本书第1章简要概述了基于测度论的概率论中的重要概念和结果，这些都是数理统计的重要工具。第2章介绍统计决策理论与统计推断中的一些基本概念。第3章至第7章的每一章都给出了统计决策理论和统计推断中一个重要专题的详细研究：无偏估计、参数模型中的点估计、在非参数设置下的点估计、假设检验、区间估计与置信集。 本书内容除了覆盖统计理论上的经典结果之外，还涉猎近些年得以发展的现代统计理论中的一些专题，包括马尔科夫链蒙特卡罗、准似然、经验似然、统计泛函、广义估计方程、刀切法和自助法。 第二版主要是在第1章中独立地给出了概率论中的重要概念、结论以及证明，并强调了其在统计中的应用；矩母函数和特征函数的阐述更细致，也提供了定理的证明：介绍了一些有用的矩不等式；作为条件期望讨论的延续，增加了条件独立、马尔科夫链与鞅的讨论：介绍了弱收敛与紧性的概念；涵盖了在渐近理论中主要结论的证明，如控制收敛定理和单调收敛定理。不仅如此，还增加了两个新章节用于介绍半参数模型与方法以及讨论置信集的渐近。此外，在每一章节中增加了一些新的习题。