本書分為三大部分，共計14章，主要內容包括：探索性數(shù)據分析入門、概率論基礎、推斷統(tǒng)計基礎、相關性和回歸、數(shù)據分析棧、R中的數(shù)據結構、使用R進行數(shù)據處理與可視化、使用R進行數(shù)據分析、Python中的數(shù)據結構、使用Python進行數(shù)據分析等。

本書歸納了計數(shù)一次、二次和多次抽樣檢驗的理論與方法，在計量抽樣檢驗中，除單側限外，本書主要介紹了作者多年獨創(chuàng)的雙側限，包括方差已知和未知兩種情形。全書以概率統(tǒng)計為工具，將抽樣檢驗的基本原理、方案設計和應用示例按梯度依次展開，使讀者在通曉原理的基礎上，準確地把握方法，科學地選擇抽樣方案。本書可供大中型企業(yè)質檢處的技術管理

本習題冊是根據國家教育部審定的高等工科院校的本科非數(shù)學專業(yè)的教學要求，并按照同濟大學數(shù)學科學學院最新編寫的《概率論與數(shù)理統(tǒng)計》的章節(jié)順序，以方便學生課后鞏固基本概念和掌握基本解題方法為主要目的而編寫的配套練習冊。全書共分八章，分別為隨機事件與概率、離散型隨機變量、連續(xù)型隨機變量、隨機向量、大數(shù)定律和中心極限定理、統(tǒng)計量

本教材以基礎、應用、實踐、創(chuàng)新的教學體系為框架，通過豐富的案例教學、基于Python進行實踐操練，使讀者更加容易理解基本理論，增加直觀性、趣味性及應用性，提高讀者解決實際問題的能力。本教材主要內容包括事件與概率、條件概率、一維隨機變量及其、多維隨機變量及其分布、隨機變量函數(shù)的分布、數(shù)字特征、大數(shù)定律與中心極限定理、數(shù)理

本書是模式識別和場景分析領域奠基性的經典名著。在第2版中，除了保留了第1版中關于統(tǒng)計模式識別和結構模式識別的主要內容以外，讀者將會發(fā)現(xiàn)新增了許多近25年來的新理論和新方法，其中包括神經網絡、機器學習、數(shù)據挖掘、進化計算、不變量理論、隱馬爾可夫模型、統(tǒng)計學習理論和支持向量機等。作者還為未來25年的模式識別的發(fā)展指明了方向

本書分為14個章節(jié)，內容分別為緒論、GWO算法概述、反向學習和差分變異的GWO算法、隨機反向學習和MEPD的強化等級制度的GWO算法、趨優(yōu)反向學習和隨機反向空置算子的GWO算法、混合差分進化的GWO算法、基于DE全局最優(yōu)和隨機學習的GWO算法、混合鯨魚優(yōu)化的GWO算法、精簡差分擾動GWO算法與均值榜樣學習PSO算法的混

概率論與數(shù)理統(tǒng)計是研究隨機現(xiàn)象及其統(tǒng)計規(guī)律性的學科，是高等學校各專業(yè)開設的基礎學科。本書系統(tǒng)地介紹了概率論與數(shù)理統(tǒng)計的概念、方法、理論及應用。本教材的第一部分概率論部分，主要是對隨機現(xiàn)象統(tǒng)計規(guī)律演繹的研究，內容包括：第一章隨機事件與概率，第二章隨機變量及其分布，第三章多維隨機變量及其分布，第四章隨機變量的數(shù)字特征，第五

本書系統(tǒng)地介紹集合論、近世代數(shù)、點集拓撲、泛函分析、Fourier分析、分布理論、微分幾何等近代應用數(shù)學的基本內容，及其在自然科學領域中的應用。書中強調對近代數(shù)學基本概念的理解、對重要論證方法的思路分析，以培養(yǎng)讀者掌握并應用近代應用數(shù)學工具解決本專業(yè)的實際問題。20世紀初期至今的百余年中，數(shù)學科學與自然科學諸領域相輔相

本書介紹了概率論與數(shù)理統(tǒng)計的基本概念、理論和方法。本書主要分為兩個部分：第一部分為概率論，內容包括隨機事件和概率，隨機變量及其分布，多維隨機變量及其分布，隨機變量的數(shù)字特征，大數(shù)定律與中心極限定理；第二部分為數(shù)理統(tǒng)計，內容包括抽樣分布，參數(shù)估計和假設檢驗。同時，書中教學例題的配備注重了學習難度的循序漸進，并分節(jié)選編了題

本書以幾類隨機系統(tǒng)為研究對象，對數(shù)值方法的穩(wěn)定性和系統(tǒng)的穩(wěn)定性進行了分析，主要研究了一類半線性隨機比例微分方程的均方穩(wěn)定性問題，并證明了此條件下指數(shù)Euler方法對任意非零步長可以保持均方穩(wěn)定性。進一步對一類Poisson白噪聲激勵下隨機延遲微分方程的穩(wěn)定性進行研究，獲得了穩(wěn)定性的充分條件。并進行了相應的數(shù)值分析。隨后