本书共十章，内容包括随机事件、随机变量及其分布、随机向量、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、假设检验、回归分析、SPSS在数理统计中的应用。

全书共分9章，内容涵盖了随机事件及其概率、随机变量及其分布、随机向量、随机变量的数字特征、大数定律与中心极限定理、抽样分布、参数估计、假设检验R语言及其在概率统计中的应用等内容.为开拓学生的学习视野、增强实践应用能力，本书在第9章中介绍了R语言及其在概率统计中的应用.为了便于读者学习，每节后均附有习题，每章后附有总复习

《概率论与数理统计（第2版）》是教育部高等农林院校理科基础课程教学指导委员会推荐示范教材，是教育部教学研究立项项目成果。《概率论与数理统计（第2版）》突出随机数学思想，注重概率论与数理统计的通用知识和应用性，内容包括随机事件与概率、条件概率与独立性、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律和

本书是为非数学类专业概率论与数理统计课程编写的教材。全书共九章，内容包括随机事件与概率，随机变量及其概率分布，多维随机变量及其概率分布，随机变量的数字特征，大数定律和中心极限定理，数理统计的基本概念，参数估计，假设检验等。各章根据教学大纲要求和复习需要配置了相应习题并附有参考答案与提示。同时，为了增强学生统计分析能力，

概率论与数理统计都是研究随机现象的.概率论通常从模型出发研究随机现象，即在一定的假设之下探讨随机事件出现的可能性大小及各种随机现象的有关数量指标；数理统计常常是从数据出发，通过对数据的收集、整理和分析对随机现象给出适当的推断或决策.从内容结构上看，概率论是数理统计的数学基础，而数理统计是概率论的重要应用.

考研数学2019 李林2019考研数学系列概率论与数理统计辅导讲义

本书研究了拟似然非线性模型中参数估计的渐近理论。拟似然非线性模型按照设计变量来分，可以分为三类：带固定设计的拟似然非线性模型、带随机回归的拟似然非线性模型和自适应拟似然非线性模型。本书主要研究了这三类拟似然非线性模型中参数估计的大样本性质。此外，还研究了带随机效应的拟似然非线性模型中参数估计的大样本性质。

本书本以经典的*小二乘理论为基础，较全面地介绍了现代应用回归分析的基本理论和主要方法。全书共分为九章。*章讨论了回归模型的主要任务和回归模型的建模过程；第二、三章详细地介绍了线性回归模型；第四章以残差为重要工具，讨论了回归模型的诊断问题；第五、六章讨论了多项式回归模型和含有定性变量的回归模型；第七章讨论了多元线性回归模

《广义主成分分析算法及应用》主要讨论了随机系统信号广义主成分分析方法及应用情况。全书可分为三部分：第一部分包括概述和基础理论，主要介绍广义主成分分析的概念、国内外研究现状，以及与广义主成分分析密切相关的矩阵理论、优化理论和神经网络等理论基础；第二部分研究多种广义主成分分析方法，该部分是《广义主成分分析算法及应用》的核心

在非实验社会科学研究中，回归分析是*常用的方法。在数据收集和录入以后，研究者无一例外地开始尝试回归模型，对其定义的等式使用*小二乘法（OLS）进行估计。但OLS这一强大的工具却并不总是正确的。其一便是某类特殊形式的数据可能导致OLS估计量的偏误。理查德·布林教授在本书中讨论的数据形式包括删截数据、选择性样