本书是人工智能数学基础之中的统计学部分，也是《人工智能的数学基础——随机之美》的姊妹篇，旨在为读者提供一套满足人工智能学习需求的实用数理统计工具书。它以费舍尔和内曼这两位统计学大师的统计思想之争为主线，介绍了数理统计学和统计机器学习的主要成就，以及在人工智能中的一些应用和计算机实践。全书共分四部分：第一部分是数理统计学简史（第1～2章），介绍了数理统计学奠基人费舍尔和内曼的学术成就、数理统计学的发展历程。第二部分是经典统计学（第3～6章），介绍了统计学的基本概念、参数估计理论、假设检验、回归分析与方差分析。第三部分是现代统计学（第7～9章），介绍了多元统计分析（如核方法、特征工程、聚类、分类等）、期望最大化算法、时间序列分析等内容。第四部分是附录，介绍了常用科学计算软件（R、Maxima、GnuPlot）、最优化方法、核密度估计、再生核希尔伯特空间、张量分析等知识。本书适合作为普通高等学校计算机或人工智能专业学生学习统计学相关知识的读物，也适用于对人工智能和机器学习感兴趣的高年级本科生和研究生，要求读者具备线性代数、数学分析（或微积分）和概率论的基础。