本书试图从整体上再现概率论知识构建过程，展现相关重要知识点的来龙去脉，逐步提高读者的概率知识水平，第一章主要涉及直到19世纪末的概率知识，以频率为主线介绍概率论基本概念与模型，为后面的概率论公理体系做铺垫。第二章主要展示现代概率论的基石、概率论公理化知识体系，介绍概率空间的基本性质，使读者概率知识水平上一台阶。第三章主

"积分嵌套拉普拉斯近似(IntegratedNestedLaplaceApproximations，INLA)是拟合一大类贝叶斯回归模型的新方法。使用INLA无须抽取边际后验分布的样本，因此在计算上它是贝叶斯推断标准工具马尔可夫链蒙特卡罗(MCMC)方法的简单易用的替代方案。本书涵盖了各种现代回归模型，着重介绍了如何使

本书主要介绍了试验设计的基本理论与常用方法，内容包括试验设计基本概念与原则、方差分析基础、析因设计、区组设计、正交设计、回归设计、混料设计、均匀设计及交叉设计等．试验设计与分析在今天已经离不开统计软件，本书利用目前流行的R语言为工具，针对每种设计方法结合大量实例完成试验的设计与分析，每章后面配有一定的习题，读者可以参照

本书在简要介绍概率论知识的基础上，着重介绍常用的数理统计方法和随机过程模型，其中数理统计部分包含数理统计的基本概念、参数估计、假设检验、方差分析与正交试验设计、回归分析等；随机过程部分包含随机过程的基本概念、泊松过程、高斯过程与随机微分方程、马尔可夫链等。这些内容可为解决自然科学、工程技术、社会科学等领域的复杂随机问题

贝叶斯是当前人工智能的重要基础之一。目前市面上有关贝叶斯的书籍，大多是从工科角度去阐述贝叶斯定理的推导和应用，因此运用了非常多的烦琐公式、定理和推导。而贝叶斯应用却是非常广泛的，绝不仅仅是机器学习的一个工具，还可以上升到一套科学思维方法论。本书主要以贝叶斯为核心，讲授了一些重要的思维方式，包括概率思维、最大似然估计、贝

试验设计是近代科学发展的重要基础理论之一。它研究不同条件下各种试验的*优设计准则、构造和分析的理论与方法。为适应现代试验的需要，作者于2006年开始建立了一个新的*优因子分析设计理论，包括*优性准则、*优设计构造，以及他们在各种不同设计类中的推广。《*优因析设计理论（英）》*先给出近代试验设计，主要是多因子试验设计的基

本书系统地介绍了多元统计分析中的经典理论和方法，重点讲解了多元正态总体的参数估计和假设检验、聚类分析、判别分析、主成分分析、因子分析、对应分析、典型相关分析。本书力求以统计思想为主线，以SPSS软件为工具，深入浅出地介绍各种多元统计方法的理论和应用，以大量实际问题为背景，介绍多元统计分析的基本概念和方法，具有很强的实用

本书介绍了试验设计与数据分析的常用方法，及其在专业学习、科学试验和工业生产中的实际应用。全书共分为10章，其中第1章为概述；第2章为与理化数据分析相关的Excel基础操作；第3-6章为试验数据的误差分析、图表制作方法、方差分析和回归分析；第7-9章介绍了正交设计、均匀设计和优选方法；第10章是综合实训练习，方便学习者检

本书强调适当的统计学习数据分析以综合方式依赖于健全的数据收集、智能数据管理、适当的统计程序和对结果的可理解的解释。监督学习可被统一视为回归分析的一种形式。通过大量实际应用及其相关的R代码来说明关键概念和过程，着眼于实际意义。

本书内容包括：绪论、单个高维总体均值向量和协方差矩阵的同时检验、两个高维总体均值向量和协方差矩阵的同时检验、高维总体协方差矩阵的组内等相关性检验等。