《狄氏型和对称马尔科夫过程》是学习狄氏型和对称马尔科夫过程的标准参考书。第一部分主要包括对狄氏型理论的介绍和综合理解。狄氏型是在马尔科夫半群方向下的一种经典的狄氏积分的公理化扩张。第二部分包括分析理论，对称马尔科夫理论的概率位势理论，以及加性泛函数等。本书各章有习题，书后附有题解。读者对象：应用数学领域的研究人员和研究

本书全面总结了离散时间、一般状态空间的马尔可夫过程理论,特别给出了通常的遍历性和几何遍历性的判别准则,以及马尔可夫过程理论在通讯网络等工程技术领域中的大量应用实例。本书起点不高，论述详尽，条理清楚，曾获得1994年度ORSA/TIMS“应用概率优秀出版物奖”。第2版保留了第一版的内容和风格，并新增“第2版结束语”一章。

《半参数平滑转换自回归模型理论研究及其应用/墨香财经学术文库》使用非参数方法拓展传统的STAR模型，首次提出半参数STAR模型。在保持STAR模型基本形式不变的前提下，让转换变量以非参数的形式进入转换函数，在保留传统STAR模型较好的经济学解释能力的同时，该模型能够避免模型误设的风险，从而提高模型的样本外预测能力。《半

什么是合并时间序列？正如字面上所表达的，时间序列（在一个分析单位下规律出现的具有时间性的观测值）由横截面数据（在单独时间点上一个分析单位下的观测值）组成的一个数据集。这些分析单位可以是学校、健康组织、商业交易、城市、国家等。为什么需要进行合并分析呢？其中一个原因在于，当下研究者可以获得越来越多的相关横截面数据与时间序列

什么是合并时间序列？正如字面上所表达的，时间序列（在一个分析单位下规律出现的具有时间性的观测值）由横截面数据（在单独时间点上一个分析单位下的观测值）组成的一个数据集。这些分析单位可以是学校、健康组织、商业交易、城市、国家等。为什么需要进行合并分析呢？其中一个原因在于，当下研究者可以获得越来越多的相关横截面数据与时间序列

本书基于PyMC语言以及一系列常用的Python数据分析框架，如NumPy、SciPy和Matplotlib，通过概率编程的方式，讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下，有效地解决问题。书中使用的案例往往是工作中遇到的实际问题，有趣并且实用。作者的阐述也尽量避免冗长的数学分析，而

《吉布斯测度和相变》不仅仅是对吉布斯测度和相变的一个简单的介绍，其中还包括统计力学下相变中的数学理论和广泛而具有深度的讨论。本书主要包括四部分，第一部分是理论的基本理论；第二部分是对经典理论一系列结果的总结；第三部分是在Zd上的空间分布均匀的吉布斯测度；第四部分是基于Zd移位不变性模型的相位变化的存在性。读者对象：数学

《概率论与数理统计（第二版）/高等学校数学教材系列丛书》包括了概率论和数理统计的基本内容：随机事件与概率，随机变量与概率分布，随机变量的数字特征，随机向量；抽样和抽样分布，参数估计。假设检验，方差分析及回归分析。《概率论与数理统计（第二版）/高等学校数学教材系列丛书》叙述清楚，简明易懂，重点突出，只要求读者具有微积分和

系统讲述了如何正确地收集和描述数据，如何利用统计软件MINITAB和EXCEL进行统计分析，以及如何解释统计结果在实际应用中的意义。本书是根据该书第14版缩编而成，对统计描述和推断作了基本的介绍。

本书内容主要有随机事件及其概率、随机变量及其分布、随机变量的数字特征、极限定理初步、数理统计的基础概念、参数估计、假设检验。