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

《常微分方程》分为7章：基本概念，一阶方程的初等积分法，一阶方程的一般理论，高阶微分方程，微分方程组，定性理论与稳定性理论初步，差分方程，内容取材精练，注重概念实质的揭示、定理思路的阐述、应用方法的介绍和实际例子的分析，并配合内容引入了数学软件．每章配有习题，全部计算题都有答案，个别证明题有提示。 《常微分方程》可用作师范院校、理工科大学的数学类各专业的教科书和部分理工科其他专业的参考书。

R统计软件是目前应用 广泛的统计软件之一，已广泛应用于医学、财经和社会科学等领域中进行数据管理和数据分析处理。本书以Windows操作系统下的R软件为基础，以实践中常用的统计分析方法为基本内容，介绍了R语言的编写以及结果解释。本书重点介绍了各种多元统计分析方法的基本原理及其应用，包括方差分析、多元线性回归、Logistic回归分析、生存分析、主成分分析、因子分析、聚类分析、判别分析以及典型相关分析等。每一章详细讨论了统计分析方法的基本原理和分析过程，介绍了R语言的使用方法及应用实例说明、结果解释及结论分析等。 本书可以作为数据分析和数据管理人员的参考用书，也可以作为高等院校相关专业的教材。

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.

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

多元统计分析是关于多变量的综合统计分析方法，能够在多个统计总体间存在相依的情况下分析其统计规律，在农林科学、生物科学等领域的研究中有着重要的作用。本书是针对高等农林院校研究生撰写的多元统计分析教材，书中引用了大量的农林科学实例，方便有关研究人员进行探讨和数据处理。主要内容包括多元正态分布及其抽样分布、多元正态总体均值向量和协方差阵的假设检验、多元方差分析、直线回归与相关、多元线性回归与相关（一对多、多对多）、主成分分析与因子分析、判别分析与聚类分析、非线性回归与Logistic回归分析。书中叙述了作者对一对多、多对多的相关及有关决策系数研究，进而叙述了作者在一对多和多对多线性回归、主成分分析、因子分析及判别分析方面的通径分析及其决策分析。

本书讲述现代概率论与数理统计所需要的基本测度论知识，包括测度的构造、积分、乘积测度、赋号测度、Lp空间、条件与独立及Polish空间上的测度等．

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。

多元统计分析是关于多变量的综合统计分析方法，能够在多个统计总体间存在相依的情况下分析其统计规律，在农林科学、生物科学等领域的研究中有着重要的作用。本书是针对高等农林院校研究生撰写的多元统计分析教材，书中引用了大量的农林科学实例，方便有关研究人员进行探讨和数据处理。主要内容包括多元正态分布及其抽样分布、多元正态总体均值向量和协方差阵的假设检验、多元方差分析、直线回归与相关、多元线性回归与相关（一对多、多对多）、主成分分析与因子分析、判别分析与聚类分析、非线性回归与Logistic回归分析。书中叙述了作者对一对多、多对多的相关及有关决策系数研究，进而叙述了作者在一对多和多对多线性回归、主成分分析、因子分析及判别分析方面的通径分析及其决策分析。

本书系上海财经大学数学学院编写的经济数学系列教材之一。全书共十章，内容包括事件与概率、条件概率与独立性、随机变量及其分布、随机向量及其分布、数字特征与特征函数、极限定理、统计量与抽样分布、参数估计、假设检验、线性统计推断等。每章均配有不同难易程度的适量习题，书末附有习题答案或提示，供读者参考。 本书可供高等院校财经类专业本科生作为教材使用，也可作为考研学生自学、复习用书。学习本书的预修课程是高等数学和线性代数。

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

《应用概率论教程（下册）》包括过程和应用两部分，主要内容有过程基础概念，马尔可夫链，马尔可夫过程，平稳过程，正态过程，时间序列分析、预测及建模，维纳滤波理论，维纳滤波应用，卡尔曼滤波理论，卡尔曼滤波应用，线性系统在过程作用下的分析计算。书中推理详细，并介绍大量应用实例供读者学习参考。 《应用概率论教程（下册）》可作为理工科院校研究生、本科生学习概率论的教材，也可作为科技工作者的参考用书。

《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。