您一直等待的修订版就在这里！由于充满丰富的研究示例，并对分层线性模型(HLM)理论与应用有透彻的解释，其第1版就广受欢迎，现在这本书的第2版又重新组织为四大部分，并且加入了全新的4章内容。前两个部分，即第一部分“原理”和第二部分“基本应用”，紧密对应着上一版中的9章，但是已经大量扩展了内容，技术解释更为清晰，比如：
对HLM模型中的基本估计和推断程序提供了一个直观的介绍性总结。
在第6章中新加了一节多元增长模型。
第7章增加了对研究综合或元分析应用的讨论。
对数据分析中层-1自变量定位方法的建议以及可信值区间与稳健标准误方面的新材料。
虽然第1版主要是讨论层-1结果变量为连续分布的情况，然而现在的第 2版的第三部分中又包括了一系列其他类型结果变量的分析，比如： 　　新的第10章介绍分层模型在结果变量为二分类变量、计数变量、序次变量以及多项分类变量条件下的应用，并且每种情况都提供了详细的示例和说明。
新的第11章讨论了潜在变量模型，其中包括在HLM框架下对有缺失的数据以及在自变量有测量误差时如何进行回归估计，还包括了嵌入性分项反应模型。
第13章则是关于分层数据分析中贝叶斯推断原理的介绍。
作者在第四部分中对全书应用的统计理论以及计算方法进行了总结，包括层-1为正态分布误差的单变量模型、多元线性模型以及分层一般化线性模型。此外，还给读者提供了一个新的链接网址，可以下载有关数据并访问更多的技术资料。

Describing how people talk requires recording and analyzing phonetic data. This is true for researchers investigating the variant pronunciations of street names in Los Angeles, missionaries translating the Bible into a little-known tongue, and scholars obtaining data from a carefully controlled group in a laboratory experiment. Phonetic Data Analysis examines the procedures involved in describing the sounds of a language and illustrates the basic techniques of experimental phonetics, most of them requiring little more than a tape recorder, a video camera, and a computer.
This book enables readers to work with a speaker in a classroom setting or to go out into the field and make their own discoveries about how the sounds of a language are made. Peter Ladefoged, one of the world's leading phoneticians, introduces the experimental phonetic techniques for describing the major phonetic characteristics of any language. Throughout the book there are also comments, written in a more anecdotal fashion, on Ladefoged's own fieldwork.

During the past decade there has been an explosion in computation and information technology. With it have come vast amounts of data in a variety of fields such as medicine, biology, finance, and marketing. The challenge of understanding these data has led to the development of new tools in the field of statistics, and spawned new areas such as data mining, machine learning, and bioinformatics. Many of these tools have common underpinnings but are often expressed with different terminology. This book describes the important ideas in these areas in a common conceptual framework. While the approach is statistical, the emphasis is on concepts rather than mathematics. Many examples are given, with a liberal use of color graphics. It is a valuable resource for statisticians and anyone interested in data mining in science or industry. The book's coverage is broad, from supervised learning (prediction) to unsupervised learning. The many topics include neural networks, support vector machines, classification trees and boosting---the first comprehensive treatment of this topic in any book. This major new edition features many topics not covered in the original, including graphical models, random forests, ensemble methods, least angle regression & path algorithms for the lasso, non-negative matrix factorization, and spectral clustering. There is also a chapter on methods for "wide" data (p bigger than n), including multiple testing and false discovery rates.

《复杂数据统计方法——基于r的应用》用自由的日软件分析30多个可以从国外网站下载的真实数据，包括横截面数据、纵向数据和时间序列数据，通过这些数据介绍了几乎所有经典方法及最新的机器学习方法。
《复杂数据统计方法——基于r的应用》特点：(1)以数据为导向；(2)介绍最新的方法(附有传统方法回顾)；(3)提供r软件入门及全部例子计算的日代码及数据的网址；(4)各章独立。
《复杂数据统计方法——基于r的应用》的读者对象包括统计学、应用统计学、经济学、数学、应用数学、精算、环境、计量经济学、生物医学等专业的本科、硕士及博士生，各领域的教师和实际工作者。

本书内容包括概率论、数理统计两部分，涉及条件概率、随机变量及其分布、数学期望、特殊分布、估计、估计量的抽样分布、假设检验、分类数据与非参数方法、线性统计模型、随机模拟等．本书知识体系结构与国内主流的概率论与数理统计教材基本一致，但内容取材及例题的安排上都比较新颖，尤其是新增加了一些非常实用而且比较先进的模拟方法．书中最后提供了奇数号习题的解答以及索引． 本书作为概率论与数理统计的教材，适合大学本科高年级学生和研究生用作教材或参考书，也可供统计工作人员用作参考书．

