无
《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
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。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。
本书从应用角度简要地阐述了试验设计、现代统计、数据挖掘，以及各专业领域试验统计等600多种统计分析和模型模拟方法。这一版新增加的主要内容有广义线性模型、面板数据分析、单位根检验等。DPS数据处理系统软件试用版可从网站*的下载中心下载、试用。
概率图模型将概率论与图论相结合，是当前非常热门的一个机器学习研究方向。科勒、弗里德曼编著的《概率图模型原理与技术》详细论述了有向图模型（又称贝叶斯网）和无向图模型（又称马尔可夫网）的表示、推理和学习问题，全面总结了人工智能这一前沿研究领域的*进展。为了便于读者理解，书中包含了大量的定义、定理、证明、算法及其伪代码，穿插了大量的辅助材料，如示例（examples）、技巧专栏（skill boxes）、实例专栏（case study boxes）、概念专栏（concept boxes）等。另外，在第2章介绍了概率论和图论的核心知识，在附录中介绍了信息论、算法复杂性、组合优化等补充材料，为学习和运用概率图模型提供了完备的基础。 本书可作为高等学校和科研单位从事人工智能、机器学习、模式识别、信号处理等方向的学生、教师和研究人员的教材和参考书
《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。
作为统计学的两大分支，频率论和贝叶斯统计创立的时间相差无几，但贝叶斯统计直到近10年才被逐步引进到生态学数据分析。本书涵盖方法引论与实验分析应用两部分，针对多个时空尺度，介绍了适合于生态学数据的统计推断方法和层次模型，涉及经典频率论和贝叶斯统计的模型、算法和具体编程。首先阐述了生态学数据的层次结构和时空变异性，以及频率论和贝叶斯统计。然后介绍贝叶斯推断的基础概念、分析框架和算法原理；并进一步针对生态学层次模型、时间序列及时空复合格局数据依次展开分析模拟。在应用操作部分，配合方法部分的各章内容介绍基于R的算法与编程实践。*后本书还附录了与生态学数据密切相关的频率论与贝叶斯统计的基础知识。
本书是《概率与测度》第3版，新版保留了原先的风格，将测度论和概率论有机结合在一起，把相关内容混合排列。概率问题会引起学生学习测度论的兴趣，而测度论知识又反过来应用到概率论中。本书主要内容包括概率、测度、积分、随机变量及数学期望、分布的收敛问题、导数与条件期望，随机过程等。本版改进了布朗运动的叙述方式，并以遍历理论代替排队论。本书的读者对象为高年级学生、科研人员和工程技术人员，对数学、统计、经济等相前专业的学生尤其适用。
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
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.
