贝叶斯统计是和基于频率的传统统计(频率派统计)不同的一套关于统计推断或决策的理论、方法与实践.本书除了介绍贝叶斯统计的基本概念之外，还介绍了不同贝叶斯模型的数学背景、与贝叶斯模型对应的各种计算方法，并基于数据例子来介绍如何通过各种软件实现数据分析.本书使用的软件是以R为平台的Stan和以Python为平台的PyMC3，

随着物联网、数字医疗、智慧城市的兴起，时间序列数据分析变得越来越重要。随着持续监测和数据收集变得越来越普遍，对通过统计和机器学习技术进行时间序列分析的需求将会增长。这本实用指南涵盖了时间序列数据分析的创新成果和现实世界的案例，使用传统统计方法和现代机器学习技术，帮你应对时间序列中最常见的数据工程和分析挑战。作者Aile

《概率论与数理统计：基于R语言》的特色在于，通过《概率论与数理统计：基于R语言》，可以将R软件的实践融入概率论与数理统计课程几乎每一个知识点的教学中，让学生从繁杂的数学计算中解脱出来，从而能有更多的时间去理解概率论中抽象概念的实际意义及统计学中统计方法的基本原理和思想。《概率论与数理统计：基于R语言》中R软件部分的教学

本书将新工科理念与国际化深度融合，借鉴国内外优秀教材的特点，并结合山东大学数学团队多年的教学经验编写完成。本书共8章，包括随机事件与概率、随机变量及其分布、多维随机变量及其分布、数字特征与极限定理、统计量及其分布、参数估计、假设检验、MATLAB在概率论与数理统计中的应用。每节题型采用分层模式，每章总复习题均选编自历年

《概率论与数理统计实验指南（Python版）》内容共九章。分别是：第一章Python基础，第二章随机事件及其概率，第三章随机变量及其分布，第四章多维随机变量及其分布，第五章随机变量的数字特征，第六章大数定律及中心极限定律，第七章数理统计的基本概念，第八章参数估计，第九章假设检验。每一章首先进行内容简介，介绍本章的基本概

本书包括事件与概率、离散型随机变量、连续型随机变量、大数定律与中心极限定理、数理统计的基本概念、点估计、假设检验、方差分析和回归分析、Excel在统计分析中的应用等九章。

《应用随机过程》是应用随机过程教材，其内容包括概率论的基础知识、随机过程的基本概念和基本类型、离散（连续）时间的马尔可夫链、泊松过程、鞅过程、布朗运动和平稳过程等。《应用随机过程》尽量采用通俗易懂的方法介绍随机过程中的基本概念和基本理论，更加强调理论的直观解释和应用，选取了大量与社会、经济、金融、生物等领域相关的例题和

《概率论与数理统计》根据近年来新工科数学改革的新成果，结合高等应用型本科院校的实际特点编写，以培养未来多元化、创新型、具有可持续竞争力的工程人才为目标。教材中对传统的教学内容进行优化，利用数学软件解决随机数学和数理统计实际应用问题；还建设了立体化的新形态教材，为打造“两性一度”金课建设创造了必备的条件。《概率论与数理统

本书从概率论和随机过程的发展历史出发，以随机过程的概率论基础、随机过程基本理论、随机过程的时域和频域分析原理、平稳随机过程通过系统、窄带随机过程、离散随机过程以及非平稳随机过程为主要内容。在介绍的过程中采用先确定后随机、先连续后离散的思路，便于读者对相关知识进行对比理解以至达到融会贯通的程度。本书可作为通信工程、电子工

时间序列分析是统计学科的一个重要分支，它主要研究随着时间的变化，事物发生、发展的过程，寻找事物发展变化的规律，并预测未来的走势。在日常生产生活中，时间序列比比皆是，所以目前时间序列分析方法广泛地应用于经济，金融，天文，气象，海洋、物理、化学、医学，质量控制等诸多领域，成为众多行业经常使用的统计方法。本书是一本用R软件编