第1章 早期概率論——從萌芽到《推測術》
1.1 卡爾達諾的著作
1.2 分賭本問題
1.3 帕斯卡與費馬的通信
1.4 惠更斯的《機遇的規(guī)律》
1.5 《推測術》前三部分內容提要
1.6 關于概率的幾點看法
1.7 伯努利大數定律
第2章 棣莫弗的二項概率逼近
2.1 棣莫弗的研究的動因
2.2 棣莫弗的初步結果
2.3 初步結果的改進·與斯特林的聯系
2.4 積分形式·Pd的近似公式
2.5 棣莫弗工作統計意義的討論
2.6 二項概率逼近的其他工作
第3章 貝葉斯方法
3.1 貝葉斯及其傳世之作
3.2 貝葉斯的問題提法
3.3 貝葉斯假設
3.4 問題的解答
3.5 貝葉斯假設的另一種解釋
3.6 拉普拉斯的不充分推理原則
3.7 貝葉斯統計學
3.8 經驗貝葉斯方法
第4章 最小二乘法
4.1 從算術平均談起
4.2 勒讓德以前的有關研究
4.3 勒讓德發(fā)明最小二乘法
4.4 測量子午線長的工作
4.5 高斯的貢獻
4.6 其他方法
第5章 誤差與正態(tài)分布
5.1 早期天文學家的工作
5.2 辛普森的工作
5.3 拉普拉斯的工作
5.4 高斯導出誤差正態(tài)分布
5.5 多維正態(tài)分布
5.6 偏態(tài)分布
第6章 社會統計
6.1 格朗特及其《觀察》
6.2 配第和他的“政治算術”
6.3 阿布什諾特等人的人口檢驗工作
6.4 凱特勒的正態(tài)擬合
6.5 普通人
6.6 抽樣調查
第7章 回歸與相關：發(fā)現與早期發(fā)展
7.1 高爾頓和正態(tài)分布
7.2 回歸的發(fā)現
7.3 高爾頓與相關系數
7.4 埃奇沃思
7.5 皮爾遜和尤爾
第8章 小樣本：統計學的新臺階
8.1 戈塞特和￡分布
8.2 費歇爾及其相關系數分布
8.3 費歇爾和F分布·方差分析
第9章 假設檢驗
9.1 卡爾·皮爾遜的擬合優(yōu)度
9.2 費歇爾的顯著性檢驗
9.3 耐曼和皮爾遜的故事
9.4 許寶驟教授的貢獻
第10章 參數估計
10.1 矩法和極大似然法
10.2 充分統計量
lO.3 費歇爾點估計大樣本理論
10.4 小樣本
10.5 區(qū)間估計
卷尾語
參考文獻