本书是在2017年出版的第1版的基础上修订而成的.全书共分8章，1~5章为概率论部分，6~8章为数理统计部分．主要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、极限定理、参数估计和假设检验等． 本书以本科数学基础课程教学基本要求为基础，参照近年来全国硕士研究生入学统一考试数学大纲要求，结合作者多年来的

本书系统讲解了多元统计分析的基本理论和一些常用的多元统计方法。本书共9章，第1章为绪论，第2~3章介绍多元统计推断的基本理论，包括多元正态抽样分布理论、参数估计和多元正态总体的假设检验；第4~9章分别介绍各种常用的多元统计方法，包括判别分析、聚类分析、主成分分析、因子分析、对应分析和典型相关分析。本书各种统计方法的算法

《概率论与数理统计》是根据高等院校概率论与数理统计课程教学的基本要求，结合我们多年来对概率论与数理统计课程教学内容和教学方法改革与创新的成果而编写的.《概率论与数理统计》主要内容包括：概率论的基本概念、一维随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理、数理统计的基本概念、参数估计、

本书以随机过程的统计特征和性质为主线,旨在将实际应用和理论推导联系起来,通过概念、定理、例题、详细的习题,尽量体现随机过程的理论基础及应用价值,以保证教材的综合性、整体性和前瞻性,从而使统计类专业和其他工程类专业、管理类专业的学生较为熟练地掌握随机过程的理论和应用.本书共九章,全书内容包括随机过程的基本概念、随机过程的

本书按新时期大学数学教学大纲要求编写而成，内容丰富，理论严谨，思路清晰，例题典型，方法性强.本书注重分析解题思路与规律，并与现实生活中的问题紧密结合，对培养学生的学习兴趣及提高分析问题与解决问题的能力将起到较大作用.全书共分九章，内容涵盖随机事件、一维随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律

利用时间序列预测技术对数据进行统计分析，可以推测事物发展的未来趋势。然而传统的时间序列预测技术模型构建简单，对于数据包含的信息挖掘与剖析不够深入。因此，采用基于群智能优化算法的预测理论解决时间序列分析与预测问题，是近年来的研究热点之一。《基于群智能优化算法的预测理论与方法的研究及应用》阐述了基于群智能优化算法的预测理论

本书介绍非参数统计的基本概念和方法,其内容包括预备知识、U统计量、基于二项分布的检验、列联分析、秩检验、检验的功效与渐近相对效率、概率密度估计、非参数回归.每一章内容都着重阐述非参数统计推断的一般处理技术和原则,并给出一些典型例子.各章后面的习题侧重于应用.本书的特点是侧重于介绍非参数统计在各应用领域中的常用方法,尽可

本书重点研究了位置数据的智能聚类学习相关模型和算法前沿，集中反映了作者近年来对空间数据聚类与智能优化相结合的研究成果，系统阐述了GPS位置数据聚类学习的相关模型与算法。本书共分为7章，包括GPS位置数据聚类模型和智能优化的关键技术，GPS位置数据的遗传、模糊粒子-遗传融合、遗传-模糊蚁群混合自动聚类模型与算法，基于Ma

《概率论与数理统计（人工智能专用）》介绍了与人工智能密切相关的概率论与数理统计的内容。全书分成两大部分，di一部分主要介绍概率论的知识，涵盖概率论的基本概念、一维随机变量及其分布、二维随机变量及其分布，数字特征，大数定理和中心极限定理外，还增加了信息论基础知识、若干集中不等式的相关知识。第二部分主要介绍常见的数理统计知

本书主要介绍概率论和随机过程的基础知识和基本概念，内容包括概率论和随机过程两部分。第1~5章介绍概率论的基本概念及定理，主要包括随机事件与概率、离散型随机变量及其分布、连续型随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理;第6章介绍随机过程的基本概念、泊松过程、马尔可夫过程、鞅、布朗运动、随机积分和伊藤公

本书介绍了数理统计的基本概念、参数估计、假设检验、方差分析、贝叶斯基础和统计计算等内容.在编写过程中特别注重方法的实际应用，每个理论后面都列举了对应的例子.同时，为了更贴近社会的现实需求，在每章最后一节通过例子对该章的主要内容进行了R语言实现，并列出了程序的详细步骤.

本书研究分类数据的统计过程控制.近年来，统计过程控制的研究成果十分丰富，但大都集中在取值为具体数值的连续数据.本书关注的分类数据取值为若干个类别或属性水平，信息量较少，但在生活生产中极为常见.本书内容来自作者和合作者近年来的研究成果，从一元或多元、名义或有序、独立或自相关、相关性或因果关系等角度，系统地介绍了分类数据统

本书主要介绍了双参数韦布尔分布模型,并从双参数韦布尔分布在可靠性领域的应用角度介绍了相关可靠性统计方法,包括韦布尔分布的确定方法、基于极大似然估计的可靠性统计方法、基于分布曲线拟合的可靠性统计方法、基于Bayes的可靠性统计方法、其他可靠性统计方法及改进韦布尔分布的可靠性统计方法。

本书第1章主要介绍变点检验和在线监测的一些经典方法，并介绍本书着重讨论的厚尾时间序列模型和长记忆时间序列模型.第2,3章主要介绍检验和估计厚尾时间序列模型均值变点和持久性变点的一些方法.第4,5章介绍检验长记忆时间序列均值变点、时间趋势项变点、方差变点及长记忆参数变点的一些方法.第6章介绍在线监测厚尾时间序列持久性变点

本书是根据教育部高等学校统计学专业教学指导分委员会制定的《统计学专业教学规范(授经济学学位)》中提出的课程设置和教学内容纲要编写出版的系列教材之一。本书介绍数理统计学的统计思想、理论和方法，主要内容包括总体、样本、统计量等概念以及常用分布、点估计理论、假设检验、区间估计、线性模型以及统计决策理论和贝叶斯推断等。本书强调

本书是概率论与数理统计课程的学习辅导书，内容包括：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。每章均按章节顺序从基本概念、典型例题、综合练习三部分进行编写，并对典型例题进行了分析和详解.书后附有4套模拟试题，方便学生期末复习

本书主要介绍了统计和数据分析的基本知识、数据采集的操作、数据采集后的清洗加工操作、描述性统计分析、抽样估计分析、统计指数分析、相关与回归分析、时间序列分析、数据可视化展现，以及制作数据分析报告等内容。本书采用理论结合实战的方式，不仅介绍了数据分析的必要原理、方法，还充分结合了日常生活和工作中的案例，将理论加以实践和分析

本书试图较全面地介绍大数据技术的基本原理和方法，包括以统计模型为主的各类数据模型以及它们的计算方法，同时还将介绍这些方法在一些领域(如人工智能)中的应用。

本书介绍了概率论与数理统计的概念、原理、计算方法，以及MATLAB在数理统计中的应用.在编写中吸收了国内外优秀教材的优点，概念讲述通俗易懂，每章中附有精选的例题和习题，并且增加了数学实验.书后附有习题参考答案，方便学生自测,书中还配有二维码，扫码可以观看课件、知识点总结及微课视频，供学生学习提高使用.

本书是一本以介绍现代概率论基础理论和方法为主的概率论教材。共分三部分。第1章和第2章为测度论，用较短的篇幅完整地叙述了测度与积分的一般理论，包括了一般测度、Lebesgue-Stieltjes测度、Lebesgue测度、积分与期望的定义及单调收敛定理、Fatou引理、Lebesgue控制收敛定理、Fubini定理等主要