（ASA）会员，1985年被教育发展和支持委员会评为弗吉尼亚州“年度教授”，1999年被美国质量协会授予Shewhart奖章 。
Sharon L. Myers Radford大学数理统计学名誉教授，主要研究领域为统计计算、回归分析和响应曲面方法。她曾担任弗吉尼亚科技大学统计咨询中心副主任15年，担任Radford 大学统计咨询中心主任7年。
作者简介
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，强调概率模型和统计方法的应用，较好地处理了理论与方法之间的关系，以大量的实际数据例子说明各种统计方法的应用，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。
普遍方法与所需数学知识
编写第8版的总体目标仍与前几版的相同.我们能体会到，在理论和应用上保持某种平衡是非常重要的.工程师、物理学家和计算机专家都掌握一定的微积分知识，所以只有在我们所用的数学知识超出了普通教育水平所要求的范围时，才会给出具体的叙述.这样可以避免这本书成为没有数学功底的人的工具书.当然掌握微积分和少量线性代数知识的学生能够更透彻地理解其中的含义并灵活地运用各种结果.否则，学生只能在一个很窄的范围内运用书中的材料.
新的版本包含大量有实质内容的习题，这样会激发学生运用书中的概念来解决许多现实生活中理学和工程学上的问题的兴趣.习题中所包含的数据可以从网上下载，网址是http:∥www. prenhall.com/Walpole.习题数量的增加使得其所涉及的应用领域更加广泛，包括生物医学、生物工程学、商务问题、计算机问题等.而且在那些引入概率论的章节中也包含有实例和习题，这样可以让理学和工程学专业的学生清晰地意识到概率论的重要性.在过去的版本中，微积分的运用仅仅局限在基础概率论和概率分布中，主要在第2章、第3章、第4章、第6章、第7章中出现.第7章是选学章节，包括变量的变换和矩母函数的概念.矩阵代数仅在第11章和第12章中少量的线性回归问题中用到.如果想要了解更多有关矩阵的实际运用，可以学习第12章的选学部分.如果教师想减少矩阵的运用，可以忽略这些部分，但仍可以保持教学内容的连续性.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.掌握一定矩阵代数的知识是有帮助的，但是如果学习课程中不包含前面提到的第12章中的选学内容，那么这部分的知识并不是必要的.
内容和课程安排
这本书可以安排一学期或两学期的课时讲授.如果用一学期讲授，学习第1～10章比较合理.许多教师还希望学生能在一学期中掌握简单线性回归知识.如果是这样，也可以在一学期的教学中包含第11章的内容.另一方面，有些教师希望在一学期的教学中包含一些方差分析的知识，那么可以选择第13章中单因子方差分析部分，并跳过第11章和第12章.为了能有更充裕的时间学习上述的简单线性回归或单因子方差分析或两者皆学，教师可以删除第7章和第5章与第6章中的特定内容（如伽玛分布、对数正态分布和韦布尔分布的处理方法，或负二项分布和几何分布的内容）.当然，如果一些教师对一学期内掌握回归分析和方差分析非常感兴趣，那么还可以删除第9章中的估计问题（如极大似然估计、预测区间和容忍限）.我们觉得在一学期的学习中，教师可以根据自己的需要充分发挥灵活性来选择教学内容.
第1章是为初学者所写的，内容是关于统计推断基础的回顾.它包括样本和数据分析以及许多有目的性的例子和练习材料.此外，还包括一些试验设计的基本知识，以及图解技术的正确认识和数据收集的主要特征.第2～4章的内容是关于概率论的基础知识，介绍了离散随机变量和连续随机变量.第5章和第6章覆盖了关于离散分布和连续分布的使用说明和两者关系的相关知识，并给出了一些例子和习题.第7章是一个选学章节，包括随机变量的变换.教师如果想教授更多的理论知识，可以选择这些材料讲授.这一章是本书中数学内容最多的一章.第8章包括图解方法的更多材料并着重介绍了样本分布，还讨论了概率图.通过对中心极限定理的介绍以及对正态独立同分布下样本方差分布的讨论，我们将重点介绍抽样分布的相关内容，同时会引进t分布和F分布，并将在后面的章节介绍相关知识.第9章和第10章的内容包括单样本和两样本的点估计、区间估计和假设检验.第9章介绍置信区间、预测区间、容忍区间和极大似然估计的内容，教师可以灵活把握，在一学期的教学中，可以删除这些内容.第7版中第9章关于贝叶斯估计的内容已被去除.要了解更多关于本版与上一版的区别可以在下面“本版更新”中找到.
