本书旨在系统论述数理统计的基本理论，并在论述中尽可能反映这一学科的近期发展。全书内容包括点估计、假设检验、区间估计和Bayes 统计决策的基本理论和方法，并用较大篇幅论述了包括大样本估计和大样本检验在内的统计渐近理论，其中涉及经验过程的一些初步知识及其在渐近分布理论中的应用。

本书第五章展现了一个用经验过程方法构建大样本分布理论的完整框架，系统、简洁而又不失严谨, 可以说是本书最具特色的章节之一。

本书可作为数理统计和相关专业研究生的教科书，也可用作相关专业人士的教学、研究参考用书。

勘误表

本书为作者近几年在数理统计线性模型参数估计理论方面所做的研究工作的总结。

全书共分四章，第一章是预备知识；第二章讨论线性回归系数的最小二乘估计及一般线性估计的相合性问题；第三章介绍误差方差估计的大样本理论；第四章讨论小样本理论，即回归系数的线性估计与误差方差的二次型估计的容许性问题。

本书读者对象为大学数学系高年级学生、研究生、教师和数理统计科学研究工作者。

最早的版本：

本书是作者基于他们与合作者的有关研究工作的成果撰写而成的。书中系统地论述了线性回归模型的M方法的理论，其中包括：关于M估计的定义的讨论；M估计的强、弱相合性；M 估计的渐近正态性；基于M估计的线性假设检验的方法和理论；M估计的线性表示等。
本书所反映的上述研究工作是国家自然科学基金资助的重点课题之一。
本书的读者对象：数理统计专业的研究工作者、实际工作者；大专院校概率统计专业的教师、研究生和高年级学生。