概率论与数理统计学在经济学、金融学、管理学等学科中有广泛的应用。与微积分和线性代数一样，概率论与数理统计学是不可或缺的经济数学工具。本书旨在为经济类、管理类研究生以及高年级本科生提供必要的概率论与数理统计学基础知识，包括概率论基础、随机变量及其概率分布、重要概率分布及其相互关系、多元概率分布、统计抽样导论、收敛与极限定理、参数估计及其评估、参数假说检验，以及经典线性回归分析等。     除了提供概率论与数理统计学基本理论、方法与工具外，本书还非常注重随机思想与统计思维的训练，而且从经济学、金融学视角对概率论与统计学的重要概念、理论、方法与工具给予直观解释，这是本书的一大特色。本书以经济学、金融学实例说明如何应用概率论与统计学分析经济金融问题，如主观概率的经济解释及其应用，累积分布函数与收入分配测度，统计关联性与经济因果关系，独立性与有效市场假说，数学期望与理性期望学说，均值、方差与投资组合理论，分位数与量化风险管理，相关性与风险分散原理，样本均值的方差趋零与资本资产定价模型，大数定律与购买并持有交易策略回报率，线性回归模型 R2 的经济解释，等等。本书是根据作者多年来在美国康奈尔大学经济学系讲授概率论与统计学研究生课程的教学心得以及相关英文讲义翻译整理而成，可作为经济学、金融学、管理学、统计学、数据科学以及应用数学等专业的研究生以及高年级本科生教材，也可作为计量经济学研究人员的参考书。

    洪永淼,先后就读于厦门大学物理学系和经济学系,获得物理学学士学位和经济学硕士学位。1986-1987年曾被选拔到中国人民大学经济学培训中心学习现代经济学,翌年赴美国加州大学圣地亚哥校区经济学系学习,获经济学博士学位。现为发展中国家科学院院士、世界计量经济学会会士、国际应用计量经济学会会士、里米尼经济分析中心(RCEA)高级会士、中国科学院数学与系统科学研究院特聘研究员、中国科学院大学经济与管理学院特聘教授。曾任美国康奈尔大学经济学系Ernest S.Liu经济学与国际研究讲席教授以及统计学与数据科学系教授、厦门大学王亚南经济研究院创院院长,先后在香港科技大学、新加坡国立大学、清华大学、上海交通大学和山东大学访问任教。2009-2010年任中国留美经济学会会长。研究领域为计量经济学理论、时间序列分析、金融计量学、中国经济与金融市场实证研究等, 其部分学术论文发表在经济学、金融学和统计学国际主流学术期刊上。2014-2020年连续7年入选 Elsevier经济学中国高被引学者榜单。已出版英文版Probability and Statistics for Economists、Foundations of Modern Econometrics:A Unified Approach 和中文版《概率论与统计学》、《高级计量经济学》以及《中国经济学教育转型——厦大故事》等著作。

目 录 
第一章 导 论 
第一节 概率论与现代统计学 
第二节 经济学的定量分析 
第三节 经济统计分析的基本公理
第四节 统计分析在经济学的作用
第五节 统计分析在经济学的应用局限 
第六节 小结 
练习题一

第二章 概率论基础
第一节 随机试验 
第二节 概率论的基本概念 
第三节 集合理论概述
第四节 概率论基础 
第五节 计数方法 
第六节 条件概率 
第七节 贝叶斯定理 
第八节 独立性
第九节 小结 
练习题二 

第三章 随机变量和一元概率分布 
第一节 随机变量 
第二节 累积分布函数
第三节 离散随机变量
第四节 连续随机变量
第五节 随机变量的函数
第六节 数学期望 
第七节 矩 
第八节 分位数
第九节 矩生成函数 
第十节 特征函数 
第十一节 小结
练习题三 

第四章 重要概率分布 
第一节 引言
第二节 离散概率分布
第三节 连续概率分布
第四节 小结
练习题四 

第五章 多元随机变量及其概率分布
第一节 随机向量及其联合概率分布 
第二节 边际分布 
第三节 条件分布 
第四节 独立性
第五节 二元变换 
第六节 二元正态分布
第七节 期望与协方差
第八节 联合矩生成函数 
第九节 独立性和期望
第十节 条件期望 
第十一节 小结
练习题五 

第六章 统计抽样理论导论
第一节 总体与随机样本 
第二节 样本均值的抽样分布 
第三节 样本方差的抽样分布 
第四节 学生 t-分布 
第五节 F-分布 
第六节 充分统计量 
第七节 小结
练习题六 

第七章 收敛和极限定理 
第一节 极限和数量级
第二节 收敛概念的必要性 
第三节 依二次方均值收敛和 Lp-收敛 
第四节 依概率收敛 
第五节 几乎处处收敛
第六节 依分布收敛 
第七节 中心极限定理
第八节 小结
练习题七 

第八章 参数估计和评估 
第一节 总体与分布模型 
第二节 极大似然估计
第三节 极大似然估计量的渐进性质 
第四节 矩方法与广义矩方法 
第五节 广义矩估计量的渐进性质 
第六节 均方误准则 
第七节 最优无偏估计量 
第八节 克拉默-拉奥下界
第九节 小结
练习题八 

第九章 假设检验
第一节 假设检验导论
第二节 内曼-皮尔逊引理
第三节  沃尔德检验 
第四节 拉格朗日乘子检验 
第五节 似然比检验 
第六节 说明性例子 
第七节 小结
练习题九 

第十章 经典线性回归分析
第一节 经典线性回归模型 
第二节 普通最小二乘估计 
第三节 拟合优度和模型选择准则 
第四节 OLS 估计量的无偏性和有效性 
第五节 OLS 估计量的抽样分布 
第六节 OLS 估计量的方差-协方差估计 
第七节 参数假设检验
第八节 应用与重要特例 
第九节 广义最小二乘估计 
第十节 小结
练习题十 

第十一章 大数据、机器学习与统计学 
第一节 导言
第二节 实证研究与统计分析 
第三节 大数据的主要特征 
第四节 机器学习及其本质 
第五节 大数据、机器学习与统计学的关系 
第六节 总结
练习题十一 

第十二章 结 论
练习题十二 

参考文献