第11～17章中的内容足以供第二学期教学.第8章和第12章分别介绍简单线性回归和多元线性回归.第12章还包括logistic回归的内容，该模型在工程学和生物学的许多方面都有应用.多元线性回归方面的内容很多，教师可灵活运用.在“特别内容”中教师可以看到正交回归元的特例、属性变量和示性变量、模型选择的序贯方法、残差研究和违背假设研究、交互验证和PRESS及Cp的应用和logistic回归.第13～17章包含方差分析、试验设计、非参数统计和质量控制等内容.第15章讲述两水平析因分析（有区组和没有区组）和分式析因，由于本章中有许多的“特别内容”，因此教学的灵活性也较大，建立在标准2k和2k析因设计之上的内容包括区组和部分混区、特殊高阶分式和筛选设计、Plackett-Burman设计和稳健参数设计.
所有的章节都包含大量的习题，比第7版的内容更周详，更多关于习题的信息可以在“本版更新”中了解到.
案例学习和计算机软件
在应用两样本假设检验、多元线性回归、方差分析和两水平析因试验的知识时，会在案例分析中以计算机统计软件输出结果和图形材料的方式给出相关知识的补充.计算机统计软件包括SAS和MINITAB.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.书中许多例子和案例分析在适当的地方附带了多种形式的残差图、分位数图、正态概率图等，特别是在第11～15章中.
本版更新
综述
1.有15%～20%的新增习题是结合了工程学、生物学、物理学和计算机科学领域的许多新的应用.
2.在适当的地方增加了新的章节和章节末回顾，其中包括主要的思想和在使用这些模型时必须了解的场合与风险，以及这些材料在其他章节中对别的材料的影响.
3.包含一个新的(选学)章节——贝叶斯统计，这章知识在许多领域中都有很高的应用价值.
4.根据作者和评审者的审查，整本书进行了全面的调整，做了扩展与增加，下面将具体说明.
第1章
第1章包含不少新的内容.用新的方法展示了离散度量方法和连续度量方法的不同；给出许多离散度量方法应用于现实生活的例子（例如，放射粒子的数量、负责特定港口设施的人的数量和每天到达港口城市的油船数量）.在处理两点(分布)数据的情况下要特别注意，这样的例子会在生物医学和质量控制中给出.
第1章中谈及的新概念是关于不具有中心趋势与可变性特点的分布和样本的性质.同时还定义和讨论四分位数或更一般的分位数.
试验设计的重要性和优点相对于第7版得到一定的扩展，最重要的发展就是处理了关于随机化问题、过程可变性的减少和因子间的相互作用的情况.
读者在第1章中可以看到不同类型的统计研究方法：试验设计、可观察研究和回顾性研究.对于每个类型我们都会给出实例，并讨论这些方法的利弊.在这章中继续强调图解方法及其应用.
第1章增加了19道新的习题，一些数据是从弗吉尼亚科技大学(Virginia Tech)咨询中心得来的，还有一些数据是来自工程学期刊和一些相关的历史数据.本版这一章中有30道习题.
第2章
我们用新的例子和新的表达方式来更好地阐述条件概率的概念.这章提供了总共136道习题，所有的新习题都涉及自然科学和工程学的直接应用.
第3章
在伯努利分布和二项分布中，我们对具有重要地位的“哑”变量概念进行了新的解释.增加了更多关于新应用的习题.章末添加了新的回顾：介绍第3章中的分布参数概念与今后章节所要讨论的特殊概率分布之间的联系.
新习题的内容涉及导弹燃料的小粒子大小分布、科学系统的误差测量、洗衣机的正常工作寿命研究、生产线上电子管的生产、大城市特定交叉路口的到达时间问题、产品的寿命、机场的旅客拥挤问题、一批化学产品所含杂质多少的问题、并联工作的电子元件失效的研究，以及其他许多现实问题的研究.本版中这一章有82道习题.
第4章
本章中增加了不少习题.关于线性函数期望和方差的求解方法扩展到了非线性函数的近似，同时给出实例来说明这些方法的应用.本章结尾的回顾中给出了该章节内容在实际运用中可能存在的困难与风险，这是因为在本章节的大多数例子和习题中都假设参数（均值和方差）是已知的，但在实际运用中这些参数可能需要估计.估计的方法可以参考第9章中的内容.本版中这一章有103道习题.
第5章
本章中加入了很多关于泊松分布不同应用的新习题，同时还补充了泊松概率分布的新解释.
