Incluye referencias bibliográficas e índice.

Probability -- Random Variables -- Expectation -- Inequalities -- Convergence of Random Variables -- Models, Statistical Inference and Learning -- Estimating the CDF and Statistical Functionals -- The Bootstrap -- Parametric Inference -- Hypothesis Testing and p-values -- Bayesian Inference -- Statistical Decision Theory -- Linear and Logistic Regression -- Multivariate Models -- Inference about Independence -- Causal Inference -- Directed Graphs and Conditional Independence -- Undirected Graphs -- Loglinear Models -- Nonparametric Curve Estimation -- Smoothing Using Orthogonal Functions -- Classification -- Probability Redux: Stochastic Processes -- Simulation Methods.

Este libro es para personas que desean aprender probabilidad y estadísticas rápidamente. Reúne muchas de las ideas principales de las estadísticas modernas en un solo lugar. El libro es adecuado para estudiantes e investigadores en estadística, informática, minería de datos y aprendizaje automático.Este libro cubre una gama mucho más amplia de temas que un texto introductorio típico sobre estadística matemática. Incluye temas modernos como la estimación de curvas no paramétricas, bootstrapping y clasificación, temas que generalmente se relegan a cursos de seguimiento. Se supone que el lector sabe cálculo y un poco de álgebra lineal. No se requiere conocimiento previo de probabilidad y estadística. El texto se puede utilizar a nivel avanzado de pregrado y posgrado.