由美国当代著名统计学家L．沃塞曼所著的《统计学完伞教程》是一本几乎包含了统计学领域全部知识的优秀教材，本书除了介绍传统数理统计学的全部内容以外，还包含了Bootstrap方法（白助法）、独立性推断、因果推断、图模型、非参数同归、正交函数光滑法、分类、统计学理论及数据挖掘等统计学领域的新方法和技术．本书不但注重概率论与数理统计基本理论的阐述，同时还强调数据分析能力的培养．本书中含有大量的实例以帮助广大读者快速掌握使用R软件进行统计数据分析。

本书以数据的常用统计分析方法为基础，在简明扼要地阐述统计学基本概念、基本思想与基本方法的基础上，讲述与之相对应的R 函数的实现，并通过具体的例子说明统计问题求解的过程。 本书注重思想性、实用性和可操作性；在内容的安排上不仅包含了基础统计分析中的探索性数据分析、参数的估计与假设检验，还包含非参数统计分析的常用方法、多元统计分析方法； 此外还安排了在R 新生态下数据治理与可视化的拓展性内容。每一部分都通过具体例子重点讲述解决问题的思想、方法和在R 中的实现过程。阅读本书，读者不仅可以快速学会R 的基本原理与核心内容，还可以根据提供的例子与相应的R 程序学会解决问题的统计计算方法与基本的编程技术，为解决更复杂的统计问题奠定扎实的基础。 本书可作为各专业本科生、研究生数理统计或应用统计课程的基础教

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计过程控制的**研究进展.其中，第1章介绍了统计过程控制的基本概念并回顾了一元名义分类数据的监控.第2章到第4章，依次介绍了多元名义分类数据、一元有序分类数据、多元有序分类数据的监控.第5章介绍了同时包含连续和分类数据的混合型数据的监控.第6章和第7章分别介绍了自相关名义分类数据和自相关有序分类数据的监控，第8章和第9章分别介绍了基于因果关系的多元名义分类数据和基于因果关系的多元有

本书是“All of Nonparametric Statistics”的中译本，源于作者为研究生开设的课程讲义，包括了几乎所有的现代非参数统计的内容。这种包罗万象的书不但国内没有，在国外也很难找到本书。主要包括10章内容，主要讲述非参数delta方法和自助法之类的经验CDF，覆盖基本的光滑方法和正态均值、利用正交函数的非参数推断、小波和其他的适应方法等。 本书是“All of Nonparametric Statistics”的中译本，源于作者为研究生开设的课程讲义，包括了几乎所有的现代非参数统计的内容。这种包罗万象的书不但国内没有，在国外也很难找到本书。主要包括10章内容，主要讲述非参数delta方法和自助法之类的经验CDF，覆盖基本的光滑方法和正态均值、利用正交函数的非参数推断、小波和其他的适应方法等。

本书主要介绍了处理反问题(不适定问题)的统计方法，尤其侧重于建模与计算这两大问题。与经典文献中处理反问题的方法不同，本书立足于Bayes统计学的框架，将所有变量都视作随机变量，并把反问题的解以概率密度函数的形式给出。同时，对于数学模型本身存在的误差和数值离散导致的额外误差，本书还创造性地进行了源自建模误差的统计分析。 本书详细讨论了先验模型的构造、测量噪声建模、Bayes估值以及非静态统计反演方法等，并引入Markov链Monte Carlo方法以及最优化方法来探究概率分布。另外从Bayes统计学的角度重新研究了经典正则化方法，揭示了两者之间的关系。对于书中得到的结论和涉及的技法，作者还佐以易懂但深刻的例子帮助读者理解。本书将统计方法应用到一些较为前沿的问题中，例如离散误差分析、模型降阶等。在书中，这些统计方法还被

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,尽可能简化公式推导并淡化理论证明. 此外, 本书有选择地安排一些模拟计算和实际数据分析, 其主要程序放在附录A 中.

