本書是以作者多年的概率與統(tǒng)計講義為藍本擴充而成，目前也是威斯康星大學的經(jīng)濟學教材。本書采用微積分的方式而非測度論的的方式講述，涵蓋概率論基本知識、隨機變量、分布、抽樣、大數(shù)定律、中心極限定律、逼近理論、zui大似然估計、矩方法、假設(shè)檢驗、置信區(qū)間等經(jīng)濟學專業(yè)所需數(shù)理統(tǒng)計知識的方方面面，難度適中，適于作為經(jīng)濟專業(yè)高年級本

本教材側(cè)重于講述隨機過程的基本概念與方法，通過介紹高斯過程、布朗運動、點過程、平穩(wěn)過程、鞅過程、馬爾可夫鏈等幾類現(xiàn)代科學技術(shù)中常見的經(jīng)典隨機過程，將實際應(yīng)用與理論方法相結(jié)合。編者在系統(tǒng)的數(shù)學理論中融入了自身多年來科研工作的應(yīng)用體會，結(jié)合本科生的數(shù)學基礎(chǔ)力圖讓學生能夠結(jié)合具體的應(yīng)用背景掌握隨機過程的基本理論，并因此得到一

本書是在第二版（四川省“十二五”普通高等教育本科規(guī)劃教材）的基礎(chǔ)上修訂而成的，是為了適應(yīng)新工科人才培養(yǎng)而編寫的創(chuàng)新性概率論與數(shù)理統(tǒng)計教材，為高等學校大學數(shù)學教學研究與發(fā)展中心（項目編號CMC20240602）資助成果。本書含概率論部分以及數(shù)理統(tǒng)計部分，力求做到兩部分內(nèi)容并重且有機結(jié)合,盡量做到概念準確、理論系統(tǒng)、解析完

本書是作者對近幾年在區(qū)間函數(shù)型數(shù)據(jù)評價方面所取得的研究成果進行的系統(tǒng)整理與歸類。全書共九章內(nèi)容，可以分為四部分：第1部分為區(qū)間函數(shù)型數(shù)據(jù)評價理論體系構(gòu)建，主要講述區(qū)間函數(shù)型數(shù)據(jù)評價的基本步驟、賦權(quán)方法、評價結(jié)果處理等；第2部分為區(qū)間函數(shù)型主成分評價方法研究，主要闡述單變量和多變量區(qū)間函數(shù)型主成分評價方法、一般分布下的區(qū)

本書是科學出版社“十四五”普通高等教育本科規(guī)劃教材，系統(tǒng)地介紹貝葉斯統(tǒng)計的概念、方法和實踐案例，旨在培養(yǎng)學生的貝葉斯統(tǒng)計思維和統(tǒng)計建模能力，以及將理論知識運用于實踐的能力。本書結(jié)合豐富的實際案例和計算機實驗，幫助學生深入理解貝葉斯統(tǒng)計的原理，并強調(diào)貝葉斯統(tǒng)計在不同領(lǐng)域中的應(yīng)用價值。本書共九章，涵蓋貝葉斯統(tǒng)計的基礎(chǔ)知識和

本書前四章取材于1987年Stroock在麻省理工學院的演講。它們構(gòu)成了對大偏差理論基本思想的介紹，并為具有較強分析和概率論背景的高年級研究生提供了一個學期的課程基礎(chǔ)。最后兩章介紹了各種不一致的結(jié)果(第5章)，并概述了允許測試和比較前幾章中使用的技術(shù)的分析方法(第6章)。本書適合對大偏差感興趣的研究生和數(shù)學研究人員閱讀

本書是以教育部高等學校大學數(shù)學課程教學指導委員會制定的“大學數(shù)學課程教學基本要求”為指導，結(jié)合應(yīng)用型本科院校數(shù)學教學的特點編寫而成。全書結(jié)構(gòu)嚴謹、理論系統(tǒng)、舉例豐富、實用性強。全書以通俗易懂的語言，系統(tǒng)地講解了隨機事件及其概率、隨機變量及其分布、多維隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律及中心極限定理、數(shù)理統(tǒng)計

本書根據(jù)教育部高等學校大學數(shù)學課程教學指導委員會制定的“大學數(shù)學課程教學基本要求”，并參考教育部考試中心制定的“全國碩士研究生招生考試數(shù)學考試大綱”，在2020年第二版的基礎(chǔ)上修訂而成。全書內(nèi)容包括隨機事件及其概率、隨機變量的分布及其數(shù)字特征、多維隨機向量的分布及其數(shù)字特征、大數(shù)定律與中心極限定理、數(shù)理統(tǒng)計的基本概念、

教材，本書分上、下兩篇，各包括5個章節(jié)，共計10章。上篇為R語言基礎(chǔ)，目的是介紹R語言在傳統(tǒng)低元數(shù)據(jù)中的統(tǒng)計分析和可視化應(yīng)用。下篇著重介紹R語言在多元統(tǒng)計中的應(yīng)用。本書以統(tǒng)計學的慣用邏輯順序，系統(tǒng)而全面地介紹R語言的使用方法。無論是對于R語言初學者還是具有一定編程經(jīng)驗的讀者，本書都能提供深入淺出的指引和詳細的實例說明，

本書共分為9章，首先介紹了R軟件中處理時間序列數(shù)據(jù)的方法以及如何進行時間序列數(shù)據(jù)的可視化，然后介紹了ARIMA模型及其相關(guān)擴展形式的原理、建模方法和應(yīng)用，以及GARCH模型、VAR模型、VARX模型等，最后介紹了基于機器學習的時間序列預測方法、混沌時間序列的概念與特性，并提供了2個綜合案例分析。