《廣義主成分分析算法及應用》主要討論了隨機系統(tǒng)信號廣義主成分分析方法及應用情況。全書可分為三部分：第一部分包括概述和基礎理論，主要介紹廣義主成分分析的概念、國內(nèi)外研究現(xiàn)狀，以及與廣義主成分分析密切相關的矩陣理論、優(yōu)化理論和神經(jīng)網(wǎng)絡等理論基礎；第二部分研究多種廣義主成分分析方法，該部分是《廣義主成分分析算法及應用》的核心

全書共分9章，內(nèi)容涵蓋了隨機事件及其概率、隨機變量及其分布、隨機向量、隨機變量的數(shù)字特征、大數(shù)定律與中心極限定理、抽樣分布、參數(shù)估計、假設檢驗R語言及其在概率統(tǒng)計中的應用等內(nèi)容.為開拓學生的學習視野、增強實踐應用能力，本書在第9章中介紹了R語言及其在概率統(tǒng)計中的應用.為了便于讀者學習，每節(jié)后均附有習題，每章后附有總復習

本書本以經(jīng)典的*小二乘理論為基礎，較全面地介紹了現(xiàn)代應用回歸分析的基本理論和主要方法。全書共分為九章。*章討論了回歸模型的主要任務和回歸模型的建模過程；第二、三章詳細地介紹了線性回歸模型；第四章以殘差為重要工具，討論了回歸模型的診斷問題；第五、六章討論了多項式回歸模型和含有定性變量的回歸模型；第七章討論了多元線性回歸模

本書研究了擬似然非線性模型中參數(shù)估計的漸近理論。擬似然非線性模型按照設計變量來分，可以分為三類：帶固定設計的擬似然非線性模型、帶隨機回歸的擬似然非線性模型和自適應擬似然非線性模型。本書主要研究了這三類擬似然非線性模型中參數(shù)估計的大樣本性質(zhì)。此外，還研究了帶隨機效應的擬似然非線性模型中參數(shù)估計的大樣本性質(zhì)。

《概率論與數(shù)理統(tǒng)計》全面、系統(tǒng)地介紹了初等概率論和數(shù)理統(tǒng)計的主要內(nèi)容，包括事件與概率、隨機變量及其分布、多維隨機變量及其聯(lián)合分布、隨機變量的數(shù)字特征、極限理論初步、數(shù)理統(tǒng)計基礎,參數(shù)估計和假設檢驗等。 《概率論與數(shù)理統(tǒng)計》注重對基本概念和基本原理的把握和理解；注重對基本方法的講解和運用；以大量的例題和注記幫助讀者理解基

固定效應模型和隨機效應模型是社會科學研究中的常用模型。在社會科學研究者在使用回歸模型進行分析時，有可能存在這樣一種情況，即每個案例在不同時點上的殘差都存在一定的相關和相互依賴，這通常是因為不同案例在某些未被觀察到的特征上存在差異，這就違背了誤差項相互獨立的假設，而固定效應模型和隨機效應模型都是用來解決殘差相關的問題。二

在非實驗社會科學研究中，回歸分析是*常用的方法。在數(shù)據(jù)收集和錄入以后，研究者無一例外地開始嘗試回歸模型，對其定義的等式使用*小二乘法（OLS）進行估計。但OLS這一強大的工具卻并不總是正確的。其一便是某類特殊形式的數(shù)據(jù)可能導致OLS估計量的偏誤。理查德·布林教授在本書中討論的數(shù)據(jù)形式包括刪截數(shù)據(jù)、選擇性樣

概率論與數(shù)理統(tǒng)計是大學重要的基礎課程，復蓋大學理、工、經(jīng)、管等眾多專業(yè)。為了幫助眾多大學學好概率論與數(shù)理統(tǒng)計，我們組織了具有多年教學經(jīng)驗的教師編寫。學習概要與訓練分兩大部分。第一部分為學習概要，以章為單位，集中了各章的主要概念、重要方法、定理（結(jié)論）和典型例題。第二部分為課程訓練的練習題，練習題總共分為三類：基本題、提

本書是作者根據(jù)教育部關于高等學校工科類和經(jīng)濟管理類本科數(shù)學基礎課程教學基本要求，在多年從事工科類和經(jīng)濟管理類等專業(yè)線性代數(shù)教學基礎上編寫而成的。本書第二版在正文的基本內(nèi)容及教材的體系和章節(jié)安排方面基本與原書一致，保留了原書的風格.

《概率論與數(shù)理統(tǒng)計解題秘典》是李裕奇等人編寫的《概率論與數(shù)理統(tǒng)計（第5版）》的配套教學用書，內(nèi)容包括教材中全部基本練習、綜合練習與自測題，10套期末用模擬試題，以及最近7年的考研概率統(tǒng)計真題的完全解答。將之分別編入萌動篇、筑基篇、初成篇與破關篇四篇中，意在引導讀者走過對概率論與數(shù)理統(tǒng)計的接觸、初學、逐步熟練到精深的過程