這本書以悠閑的方式涵蓋了一個完整學年概率課程的所有標準內(nèi)容，重點是在研究生或高年級本科生高級課程中的金融分析應用。它融入了相當多的測度論和實分析，但以特別簡單和直觀的方式介紹了σ域、測度論和期望。每章都包含大量的例子和練習，豐富了教材的呈現(xiàn)。Walsh是這個學科的一位大師，他寫了一本關(guān)于概率的精彩書籍，恰好適合這個水平

本書著重討論隨機過程的基本理論和基本方法，并重點介紹幾種常用的隨機過程。首先介紹預備知識、基本概念以及通過概率分布和數(shù)字特征研究隨機過程統(tǒng)計特性的兩類基本方法。然后展開講解Poisson過程、離散參數(shù)與連續(xù)參數(shù)的Markov鏈、平穩(wěn)過程和隨機分析以及平穩(wěn)過程通過線性系統(tǒng)的分析。對更新過程、鞅論、排隊論、時間序列分析以及

本書在詳細講授試驗設(shè)計和統(tǒng)計分析基本原理的基礎(chǔ)上，利用SPSS軟件將傳統(tǒng)的統(tǒng)計分析方法簡單化。本教材包括試驗設(shè)計概述、SPSS軟件概述、統(tǒng)計假設(shè)檢驗、方差分析、回歸與相關(guān)、非參數(shù)統(tǒng)計、正交試驗設(shè)計、回歸的正交試驗和SPSS統(tǒng)計圖形等內(nèi)容。本次修訂主要根據(jù)SPSS軟件的最新版本（SPSS29）對教材的相關(guān)內(nèi)容進行修改，同

實驗設(shè)計與數(shù)據(jù)處理是理工科學生必須掌握的技能。編著者從數(shù)據(jù)庫與文獻檢索、實驗設(shè)計方法、數(shù)據(jù)處理基礎(chǔ)、軟件在數(shù)據(jù)處理中的應用等角度出發(fā)編寫了此書。本書內(nèi)容涉及利用單因素實驗設(shè)計、正交實驗設(shè)計、均勻?qū)嶒炘O(shè)計、科技文獻檢索、數(shù)據(jù)處理基礎(chǔ)、方差分析、回歸分析、Origin軟件、Excel軟件、SPSS軟件、MATLAB軟件對數(shù)

本書基于本科階段概率論與數(shù)理統(tǒng)計課程教學內(nèi)容，選講其中涉及考研的部分，全書共分8章，每章包括考試內(nèi)容及要求，知識內(nèi)容的基本概念、性質(zhì)和公式，典型例題解析，題型練習及解答四部分，附錄收集了近年全國碩士研究生入學統(tǒng)一考試數(shù)學試題（概率論與數(shù)理統(tǒng)計部分）詳解。本書可供準備報考碩士研究生的讀者和使用主教材的教師參考，也可供高等

為適應普通高校應用統(tǒng)計學教學需要,使廣大學生掌握統(tǒng)計思想、理論背景、方法思路和發(fā)展前景,提高統(tǒng)計分析能力和解決社會經(jīng)濟的實際問題的能力,組織編寫了本教材。本書內(nèi)容包括排列組合公式,等可能事件的概率,互斥事件的概率加法公式,相互獨立事件的概率乘法公式,獨立重復試驗發(fā)生的概率公式,期望與方差計算公式進行相關(guān)運算,抽樣方法,

本書是在作者多年對本二工學類、經(jīng)濟類不同專業(yè)概率論與數(shù)理統(tǒng)計課程授課經(jīng)驗基礎(chǔ)之上，編寫的一本以實用性、簡潔性和基礎(chǔ)性為特點的大學本科公共必修課教材，包含概率論基礎(chǔ)部分和數(shù)理統(tǒng)計基礎(chǔ)部分。其中，概率論基礎(chǔ)部分包括：概率論的基本概念、一維隨機變量及其分布、多維隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律和中心極限定理。數(shù)

本書是在作者多年對本二工學類、經(jīng)濟類不同專業(yè)概率論與數(shù)理統(tǒng)計課程授課經(jīng)驗基礎(chǔ)之上，編寫的一本以實用性、簡潔性和基礎(chǔ)性為特點的大學本科公共必修課教材，包含概率論基礎(chǔ)部分和數(shù)理統(tǒng)計基礎(chǔ)部分。其中，概率論基礎(chǔ)部分包括：概率論的基本概念、一維隨機變量及其分布、多維隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律和中心極限定理。數(shù)

三書對多級分層次數(shù)據(jù)進行統(tǒng)計建模進行分類介紹，內(nèi)容包括：線性回歸、多層次建模簡介、兩級MLM、更高層MLM、縱向數(shù)據(jù)分析、非線性回歸建模、非線性混合效應建模、廣義線性模型、廣義線性模型、二分類數(shù)據(jù)的廣義多層次模型、詞性含量及詞性序位的分類模型、主語表征預報思維指向狀態(tài)的馬爾科夫鏈模型等。

本書以時間序列數(shù)據(jù)為研究對象，對時間序列數(shù)據(jù)的特征表示和預測展開研究。該專著在對現(xiàn)有文獻現(xiàn)狀的分析與總結(jié)的基礎(chǔ)上，講述了如何利用深度學習模型來挖掘時序數(shù)據(jù)中不同的特征表示，并結(jié)合設(shè)計相應的特征融合方法，實現(xiàn)金融、交通、能源等時間序列數(shù)據(jù)的準確預測。本書以時間序列數(shù)據(jù)為研究對象，對時間序列數(shù)據(jù)的特征表示和預測展開研究。該