所有统计免费电子书

这本书是为想要快速学习概率统计的人写的。它将现代统计学中的许多主要思想汇聚在一个地方。这本书适合统计学、计算机科学、数据挖掘和机器学习方面的学生和研究人员。

这本书涵盖的主题比典型的数理统计入门文本要广泛得多。它包括诸如非参数曲线估计、自举和分类等现代主题，这些主题通常被归入后续课程。假定读者懂微积分和一点线性代数。不需要以前的概率和统计知识。该文本可用于高级本科生和研究生水平。

拉里·沃瑟曼(Larry Wasserman)是卡内基梅隆大学(Carnegie Mellon University)统计学教授。他也是计算机科学学院自动学习和发现中心的成员。他的研究领域包括非参数推理、渐近理论、因果关系以及在天体物理学、生物信息学和遗传学中的应用。他是1999年统计学会主席委员会主席奖获得者和2002年蒙特利尔数学研究中心-加拿大统计学会统计奖获得者。他是“美国统计协会杂志”和“统计年鉴”的副主编。他是美国统计协会和数理统计研究所的研究员。