第1章 概率論基礎
1．1 隨機變量的分布與相互獨立
1．1．1 分布函數及邊緣分布函數
1．1．2 離散型隨機變量的概率函數及邊緣概率函數
1．1．3 連續型隨機變量的分布密度及邊緣分布密度
1．1．4 條件概率函數、條件分布密度
1．1．5 隨機變量相互獨立
習題1．1
1．2 隨機變量的數字特征
1．2．1 數學期望與方差
1．2．2 協方差的定義與性質
1．2．3 協方差矩陣的定義及性質
1．2．4 相關系數的定義及性質
1．2．5 相關系數矩陣的定義及性質
1．2．6 條件數學期望的定義及性質
習題1．2
1．3 多項分布與多元正態分布
1．3．1 二項分布
1．3．2 應用Python計算二項分布的概率
1．3．3 三項分布與多項分布
1．3．4 一元正態分布
1．3．5 應用Python計算標準正態分布的分布函數值
1．3．6 二元正態分布與多元正態分布
習題1．3
1．4 連續型隨機變量的變換及變換后的分布
1．4．1 二重積分的換元積分法
1．4．2 二維連續型隨機變量的變換及變換后的分布
1．4．3 正態隨機變量的非奇線性變換
1．4．4 標準正態隨機變量的正交變換
習題1．4
1．5 統計中三大分布及Python代碼
1．5．1 卡方分布
1．5．2 t分布
1．5．3 F分布
1．5．4 分位數（或臨界值）
1．5．5 應用Python計算分布的分位數
習題1．5

第2章 統計學導論
2．1 總體與樣本及Python代碼
2．1．1 總體、個體與總體容量
2．1．2 樣本、樣本容量與簡單隨機樣本
2．1．3 樣本觀測值的頻率和累計頻率分布
2．1．4 應用Python畫頻率和累計頻率分布圖
2．1．5 樣本的分布函數
2．1．6 樣本的數字特征
2．1．7 樣本的協方差及相關系數
2．1．8 應用Python作樣本觀測值的描述性統計
習題2．1
2．2 常用的統計量及其分布
2．2．1 統計量的定義
2．2．2 服從標準正態分布的常用統計量
2．2．3 服從卡方分布的常用統計量
2．2．4 服從t分布的常用統計量
2．2．5 服從F分布的常用統計量
2．2．6 非正態總體的均值的分布
2．2．7 順序統計量及其分布
習題2．2
2．3 總體分布的參數估計及Python代碼
2．3．1 參數估計的基本概念
……

第3章 試驗設計與方差分析
第4章 回歸分析與協方差分析
第5章 非參數檢驗
第6章 Markov鏈

附錄
參考文獻