新习题包括泊松分布、二项分布和超几何分布在实际生活中的运用.新习题的内容包括铜线生产中的次品问题、高速公路上需要修补的坑洞问题、城市中医院运送病人的交通问题、机场行李检测问题、国土安全部门侦察入侵导弹问题等.此外，用图解清晰阐述了关于变化参数的泊松分布和二项分布性质.本版中本章节共有105道习题.
第6章
本章中增加了更多关于指数分布和伽玛分布的例子和习题.从长度方面来讨论指数分布的“无记忆性”，并与指数泊松混合分布联系在一起.韦布尔分布的内容有较大的改进和扩展.扩展的部分主要集中在度量和解释失效率或称“风险率”以及关于韦布尔参数的知识，让读者知道机器如何磨损，甚至知道如何使机器寿命提高.关于韦布尔分布和对数正态分布的习题也增加了，需要注意的地方和第5章的一样.在实际情况中，失败率问题或者伽玛分布或韦布尔分布的过程参数的猜测和估计是不稳定的，所以引进了计算误差的方法.本版中这章有84道习题.
第7章
该选学章节没有什么大的变化.
第8章
本章补充介绍了有关中心极限定理和抽样分布的主要思想.加入了许多新的习题.总结了有关t分布、卡方分布和F分布的重要内容，包括如何使用以及蕴涵了哪些假设.
在第8章中，我们更加重视正态概率图的作用.此外，为了使读者更好地了解样本容量n必须为多大时才能近似看做是正态分布，我们对中心极限定理做了详细的讨论.通过作图，我们对此给出了解释.
本章补充说明了二项分布的正态逼近及其实际应用.给出了关于二项分布正态逼近和中心极限定理之间联系的直观论证.这章有75道习题.
第9章
许多新的实际应用展示在本章新增的习题中.总结了有关大样本置信区间的基本原理和风险.此外还对正态假设的重要性和在何种条件下进行这种假设做了讨论.
在本章的前半部分中，对为什么要从“已知标准差σ”的例子开始，展开对置信区间的深入讨论.在实际中这样的情况不会发生，但由于了解了已知样本标准差的例子，这样学生可以更容易明白“未知标准差σ”的情况.
相对于双侧边界，这里讨论并表示了所有类型的单侧边界.书中添加了一些需要应用单侧区间的新例子.它们包括置信区间、预报区间和容忍区间.本章中还讨论了估计量的均方误差.因此，偏差和方差的概念相结合可以用来比较估计量.第9章中共新增27道习题.本版中本章共有习题111道.
第10章
我们整体上重新调整了对于假设检验的介绍.设计本章是为了能帮助学生们清楚地理解假设检验中接受假设和拒绝假设.我们很少用图例来论述“接受零假设”的概念.通过例题，对如何构建和设立零假设和备择假设进行了全面讨论.拒绝这一概念表明“样本证据拒绝H0”，而H0在逻辑上其实是H1的补集，我们以一些实例对这一概念进行了讨论.同时还对“接受H0”这一概念以及其在实际情况中的意义作了更多的说明.我们总结了导致分析者在“接受”零假设情况下却得到错误结论的“错觉和风险”.此外，我们讨论了“稳健性”,即是正态假定下的各种假设检验的灵敏度特性.本章中共有115道习题.
第11章
在本章简单线性回归中增加了许多新的习题.我们着重介绍了判决系数R2在使用中的缺陷.还更多强调了在回归分析中图形和诊断处理的作用.如果没有进行回归诊断处理，我们总结了之后可能会遇到的风险.同时也强调了回归诊断能提供检测假设条件有效性的依据.这些回归诊断包括数据图表、学生氏残差图表和正态概率残差图表.
在本章的前半部分，我们大量地介绍在科学和工程研究中线性模型的本质.文中指出这些模型通常是对一些更复杂和未知结构进行简化后的经验模型.
本章中还更多地介绍了数据图表.我们在一道习题里讨论了“通过原点的回归”.还深入讨论了在H0∶β＝0被拒绝或被接受情况下的意义.我们运用了图表进行说明.本版中本章共有68道习题.
第12章
本章针对系数R2的缺陷给出了一些补充性的处理方法.围绕如何在努力获取最优拟合和控制过度拟合时发生的不可避免的误差自由度之间找到折衷的方案展开讨论.在这种情况下，我们在例子中定义和讨论了“修正系数R2”.此外，还讨论和解释了用于比较竞争模型的测量值CV（变化系数）.本章中一些新的习题可以增加读者在比较竞争模型中使用真实数据的经验.对于“属性回归元”这一问题，我们运用支持基本概念的图形工具对它给出了额外解释.一些补充的习题对Logistic回归在工业和生物医药领域研究中的应用给出了说明.本版中本章共有72道习题.
