《统计推理基础：随机误差的含义是什么？(Fundamentals of Statistical Inference: What is the Meaning of Random Error?)》

本书对有关统计推断的基本问题进行了连贯的描述，并展示了统计学如何帮助我们仅基于有限的数据集（例如从较大人群中抽取的随机样本）对更广泛的背景进行归纳推断。通过将这些基础知识与与p值和统计显著性检验相关的推理错误的方法论辩论联系起来，读者可以清楚地掌握统计推断的前提，以及它可以做什么和不能做什么。为了便于直觉，整本书的表述尽可能非技术性。
该文本背后的核心灵感来自关于良好统计实践和复制危机的科学辩论。对统计改革的呼吁包括 2016年美国统计协会前所未有的方法论警告，2019年《美国统计学家》特刊“21世纪的统计推断：超越p < 0.05的世界”，以及2019年《自然》杂志上广泛支持的“退休统计意义”呼吁 。
本书阐明了基于样本的推理的概率基础和潜力，包括随机数据生成、效应大小估计和随机误差引起的估计不确定性评估。基于对这些基础知识的透彻理解，它描述了p值概念和零假设显著性检验仪式，最后指出了随之而来的推理错误。这使读者有能力避免将来出现误导性的统计例行程序和对统计量的误解。

本书面向有兴趣了解统计推断作用的读者，在考虑随机误差引起的不确定性的情况下，对从特定数据集中获得的知识收益进行了审慎的评估。更具体地说，它为研究生以及具有统计学基础知识的统计从业人员提供了可访问的资源。最后但并非最不重要的是，它的读者对象针对的是对上述改革辩论具有真正方法论兴趣的科学家。