本书在简要介绍概率论知识的基础上，着重介绍常用的数理统计方法和随机过程模型，其中数理统计部分包含数理统计的基本概念、参数估计、假设检验、方差分析与正交试验设计、回归分析等；随机过程部分包含随机过程的基本概念、泊松过程、高斯过程与随机微分方程、马尔可夫链等。这些内容可为解决自然科学、工程技术、社会科学等领域的复杂随机问题提供必要的数学基础。 本书可作为理工科（含工程类型）硕士研究生的教材或参考书，也可供理工科高年级本科生和有关教学及工程技术人员学习参考。

第一章 数理统计的基本概念
1.1 概率论基本提要
1.2 总体、样本和统计量
1.3 抽样分布
习题一
第二章 参数估计
2.1 点估计
2.2 点估计的评价标准
2.3 区间估计
习题二
第三章 假设检验
3.1 假设检验的基本概念和思想
3.2 总体参数的假设检验
3.3 总体分布的x2拟合优度检验
3.4 独立性检验和正态性检验
习题三
第四章 方差分析
4.1 单因素方差分析
4.2 双因素方差分析
4.3 正交试验设计
习题四
第五章 回归分析
5.1 线性回归模型
5.2 参数估计及其性质
5.3 回归方程的显著性检验
5.4 回归方程的预测应用
5.5 非线性回归简介
习题五
第六章 随机过程的基本概念
6.1 随机过程的基本概念
6.2 几类重要的随机过程
习题六
第七章 随机分析初步
7.1 均方极限和均方连续
7.2 均方导数和均方积分
7.3 高斯过程和随机微分方程
习题七
第八章 马尔可夫链
8.1 马尔可夫链及其转移概率
8.2 马尔可夫链的状态分类
8.3 正则链和吸收链
8.4 连续时间马尔可夫链
8.5 MCMC方法和HMM模型
习题八
附表1 常见的一维分布
附表2 常用的分位数表
附表3 常用正交表
参考文献