第13章
本章详细讨论了多元比较中的Tukey检验，提出了在包含变量的置信区间情况下误差率和α值的概念.
本章中给出了一个新的并且重要的章节——“方差分析中的数据变换”.我们比较了在第11章和第12章中能进行好的回归拟合数据变换的讨论.我们在同方差假设下对于方差分析的稳健性给出了简要的阐述.这个讨论结合了先前关于检测假设遭到破坏的诊断图.
此外，我们还提及了同方差假设遭到破坏的根本原因,以及当方差是均值函数时,违背同方差假设如何在现实中发生.本章中还讨论了用于解决实际问题的数据变换.用例子和习题来进行进一步说明，并且增加了一些新的习题.本版中本章一共有67道习题.
第14章
在本章的开始部分，我们着重介绍了交互作用的概念和交互作用的图表.在例题中，通过图表对交互作用给出了科学的解释.增加了一些新习题，侧重于图表的使用，包括残差的诊断图表.所有这些新习题包含了从化学到生物科学的试验数据，它们的重点都在于图表的分析.本版中本章共有43道习题.
第15章
在本章的开始部分，对于作为检测试验两水平设计的作用的方法，我们增加了新的内容予以强调和说明.在这点上，它们常常是序列计划的一部分.对于序列计划，科学家或工程师尝试了解其过程，评估候选因素的作用，并且领悟那些能够帮助他们来决定试验中硕果的最关键的部分.在本章中，我们很早给出了关于分式析因的概念.
我们在例子中详细地讨论“效应”这一概念和用来决定“积极效应”的图表方法.本章中更多地使用了图表说明和几何表述的方式来进一步对全析因和分式析因概念进行描述.此外，我们使用图形描述的方法来说明当两水平试验中一自变元通过中心点时可使用的拟合不足的信息.
在展开并讨论分式析因试验时，构建分式的方法被大大简化，更灵活直观.根据所期望的别名结构来选择“增加列”，书中使用一些例子加以说明.我们觉得这样做能使读者更好地了解到在使用分式时所得到的（和所损失的）.这大大简化了上一版中的内容.这是第一次使用表格的做法，来让读者构建有关分辨率Ⅲ和Ⅳ的两水平设计.本章中新增了18道新习题，现共有50道习题.
第16章
本版中没有较大的变化.本章共有41道习题.
第17章
本版中没有较大的变化.本章共有10道习题.
第18章
这是在第8版中新增的章节.为了在一个独立的章节中更好地讨论这一内容，我们删除了原先第7版中（第9章）有关贝叶斯统计的内容.
本章介绍了对于理科和工科学生而言非常实用和有帮助的有关贝叶斯统计的内容.本章中我们介绍了主观概率这一重要概念以及在实际应用中，主体参数并不是真正作为常数，而是作为随机变量处理的这一问题.我们从贝叶斯统计的角度运用实例处理了点估计和区间估计这些概念.这一章相对来说较短，共包含9个例子和11道习题.
致谢
通过精读上一版教材，同仁们为本版教材提供了许多宝贵的建议，让我们受益匪浅.他们是：Andre Adler(伊利诺伊斯技术学院)、Georgiana Baker（南卡罗莱纳大学）、Barbara Bennie（明尼苏达大学）、Nirmal Devi（Embry Riddle）、Ruxu Du（迈阿密大学）、Stephanie Edwards(伯米吉州立大学)、Charles McAlister(路易斯安娜州立大学)、Judith Miller（乔治敦大学）、Timothy Raymond（伯克内尔大学）、DennisWebster（路易斯安娜州立大学）、Blacke Whitten（爱荷华大学）、Michael Zabarankin（史蒂芬斯科技学院）.我们想要感谢为本书的编辑和制作做出贡献的Prentice Hall出版社的许多工作人员，特别是主编Sally Yagan,排版编辑Lynn Savino Wendel和文字编辑Patricia Daly.感谢Richard Charnigo,Jr.、Michael Anderson、Joleen Beltrami和George Lobell为本书提供了许多有用的评价、建议和校阅.我们要感谢弗吉尼亚科技统计咨询中心提供了大量实际数据.此外，我们要感谢为整理手稿努力工作的Linda Douglas.
R.H.M.
S.L.M.
