在大数据时代背景下，统计学作为数据分析领域的基础，被应用于各行各业，其方法发挥着重要作用。为了更广泛地普及统计学知识，培养更多的统计学人才，本书应运而生。
作为入门级图书，本书内容安排如下。第1章从不确定性出发，讲述统计学和不确定性的关系，以及统计学中用于描述不确定性的各种概率模型。第2章是参数估计，系统讲述统计学中矩估计和极大似然估计两种常用的参数估计方法，并基于两种方法介绍各种常见概率分布中参数的点估计和区间估计。第3章是假设检验，首先从不确定性的角度探讨实际中的各种决策问题，帮助读者理解假设检验的思想和应用场景，然后系统介绍假设检验的方法论及各种常见推广。第4章是回归分析，首先介绍回归分析的思想和广泛的应用场景，然后系统地介绍各类常用模型，从线性回归到广义线性回归，最终落脚到两种机器学习算法（决策树、神经网络）。
本书特别强调实际应用，因此各个章节都辅以大量的实际案例，在介绍统计学基础知识的同时培养读者使用统计学方法解决实际问题的能力。

王汉生，统计学在商业相关领域教学的杰出代表，北京大学光华管理学院商务统计与经济计量系教授、博士生导师、系主任；1998年北京大学数学学院概率统计系本科毕业，2001年美国威斯康星大学麦迪逊分校统计系博士毕业，2003年加入光华至今；国家杰出青年基金获得者，全国工业统计学教学研究会青年统计学家协会创始会长，美国统计学会会士，国际统计协会推荐会士。先后历任8个国际学术期刊副主编。曾在国内外各种专业杂志上发表文章100+篇，并合著英文专著1本、（合）著中文教材4本。爱思唯尔中国高被引学者（数学类，2014-2019）。

第一章 不确定性的描述
1.1 从不确定性出发
1.2 连续型数据
1.3 正态概率密度
1.4 t-分布
1.5 指数分布
1.6 0-1分布
1.7 泊松分布
第2章 参数估计
2.1 矩估计
2.2 极大似然估计
2.3 正态分布均值的区间估计
2.4 正态分布方差的区间估计
2.5 其他分布参数的区间估计
指数分布
0-1分布
泊松分布
一般分布的均值
案例演示
两样本问题
2.6 样本量计算
指数分布
泊松分布
0-1分布
一般分布
第3章 假设检验
3.1 不确定性与决策
3.2 两种不同类型的错误
3.3 为什么推翻原假设
3.4 关于均值的假设检验问题
3.5 假设检验的各种推广
双样本检验
方差检验
双单边检验
3.6 假设检验中的p值
3.7 假设检验中的样本量计算
单边假设检验
双边假设检验
双单边假设检验
第4章 回归分析
4.1 回归分析是什么
4.2 数据类型与回归模型
第一式：线性回归
第二式：0-1回归
第三式：定序回归
第四式：计数回归
第五式：生存回归
4.3 线性回归模型
案例介绍
描述分析
理论模型
关于随机噪音的讨论
参数估计
假设检验
4.4 时间序列模型
4.5 0-1回归模型
案例介绍
描述分析
模型描述
参数估计与统计推断
4.6 决策树模型
4.7 神经网络模型