统计包括统计计算和计算统计两个领域。传统的统计计算有优化算法、随机数生成算法、随机模拟、回归分析、分布函数和分位数函数计算等。计算统计包括马尔可夫链蒙特卡罗方法、EM算法和自助法等。本书理论部分囊括了这两部分内容；实验部分是以Python作为编程语言实现的，部分代码展示在书中，部分代码以二维码形式放在每节后面；课程思政部分以扩展阅读形式放在每章最后。
本书可以作为高校信息与计算科学、数据计算及应用、统计学等相关专业统计计算课程的教材，也可以作为其他专业的本科生、研究生和研究统计计算方法人员的参考书。

第1章 优化算法
1.1 误差
1.1.1 误差的分类
1.1.2 绝对误差和相对误差
1.1.3 算法的数值稳定性
1.2 方程求根和优化算法
1.2.1 牛顿法求根
1.2.2 爬山法求极值
1.2.3 牛顿下山法求根
1.2.4 牛顿法求一元函数的极值
1.2.5 梯度下降法
第2章 随机数的生成方法
2.1 服从均匀分布的随机数的生成方法
2.1.1 平方取中法
2.1.2 线性同余法
2.1.3 混合同余法
2.1.4 乘同余法
2.1.5 素数模乘同余法
2.2 服从其他分布的随机数的生成方法
2.2.1 逆变换法
2.2.2 舍选抽样法
2.2.3 复合抽样法
2.3 服从常见离散型分布的随机数的生成方法
2.3.1 服从离散型均匀分布的随机数的生成方法
2.3.2 服从几何分布的随机数的生成方法
2.3.3 服从二项分布的随机数的生成方法
2.3.4 服从泊松分布的随机数的生成方法
2.4 分布间的关系
2.4.1 与正态分布相关的分布
2.4.2 与贝塔分布相关的分布
2.4.3 其他分布
2.5 服从常见连续型分布的随机数的生成方法
2.5.1 服从均匀分布的随机数的生成方法
2.5.2 服从指数分布的随机数的生成方法
2.5.3 服从正态分布的随机数的生成方法
2.5.4 服从卡方分布的随机数的生成方法
第3章 随机模拟
3.1 使用随机模拟法求积分
3.1.1 使用蒲丰投针方法计算圆周率
3.1.2 随机投点法
3.1.3 使用平均值法求积分
3.1.4 使用重要抽样法求积分
3.1.5 使用分层抽样法求积分
3.2 方差缩减
3.2.1 控制变量法
3.2.2 对偶变量法
3.3 随机模拟的应用
3.3.1 停车的平均次数
3.3.2 快递问题
3.3.3 冰激凌销售问题
3.3.4 旧笔新笔问题
3.3.5 进货问题
3.3.6 迷宫问题
3.4 积分的计算
3.4.1 使用Python计算积分
3.4.2 使用随机模拟法求积分
3.4.3 使用其他方法计算积分
第4章 马尔可夫链蒙特卡罗方法
4.1 马尔可夫链
4.1.1 马尔可夫链与一步状态转移概率矩阵
4.1.2 多步状态转移概率矩阵
4.1.3 不可约性和遍历性
4.1.4 非周期性
4.2 Metropolis-Hasting采样
4.2.1 Metropolis-Hasting算法
4.2.2 模拟退火算法
4.2.3 使用Python中的包计算函数的最值
4.3 Gibbs抽样
4.4 马尔可夫链蒙特卡罗方法分析
4.4.1 马尔可夫链蒙特卡罗方法的收敛问题
4.4.2 Gelman-Rubin检验
第5章 EM算法
5.1 EM算法概述
5.2 EM算法应用
5.2.1 使用EM算法估计混合正态分布的参数
5.2.2 使用EM算法进行k-均值聚类
5.3 EM算法的收敛性
第6章 回归分析
6.1 多元正态分布
6.1.1 随机向量及数字特征
6.1.2 n维正态分布
6.1.3 距离
6.2 多元线性回归
6.2.1 多元线性回归概述
6.2.2 建立模型
6.2.3 回归模型的检验
6.2.4 用模型进行预测
6.2.5 使用Python实现线性回归
6.3 逻辑回归
第7章 分布函数和分位数的计算
7.1 连分式
7.1.1 连分式的起源
7.1.2 连分式的定义和性质
7.1.3 计算连分式的方法
7.1.4 将函数展开成连分式
7.2 标准正态分布分布函数的计算
7.2.1 误差函数和分布函数
7.2.2 连分式展开
7.2.3 使用连分式法计算标准正态分布分布函数的算法
7.3 其他分布的分布函数的计算
7.3.1 贝塔分布的分布函数
7.3.2 卡方分布的分布函数
7.4 分位数的计算
7.4.1 利用Toda近似公式计算标准正态分布的分位数
7.4.2 计算贝塔分布的分位数
7.4.3 计算t分布的分位数
7.4.4 计算F分布的分位数
7.4.5 计算卡方分布的分位数
附录A 统计图形
参考文献