本书论述了自17世纪迄今数理统计学发展的简要历史。内容包括:概率基本概念的起源和发展,伯努利大数定律和狄莫旨二项概率正态逼近,贝叶斯关于统计推断的思想,最小二乘法与误差分布--高其正态分布的发现过程,社会统计学家对数理统计方法的主要贡献等。

《关于概率的哲学随笔》的意图就是让读者不借助较深的数学知识就能了解概率的原理，作者本质上将数学对象以非数学的面貌呈现，用大众化的语言详细论述当时概率论的原理和一般结论。
拉普拉斯概率理论在19世纪的概率论发展史上占据了中心和统治地位，对19世纪的概率论的发展产生了极大的影响。在20世纪初期，拉普拉斯的概率论被其他更新的理论——公理化的概率论所代替。然而，读者可以从《关于概率的哲学随笔》中，从拉普拉斯发展了的理论中找到很多此后概率论成熟与改变的根源。
20世纪以来，概率论逐渐渗入到自然科学、社会科学以及人们的日常生活中。无论是在研究领域，还是在教育领域，它愈来愈成为最重要的学科之一。在概率论发展历史上，18、19世纪之交法国科学家拉普拉斯具有特殊的地位。
拉普拉斯在他的纯粹与应用数学的众多严格的学术著作之外，还出版了为普通读者写的两篇通俗文章，《关于概率的哲学随笔》就是其中的一篇，它构成了《拉普拉斯全集》第7卷中的巨著《概率的分析理论》的引言。

Statistical approaches to processing natural language text have become dominant in recent years. This foundational text is the first comprehensive introduction to statistical natural language processing (NLP) to appear. The book contains all the theory and algorithms needed for building NLP tools. It provides broad but rigorous coverage of mathematical and linguistic foundations, as well as detailed discussion of statistical methods, allowing students and researchers to construct their own implementations. The book covers collocation finding, word sense disambiguation, probabilistic parsing, information retrieval, and other applications.

本书介绍了统计学习理论和支持向量机的关键思想、结论和方法，以及该领域的最新进展。统计学习理论是针对小样本情况研究统计学习规律的理论，是传统统计学的重要发展和补充。其核心思想是通过控制学习机器的容量实现对推广能力的控制。由Springer-Verlag出版社授权出版。

无论中外，统计学一直是各相关专业学生的梦魇。Frederick J.Gravetter和Larry B.Wallnau两位教授正是考虑到这一点，从而以深入浅出、通俗易懂的方式，将统计知识清晰地整合到实际的行为科学研究中，以直接、易学、详尽的方法向学生讲授统计学的应用。
本书自出版以来一直是美国心理学、社会学等专业领域中使用最广的统计学教材，是一本非常适用于数学基础薄弱学生的统计入门书。

Barry Cohen教授所著《心理统计学》（第三版）是一本广受欢迎的心理统计学教材。它是一本非常全面的心理统计学教材，既包括入门性的统计学知识（如零假设检验的基本概念和局限性），也包括心理统计的高级内容（如复杂设计方差分析和多元回归分析）。 虽然是一本统计教材，但作者无时不考虑结合研究设计来解释有关概念，因此该书的重点是讲授各个统计公式或手段的适用条件以及如何解释统计结果的意义。作者实验心理学博士出身，在纽约大学教授心理学统计学超过30年，通过阅读本书，你会深刻体会“将实验设计与数据处理相结合”的妙处。 这本书的另一个优点是，它既适合于那些对统计不甚了解的人，也适合于专业研究人员（包括硕士生和博士生）。它每章基本上包括ABC三个部分，每个部分是相对独立的，初学者可以只看A和B部分的内容；而在C部分（虽不能只说更高级），作者介绍了很多最近才出现的分析手段，也反映了数据处理的一些发展趋势，对心理学研究者非常有帮助。

本书从概率论的基础开始，通过例子与习题的旁征博引，引进了大量近代统计处理的新技术和一些国内同类教材中不能见而广为使用的分布。其内容包括工科概率论入门、经典统计和现代统计的基础，又加进了不少近代统计中数据处理的实用方法和思想，例如：Bootstrap再抽样法、刀切（Jackknife）估计、EM算法、Logistic回归、稳健（Robust）回归、Markov链、Monte Carlo方法等。它的统计内容与国内流行的教材相比，理论较深，模型较多，案例的涉及面要广，理论的应用面要丰富，统计思想的阐述与算法更为具体。
本书可作为工科、管理类学科专业本科生、研究生的教材或参考书，也可供教师、工程技术人员自学之用。

This is the first text in a generation to re-examine the purpose of the mathematical statistics course. The book's approach interweaves traditional topics with data analysis and reflects the use of the computer with close ties to the practice of statistics. The author stresses analysis of data, examines real problems with real data, and motivates the theory. The book's descriptive statistics, graphical displays, and realistic applications stand in strong contrast to traditional texts which are set in abstract settings.