本书内容包括随机事件与概率，随机变量及其分布，随机变量的数字特征，数理统计的基本概念，参数估计，假设检验，一元线性回归分析。

本书介绍随机过程基本概念和基本理论，着重讲解Poisson过程、Markov链、Galton-Watson分枝过程、鞅、Bronw运动和平稳随机过程遍历性。本书选材恰当，内容丰富，深入浅出。除前两章外，各章内容相对独立并且体系完整，便于读者阅读。每章含有附注，包括人物和背景介绍，趣味性和科学性兼顾。每章习题都经过精心挑

《概率论与数理统计习题集》涵盖了概率论与数理统计课程的基本内容，配合教材《概率论与数理统计》（重庆大学出版社，2015年2月出版）使用。所选习题突出基本概念、基本性质与基本计算，主要针对独立学院层次的学生，并与该层次的教学要求相适应。为了检验学习效果，每一章后都附有单元测验，供学生自测；同时选编了少量的历年考研真题，供

本书共分为五章，主要内容包括：随机事件与概率、随机变量及其分布、随机向量及其分布、随机变量的数字特征、大数定律与中心极限定理。书后附有习题参考答案和三个附录。

全书共十章，内容包括事件与概率、条件概率与独立性、随机变量及其分布、随机向量及其分布、数字特征与特征函数、极限定理、统计量与抽样分布、参数估计、假设检验、线性统计推断等。每章均配有不同难易程度的适量习题，书末附有习题答案或提示，供读者参考。

本书分为两部分，共8章。第一部分(第1至5章)概率论，主要阐述随机事件及其概率、随机变量与概率分布、多维随机变量、数字特征、大数定律与中心极限定理等内容。第二部分(第6章至第8章)数理统计，主要阐述数理统计的基本概念、参数估计和假设检验等内容。

本书是结合工科数学教材《概率论与数理统计》编写的同步训练，共8章，主要包括概率论的基本概念、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理、样本及抽样分布、参数估计、假设检验等内容的配套习题以及详细解答.每章分为小节习题和自测题两大部分.附录为2010—2015年全国硕士研究生入学统

《数据密集型计算环境下贝叶斯网的学习、推理及应用》分为五章。第1章绪论、第2章数据密集型计算和贝叶斯网、第3章数据密集型计算环境下贝叶斯网的学习方法、第4章数据密集型计算环境下贝叶斯网的推理方法、第5章数据密集型计算环境下贝叶斯网的应用——社区发现等。

本书为高等学校理工科教材，内容包括：随机事件及其概率、随机变量及其分布、随机变量的数字特征、特征函数与概率母函数、极限定理等.本书内容丰富，有大量的例题和习题，书后附有习题答案.本书的使用对向为普通高等学校大学本科生高年级学生,以及科研人员和教师。

本书是数理统计入门级的教材，作为基础课的教材，本次修订我们修改了*一版中的不当之处，删去了U统计量、线性估计、构造置信限等内容，选择点估计、区间估计、参数检验和分布检验4个*基本的统计问题作为本书主要内容，中间插入贝叶斯统计的一些观念和方法。*书5章内容，把统计量和抽样分布等基本概念归入第1章，为年轻读者进入统计学的研