本书是《人工智能的数学基础——随机之美》的姊妹篇，旨在为读者提供一套较为完整且实用的统计建模工具。它以统计大师费舍尔和内曼的统计思想之争为主线，介绍了数理统计学和统计机器学习的主要成就，以及在人工智能中的一些应用和计算机实践。全书共分四部分：第一部分是统计学历史背景（第1章和第2章），介绍了数理统计学奠基人费舍尔和内曼的学术成就、数理统计学简史。第二部分是经典统计学（第3章~第6章），涉及统计学的基本概念、参数估计理论、假设检验、回归分析与方差分析。第三部分是现代统计学（第7章~第9章），涵盖了多元统计分析（如核方法、特征工程、聚类、分类等）、期望优选化算法、时间序列分析等内容。第四部分是附录，包含常用科学计算软件（R、Maxima、GnuPlot等）、很优化方法、核密度估计、再生核希尔伯特空间、张量分析等背景知识。本书适合作为普通高等学校计算机科学专业的学生学习统计学相关知识的读物，也适用于对人工智能和机器学习感兴趣的高年级本科生和研究生，要求读者具备线性代数、数学分析（或微积分）和概率论的基础。

第一部分统计学历史背景
第1章费舍尔和内曼的学术成就
1.1费舍尔生平
1.1.1费舍尔的主要著作
1.1.2费舍尔的统计思想
1.2内曼生平
1.2.1内曼的置信区间与假设检验
1.2.2内曼的归纳行为
第2章数理统计学简史
2.120世纪前的统计学
2.220世纪上半叶的统计学
2.320世纪下半叶的统计学
2.421世纪的统计学
2.5推荐读物
第二部分经典统计学
第3章统计学的一些基本概念
3.1样本的特征
3.1.1次序统计量
3.1.2经验分布及其性质
3.1.3样木矩及其极限分布
3.2样本统计量及其性质
……