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。 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。 2步获取导学视频： ①微信视频号关注 IT阅读排行榜 ②点击 直播回放 栏，上滑寻找

本书是一本非数学专业主要是文科及艺术类专业的数学教材，讲述方式活泼，案例贴近生活，读者可以在轻松学习中体会数学乐趣和意义。全书分为三大部分：归纳和演绎、逻辑和数；代数和几何；概率统

本书并不假定在任何概率论的先修知识。通过正文与习题旁征博引，引进了大量近代统计处理的新技术和一些国内同类教材中不能见而广为使用的分布。其内容包括工科概率论入门又包括了经典统计和现代统计的基础部分。其理论较为现代化、难度适中，覆盖面远比国内教材大，而在体系结构与内容安排上富于新意。本书可以作为工科、管理类学科专业本科生、研究生教材，也可供教师、工程技术人员自学之用。

本书源自的哈佛统计学讲座，介绍了帮助读者理解统计方法、随机性和不确定性的基本语言和工具，并列举了多种多样的应用实例，内容涉及偶然性、悖论、谷歌的网页排名算法（PageRank）及马尔可夫链蒙特卡罗方法（MCMC）等。本书还探讨了概率论在诸如基因学、医学、计算机科学和信息科学等领域的应用。全书共分13章，分别介绍了概率与计数、条件概率、随机变量及其分布、期望、连续型随机变量、矩、联合分布、变换、条件期望、不等式与极限定理、马尔可夫链、马尔可夫链蒙特卡罗方法、泊松过程等内容。用容易理解的方式来呈现内容，用实例来揭示统计学中基本分布之间的联系，并通过条件化将复杂的问题归约为易于掌控的若干小问题。书中还包含了很多直观的解释、图示和实践问题。每一章的结尾部分都给出了如何利用R来完成相关模拟和计算的方法。

本书阐述了半参数回归模型的统计理论和方法，所考虑的模型包括部分线性模型、单指标模型、变系数模型和可加模型等，这些模型对复杂数据分析起着重要作用。本书在取材上侧重内容的科学性和应用性，体现学术思想；在写作上注重阐述方法论、模拟计算和实例分析：在结构上安排每个模型为一章，本书的内容不仅为从事该领域的科研人员提供了尽可能全的资料，又为实际应用者提供了一些数据分析的方法，同时也为想全面了解现代统计模型的读者提供参考读物。

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。

本书阐述有不等式约束的参数估计和假设检验的方法和理论，及其在小一乘估计和随机序检验等方面的应用。本书把数学规划的方法和思想用到数理统计中，使得可解决的统计问题的范围进一步扩大。

随着现代科学技术的飞速发展，许多科学研究领域产生了多种复杂数据，复杂数据的统计建模涵盖了许多当代统计分支，推动了当代统计学理论方法的进步与发展，并且其应用层面几乎涉及各领域。具有复杂分层结构的数据在现实生活中很普遍。能完全剖析这类数据，发掘该类数据表象下的潜在规律性对于统计学等科研领域很有意义。本书致力于介绍复杂分层数据分析前沿知识，侧重于系统的理论与算法介绍。内容主要涉及线性分位回归、非参数分位回归、适应性分位回归、可加性分位回归、变系数分位回归、单指数分位回归、分位自回归、复合分位回归、高维分位回归以及贝叶斯分位回归、分层样条分位回归、分层线性分位回归、分层半参数分位回归、复合分层线性分位回归以及复合分层半参数分位回归，等等。

本书是一部介绍渐近统计经典教材，内容实用而且数学理论论述严谨。书中除了介绍介绍渐近统计的核心内容 似然推断，M估计，渐近效率，U统计和秩过程，书中还涉及该领域的新研究论题，如半参数模型，自助法，经验过程，等其他应用。本书各章有习题。

Peter B hlmann在ETHZ是高维统计、因果推断方面的知名专家。《高维数据统计学》统计学的前沿之作。这本书所针对的高维数据，是理论研究的热点，在实际中也有着广泛的应用。这本书重点阐述了Lasso和其他L1方法的变体，也有boosting等内容。

《概率论札记》是作者的 工程数学系列札记 的第四本。前三本分别是《矢算场论札记》（2007）、《复变函数札记》（2011）、《矩阵论札记》（2014）。尽管四本书所涉及领域完全不同，但却有着完全一致的目标，即想建立某种工程数学类型，使读者能自如跨越数学与工程之间的桥梁。 《概率论札记》的核心主题是概率，研究的目标是*事件的统计规律。用一句话概括，即*事件反映单体的不可预洲性，而统计规律反映群体的频率稳定性。 《概率论札记》包括慨率论基础、*量分布和数字特征、大数定律、抽样分布到统汁回归等。书中讨论了慨率论的应用实例，丰富的附录可以给广大工程技术人员带来很大的方便。 《概率论札记》适合广大理工科本科生、硕士和博士研究生学习使用。还可以作为相关专业科技与工程技术人员的入门读物和工具书。

