无
本书用测度论的观点论述概率论的基本概念，如概率、随机变量与分布函数、数学期望与条件数学期望和中心极限定理等。本书特点是把测度论的基本内容与概率论的基本内容结合在一起讲述，论述严谨，条理清楚，便于自学，凡学过概率论基础课的读者都能阅读本书。每节后面附有习题，以便加深理解书中的内容。
本书作为第四版，在第三版的基础上增加了一些由新技术产生的新的分析计算方法，并加入了矩阵、线性代数等一些基础计算方法。内容上系统阐述了有限单元法的基本原理及其工程应用，包括杆系结构，弹性力学平面问题，单元分析，整体分析，平面问题高次元，弹性力学轴对称问题，弹性力学空间问题，形函数、坐标变换、等参数单元与无线单元，各种平面与空间单元的比较、应用实例，弹性薄板，弹性薄壳，轴对称壳，弹性厚板和厚壳，流体力学问题，热传导问题，非线性有限元分析方法，塑性力学问题，混凝土徐变、一般黏弹性及黏塑性问题，弹性稳定问题，大位移问题，断裂力学问题，结构动力学问题，岩石力学问题，土力学问题，混凝土与钢筋混凝土结构，工程反分析与数值监控，网络自动生成、误差估计与自适应技术，矩阵，线性代数方程组，变分
本书比较全面系统地介绍蒙特卡罗方法的理论和应用.全书15章,前8章是蒙特卡罗方法的理论部分,包括蒙特卡罗方法简史、随机数产生和检验、概率分布抽样方法、马尔可夫链蒙特卡罗方法、基本蒙特卡罗方法、降低方差基本方法、拟蒙特卡罗方法和序贯蒙特卡罗方法.后7章是蒙特卡罗方法的应用部分,包括确定性问题、粒子输运、稀薄气体动力学、自然科学基础、数理统计学和可靠性、金融经济学及科学实验模拟.
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
线性和非线性代数方程组求解是众多科学与工程计算领域的基础共性任务，也是整体数值模拟的关键。本书系统而深入地介绍了迭代方法、预处理技术及其并行计算。迭代法涉及分裂方法、并行多分裂方法、Krylov子空间方法、并行Krylov子空间方法、Newton法及其变形；预处理技术涉及一般代数预处理、问题相关预处理、多层和多重网格预处理以及非线性预处理；为了方便实施，介绍了方法在诸多方面的应用，并用统一框架介绍了网上可得解法器和预处理软件包。
《数学机械化（中文版）》是围绕作者命名的“数学机械化”这一中心议题而陆续发表的一系列论文的综述。《数学机械化（中文版）》试图以构造性与算法化的方式来研究数学，使数学推理机械化以至于自动化，由此减轻繁琐的脑力劳动。 全书分成三个部分：部分考虑数学机械化的发展历史，特别强调在古代中国的发展历史。第二部分给出求解多项式方程组所依据的基本原理与特征列方法。作为这一方法的基础，《数学机械化（中文版）》还论述了构造性代数几何中的若干问题。第三部分给出了特征列方法在几何定理证明与发现、机器人、天体力学、全局优化和计算机辅助设计等领域中的应用。 《数学机械化（中文版）》可供数学工作者，数学及计算机专业高年级大学生和研究生以及有关工程人员参阅。
哥德巴赫猜想、孪生素数、素数分布、华林问题，除数问题、圆内整点问题、整数分拆及黎曼猜想等数论问题吸引了古今无数的数学爱好者。《解析数论基础》全面详细地讨论了迄今为止研究这些问题的重要的分析方法、理论和结果，介绍了它们的历史及新进展，是研究这些问题必不可少的入门书。
线性和非线性代数方程组求解是众多科学与工程计算领域的基础共性任务，也是整体数值模拟的关键，《迭代方法和预处理技术（上册）》系统而深入地介绍了迭代方法、预处理技术及其并行计算，迭代法涉及分裂方法、并行多分裂方法、Krylov子空间方法、并行Krylov子空间方法、Newton法及其变形；预处理技术涉及一般代数预处理、多层和多重网格预处理、问题相关预处理以及非线性预处理；为了方便实施，介绍了迭代方法和预处理技术在诸多方面的应用，并用统一框架介绍了网上可得到的解法器和预处理软件包。 《迭代方法和预处理技术》可用作并行数值方法等相关专业的硕士和博士研究生教材，也可作为关心代数方程组高效求解的科研人员的参考书。
本书是威廉 费勒院士的经典名著《概率论及其应用导论》的第2卷，本卷延续第1卷的风格，运用更深的数学，将讨论的范围从离散样本空间扩展到连续样本空间，主要内容有：测度论基础、概率分布、基本极限定理、特征函数、大数定律、中心极限定理、无穷可分分布、随机过程、更新理论、半群方法、傅里叶方法、拉普拉斯变换和调和分析等。书中还涉及了概率论在物理学、化学、生物学（特别是遗传学）、医学、天文学、博弈论、排队论、数理统计、交通运输、电信工程、经济学和人口学等领域的应用。除正文外，本书还附有数百道习题及答案。本书适合高等院校广大理工科学生泛读及概率论相关研究人员精读。
