本書內容包括：隨機事件的概率；隨機變量及其分布；二維隨機變量；隨機變量的函數的分布；隨機變量的數字特征；大數定律和中心極限定理；統計總體與樣本等。
前言
第1章 隨機事件的概率
1.1 隨機事件與樣本空間
1.2 古典概率幾何概率統計概率
1.3 概率的公理化定義
1.4 條件概率與乘法公式
1.5 全概率公式與貝葉斯公式
1.6 事件的獨立性
第2章 隨機變量及其分布
2.1 隨機變量
2.2 隨機變量的分布函數
2.3 離散型隨機變量及其概率分布
2.4 常用離散型隨機變量的分布律
2.5 連續型隨機變量及其概率密度函數
2.6 常用的連續型隨機變量分布
2.7 正態分布
第3章 二維隨機變量
3.1 隨機向量與聯合分布
3.2 邊緣分布函數
3.3 邊緣分布律與條件分布律
3.4 邊緣概率密度與條件概率密度
3.5 相互獨立的隨機變量
第4章 隨機變量的函數的分布
4.1 離散型隨機變量的函數的分布
4.2 一維連續型隨機變量的函數的分布
4.3 二維連續型隨機變量的函數的分布
第5章 隨機變量的數字特征
5.1 數學期望
5.2 方差
5.3 常用隨機變量的數學期望和方差
5.4 協方差和相關系數
5.5 矩協方差矩陣
第6章 大數定律和中心極限定理
6.1 馬爾可夫不等式和切比雪夫不等式
6.2 大數定律
6.3 中心極限定理
第7章 統計總體與樣本
7.1 總體與樣本
7.2 樣本矩和統計量
7.3 常用統計量的分布
第8章 參數估計
8.1 參數的點估計
8.2 點估計量的優良性
8.3 區間估計與置信區間
8.4 正態總體均值和方差的區間估計
8.5 兩個正態總體均值差和方差比的區間估計
第9章 假設檢驗
9.1 假設檢驗的提出及其基本思想
9.2 正態總體均值和方差的假設檢驗
第10章 隨機過程的基本概念
10.1 隨機過程的定義及分類
10.2 隨機過程的概率分布
10.3 隨機過程的數字特征
第11章 平穩過程
11.1 嚴平穩過程
11.2 廣義平穩過程
11.3 正態平穩過程
11.4 遍歷過程
11.5 平穩過程的相關函數與譜密度
第12章 馬爾可夫鏈引論
12.1 馬爾可夫鏈的概念
12.2 參數離散的齊次馬爾可夫鏈
12.3 參數連續的齊次馬爾可夫鏈
習題答案及提示
附錄 MATLAB在概率統計中的應用
參考文獻
新書資訊