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

本书针对学习过初级微积分以及概率论与统计学预备课程的高年级大学生或刚入学的研究生。不要求正式学习过概率论。章回顾了本书所需要的关于概率论和微积分的知识。 本书着重讲述了概念的开发，并通过生产、金融和操作领域的应用说明了这些概念。本书扩展了《运筹学——应用范例与解法》中所讲述的概率模型，并更加综合地介绍了一些流行的概念。本书应该适用于下列课程： 企业管理学系、运筹学系、数学系、商业学校，以及雇主财务计划中提供的概率论模型或过程中的课程。 运筹学系列中的第二门课程。 为导引性课程提供足够材料的财务工程学中的课程。

《试验设计及其优化》从技术与应用观点出发，重点阐述了试验设计及其数据处理的优良化方法和各种分析技术，以进一步提升试验设计的水平及其优化的成效。 全书共分11章，除介绍试验设计的基本原理、常用方法外，还介绍了试验设计的全新方法、全新研究成果及应用实例。此外，还介绍了试验设计的常用统计软件。 《试验设计及其优化》可作为理、工、农、医、经济、管理等专业本科生的教学用书，也可供科研人员、工程技术人员、设计人员、实验人员、营销人员和管理人员参考。

本书主要介绍了统计模型及统计推断中的问题，并引入极大似然法和贝叶斯方法来解答这些问题；概述R语言；简括极大似然估计的大样本理论，然后讨论应用该理论所涉及的数值方法；讲述贝叶斯计算所需的数值方法 马尔可夫链蒙特卡罗方法；介绍线性模型的理论及其应用。

近来，被称为“数据科学家”的研究者备受关注，充分运用数据进行分析，变得越 来越重要。这种活用数据的基础便是“统计与概率”。《BR》统计与概率，不仅对于研究者，对于生活在现代社会的所有人来说都是可以在现实 生活中发挥重要作用的知识。在日常生活中，正确解读数据，从而进行合理的判断，也 是依靠概率和统计的思考方法。《BR》在本书中，以我们身边的话题作为案例，介绍以统计与概率为基础的重要数学方法， 并对于因人工智能的蓬勃发展而备受瞩目的“贝叶斯统计”，也介绍其思考方法与应用实 例。此外，本书还对概率论起源于 17 世纪欧洲的博彩问题，以及“统计大师”汉斯·罗 斯林博士的访谈、随机和随机数的深奥的问题等进行了介绍，希望与读者一同洞悉统计 与概率的本质。

本书实例丰富，涉及多学科各种概率模型。主要内容有*变量、条件概率及条件期望、离散及连续马尔科夫链、指数分布、泊松过程、布朗运动及平稳过程、更新理论及排队论等，后介绍了*模拟。本书写得极其生动和直观，并附有大量的不同领域的习题和实用的例子。 本书可作为概率论与统计、计算机科学、保险学、物理学和社会科学、生命科学、管理科学与工程学专业*过程基础课教材。

本书中文简体字版由约翰威利父子公司授权机械工业出版社定制出版.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. 本书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，更值得相关研究人员和授课教师参考.

《概率论（第3版牛津大学研究生教材）》编著者H.杰弗里斯本书对公设一致性的证明做了很大改进，包括乘积规则和逆概率原理。书中说明了收敛原则以及初始概率简单公设可以满足的条件；论述了对于给定的合适的观测数据，公理可以被非常准确地阐述。和前一版相比，本版数学证明更加完善，详细论述了Pitman－Koopman定理证明中涉及到的充分统计量；阐述了Huzurbazar提出的初始概率的相关不变性理论；建立了修改后的先验概率和类型理论的联系。

本书是Springer统计系列丛书之一，旨在让读者深入了解数据挖掘和预测。 随着计算机和信息技术迅猛发展，医学、生物学、金融、以及市场等各个领域的大量数据的产生，处理这些数据以及挖掘它们之间的关系对于一个统计工作者显得尤为重要。本书运用共同的理论框架将这些领域的重要观点做了很好的阐释，重点强调方法和概念基础而非理论性质，运用统计的方法更是突出概念而非数学。另外，书中大量的彩色图例可以帮助读者更好地理解概念和理论。 目次:导论; 监督学习概述; 线性回归模型; 线性分类方法; 基展开与正则性; 核方法; 模型评估与选择; 模型参考与平均; 可加性模型，树与相关方法; 神经网络; 支持向量机器与弹性准则; 原型法和近邻居; 无监督学习。

本书是预测与时间序列分析课程的教材，书中讲解了预测的重要过程以及可以用于预测的各种统计技术。作者清晰地展示了在营销、金融，人力资源管理，产品调度，过程控制和策略管理中通过预测做出明智决策的重要性。 本书适合作为工商管理、理工(包括数学、统计学、计算机科学等)类高年级本科生和研究生的教材，同时可以作为需要进行现实预测的专业人员的参考书。