教材去除统计学与数理统计教材重复的内容，增加常用的统计方法介绍，并配合详细的软件操作演示。主要包括两大块，一部分包括六章，分别为：绪论、描述统计：图表方法、描述统计：数量方法、时间序列分析、统计指数、国民经济核算。第二部分包括七章，分别为：方差分析、回归分析、聚类分析、判别分析、主成分分析、因子分析、对应分析。

《复杂数据的bootstrap统计推断及其应用》的主要内容是作者及其合作者在复杂数据模型这一领域近些年的研究成果，以及相关的新进展，《复杂数据的bootstrap统计推断及其应用》共6章.第1章简要介绍几类复杂数据模型和bootstrap等预备知识和相关研究问题，第2～6章，系统讨论各种复杂数据统计推断中的bootstrap基本理论、方法及其应用，包括Behrens-Fisher问题、异方差回归模型、异方差ANOVA和MANOVA模型、混合效应模型及高维数据分析中的bootstrap统计推断.《复杂数据的bootstrap统计推断及其应用》可供数理统计理论与方法研究的专家及数学、工程、经济、金融等领域的科研人员和工作者使用，也可供数理统计专业的教师、高年级本科生及研究生作教材或参考书，

《数理统计学》是高等学校理工科数学类规划教材。教材共分八章内容：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——统计推断（参数估计和假设检验）；再次，介绍了统计中的方差分析、回归分析和质量控制等内容。

自本教材第一版出版后，大数据的概念逐渐深入人心。数据大量地涌现，让我们生活在数据的海洋之中。统计学是一门数据的科学，越来越多的行业需要使用统计学和数据分析。为了适应大数据时代对统计学的要求，根据广大师生的建议，我们对教材进行了修订，更新了数据和例子，增加了必要的统计公式等，试图突出数据科学的思想，以使读者更好地理解和掌握统计方法的思想和使用。本书可读性强，语言轻松活泼，案例贴近生活，通俗易懂。本书可作为理、工、农、医、经济、管理、人文社会科学专业以及其他领域的统计学教材，也可以供从事商务活动和经济分析等实际工作的各类人员参考。

本书遵循统计工作的四大过程——统计设计、统计调查、统计整理与统计分析，由工作案例引出相关知识的学习与思考，注重Excel软件的应用，符合现代办公的基本要求。内容深入浅出，对统计基础内容进行了相应调整，剔除了抽样推断中较难的参数估计部分和日常经济管理中应用相对较少的指数分析；增添了较多的日常经济生活中的例题、案例以及高职学生乐于接受的统计常识、知识拓展或思考等模块，尽可能让高职学生减少畏惧心理，让统计基础学习变得富有趣味性。本书既适合作为高职高专财经大类学生的统计基础知识的学习教材，又适合对统计基础应用有兴趣的人士作为入门级知识的普及读物。

本书包括统计调查、统计整理、综合指标、时间序列分析、统计指数、抽样调查、相关与回归、统计预测与决策等。书中使用了近年来的社会经济统计信息资料及经济生活中常见的实例，每个项目都有引导案例，每个知识点都有相应的例题，每项目都有题型丰富的应用能力训练题，增强学生动手能力和解决问题的能力。

分层线性模型是1990年代在国际统计学界迅速推广并得到广泛应用的新的统计分析技术，本书是这一分析方法的代表作。本书提供的技术细节适合大多数社会科学和行为科学研究人员的需要，包括足够多的实际操作建议和研究示范，并与HLM软件结合，是多层分析者的手册和用户指南。

本书主要介绍统计学的基本思想、原理和方法， 使读者对统计学及统计学的思维方式有一个整体的了解. 本书主要内容包括： 统计学的发展和应用领域、概率理论、数据收集的概念和方法、对数据总体信息的描述、常用的参数估计和假设检验方法. 书中注重以概率理论解释常见统计方法的原理， 并通过计算机模拟帮助读者理解统计思想和原理， 以避免把统计 学片面地理解为简单的加减乘除计算公式， 进而增强学生运用统计思想和方法提出问题、分析问题和解决问题的能力. 本书适合作为高等院校本科生学习统计学知识的入门教材.

本教材安排了以下几方面的内容：总论和统计调查、统计整理、综合指标分析法、动态数列分析法、指数分析法、抽样推断、假设检验入门、相关和回归分析法等统计分析方法。本教材在编写中针对高等职业教育教学的特点，本着以理论知识够用为原则，着重直观说明，讲清含义，再佐以例证，避免复杂的数学推导，力争简明扼要、通俗易懂，同时加强实训练习，每章都配以一定数量的思考练习题。另外，本教材还设计增加了“案例导读”和“实训研讨题”，旨在培养学生的自我学习能力。

本文面向的读者对象是具有传统计算机科学知识背景的研究人员和科学工作者，主要介绍基于统计的语言处理技术——单词标注（word tagging）、基于概率上下文无关语法（PCFG，probabilistic context-free grammar）的剖析（parsing，又称为句法分析）、语法归纳（grammar induction）、句法排歧（syntactic disambiguation）、词义分类（semantic word classes）、词义排歧（word-sense disambiguation）等技术，同时还介绍了相关的数学知识，每一章还附有一定数量的练习题。本书在国外好评如潮，已经成为学习统计自然语言处理的不可缺少的入门书之一。