本書是嶺南師范學院2022年筑峰計劃專項項目資助的研究成果，是一本集理論方法、實踐案例及實驗應用為一體的概率論與數(shù)理統(tǒng)計教材。全書注重介紹概率論與數(shù)理統(tǒng)計的思想與方法，適當減少數(shù)理論證的過程，強調(diào)隨機思想與方法的應用，書中選用大量有實際應用場景的案例及例題，有利于培養(yǎng)學生的實踐應用能力。同時，本書還充分利用數(shù)據(jù)圖表及概

本書對現(xiàn)代統(tǒng)計推斷的基本概念進行了嚴謹而全面的闡述，對基本概念進行了清晰的闡述。具體內(nèi)容包括：二項假設檢驗、多元假設檢驗、復合假設檢驗、信號檢測、凸統(tǒng)計距離、假設檢驗的性能界限、假設檢驗的大偏差和誤差指數(shù)、隨機過程檢測、貝葉斯參數(shù)估計、zui大似然估計、信號估計等。本書的一個顯著特點是大量精心構(gòu)造的例子，有助于讀者理解

本書從高等教育的實際出發(fā)，在教材體系和章節(jié)的安排上，嚴格遵循循序漸進、深入淺出的教學規(guī)律，難易適度；注重案例的引入，通過案例教學對課程重點和難點進行深化分析和訓練，加強學生對知識點的理解和記憶，從而提高學生分析問題、解決問題的能力；內(nèi)容敘述的組織方式易于學生接受，重視對數(shù)學概念的分析；加強知識發(fā)生過程的探索，對得到的重

本書分為基礎篇和提高篇兩篇，內(nèi)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)定律和中心極限定理、數(shù)理統(tǒng)計的基本概念、隨機事件和概率、多維隨機變量及其分布等。

本書是編者根據(jù)多年的教學實踐，按照新形勢下高等教育改革的精神，結(jié)合財經(jīng)類高校本科專業(yè)概率論與數(shù)理統(tǒng)計的教學大綱和考試大綱編寫而成。內(nèi)容包括：隨機事件與概率、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、數(shù)理統(tǒng)計的基本概念、參數(shù)估計、假設檢驗、方差分析與回歸分析等章節(jié)的練習題和自測題

本書全面介紹貝葉斯推理與機器學習，涉及基本概念、理論推導和直觀解釋，涵蓋各種實用的機器學習算法，包括樸素貝葉斯、高斯模型、馬爾可夫模型、線性動態(tài)系統(tǒng)等。在介紹方法的同時，強調(diào)概率層面的理論支持，可幫助讀者加強對機器學習本質(zhì)的認識，其適合想要學習機器學習中的概率方法的讀者。首先介紹概率論和圖的基礎概念，然后以圖模型為切入

本書采用了不相關的、來自信息論的研究，角度新穎地提出了一種證明中心極限的新方法，并對此進行了全面描述：書中先是讀者呈現(xiàn)了熵和費雪信息概念的基本導論，隨后以一系列與它們行為有關的標準測試作為驗證。在作者的獨特構(gòu)思與實證下，信息論與中心極限定理兩個看似不相干的領域被巧妙地聯(lián)結(jié)起來，實現(xiàn)了跨學科的科研合作。此外，書里還匯編了

本書為修訂和擴展的新版本，新版里包括更為詳細的EM算法處理、有效的近似維特比訓練程序描述，和基于n一最佳搜索的困惑測度和多通解碼覆蓋的理論推導。為了支持對馬爾可夫模型理論基礎的討論，還特別強調(diào)了實際算法的解決方案。具體來說，本書的特點如下：介紹了馬爾可夫模型的形式化框架；涵蓋了概率量的魯棒處理；提出了具體應用領域隱馬爾

本書是《概率論與數(shù)理統(tǒng)計》的同步輔導書，集長期在教學科研第一線的專家的豐富教學經(jīng)驗，按照系統(tǒng)性、結(jié)構(gòu)性、嚴謹性和簡潔性原則進行編著。內(nèi)容主要包括隨機事件與概率、離散型隨機變量、連續(xù)型隨機變量、隨機變量的數(shù)字特征、隨機向量和極限定理、統(tǒng)計量及其分布、參數(shù)估計、假設檢驗、方差分析、回歸分析等。適用于普通高等教育概率論與數(shù)理

本書根據(jù)概率論與數(shù)理統(tǒng)計學科的脈絡走向和考生的復習進度，將高等數(shù)學分為若干部分，考生只需按照書中的知識體系和進度安排進行復習，就可以輕松掌握考研數(shù)學的概率論與數(shù)理統(tǒng)計部分。幫助考生在復習過程中熟悉考查的重點和難點，了解一定的命題規(guī)律和趨勢。