《无穷维线性系统控制理论》基本上是自洽的。部分介绍了20多年来无穷维线性系统控制理论的新发展，特别是适定、正则系统的抽象理论。也讨论了可控性、可观性、能稳性、可检性、可优性、可估性、实现，以及极点配置等几个主要的基础性概念。第二部分介绍了适定、正则系统理论在偏微分方程，主要是在几个经典的高维偏微分方程中的应用。章和附录中列出了《无穷维线性系统控制理论》所需的有穷维系统控制、泛函分析、黎曼几何的基本知识，有利于初学者入门。 《无穷维线性系统控制理论》可以作为从事分布参数控制理论研究人员的参考书以及具有初步泛函分析、偏微分方程基础的研究生的教科书。

本书从 基础的概率统计知识讲起，逐步深入到机器学习以及深度学习的分类算法，并在 配合深度学习的实战案例，介绍了softmax回归函数在手写体图像识别中的具体应用。通过手动编辑代码，让读者 深入地了解概率在人工智能领域的重大作用。全书分为16章，涵盖的内容主要有概率统计在人工智能发展过程中的重要影响；随机试验及概率的概念；随机变量的分布及多维随机变量的分布情况；贝叶斯算法；正态分布现象；随机变量的数字特征；机器学习中的损失函数；大数定律；样本及抽样分布的做法；参数估计的概念；马尔科夫链；过拟合与欠拟合问题及解决方法；Tensorflow概述及安装方法；卷积神经网络介绍；实验演练之手写体数字识别等。本书配有大量的插图，以身边的生活现象为基础，深入简出地介绍了什么是概率统计，特别适合数学基础薄弱、想学习概率统

由罗斯著的《应用随机过程(概率模型导论 1版)/图灵数学统计学丛书》是一部经典的随机过程著作，叙述深入浅出、涉及面广。主要内容有随机变量、条件期望、马尔可夫链、指数分布、泊松过程、平稳过程、 新理论及排队论等，也包括了随机过程在物理、生物、运筹、网络、遗传、经济、保险、金融及可靠性中的应用。特别是有关随机模拟的内容，给随机系统运行的模拟计算提供了有力的工具。本版还增加了不带左跳的随机徘徊和生灭排队模型等内容。 本书约有700道习题，其中带星号的习题还提供了解答。 本书可作为概率论与数理统计、计算机科学、保险学、物理学、社会科学、生命科学、管理科学与工程学等专业随机过程基础课教材。

\"本书根据高等院校理工、农林和经济管理等非数学类本科专业概率论与数理统计的 教学大纲及考研大纲编写而成，注重数学概念的实际背景，强调数学的思想与方法，联系理论与实际，服务于专业课程。 本书分为三部分， ～5章为 部分，介绍概率论的基础知识，包括：随机事件及其概率、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。第6～9章为第二部分，介绍数理统计的基本内容，包括：样本及抽样分布、参数估计、假设检验、方差分析与回归分析。 0章为第三部分，介绍MATLAB在概率论与数理统计中的应用。 本书既可作为高等院校理工、农林和经济管理等非数学类本科专业教材，也可供相关专业领域的读者参考。 \"

《概率基多目标优化原理及应用》以系统论的观点，从概率论的角度阐述了概率基多目标优化理论的基本原理和应用。书中 引入一个崭新概念—青睐概率及其量化方法，并将概率基多目标优化方法与实验设计方法相结合，如响应面法、正交试验设计和均匀试验设计，建立了概率基多目标试验设计方法。书中同时给出了概率基稳健、设计、概率基多目标优化的离散化处理、序贯优化及其误差分析，对概率基模糊多目标优化、多个目标的聚类分析、多目标 短路径和金融、机械加工等问题也进行了介绍。 《概率基多目标优化原理及应用》可供在相关领域深入挖掘的研究人员参考，也可作为相关专业高年级本科生和研究生的教材。

本书由三大部分组成，分别是智能疲劳统计学的“数学基础”“计算机基础”及“应用”，重点是第三部分，着重介绍了利用Python特点来估计威布尔分布三参数的智能方法——高镇同法，及对威布尔分布进行数字实验的方法。 本书可作为高等院校航空、机械、建筑等工程专业的高年级和研究生教材，也可作为从事疲劳设计和疲劳试验研究人员的参考书。

