爱德华·L.罗宾逊著的《数据分析》着重介绍各种数据分析技术背后的原理，有利于实践者将技术具体应用到各种领域，或者在此基础上发展新的技术。全书共分三部分。部分介绍统计学基本概念，包括蒙特卡罗方法和马尔科夫链。第二部分介绍统计学，并从频率派和贝叶斯派两种角度对比分析了各种数据建模的工具。第三部分重点介绍各种数据分析方法，比如关联函数、周期图、图像重建等。附录提供了相关的数学知识，以备读者查阅。本书可作为物理、工程相关专业研究生关于数据分析技术的标准教材，也可供科学家和工程师参考阅读。

译者序
前言
第1章 概率
1.1 概率定律
1.2 概率分布
1.2.1 离散和连续概率分布
1.2.2 累积概率分布函数
1.2.3 变量变化
1.3 概率分布的特征
1.3.1 中位数、众数和半峰全宽
1.3.2 矩、均值和方差
1.3.3 矩母函数和特征函数
1.4 多变量概率分布
1.4.1 两个独立变量的分布
1.4.2 协方差
1.4.3 多个独立变量的分布
第2章 一些有用的概率分布函数
2.1 排列组合
2.2 二项分布
2.3 泊松分布
2.4 高斯分布（正态分布）
2.4.1 用中心极限定理推导高斯分布
2.4.2 关于中心极限定理的摘要和评论
2.4.3 高斯分布的均值、矩和方差
2.5 多元高斯分布
2.6 卡方分布
2.6.1 卡方分布的推导
2.6.2 卡方分布的均值、众数和方差
2.6.3 n取极大值的卡方分布
2.6.4 简化卡方
2.6.5 相关变量的卡方
2.7 贝塔分布
第3章 随机数和蒙特卡罗方法
3.1 引言
3.2 不均匀随机偏差
3.2.1 逆向累积分布函数
3.2.2 多维偏差
3.2.3 生成高斯偏差的Box-Müller方法
3.2.4 接受拒绝算法
3.2.5 均匀分布比例法
3.2.6 从更复杂的概率分布中产生随机偏差
3.3 蒙特卡罗积分
3.4 马尔可夫链
3.4.1 平稳有限的马尔可夫链
3.4.2 不变概率分布
3.4.3 连续参数和多参数马尔可夫链
3.5 马尔可夫链蒙特卡罗采样
……
第4章 频率统计学基础
第5章 线性最小二乘估计
第6章 非线性最小二乘估计
第7章 贝叶斯统计
第8章 傅里叶分析导论
第9章 序列分析：功率谱和周期图
第10章 序列分析：卷积和协方差
附录A 一些有用定积分
附录B 拉格朗日乘数法
附录C 高斯概率分布的附加性质
附录D n维球体
附录E 线性代数和矩阵回顾
附录F 当n值变大时［1+f(x)/n］n的极限
附录G 脉冲响应函数的格林函数解
附录H 二阶自回归过程