All of Statistics: A Concise Course in Statistical Inference

教材中的引用位置

1. M06 · 第 1 章 样本、统计量与抽样分布

   支持的主张：Wasserman 的《All of Statistics》用于核对样本统计量分布、中心极限定理、Delta 方法、bootstrap 和渐近标准误的统一记号；MIT 18.650 与 Casella–Berger 用于更完整的推断条件交叉核验。本章据此区分有限样本精确分布与大样本近似，不用渐近正态替代小样本验证。

2. M06 · 第 2 章 点估计、充分性与信息量

   支持的主张：Wasserman《All of Statistics》用紧凑路线连接矩估计、最大似然、风险、一致性和渐近推断，适合作为后续区间与检验章节的桥梁。阅读其渐近近似时仍需保留本册统一的随机样本和正则性约定。

3. M06 · 第 3 章 置信区间与枢轴量

   支持的主张：Wasserman《All of Statistics》在本章用于支撑置信区间的频率学解释：覆盖率是同一抽样机制反复产生区间时包含真参数的长期比例，不是观测数据给定后参数落入本次区间的概率。该来源还连接枢轴量、渐近正态和 bootstrap 构造，使本章能够分别标注有限样本保证、近似条件与小样本失效风险。

4. M06 · 第 4 章 假设检验、功效与多重比较

   支持的主张：Wasserman《All of Statistics》为本章的检验函数、第一类错误、p 值和功效提供概率定义，ISLR 则把这些量放入模型比较与预测评估语境。二者共同支撑本章区分“零假设下数据有多极端”和“模型对未来样本是否有用”：显著性不能替代效应量、区间或独立验证，多次尝试模型时也必须控制选择带来的额外错误。

5. M06 · 第 5 章 线性模型中的统计推断

   支持的主张：《All of Statistics》把线性回归放在估计、检验和预测的统一框架中，适合复查标准误、区间和模型假设的边界。重做正文四点数据时，应能独立复现 $\widehat\beta_1=0.9$ 、 $\widehat\beta_0=0.9$ 、 $\operatorname{SSE}=0.70$ 、 $s^2=0.35$ 以及 $t^2=F\approx11.5714$ 。

6. M06 · 第 6 章 估计、检验与统计决策综合复习

   支持的主张：《All of Statistics》适合核对估计、区间、检验、似然、贝叶斯方法与决策理论之间的公式关系。复习时应特别追踪期望到底对样本分布、先验还是后验计算，而不是只记方法名称。