《DPS数据处理系统 卷 基础统计及实验设计（第3版）》从应用角度简要地阐述了现代统计学500多种实验数据统计分析和模型模拟方法，包括混料实验设计在内的各种实验设计、方差分析、列联表分析及非参数检验；专业统计包括量表分析、数据包络分析、*前沿面分析、顾客满意指数模型、实验诊断ROC曲线、生物测定、生存分析、动植物遗传育种、品种区域实验、空间分布型、地理统计、数值生态学方法等；各种多元分析技术；非线性回归模型参数估计、模型模拟技术；单目标和多目标线性规划、非线性规划等运筹学方法；以及状态方程、数值分析、时间序列分析、模糊数学、*森林、BP神经网络、径向基函数(RBF)、支持向量机(SVM)、层次分析、小波分析、灰色理论等方法。
本书涉及面极广，不仅讨论了概率论在离散空间中的诸多课题，而且涉及了概率论在物理学、化学、生物学（特别是遗传学）、博弈论及经济学等方面的应用。书中主要内容有：样本空间及其上的概率计算，独立随机变量之和的随机起伏，事件的组合及条件概率，离散随机变量及其数字特征，大数定律，离散的马尔可夫过程及其各种重要特征，更新理论等。除正文外，本书还附有数百道习题及答案。本书适合高等院校广大理工科学生泛读及概率论相关研究人员精读。
本书是数理统计方面的经典教材，从数理统计学的初级基本概念及原理开始，详细讲解概率与分布、多元分布、特殊分布、统计推断基础、极大似然法等内容，并且涵盖一些 主题，如一致性与极限分布、充分性、 假设检验、正态模型的推断、非参数与稳健统计、贝叶斯统计等.此外，为了帮助读者 好地理解数理统计和巩固所学知识，书中还提供了一些重要的背景材料、大量实例和习题. br>本书可以作为高等院校数理统计相关课程的教材，也可供相关专业人员参考使用.
Potential theory and certain aspects of probability theory are intimately related， perhaps most obviously in that the transition function determining a Markov process can be used to define the Green function of a potential theory. Thus it is possible to define and develop many potential theoretic concepts probabilistically， a procedure potential theorists observe with jaun- diced eyes in view of the fact that now as in the past their subject provides the motivation for much of Markov process theory. However that may be it is clear that certain concepts in potential theory correspond closely to concepts in probability theory， specifically to concepts in martingale theory.For example， superharmonic functions correspond to supermartingales. More specifically： the Fatou type boundary limit theorems in potential theory correspond to supermartingale convergence the limit properties of monotone sequences of superharmonic functions correspond surprisingly closely to limit properties of monotone sequ
