自然科学和社会科学的研究人员发现自己在大量的新数据中遨游。要想理解这些不断涌现的信息，需要的不仅仅是对公式化统计方法的生搬硬套。本书的主旨是让读者明白，想要成为自信的数据分析师优选深入学习一种统计方法，而不是粗略了解许多方法。
特别需要注意的是，本书侧重于简单线性回归，这是一种与应用统计学中最重要的工具密切相关的方法，将其作为一个详细案例教授基于重抽样、基于似然和贝叶斯统计推断方法。深入考虑简单线性回归，可以了解统计程序的设计方式，了解应用统计学时所持的哲学立场，了解探索统计方法优势的工具。本书的新颖之处在于它的数学水平，对于统计学家来说，它比大多数统计学图书都要温和，但对于非统计学家来说，它又比大多数入门图书都要严谨。

译者序
前言
致谢
第1章初识数据1
第2章R软件与探索性数据分析7
2.1与R软件交互8
2.2教程：鸢尾数据11
2.3本章小结20
2.4延伸阅读20
第3章很好拟合线21
3.1定义“很好”拟合23
3.2推导：求最小二乘线25
3.3结论29
3.4本章小结31
3.5延伸阅读31
第4章概率与随机变量32
4.1[选读]概率公理35
4.2事件之间的关系：条件概率和独立性36
4.3贝叶斯定理38
4.4离散随机变量及其分布41
4.5连续随机变量及其分布43
4.6概率密度函数45
4.7分布族46
4.8本章小结50
4.9延伸阅读50
第5章随机变量的性质51
5.1数学期望与大数定律51
5.2方差与标准差55
5.3联合分布、协方差与相关性57
5.4[选读]条件分布、期望和方差61
5.5中心极限定理62
5.6一个简单线性回归的概率模型66
5.7本章小结72
5.8延伸阅读73
插叙74
第6章点估计量的性质77
6.1偏差80
6.2方差81
6.3均方误差82
6.4一致性82
6.5有效性84
6.6[选读]统计决策理论与风险85
6.7稳健性89
6.8简单线性回归模型的估计量90
6.9结论94
6.10本章小结94
6.11延伸阅读94
第7章区间估计与推断96
7.1标准误差96
7.2置信区间97
7.3频率推断Ⅰ：零假设、检验统计量和p值101
7.4频率推断Ⅱ：备择假设和拒绝框架105
7.5[选读]假设检验和置信区间的关系107
7.6零假设显著性检验及检验的滥用108
7.6.1缺乏复制性108
7.6.2几乎固化了的α=0.05109
7.6.3把α=0.05作为一个关卡109
7.6.4科学假设与统计假设的区别109
7.6.5忽视其他目标，如估计和预测110
7.6.6退化的知识文化110
7.6.7根据零假设显著性检验评估显著性检验112
7.7频率推断Ⅲ：功效114
7.8综合分析：当样本量增加时会发生什么117
7.9本章小结119
7.10延伸阅读119
第8章半参数估计与推断121
8.1半参数点估计的矩方法123
8.1.1嵌入式估计量124
8.1.2矩方法估计126
8.2使用bootstrap进行半参数区间估计129
8.3使用置换检验的半参数假设检验137
8.4结论142
8.5本章小结143
8.6延伸阅读143
第9章参数估计与推断144
9.1参数估计的极大似然估计法146
9.2参数的区间估计：直接方法和费希尔信息方法153
9.2.1直接方法153
9.2.2［选读］费希尔信息方法154
9.3使用瓦尔德检验进行参数假设检验157
9.4［选读］使用似然比检验进行参数假设检验158
9.5本章小结161
9.6延伸阅读162
第10章贝叶斯估计与推断163
10.1如何选择一个先验分布164
10.2未缩放的后验、共轭以及从后验分布中抽样165
10.3使用贝叶斯估计方法获得点估计量169
10.4使用可信区间进行贝叶斯区间估计172
10.5［选读］使用贝叶斯因子进行贝叶斯“假设检验”174
10.6结论：贝叶斯方法与频率方法176
10.7本章小结178
10.8延伸阅读178
尾叙模型与数据179
尾叙1评估假定179
尾叙1.1绘图180
尾叙1.2假定的检验182
尾叙1.3样本外预测183
尾叙2简单线性回归的拓展184
尾叙2.1多元回归185
尾叙2.2广义线性模型188
尾叙2.3混合模型191
尾叙3结论194
尾叙4延伸阅读195
附录197
附录A微积分197
附录BR语言拓展208
附录C部分练习答案223
数学符号表246
术语表248
参考文献257