书籍介绍
本书的定位是“基于测度论的数理统计学基础教科书”，内容除预备知识外，主要是关于几种基本统计推断形式（点估计、区间估计、似设检验）的大小样本理论和方法，另有一章讲述线性模型的初步理论。本书的最大特色是习题及其提示的安排，占了近半的篇幅，其中除少量选摘自有关著作外，大半属作者自创，有很高的参考学习价值。
本书可作为高等学校数理统计专业的教材，也可供相关专业人员作为参考用书。
目录
用户评论
陈希孺院士，统计学唯一的院士，可惜已经逝世，经典之作啊
对于一个工科生来说，此书乃国内数理统计进阶教材中逻辑最为清晰严谨，内容最为翔实，习题最为经典全面的教材。该教材放在世界范围内比较，也是经典中的经典。
老先生这本书经典非常经典，课后习题很多，而且都很有特色。数理统计教材中，这本应该是最为出色的。
这本书应该是他这几本文集里面写作水平最高的一本了
最全面、最用心、最出色的统计学教材，不逊于任何一本国外教材。
补打
中科大的官网 ~ 统计决策理论 ~ 统计机器学习
与陈老另一本初级教材风格较为不同。概率部分用测度论严密封装了一下，Radon-Nikodym定理有用武之地了。重视统计量的各类性质，比如完全性，需要依赖其导出分布族的完全性，又比如在大样本情况下的渐近性质等。重视各类估计、检验在某种原则下的最优性（立一个原则，找最优解存在的条件，可以开不少篇幅，不过个人一直不太喜欢这方面的内容），比如NP基本引理。参数估计大样本理论的很多证明需要较多形式复杂的条件，极度缺乏美感，体现在本书这种有一定深度的教材里，就是边证明边附加条件；体现在统计的很多paper里，就是一堆奇形怪状的由条件反解出来的bound。检验函数可以视为否定域的示性函数，它的引进能细化功效函数。决策理论则略有提及。应该说本书某些章节内容稍显细碎，启发性的立论似乎也减少了，体验并不如预期。
陈院士面向统计学研究生学习的书籍，很好，但真真实实不够用了