本书主要讲述混合、正负相协、拓广负相依、宽相依和负超可加相依等相依结构下的不等式研究，特别是非参数和半参数模型的统计理论和方法，如若干相依序列的定义和不等式、密度函数和分布函数估计的相合性与渐近正态性、非参数回归函数小波估计的强相合和Berry-Esseen界、半参数回归模型小波估计的弱收敛速度和Berry-Essee

本书主要内容有：抽样分布、参数估计、假设检验、方差分析与正交试验设计、线性回归模型，本书每章末附有习题，书后附有答案。本书根据研究生教学的特点精心选材，通过问题的引入、描述和分析阐明数理统计方法的基本思想及实际应用。

本书的主要组成部分如下:首先,分别回顾了函数型数据和成分数据的基本定义、数据空间、常用方法等。其次,对空间数据做了简要说明,特别介绍了面数据的空间自回归模型。之后,提出了具有空间相关性的函数型数据线性回归模型;在此基础上,进一步放松了误差项服从正态分布的假设,提出了稳健的函数型数据空间自回归模型。

本书分两册。第一分册的主要内容有随机事件、概率、多维随机变量及其分布、大数定律、中心极限定理与参数估计;第二分册的主要内容有随机变量及其分布、随机变量的数字特征、样本与抽样分布与假设检验。

本书主要内容包括数理统计的基本知识、统计量的抽样分布、参数估计理论、统计假设检验、回归分析、试验设计和方差分析、统计质量管理。本书首先回顾了概率论知识,在此基础上介绍了总体、样本和统计量等数理统计的基本概念,并将这些概念与概率论的基础知识联系起来,给出统计量与抽样分布的概念和实例;其次,叙述了数理统计的基础部分---统

本书系统地介绍了多元统计分析的基本理论与方法，突出实际案例的应用和统计思想的渗透，既侧重于应用，又兼顾了必要的推理论证，将社会、经济、自然科学等领域的实际应用案例应用与多元统计思想紧紧联系在一起，方便读者学习如何将统计方法的应用与生活工作中的实际问题相结合，选择合适的模型与方法来进行分析，进而全面地理解并掌握必要的多元

全书共八章,即随机事件与概率、随机变量及其分布、二维随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理、统计量和抽样分布、参数估计、假设检验。每章均配有习题和单元测试,书后附有习题参考答案。

本书共分为10部分，内容包括排列组合、随机事件与概率、随机变量及其概率分布、二维随机变量及其概率分布、随机变量的数字特征、大数定律与中心极限定理、样本与统计量、参数估计、假设检验、Matlab在概率论统计中的应用简介。各章后选配了适量习题，并在书后附有习题答案。书末给出了泊松分布表、标准正态分布表、χ2分布分位数表、t

本书共10章。前5章为概率论部分,主要包括随机事件及概率、随机变量及其分布、随机变量的数字特征、大数定律和中心极限定理,是学习数理统计的基础。第6章至第9章为数理统计部分,主要包括数理统计基本知识、参数估计、假设检验、回归分析。第10章介绍了MATLAB软件在概率统计中的应用。

本书共八章，内容包括：随机事件及其概率、一维随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理、数理统计基础知识、参数估计、假设检验。