本书系统地介绍了双重广义线性模型等异方差回归模型的理论、方法和应用。内容主要包括：高维数据下双重广义线性模型的变量选择研究,纵向数据下均值-协方差模型的变量选择和贝叶斯分析,半参数异方差模型的变量选择和贝叶斯分析,偏正态异方差模型的异方差检验和贝叶斯分析,半参数混合效应双重回归模型的贝叶斯分析,以及双重Logistic

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多种统计分析技术。这一版新增加的主要内容有折线回归、高维数据Lasso回归、有序序列聚类分析、水文频率分析、向量自回归、格兰杰因果检验、协整检验和误差修正模型等功能。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。

本书试图较全面地介绍大数据技术的基本原理和方法，包括以统计模型为主的各类数据模型以及它们的计算方法，同时还将介绍这些方法在一些领域(如人工智能)中的应用。

本书的第1~5章集中于概率论,涵盖条件概率、独立性、贝叶斯定理、离散和连续分布、某些数学期望（包括矩生成函数）、二元分布、边际分布和条件分布、相关性、随机变量的函数及其分布、中心极限定理和切比雪夫不等式，以及超几何分布等内容；本书其余四章(第6-9章)集中在统计推断,包括描述性和顺序统计、点估计（包括*大似然和矩估计的

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，并且涵盖一些高级主题，如一致性与极限分布、充分性、最优假设检验、正态模型的推断、非参数与稳健统计、贝叶斯统计等.此外，为了帮助读者更好地理解数理统计和巩固所学知识，书中还提供了一些

《概率论与数理统计同步练习与测试（高等学校“互联网+”新形态教材）》是与李子强、黄斌主编的《概率论与数理统计教程》（第四版，科学出版社出版）配套的学习辅导书，内容包括：概率论的基本概念、一维和多维随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理、数理统计的基本概念、参数估计和假设检验。此次编写主要以主观题目

本书为中国人民大学“十三五”规划教材——核心教材。非参数统计是统计学和数据科学的重要分支领域，本书作为该领域的基础教材，在内容上尽可能涵盖非参数统计基础知识的各个方面。为了使尽可能多的读者通过本书对非参数统计和稳健统计有所了解,作者尽可能多地从方法的背景、原理、R使用和案例四个方面进行详细介绍。本书内容主要包括基本概念

本书以受控过程下连续抽样检验动态优化为目标，阐述了两类优化方法。在分析受控过程控制需求的基础上，确定受控过程能力表达方法。对连续抽样检验进行性能分析，基于性能曲线特征建立受控过程质量控制最优方案。给出受控过程下，四类连续抽样检验方案的最优方案参数计算公式。为满足过程控制中的成本控制需求，建立同时满足质量、成本和风险约束

全书共分8章，包括矩阵理论及基本软件操作、多元正态分布的参数估计、多元正态总体参数检验、判别分析、聚类分析、主成分分析、因子分析、多维标度法等。本书特色为案例应用与统计思想相渗透，结合软件详细介绍多元统计分析理论与方法。

随着计算机和信息技术的飞速发展，数据库及其应用不断膨胀，信息采集和处理技术不断更新。当今世界已经处于信息爆炸时代，在这海量数据中如何有效地获取所需的信息和数据成为当今学者们的研究难点和关键。聚类分析作为无监督机器学习方法，已成为模式识别与数据挖掘的重要研究领域，并且广泛应用于统计分析、医疗卫生、生物信息处理、图像处理、