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

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

SUMMARY

《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。

......

《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。

多元统计分析能够每对多个对象的具有相互关联的多个指标中分析它们的统计规律。本书密切结合农林科学实际，讲述了多元正态分析及其抽样分布，多元正态总体的均值向量和协方差阵的假设检验、多元分差分析、直线回归、多元线性回归与相关、主成分分析与因子分析、判别分析与聚类分析、Shannon信息量及应用。在这一版中，增加了主成分和典范变量的通径分析和决策分析，强化了多个性状与多个性状间相关的内容等。

智能体AlphaGo战胜人类围棋专家刷新了人类对人工智能的认识，也使得其核心技术强化学习受到学术界的广泛关注。本书正是在如此背景下，围绕作者多年从事强化学习理论及应用的研究内容及 外关于强化学习的 近动态等方面展开介绍，是为数不多的强化学习领域的专业著作。该著作侧重于基于直接策略搜索的强化学习方法，结合了统计学习的诸多方法对相关技术及方法进行分析、改进及应用。本书以一个全新的现代角度描述策略搜索强化学习算法。从不同的强化学习场景出发，讲述了强化学习在实际应用中所面临的诸多难题。针对不同场景，给定具体的策略搜索算法，分析算法中估计量和学习参数的统计特性，并对算法进行应用实例展示及定量比较。特别地，本书结合强化学习前沿技术将策略搜索算法应用到机器人控制及数字艺术渲染领域，给人以耳目一新的感

《 自然科学基金项目申请攻略》主要介绍了 自然科学基金项目申请的行为准则、一般性问题、立项依据的撰写、申请书中的参考文献、研究团队的组成、可行性分析和研究基础、代表性论著、形式审查、其他项目、函评与会评，基金项目为什么这么难以及如何提升自己的学术能力和水平等内容，基本涵盖了年轻学者申请 自然科学基金青年科学基金项目、面上项目和地区科学基金项目时遇到的大部分问题的分析与解答，可帮助年轻学者们提升申请书的撰写质量与水平，提高申请效率和成功率。尤其是本书尝试从社会学、心理学和教育学等不同的角度阐释了学术和科研、理论与实践、学习与生活、事业与人生等各方面之间的关系，可帮助那些对未来发展处于迷茫期和遇到瓶颈的学者开阔视野、调整心态、突破瓶颈。

这本经典的概率论教材通过大量的例子系统介绍了概率论的基础知识及其应用，主要内容有组合分析、概率论公理、条件概率、离散型随机变量、连续型随机变量、随机变量的联合分布、期望的性质、极限定理和模拟等，内容丰富，通俗易懂.各章末附有大量的练习，分为习题、理论习题和自检习题三大类，并在书末给出自检习题的全部解答。 br 本书是概率论的入门书，适合作为数学、统计学、经济学、生物学、管理学、计算机科学及其他各工学专业本科生的教材，也适合作为研究生和应用工作者的参考书。 br br

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.

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.