本书在提供时间序列分析基本原理的基础上，重点对统计方法、机器学习、深度学习及其时间序列分析应用进行案例分析，并提供了Python实例。本书还考虑了大数据背景下对海量时间序列数据的处理与分析方法，对大数据分析引擎ApacheSpark及其时间序列分析也提供了应用实例。 本书共包含4章，组织结构如下:第1章对时间序列分析方

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。

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

本书从概率论的基础开始，带领学生学习如计算机模拟、蒙特卡罗方法、随机过程、马尔可夫链、排队系统、统计推断和回归等广泛应用于现代计算机科学、计算机工程、软件工程以及相关领域的重要内容．第一部分介绍概率和随机变量，第二部分讲解随机过程，第三部分引入统计学的基础知识，附录部分给出了必要的微积分内容．另外，R和MATLAB的使

功能分析（FunctionsAnalysis)是由斯金纳在1948年提出的用以解释行为和环境变量之间的关系的一种方法，70年代起研究人员开始将其应用于临床实践。实践证明这一方法对于孤独症、智力发育障碍、精神分裂症及多重诊断等人群的严重问题行为的分析上有着重要的作用。本书是有关功能分析方法的最新内容，详细介绍了这一

本教材是从高等院校人才培养目标出发,结合编者多年来积累的“概率论与数理统计”教学经验编写而成的,充分体现了“以应用为目的、以必需、够用为度”的教学基本原则。通过该课程的学习,激发学生对数学的学习兴趣。本教材共分九章,第一章概率论的基本概念;第二章随机变量及其分布;第三章多维随机变量及其分布;第四章随机变量的数字特征;第