第一部分  智能疲劳统计学的数学基础
  第1章  概率论的基础知识
    1.1  概率、随机事件和随机变量
      1.1.1  有关概率的几个基本概念
      1.1.2  随机事件
      1.1.3  随机变量
    1.2  随机变量的分布、概率密度函数及可靠度
      1.2.1  随机变量分布函数和概率密唐函数
      1.2.2  可靠度和破坏率
    1.3  随机变量的期望和矩
      1.3.1  随机变量的期望和统计中的算术平均
      1.3.2  随机变量的各阶矩之意义
  第2章  随机变量的函数及其特征值
    2.1  随机变量函数和二维随机变量
      2.1.1  随机变量函数的意义
      2.1.2  二维随机变量
    2.2  随机变量之和（或差）的数学期望和方差
      2.2.1  随机变量之和的数学期望
      2.2.2  随机变量之和的方差
    2.3  矩母函数及其性质
      2.3.1  矩母函数的定义
      2.3.2  矩母函数的性质
    2.4  最大似然性法原理
  第3章  几种常用的分布
    3.1  高斯分布
      3.1.1  正态分布的特点
      3.1.2  标准分数
      3.1.3  正态变量的和与差的PDF
    3.2  威布尔分布
      3.2.1  威布尔分布由来及特点
      3.2.2  威布尔分布的PDF
    3.3  伽马分布和贝塔分布
      3.3.1  伽马函数和贝塔函数
      3.3.2  伽马分布
      3.3.3  贝塔分布
  第4章  统计学基础知识
    4.1  统计的意义
    4.2  统计和概率及有关定律
      4.2.1  统计和概率
      4.2.2  大数定律
    4.3  总体和样本
      4.3.1  统计学中的基本术语
      4.3.2  中心极限定理
    4.4  可靠度估计量
    4.5  统计推断
      4.5.1  统计推断的由来
      4.5.2  显著度和置信度等概念的统计定义
      4.5.3  零假设和备选假设
      4.5.4  例子
    附录一  大数定律的一个证明
    附录二  无偏估计和有偏估计
    附录三  隶莫佛-拉普拉斯中心极限定理的证明
第二部分  智能疲劳统计学的计算机基础
  第5章  Excel在概率统计中的应用
    5.1  Excel简介
    5.2  Excel中强大的函数和作图功能
      5.2.1  Excel在概率统计中的函数
      5.2.2  Excel在作图方面的一些注意事项
    5.3  Excel的优缺点
  第6章  Python简介
    6.1  Python入门
      6.1.1  Python的由来及优缺点
      6.1.2  如何构建使用Python的平台
      6.1.3  Spyder的使用
    6.2  Python基本语法
      6.2.1  Python的词法
      6.2.2  Python的句法
    6.3  Python的几个重要模块（库或包）
      6.3.1  numpy, pandas, scipy简介
      6.3.2  matplotlib简介与作图要点
    6.4  一个例子：超越方程的数值解
第三部分  智能疲劳统计学的一些应用
  第7章  总体参数估计
    7.1  样本均值的参数和总体参数的点估计
      7.1.1  子样均值的数学期望和方差
      7.1.2  总体均值和方差的点估计
    7.2  正态分布参数估计
      7.2.1  解析法
      7.2.2  作图法
    7.3  威布尔分布的总体参数估计
      7.3.1  解析法
      7.3.2  图解法
    7.4  最小二乘法
      7.4.1  最小二乘法原理
      7.4.2  疲劳性能数据最佳线性拟合
      7.4.3  P-N图的线性拟合
  第8章  高镇同法
    8.1  高镇同法的由来
      8.1.1  解析法存在的问题
      8.1.2  拟合标准和决定系数
      8.1.3  高镇同法的诞生
    8.2  高镇同法的应用：拟合三参数疲劳性能曲线
      8.2.1  拟合三参数疲劳性能曲线
      8.2.2  用Excel来求解
      8.2.3  用Python及高镇同法来求解
    8.3  高镇同法命名及其优缺点
  第9章  几种常用的检验方法
    9.1  X2（卡方）检验法（Chi-Square Test）
      9.1.1  X2分布的PDF
      9.1.2  X2检验法的原理
    9.2  X2检验法在疲劳统计学中应用举例
      9.2.1  正态总体标准差的区间估计
      9.2.2  正态总体标准差的无偏估计量
      9.2.3  总体分布统计假设的X检验法
    9.3  t检验
      9.3.1  t分布PDF
      9.3.2  t检验和例子
      9.3.3  正态总体均值区间估计
      9.3.4  三参数威布尔分布的：检验及形状系数的区间估计
      9.3.5  三参数威布尔分布疲劳寿命的置信区间曲线
    9.4  F检验法
      9.4.1  F分布的PDF
      9.4.2  F检验及例子
  第10章  数字实验在威布尔分布研究中的应用
    10.1  数字模拟和数字实验
    10.2  威布尔分布中的数字实验
      10.2.1  三参数威布尔分布发生器
      10.2.2  威布尔分布各有关参数的数字实验
    10.3  用自助法确定威布尔分布三参数及置信区间
      10.3.1  用自助法进行数字实验
      10.3.2  用自助法做进一步的数字实验
关于智能疲劳统计学的展望
附录A  计算威布尔分布的置信区间曲线的Python代码
附录B  威布尔分布各有关参数的数字实验的Python代码
附录C  用自助法评估威布尔分布各参数做的数字实验Python代码
参考文献
中文关键字索引
英文关键字索引
英文关键字索引