本书贯彻“实用”的原则，力求以统计数据分析过程为主线，深入浅出地介绍Excel、SPSS、Power BI三种数据分析软件在统计数据分析中的操作与应用。全书共由4篇16章组成：第1篇为数据分析的基本问题，主要介绍数据分析的内容、方法、程序等理论知识；第2篇为Excel数据处理与分析，主要介绍Excel的数据整理、汇总、分析和图表制作等内容；第3篇为SPSS数据处理与分析，主要介绍SPSS软件的数据预处理、整理、分析和图表制作等内容；第4篇为Power BI数据处理与分析，主要介绍Power BI Desktop工具的数据编辑、建模和可视化等内容。本书在内容上过程与说明并重，并配有大量的图片演示，是一本通俗易懂的数据分析软件应用工具书。 本书配备大量的实例操作数据，可作为经济类、管理类各专业本科生和硕士研究生的教材，也可作为广大管理工作者自学Excel、SPSS、Power BI软件

《随机过程(原书第2版)》(作者罗斯)中文简体字版由约翰威利父子公司授权机械工业出版社 出版。未经出版者书面许可，不得用任何方式复制或抄袭本书内容。 《随机过程(原书第2版)》从概率的角度而不是分析的角度来看待随机过程，书中介绍了随机过程的基本理论，包括Poisson过程、Markov链、鞅、Brown运动、随机序关系、Poisson逼近等，并阐明这些理论在各领域的应用。书中有丰富的例子和习题，其中一些需要创造性地运用随机过程知识、系统地解决的实际问题，给读者提供了应用概率研究的实例。 本书是随机过程的入门教材，没有用到测度论，仅以微积分及初等概率论知识为基础，适合作为统计学专业本科生以及其他理工和经管类专业研究生相关课程的教材， 值得相关研究人员和授课教师参考。

本书贯彻“实用”的原则，力求以统计数据分析过程为主线，深入浅出地介绍Excel、SPSS、Power BI三种数据分析软件在统计数据分析中的操作与应用。全书共由4篇16章组成：第1篇为数据分析的基本问题，主要介绍数据分析的内容、方法、程序等理论知识；第2篇为Excel数据处理与分析，主要介绍Excel的数据整理、汇总、分析和图表制作等内容；第3篇为SPSS数据处理与分析，主要介绍SPSS软件的数据预处理、整理、分析和图表制作等内容；第4篇为Power BI数据处理与分析，主要介绍Power BI Desktop工具的数据编辑、建模和可视化等内容。本书在内容上过程与说明并重，并配有大量的图片演示，是一本通俗易懂的数据分析软件应用工具书。 本书配备大量的实例操作数据，可作为经济类、管理类各专业本科生和硕士研究生的教材，也可作为广大管理工作者自学Excel、SPSS、Power BI软件

本书是一部十分经典的概率论教程。1999年初版，2001年第2次重印，2003年第3次重印，同年第4次重印，2005年第5次重印，受欢迎程度可见一斑。大多数概率论书籍是写给数学家看的，漂亮的数学材料是吸引读者的一大亮点；相反地，本书目标读者是数学及非数学专业的研究生，帮助那些在统计、应用概率论、生物、运筹学、数学金融和工程研究中需要深入了解高等概率论的所有人员。

本书从数据科学视角，详细讲解概率分布、期望值、估计等概率统计知识，广泛使用真实的数据集，同时所有数据分析均由R编码支持。此外，本书包含许多数据科学应用，如主成分分析、混合分布、随机图模型、隐马尔科夫模型、线性回归、逻辑回归和神经网络等。

本书是以作者在加利福尼亚大学伯克利分校统计学系给高年级本科生和研究生授课的教学讲义为基础写成的，前半部分为概率，后半部分为统计。书中的主要内容包括概率，变量及其分布、期望、连续及离散模型、独立性、条件概率分布、密度函数及期望、线性分析、线性回归、泊松分布、逻辑回归及泊松回归等。

《心理统计学》（第5版）是美国心理统计学领域 经典的教材之一，来源于作者团队几十年的教学、研究与写作实践，不仅详细阐述了集中趋势和变异性、假设检验、样本平均数检验、t检验、方差分析、卡方检验等初级统计方法，而且也介绍了在当代研究中经常使用的一般线性模型和 统计方法。本书运用定义化的公式去强调统计的概念，而不提倡死记硬背。每种特定方法都包括原理介绍、公式意义和符号运算等三部分内容，从而促使学生去思考计算方法后面所隐藏的逻辑。 《心理统计学》（第5版） 的特点在于坚持用一种易懂的、现代的、有趣的方法去介绍统计学。在第5版的修订中，作者团队将读者在使用中的反馈、自己增长的教学经验，以及这个领域的变化与进展都纳入其中，使其 加适合学生的学习以及将来的工作和研究。