Ce livre porte sur la statistique inférentielle et décisionnelle. Un modèle statistique est décrit par une famille de lois de probabilité admise à priori comme étant les plus compétitives pour rendre compte de l'évolution des observations et que l'analyse statistique confortera ensuite en identifiant la loi qui explique le mieux la « réalité » des données observées. En fonction des informations extraites des données observées, le statisticien doit « décider » ou « inférer » sur la nature exacte de la loi de probabilité « optimale » au sens que celle ci explique mieux les observations que les autres lois retenues dans le modèle. L'objectif de la statistique mathématique est justement le développement des outils théoriques et la description des méthodes d'analyse statistique afin de déterminer le modèle de probabilité optimal. Ce livre comporte 12 chapitres couvrant l'essentiels de la statistique inférentielle et décisionnelle. Le premier chapitre rappelle les lois multinomilaes et les lois normales multidimensionnelles que l'on utilise fréquemment . Le dernier chapitre porte sur les problèmes de régression simple et multiple.