本书在数学上易于理解，涵盖解决工程和数据科学中的现代推断问题所需工具的最新介绍，是研究生学习统计推断、检测和估计课程的理想教材，也是研究人员和专业人士的宝贵参考书。
本书通过丰富的插图和实例来解释理论的关键特征及与实际应用的联系，并通过补充材料探索更加先进的理论，每一章的结尾部分附有大量的练习题用来测试读者对本章知识的掌握程度。本书是学习统计推断核心原理及其在工程和数据科学中应用的入门指南。

冉启康，2001年3月毕业于上海交通大学应用数学系，获理学博士学位。2001年在上海财经大学被聘为副教授，2002年被聘为硕士生导师，主要从事数学软件、随机分析、金融数学、计量经济学的教学和科研工作，在国内外先后发表了论文30余篇。曾被评为上海财经大学教师。

译者序
前言
缩写词
第1章 引言
1.1 背景
1.2 记号
1.2.1 概率分布
1.2.2 条件概率分布
1.2.3 期望和条件期望
1.2.4 统一记号
1.2.5 一般随机变量
1.3 统计推断
1.3.1 统计模型
1.3.2 一些常见的估计问题
1.3.3 一些常见的检测问题
1.4 性能分析
1.5 统计决策理论
1.5.1 条件风险和优决策法则
1.5.2 贝叶斯方法
1.5.3 极小化极大方法
1.5.4 其他非贝叶斯决策法则
1.6 贝叶斯决策法则的推导
1.7 极小化极大决策理论与贝叶斯决策理论之间的联系
1.7.1 对偶概念
1.7.2 博弈论
1.7.3 鞍点
1.7.4 随机决策法则
练习
参考文献
第一部分 假设检验
第2章 二元假设检验
2.1 一般框架
2.2 贝叶斯二元假设检验
2.2.1 似然比检验
2.2.2 一致成本
2.2.3 例
2.3 二元极小化极大假设检验
2.3.1 对等法则
2.3.2 贝叶斯风险线与贝叶斯小风险曲线
2.3.3 可微的V(π0)
2.3.4 不可微的V(π0)
2.3.5 随机LRT
2.3.6 例
2.4 奈曼皮尔逊假设检验
2.4.1 NP优化问题的解
2.4.2 NP法则
2.4.3 受试者操作特征曲线
2.4.4 例
2.4.5 凸优化
练习
第3章 多元假设检验
3.1 一般框架
3.2 贝叶斯假设检验
……
第4章 复合假设检验
第5章 信号检测
第6章 凸统计距离
第7章 假设检验的性能界
第8章 假设检验的大偏差和错误指数
第9章 序贯检测与速变检测
第10章 随机过程检测
第11章 贝叶斯参数估计
第12章 最小方差无偏估计
第二部分 估计
第13章 信息不等式和Cramér-Rao下界
第14章 最大似然估计
第15章 信号估计
附录A 矩阵分析
附录B 随机向量与协方差矩阵
附录C 概率分布
附录D 随机序列的收敛性
索引