K.Y.
数学\统计学
本书是数理统计学的优秀入门教材，深入浅出地介绍统计理论与方法，强调概率模型和统计方法的应用，较好地处理了理论与方法之间的关系，以大量的实际数据例子，说明各种统计方法的应用，使读者更能洞悉和体会统计思维与统计方法的本质。
本书特色
l 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与总结，不偏重理论的推导，而是注重具体应用。
l 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。这些例子和习题不仅局限于工程领域，还包括一些社会科学、经济学、生物学、物理学和计算机科学领域的应用。
l 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。
作者简介
Raymond H Myers 弗吉尼亚理工大学统计学名誉教授，主要研究领域为线性模型、试验设计和响应曲面方法。他获得了多项教学成果奖，并于1974年被推选为美国标准协会（ASA）会员，1985年被教育发展和支持委员会评为弗吉尼亚州“年度教授”，1999年被美国质量协会授予Shewhart奖章 。
Sharon L Myers Radford大学数理统计学名誉教授，主要研究领域为统计计算、回归分析和响应曲面方法。她曾担任弗吉尼亚理工大学统计咨询中心的副主任15年，并担任Radford 大学统计咨询中心主任7年。
周勇 马昀蓓 谢尚宇 王晓婧 译：周勇
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.因此，本书在国外一版再版，现已更新至第8版.
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于工程，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.例如，对线性回归感兴趣的读者，学完本书第11章和第12章后，就可以学习线性模型理论；而对质量控制感兴趣的读者，学完第17章后，就可以进一步深入更多的专题学习，如6σ管理方法等；而对贝叶斯理论与方法感兴趣的读者，在学习完第18章后可以学习贝叶斯理论与方法，并可以学习应用到各种缺失数据、潜变量数据等，包括EM算法、MCMC算法等.
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
2009年2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、总体和试验设计1
1.2 概率的作用2
1.3 抽样过程、数据的收集4
1.4 位置测量值：样本平均数和中位数7
1.5 波动性的度量9
1.6 离散数据和连续数据11
1.7 统计模型、科学考察和图像诊断12
1.8 图表方法和数据描述13
1.9 一般统计研究的形式：试验设计、观测研究和回顾性研究16
第2章 概率21
2.1 样本空间21
2.2 事件23
2.3 样本点计算27
2.4 事件的概率32
2.5 加法规则35
2.6 条件概率39
2.7 乘法公式41
2.8 贝叶斯公式46
第3章 随机变量与概率分布53
3.1 随机变量的概念53
3.2 离散概率分布55
3.3 连续概率分布58
3.4 联合概率分布63
3.5 可能的误解和风险及其与其他章节的关系74
第4章 数学期望75
4.1 随机变量的均值75
4.2 随机变量的方差和协方差81
4.3 随机变量线性组合的均值和方差87
4.4 切比雪夫定理93
4.5 可能的误解和风险及其与其他章节的关系99
第5章 一些离散概率分布100
5.1 引言和目的100
5.2 离散均匀分布100
5.3 二项分布和多项式分布101
5.4 超几何分布108
5.5 负二项分布和几何分布113
5.6 泊松分布和泊松过程115
5.7 可能的误解和风险及其与其他章节的关系121
第6章 连续概率分布123
6.1 连续均匀分布123
6.2 正态分布123
6.3 正态曲线下的面积125
6.4 正态分布的应用129
6.5 二项式的正态近似133
6.6 伽玛分布和指数分布138
6.7 指数分布和伽玛分布的应用140
6.8 卡方分布142
6.9 对数正态分布143
6.10 韦布尔分布143
6.11 可能的误解和风险及其与其他章节的关系148
*第7章 随机变量的函数149
7.1 引言149
7.2 变量的变换149
7.3 矩和矩母函数155
第8章 基本的抽样分布和数据描述……162
8.1 随机抽样162
8.2 一些重要的统计量163
8.3 数据显示和图形法167
8.4 抽样分布171
8.5 均值的抽样分布172
8.6 S2的抽样分布178
8.7 t分布180
8.8 F分布183
8.9 可能的误解和风险及其与其他章节的关系188
第9章 单样本和两样本的估计问题 …190
9.1 引言190
9.2 统计推断190
9.3 经典估计方法190
9.4 单样本：估计均值193
9.5 点估计的标准误差197
