本书定位于应用型本科人才培养的概率论与数理统计课程教材,注重交叉学科人才培养的特点,以必需、够用为度,兼顾学生考研需求.本书精心设计应用性例题,并利用常用的Excel和R软件实现,锻炼学生的实际动手能力;通过相关数学历史文化知识的介绍,拓宽学生的知识面和视野.《BR》本书内容分为初等概率论、基本统计方法、Excel在概

本书以集员估计理论为基础，围绕有界干扰系统信息融合滤波开展研究。首先，提出一种输入-状态稳定的定界椭球自适应滤波算法，提高滤波的收敛性和跟踪性能，并针对不同的精度和实时性要求进一步提出固定滞后区间平滑算法和基于次优定界椭球的有界干扰系统滤波算法。其次，为解决非线性有界干扰滤波算法存在的线性化误差大、线性化过程复杂，以及

近来，被称为“数据科学家”的研究者备受关注，充分运用数据进行分析，变得越来越重要。这种活用数据的基础便是“统计与概率”。《BR》统计与概率，不仅对于研究者，对于生活在现代社会的所有人来说都是可以在现实生活中发挥重要作用的知识。在日常生活中，正确解读数据，从而进行合理的判断，也是依靠概率和统计的思考方法。《BR》在本书中

概率论与数理统计既是现代数学的重要分支,也是现代统计学的基础,是各类专业大学生最重要的数学必修课之一.本书是为高等学校非数学专业编写的概率论与数理统计教材，也是“十二五”普通高等教育本科***规划教材的新形态改版升级.全书共9章，内容包括随机事件、随机变量、随机向量、数字特征、极限定理、样本与统计量、参数估计、假设检验

本书是《概率统计引论（第二版）》（魏立力等编著）的配套辅导书，共分9章47节，除5.1节外，每1节都包括了4部分内容：内容概要——主要概念与结论的图谱；有问有答——对有关内容可能会产生的疑问及解答；内容进阶——相关内容的注释、补充和引导；习题详解——原《引论》每一道习题的详细解答。

《高等概率论》从Kolmogorov公理化体系出发,主要讲授高等概率论的基础概念和基本方法,分概率论、随机过程和鞅论三部分内容.《高等概率论》共十章,具体包括绪论、概率空间与随机变量、分布与积分、条件数学期望、随机变量列的收敛、特征函数及其应用、随机过程基础、鞅论基础、可选时定理的应用、随机点过程等.《高等概率论》在内

本书将模糊数据作为统计学研究范畴的对象，特别是以具有凸性的模糊数据作为研究对象，将统计学分析方法和模糊数学理论有机地结合起来，尤其是将α截集与置信区间分析方法相结合，提出并研究了模糊统计估计方法、广义模糊估计量等。这些成果丰富和发展了模糊数据统计分析方法，在模糊数据统计分析方法的方法论、认识论上具有一定程度的创新发展。

本书深入全面地讲解了现代推荐算法，同时兼顾深度和广度，介绍了当下较前沿、先进的各类算法及其实践。本书从总览篇开始，介绍推荐系统的基本概念及工作环节。在模型篇中，除了梳理推荐系统的发展史，本书还重点讲解面向工业实践的选择及改进，为读者打下推荐系统的算法基础；进而带着读者进阶到前沿篇、难点篇，面对推荐系统中的各式问题，给出

本书是与上海财经大学数学学院编写的《概率论与数理统计》（ISBN：978-7-115-59060-2）配套的学习指导书．本书根据高等院校非数学类专业概率论与数理统计课程教学的基本要求，充分吸收国内外教材辅导书和考研辅导书的精华，结合编者多年的教学经验编写而成．全书共8章，包括事件与概率、随机变量及其分布、随机向量及其分

本书主要介绍了现代随机过程理论中一些经典的理论,内容包括预备知识、随机过程的基本概念、泊松过程、布朗运动、马尔可夫链、更新过程、鞅与停时、随机积分与随机微分方程以及它们在破产理论和金融衍生产品定价方面的应用.本书选材精简实用,内容安排得当,论述简洁明了,语言自然流畅,具有很好的可读性.此外,每小节之后基本都配有精选的练

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。

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

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

本书共11章,内容包括随机事件及其概率、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、数理统计的基本知识、参数估计、假设检验、方差分析与回归分析、Matlab软件应用、常见的概率论与数理统计模型。各章配有一定数量的习题,书末附有习题选解与提示,并提供预备知识及6种附表以备查用。本书的编写始终以

时间序列分析是概率统计学科中应用性很强的一个分支，具有非常特殊的、自成体系的一套理论和分析方法，在金融、经济、气象、水文、信号处理、工程技术等众多领域得到了广泛应用。本书以时间序列的统计特征和建模步骤为主线，系统介绍时间序列的基本理论、建模和预测方法以及实践应用，目的是使读者掌握时间序列分析的基本理论、建模和预测的方法

本书基于回声状态网络ESN研究时间序列分类和预测问题：第一，分析了面向时间序列分析的ESN；第二，研究了基于DE和ESN的时间序列分类方法；第三，研究了基于BSA优化ESN的时间序列预测方法；第四，研究了基于组合ESN的时间序列预测方法；第五，设计了基于小波ESN的旅游需求预测模型；第六，构建了基于双储备池ESN的电力

现代非参数统计方法是统计学方法论的一个重要组成部分，本书主要介绍若干经典的现代非参数统计方法，包括非参数密度估计、非参数回归方法、分位数回归和非参数似然方法(经验似然)。密度估计方面介绍一元和多元核密度估计；非参数回归方面介绍局部多项式估计的构造、理论性质和应用，样条函数的基本理论、样条估计理论；分位数回归方面介绍分位