本书是剑桥大学统计实验室的戴维 威廉姆斯教授在为剑桥大学三年级大学生所开设课程的讲义的基础上写成的 , 是一本基于测度论的方法来介绍概率论的严格理论的入门书。 该书的*特点与新颖之处是用了近三分之一的篇幅来介绍先进的鞅的理论与方法（这一点连作者本人也颇为自许）； 此外，还有如从第 4 章 独立性 开始便引入 - 代数化的表达方式 , 将 - 代数视为总结、综述信息的一种自然的工具 , 这对于后面条件期望概念的一般化与鞅的理论的叙述都是至关重要的。 再如将某些定理的叙述、阐释与定理的证明分开进行（将定理的证明放在附录中） , 这样更便于读者自学。作者学养深厚、涉猎广博、文笔生动 , 书中内容涉及概率论的众多分支领域 , 信息量巨大 , 且不乏一些有趣并富于启发性的例子 , 相信读者阅后定能获益良多。

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。

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。

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。

本书是在自然公理系统中建立概率论的*部著作.本书前五章建立因果空间、*试验、概率空间、条件概率捆和独立性的理论,重点介绍离散型、Kolmogorov型、独立乘积型概率空间,形成概率论的基础理论.《BR》第6、8章论证*变量、*向量和宽*过程是科学实验中子*局部的数学模型；应用概率论基础理论介绍因果结构图、各种条件分布函数和独立性,建立数学期望、方差和协方差等数字特征的知识,形成*变量和*向量的基本理论,以及*过程的初步知识;*后两章介绍两类*重要的统计规律——大数定理和中心极限定理.《BR》

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。

本书介绍了数理统计的经典内容与方法，内容涵盖了概率论预备知识、统计基础、参数估计、假设检验、区间估计及回归分析。为了适应应用统计专业硕士培养发展的新形式，在本书编写过程中我们强调方法的应用，淡化理论的证明。为开阔读者的应用视野，本书还在附录中介绍了R语言的使用、非参数密度估计及非参数回归等内容。书中很多例题都附有R软件实现，各章均配有一定数量的习题。本书可以作为普通高等院校应用统计专业硕士学习 应用数理统计 课程的教材，也可以作为非数学专业的研究生或高年级本科生学习 数理统计 课程的教材或参考书。

本书主要讨论*过程的基础理论和应用方法。全书共七章，内容包括：概率论基础，*过程基础，泊松过程及其推广，马尔可夫过程，二阶矩过程及其均方分析，平稳过程，以及高阶统计量与非平稳过程等。 本书强调*过程的基础理论、物理意义与应用方法，注重理论联系实际，力求从概念的物理背景、理论的逻辑推导与应用的典型例子三个方面加以阐述。内容全面，叙述清楚，例题与图示丰富，便于教学与自学。

科学认为任何事情都有一定的几率，无论是彩票、赌博、选择伴侣、还是计算外星生命存在的可能性。《几率：运气、随机和概率背后的秘密（探索 新知）》是将美国科普杂志《进步科学人》中刊载的主题和内容相近的文章汇集而成，探讨了运气、随机、风险和概率背后的秘密。全书由六部分组成，每部分由4-6篇短文组成，从数学、物理学、哲学、进化生物学等学科的角度阐述了概率、运气在人类诞生、日常生活、科技发明、宇宙未来、物种演化等方面发挥的作用及其科学解释。这是一部有趣的作品，即使对物理学、数学不感兴趣的读者也都能有所收获，是一本让读者喜欢物理、数学、生物学的科普读物。

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。

本书是一本集理论与方法、实践与应用为一体的统计教材。全书共9章，主要介绍统计基本概念、数据搜集与显示、数据描述、抽样分布、参数估计、假设检验、相关与回归、时间序列、指数。在本书编写过程中，作者广泛吸纳国内外优秀统计学教材成果，大胆融入现代教学理念，充分结合作者二十多年的统计学教学实践和教材编写经验，各章采取 案例导入-经典理论-本章小结-案例实验-思考题-练习题-实验题 的编写路径，体系完整，结构新颖。全书将统计理论、统计方法、实际案例、实验教学、综合练习融为一体，具有知识性、应用性、趣味性和易读性等特点。电子课件和习题参考答案可登录华信教育资源网www.hxedu.com.cn免费下载。 本书内容丰富，很少涉及统计学理论的数学证明，每章均配有与实际应用紧密联系的案例、练习和实验，运用一至二种软件对案例进行

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。《BR》

具有复杂时空结构的数据很普遍，这类分层结构数据的分析方法很快应用到各研究领域，本书全面、系统、严格地阐明分层分位同归建模理论与方法，并尽力反映复杂分层数据分析国际前沿研究。内容涉及分层线性分位回归模型、分层广义线性分位回归模型、分层非线性分位回归模型、分层半参数分位同归模型等该领域前沿课题。

????

在日常生活和生产活动中，我们经常遇到偶然性现象。《 数学中的小问题大定理 丛书（第六辑）：我们周围的概率》将研究这些偶然性现象所服从的规律。 《 数学中的小问题大定理 丛书（第六辑）：我们周围的概率》共3章：*事件，*变量，*过程，为了帮助读者理解概念，书中讨论了大量的例子，其中有生态学和遗传学、核反应、原子中能量转换和布朗运动、*电磁振动、无线电信号的频谱和滤波以及公众服务事业等，内容丰富多彩。 《 数学中的小问题大定理 丛书（第六辑）：我们周围的概率》的另一个特点是所用的数学知识不超出中学数学的范围。因此，只要具备高中文化程度的读者即可阅读《 数学中的小问题大定理 丛书（第六辑）：我们周围的概率》。 《 数学中的小问题大定理 丛书（第六辑）：我们周围的概率》可以作为学习概率的入门

本书是一部介绍概率论及其应用的入门教程。其原始版本面世已经有30余年，但仍然是本科一二年级的经典概率教程。在第4版中增加了两章讲述应用和数学金融。传承前面版本详细、严谨的风格，讲述了有价证券和期货理论的基本知识。书中用初等的方法讲述了概率测度、*变量、分布以及期望等基本概念。离散和连续的案例都有所涉及，在讲述后者的时候运用了微积分知识。配以大量的典型例子重点讲述概率推理，集中介绍了组合问题、Poison过程、*漫步、遗传模型和Markov链。每章末都附有习题及其解答。目次：集合；概率；计数；*变量；附录。 读者对象：数学专业的本科生以及广大概率论爱好者。

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。