道格拉斯·C·蒙哥马利（Douglas C．Montgomery） 亚利桑那州立大学工业工程系教授，现任工程学院制度委员会委员、大学研究与创造活动理事会委员。主要从事工程统计的研究，包括试验设计和分析、过程监控与优化的统计方法，基于时间的数据分析等，以及统计在产业问题中的应用研究，包括工程设计、产品和过程开发、生产制造等。

　　本书主要介绍了统计方法在工程中的应用，强调工程实践中常用的统计技术，在简明的框架下介绍了工程师需要知道的，本书第3版：
　　●应用性强。书中主要介绍了统计方法在工程中的应用，所选取案例和有工程背景，结合了实际问题，已经出版的资料或作者咨询工作中所经历的数据。
　　●通俗易懂。本书避免了烦琐的数学理论热传导，彩用深入浅出，循序渐进的方法系统地介绍了统计学的知识，易于读者理解与掌握。
　　●强调计算机的使用。今天的统计分析已离不开计算机的使用，本书使用了工程统计中常用的软件，对实际案例进行分析。

　　统计学作为数据的科学，不仅在理、工、农、医和社会科学的经济、管理、教育、心理等各个领域都有着广泛而成功的应用，而且在纯文科的历史、语言和法律等领域也日益成为重要的工具。这一方面是由于人文与社会科学的多数学科越来越重视对数据的分析，强调定性与定量的对立统一，这体现为对统计学的需求不断增长；另一方面是由于统计方法的体系也在不断完善、创新，特别是与计算机技术的结合，使得统计方法的应用更加简捷方便，应用领域不断扩展，这体现为统计方法的应用和服务能力不断加强。
　　最近几年，一批国外优秀的统计教材和著作被翻译介绍给国内的读者，受到读者的喜爱和欢迎，同时也促进了我国高校统计教材的建设。纵观翻译出版的统计教材和图书，以经济管理类应用统计的教材居多。这既是我国现阶段经济管理教育，特别是MBA、EMBA 教育火爆的体现，也反映出其他领域统计应用的相对落后。
　　中国人民大学出版社推出的这套统计译丛选择了国际著名出版公司Springer 和John Wiley & Sons近年出版的统计教材和应用图书，特别是在工程、行为科学、法律和智能科学等领域的优秀统计教材与图书，其中有些领域在我国基本上还是空白。例如，统计方法在法律诉讼中的应用对我们就极有启发。丛书选择了两本法律应用的经典著作进行翻译，一本是《律师统计学》（第2版），另一本是《法律与诉讼中的经验方法——图示法》。前一本按照统计方法的体系，精选了100多个法律诉讼中的实际案例对统计方法的应用进行了深入浅出的介绍；后一本则侧重于从描述统计方法的角度介绍其在法律中的应用。其他几本书既有经过不断再版、不断教学实践修改完善的优秀教材，如《行为统计学基础》（第9版）、《工程统计学》（第3版）、《商务统计学》（第4版）, 也有对某个专题的介绍和讨论，如《智慧、基因与成功：钟形曲线与统计》等。

第1章　统计在工程中的应用
1.1　工程方法和统计思想　　
1.2　收集工程数据
1.2.1　回顾研究
1.2.2　观察研究
1.2.3　设计实验
1.3　机械和经验模型
1.4　按时间顺序观察过程　
　
第2章　数据汇总与表示　
2.1　数据汇总与表示
2.2　茎叶图
2.3　直方图
2.4　箱线图
2.5　时间序列图
2.6　多变量数据

第3章　随机变量和概率分布
3.1　介绍
3.2　随机变量
3.3　概率
3.4　连续随机变量
3.4.1　概率密度函数
3.4.2　累积分布函数
3.4.3　均值和方差
3.5　重要的连续分布
3.5.1　正态分布
3.5.2　对数正态分布
3.5.3　伽玛分布
3.5.4　威布尔分布
3.6　概率图
3.6.1　正态概率图
3.6.2　其他概率图
3.7　离散随机变量
3.7.1　概率密度函数
3.7.2　累积分布函数
3.7.3　均值和方差
3.8　贝努里分布
3.9　泊松分布
3.9.1　泊松分布
3.9.2　指数分布
3.10　贝努里和泊松分布的渐近正态分布
3.11　多个随机变量和独立性　　
3.11.1　联合分布
3.11.2　独立性
3.12　随机变量的函数
3.12.1　独立随机变量的线性组合
3.12.2　当随机变量不独立时的情况
3.12.3　函数为非线性时的情况　
3.13　随机抽样、统计量和中心极限定理　　

