本書共10章。內(nèi)容包括：隨機事件與概率、條件概率與獨立性、一維隨機變量及其分布、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、參數(shù)估計、假設(shè)檢驗、方差分析與回歸分析。

本書主要內(nèi)容包括：隨機事件的概率，一維和二維隨機變量及其分布，隨機變量函數(shù)的分布，隨機變量的數(shù)字特征，大數(shù)定律與中心極限定理，統(tǒng)計量及其分布，參數(shù)估計，假設(shè)檢驗及隨機過程的基本知識。

本書主要包括抽樣及描述性統(tǒng)計、概率、誤差的傳播、常用的分布、置信區(qū)間估計、假設(shè)檢驗、相關(guān)性和簡單線性回歸、多次回歸、析因?qū)嶒灐⒔y(tǒng)計上的質(zhì)量控制、變量的控制圖表、計數(shù)值管制圖表、單因素實驗中的成對比較、利用仿真構(gòu)造置信區(qū)間、預(yù)測區(qū)間和公差區(qū)間、總體均值的大樣本置信區(qū)間等內(nèi)容。

在21世紀(jì)，統(tǒng)計方法在范圍和影響方面都有驚人的擴展。大數(shù)據(jù)、數(shù)據(jù)科學(xué)和機器學(xué)習(xí)已經(jīng)成為新聞中常見的術(shù)語，因為統(tǒng)計方法被用于處理現(xiàn)代科學(xué)和商業(yè)的龐大數(shù)據(jù)集。我們是怎么走到這一步的？我們又將走到哪里？ 本書將帶你踏上數(shù)據(jù)分析變革的振奮之旅。從經(jīng)典推斷理論（貝葉斯理論、頻率理論和Fisher理論）開始，各章節(jié)分別介紹一系列

本書是與清華大學(xué)出版社2017年出版的《概率論與數(shù)理統(tǒng)計（第2版）》（張艷、程士珍主編）教材相配套的學(xué)習(xí)輔導(dǎo)書.內(nèi)容包括該書各章的知識點、典型例題、習(xí)題與綜合練習(xí)題全解，另外，還配有大量的訓(xùn)練題及參考答案，以供考研學(xué)生提升解題技巧.本書注重體現(xiàn)概率統(tǒng)計的思想方法與基本內(nèi)容，強調(diào)對學(xué)生解題方法與能力的培養(yǎng)，力求做到深入淺

內(nèi)容涉及正倒向隨機微分方程最優(yōu)/次優(yōu)控制系統(tǒng)研究，分兩部分：第一，動態(tài)規(guī)劃原理，我們推導(dǎo)出Hamilton-Jacobi-BellmanInequality,此項研究是深入菲爾茨獎得主，法國數(shù)學(xué)家P.-L.Lions教授提出的用粘性解理論研究導(dǎo)數(shù)有約束的偏微分方程的問題。同時給出在粘性解意義下，隨機遞歸系統(tǒng)的最優(yōu)控制驗

我們所處的時代是一個大數(shù)據(jù)時代，數(shù)據(jù)無處不在，統(tǒng)計學(xué)是研究數(shù)據(jù)的科學(xué)，在數(shù)據(jù)分析中扮演了非常重要的角色。多元統(tǒng)計分析是統(tǒng)計學(xué)中應(yīng)用最廣的一個分支，在自然科學(xué)、社會科學(xué)、經(jīng)濟科學(xué)和管理科學(xué)等領(lǐng)域應(yīng)用廣泛。作為國內(nèi)多元統(tǒng)計分析的經(jīng)典版本，第5版繼續(xù)保持了案例應(yīng)用與統(tǒng)計思想相滲透、結(jié)合軟件詳細(xì)介紹多元統(tǒng)計分析理論與方法的特色

《貝葉斯網(wǎng)基礎(chǔ)及應(yīng)用》主要從貝葉斯網(wǎng)絡(luò)的概念、發(fā)展、推理、應(yīng)用等方面做了詳細(xì)的介紹，具體包括葉斯網(wǎng)的基礎(chǔ)與性質(zhì)，精確推理之變量消元，精確推理之團樹，帶有隱變量的模型學(xué)習(xí)以及貝葉斯網(wǎng)用于文本分類和MATLAB環(huán)境下利用樸素貝葉斯分類器診斷肺癌病人。

本書始終“以應(yīng)用為目的不削弱理論學(xué)習(xí)”為指導(dǎo)思想，主要內(nèi)容有是概率論、數(shù)理統(tǒng)計、隨機過程，每章節(jié)后附有習(xí)題，書末附有參考答案。

本書以Stan統(tǒng)計軟件為基礎(chǔ)，以R代碼為例，提供了一個實際的統(tǒng)計推斷的基礎(chǔ)。從貝葉斯統(tǒng)計方法的角度出發(fā)，介紹了統(tǒng)計反思的相關(guān)知識，以及一些常用的進行類似權(quán)衡的工具，展示了兩個完整的*常用的計數(shù)變量回歸，介紹了應(yīng)對常見的單一模型無法很好地擬合觀測數(shù)據(jù)的排序分類模型與零膨脹和零增廣模型，提出了基于貝葉斯概率和*熵的廣義線性