高等概率统计著作
Published:
教材概览。
现代非渐近统计
High-Dimensional Probability (2018) 只有299页，以不同数据结构（随机变量、向量、矩阵、过程）的 concentration inequality (又曰 non-asymptotic statistics 或 finite sample guarantee) 为主线并辅以理论工具和实际应用，章节间的理论关联性不太强。本书特色：随机向量相关，以及实际中的应用。
High-Dimensional Statistics (2019) 是一个570页的大部头，以理论工具和模型为主线，与HDP比侧重统计模型和推断（点估计）。
补充：conformal inference 也是热门方法，致力于提供区间估计。
经典渐近统计
Large Deviations Techniques and Applications (2009) 这本书要老很多。虽然也是讨论concentration，但与HDP不同的是 large deviation principle 讨论的是渐近行为，形如 \(\underset{n\to\infty}{\lim\sup}\frac{1}{n}\log P(\xi\geq x)\leq -I(x).\)
Weak Convergence and Empirical Processes (2023) 是一本693页的大大部头。本书特色：如书名所示, empirical process 的渐近理论.
Asymptotic Statistics (2000) 。本书特色：如书名所示，渐近理论。