9.6 预测区间197
9.7 容忍限199
9.8 两样本：估计均值差202
9.9 配对观测207
9.10 单样本：估计一个比例210
9.11 两样本：估计两比例的差213
9.12 单样本：估计方差216
9.13 两样本：估计两方差比率217
9.14 极大似然估计218
9.15 可能的误解和风险及其与其他章节的关系225
第10章 单样本和两样本的假设检验227
10.1 统计假设的基本概念227
10.2 统计假设检验228
10.3 单边检验和双边检验233
10.4 利用P值实施假设检验的决策234
10.5 单样本的均值检验(方差已知)237
10.6 假设检验与区间估计的关系239
10.7 单样本的均值检验(方差未知)240
10.8 两样本的均值检验242
10.9 均值检验样本容量的选择246
10.10 均值比较的图形方法248
10.11 单样本比例检验254
10.12 两样本比例检验256
10.13 单样本和两样本的方差检验258
10.14 拟合优度检验261
10.15 独立性检验(分类数据)263
10.16 齐次性检验265
10.17 多比例检验265
10.18 两样本案例研究266
10.19 可能的误解和风险及其与其他章节的关系272
第11章 简单线性回归和相关性273
11.1 线性回归简介273
11.2 简单线性回归模型274
11.3 最小二乘与拟合模型276
11.4 最小二乘估计量的性质280
11.5 关于回归系数的推断282
11.6 预测286
11.7 回归模型的选择290
11.8 方差分析方法291
11.9 对回归线性的检验：重复观测的数据293
11.10 数据图形和变换299
11.11 简单线性回归案例研究301
11.12 相关性303
11.13 可能的误解和风险及其与其他章节的关系310
第12章 多元线性回归和一些非线性回归模型311
12.1 引言311
12.2 估计系数311
*12.3 线性回归模型的矩阵形式314
12.4 最小二乘估计量的性质319
12.5 关于多元线性回归的推断321
12.6 利用假设检验选择拟合模型326
*12.7 正交性特例330
12.8 属性或示性变量333
12.9 模型选择的序贯方法337
12.10 对残差的研究以及对假设的违背(模型检验)341
12.11 交互验证、Cp以及模型选择的其他准则345
12.12 非理想条件下的特殊非线性模型……353
12.13 可能的误解和风险及其与其他章节的关系360
第13章 单因子试验的一般性介绍361
13.1 方差分析方法361
13.2 试验设计362
13.3 单向方差分析：完全随机设计(单向ANOVA)362
13.4 方差齐次性检验367
13.5 单自由度的比较370
13.6 多重比较373
13.7 带有控制组处理的比较376
13.8 在区组中处理集比较380
13.9 随机完全区组设计381
13.10 图解法与模型诊断386
13.11 方差分析中的数据变换388
*13.12 拉丁方389
13.13 随机效应模型394
13.14 方差分析检验的功效397
13.15 案例研究400
13.16 可能的误解和风险及其与其他章节的关系407
第14章 析因试验(两个或多个因子)408
14.1 引言408
14.2 两因子试验中的交互作用409
14.3 两因子方差分析410
14.4 三因子试验421
14.5 模型Ⅱ和模型Ⅲ析因试验429
14.6 样本容量的选择432
14.7 可能的误解和风险及其与其他章节的关系437
第15章 2k析因试验与分式试验438
15.1 引言438
15.2 2k析因：效应的估计和方差分析439
15.3 无重复的2k析因试验442
15.4 注射制模案例研究443
15.5 回归模型中的析因试验448
15.6 正交设计452
15.7 在不完全区组中的析因试验457
15.8 分式析因试验464
15.9 分式析因试验的分析468
15.10 高阶分式和筛选设计471
15.11 用8、16和32个设计点构造分辨度为Ⅲ和Ⅳ的设计471
15.12 其他两水平的分辨度为Ⅲ的设计以及Plackett-Burman设计473
15.13 稳健参数设计474
15.14 可能的误解和风险及其与其他章节的关系479
第16章 非参数统计480
16.1 非参数检验480
16.2 符号秩检验483
16.3 Wilcoxon秩和检验487
16.4 Kruskal-Wallis检验490
16.5 游程检验492
16.6 容忍限494
16.7 秩相关系数495
第17章 统计质量控制499
17.1 引言499
17.2 控制限的性质500
17.3 控制图的用途500
17.4 变量的控制图500
17.5 属性的控制图510
17.6 Cusum控制图514
*第18章 贝叶斯统计518
18.1 贝叶斯的概念518
18.2 贝叶斯推断519
18.3 运用决策理论框架进行贝叶斯估计…523
附录A 统计表及证明526
附录B 奇数习题答案571
参考文献586
