本书主要内容有：随机事件与概率、一维随机变量及其分布、二维随机变量及其分布、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、方差分析与回归分析、概率统计的一些实际应用及其MATLAB实现、随机过程简介。本书除第10章外，其余各章均配套了分别针对基本概念、基本方法、基本理论和实际应用等

全书共十章，内容包括回归分析、变量选择、时间序列、非参数统计、聚类分析、判别分析、逻辑斯谛回归与支持向量机、主成分分析、因子分析、纵向数据分析。各章都有丰富的案例分析，为使书中案例贴近数据的应用实际，采用了方便获取的证券市场高频数据，并使用国际通用的R软件进行数据收集、处理、加工和分析，便于读者自己动手和实际应用。全书

本书阐述现代科学与工程计算中各种常用算法的基础知识与编程实现方法，内容包括设计数值算法的原则、非线性方程的数值解法、线性方程组的直接法与迭代法、函数插值法与昀小二乘拟合法、数值积分法与数值微分法、常微分方程初值问题的数值解法、矩阵特征值与特征向量计算的数值方法等。每章首先阐述基础知识要点，其次给出相应算法的详细描述，然

本书是随机微分方程与随机分析初学者的入门教材,系统地介绍了概率论、鞅和随机积分及随机微分方程的基础知识、基本理论和典型方法。内容包括：测度与积分、独立性、Radon-Nikodym定理和条件数学期望等概率论的基础知识；停时、离散鞅和连续鞅的基本内容；鞅和连续局部半鞅随机积分的一般理论及Ito型随机微分方程的初步内容。

本书是基于作者在香港大学和南方科技大学共14年计算统计教学的经验，同时结合国内其他高校学生和教师的具体情况精心撰写而成的，本书主要内容包括：产生随机变量的方法、几个重要的优化方法、蒙特卡洛积分方法、贝叶斯计算中的MCMC方法，Bootstrap方法等。本书通过组合传统教科书和课堂PPT各自的优点，设置了经纬两条主线，运

本书是理工科高等院校普遍开设的数值计算原理课程的辅导教材，书中内容覆盖数值计算原理中的误差分析、插值法、曲线拟合、数值积分与数值微分、非线性方程求根、线性方程数值解法、特征值数值解法以及常微分方程初值问题数值解等知识点。全书共9章，每章包含知识点概述、典型例题解析、习题详解、同步训练题以及同步训练题答案，帮助学生加强对

全书共6章，内容包括随机事件与概率、随机变量及其分布、随机变量的数字特征、数理统计的基础知识、参数估计、概率模型.除最后一章外，每章都附有习题以及数学家介绍.本书的最后一章为概率模型，介绍概率方法的应用，帮助读者更好地理解概率论的思想和方法，进一步提升读者的数学建模能力，同时增强读者学习数学的兴趣.书后附有习题参考答案

全书共6章,内容包括随机事件与概率、随机变量及其分布、随机变量的数字特征、数理统计的基础知识、参数估计、概率模型.除最后一章外,每章都附有习题以及数学家介绍.本书的最后一章为概率模型,介绍概率方法的应用,帮助读者更好地理解概率论的思想和方法,进一步提升读者的数学建模能力,同时增强读者学习数学的兴趣.书后附有习题参考答案

本书是应用数学与计算数学中有关曲面及多元函数插值、逼近、拟合的入门书籍,从多种物理背景、原理出发,导出相应的散乱数据拟合的数学模型及计算方法,进而逐个进行深入的理论分析。书中介绍了多元散乱数据拟合的一般方法,包括多元散乱数据多项式插值、基于三角剖分的插值方法、Boole和与Coons曲面、Sibson方法或自然邻近法、

本书面向复杂不确定环境下可解释分类的需求，重点阐述作者提出的置信规则分类方法体系及其在实际工程中的应用。全书主要内容包括不可靠数据鲁棒置信规则分类、面向大数据的紧凑置信规则分类、数据与知识双驱动的复合置信规则分类、精确且可解释的置信关联规则分类、面向高维数据的置信关联规则分类、面向软标签数据的置信关联规则分类等方面的理