第4章　单样本决策
4.1　统计推断
4.2　点估计
4.3　假设检验
4.3.1　统计假设
4.3.2　检验统计假设　
4.3.3　单边和双边假设
4.3.4　假设检验的一般步骤
4.4　总体均值的推断，方差已知
4.4.1　均值的假设检验
4.4.2　P值的假设检验
4.4.3　第Ⅱ类错误和样本量的选择
4.4.4　大样本检验
4.4.5　假设检验的一些实际解释
4.4.6　均值的置信区间
4.4.7　求出置信区间的一般方法
4.5　总体均值的推断，方差未知
4.5.1　均值的假设检验
4.5.2　检验的值
4.5.3　第Ⅱ类错误和样本量的选择　　
4.5.4　均值的置信区间　　
4.6　正态总体的方差推断　　
4.6.1　正态总体方差的假设检验　　
4.6.2　正态总体方差的置信区间　　
4.7　总体比例的推断　　
4.7.1　二项比例的假设检验　
4.7.2　第Ⅱ类错误和样本量的选择
4.7.3　二项比例的置信区间　　
4.8　单个总体的其他区间估计　　
4.8.1　预测区间　　
4.8.2　正态分布的容许区间　　
4.9　单样本的推断过程汇总表　　
4.10　拟合优度检验　　

第5章　双样本决策　　
5.1　介绍　　
5.2　两总体均值的推断，方差已知
5.2.1　均值差的假设检验，方差已知
5.2.2　第Ⅱ类错误与样本量的选择　
5.2.3　均值差的置信区间，方差已知　　
5.3　两总体均值的推断，方差未知　
5.3.1　均值差的假设检验　　
5.3.2　第Ⅱ类错误与样本量的选取　　
5.3.3　均值差的置信区间　　
5.4　配对检验　
5.5　两正态总体方差比的推断
5.5.1　两方差比的假设检验　　
5.5.2　两方差比的置信区间　　
5.6　两总体比例的统计推断　　
5.6.1　两二项式比例相等的假设检验　
5.6.2　第Ⅱ类错误与样本量的选择　　
5.6.3　二项式比例差的置信区间　　
5.7　双样本推断程序汇总表　　
5.8　如果不止两个样本怎么办
5.8.1　完全随机化实验和方差分析　　
5.8.2　随机化完全区组设计　

第6章　建立经验模型　　
6.1　经验模型介绍　　
6.2　简单线性回归　
6.2.1　最小二乘估计
6.2.2　简单线性回归假设检验　
6.2.3　简单线性回归中的置信区间　　
6.2.4　新观察值的预测　
6.2.5　模型充分性检查
6.2.6　相关系数与回归　　
6.3　多元回归　　
6.3.1　多元回归中的参数估计　　
6.3.2　多元回归中的统计推断　
6.3.3　检验模型的充分性　
6.4　回归的其他方面　　
6.4.1　多项式模型　　
6.4.2　类别回归量　　
6.4.3　变量选择技巧
　　
第7章　工程实验设计　　
7.1　实验策略　　
7.2　因子实验　　
7.3　析因设计
7.3.1　2例子　　
7.3.2　统计分析　　
7.3.3　残差分析与模型检查
7.4　≥3个因子的设计
7.5　设计的单一反复　　
7.6设计中的中心点和区组　　
7.6.1　中心点的加入　　
7.6.2　分组与混合　　
7.7　设计的部分反复　　
7.7.1　设计的二分之一部分析因设计　　
7.7.2　更小的部分：2k-p部分析因设计　　
7.8　应答曲面方法与设计　　
7.8.1　最速上升法　　
7.8.2　二阶应答曲面分析　　
7.9　多于两个水平的因子实验　

第8章　统计过程控制　　
8.1　质量改进与统计　　
8.2　统计过程控制　　
8.3　控制图介绍　
8.3.1　基本原则　　
8.3.2　控制图设计　　
8.3.3　合理子集　　
8.3.4　控制图图样分析　　
8.4　与R控制图　　
8.5　个体度量的控制图　　
8.6　过程能力　　
8.7　计数控制图　
8.7.1　P图（比例控制图）和nP图　　
8.7.2　U图（每单位平均缺陷数量的控制图）和C图　　
8.8　控制图绩效　　
8.9　测量系统能力　　
附录　　
附录A　统计表和图　　
附录B　参考文献
附录C　部分练习答案　　
附录D　假设检验程序汇总