本书共8章，主要内容包括概率论的基本概念、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理、数理统计的基本概念及参数估计和假设检验。同时，教材每章均配有习题及参考答案，并配有部分例题的代码。

本书依据高等院校普通本科经管类专业概率论与数理统计课程教学大纲编写，系统涵盖随机事件及其概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、数理统计的基础知识、参数估计、假设检验以及方差分析与回归分析等核心内容，并特别强化了数学建模与数学实验环节，通过由浅入深的理论推导与案例剖析，读者将更好地理解概率论与

本书立足于人工智能与数字化变革的时代背景，聚焦复杂环境下优化理论与算法的前沿挑战，通过突破传统单一、静态、理想化算法的研究范式，构建了“系统性、递进式、应用驱动”的特色研究体系。全书以智能优化算法的内在演进逻辑为主线，系统介绍了从单目标到多目标、从静态到动态、从理想环境到鲁棒求解的完整发展脉络，并通过统一建模与评测框架

本书系统探讨了智能计算思维测评的理论框架与实践应用，研究构建了包含准备、过程和反思三个阶段，涵盖智能计算思维能力要素和数学认知领域两个维度的测评框架；开发了在线交互式测评系统OpenCT，实现了大规模、多样化数据采集；引入“状态流”模式和ForceLayout模型，创新性地实现了学生探索行为的可视化分析；通过大规模测试

本教材共分为四个章节：函数、极限与连续；一元函数微分学及其应用；一元函数积分学及其应用；微分方程。在讲述风格上，特别注重知识的实用性与可操作性。对于最优化方法等涉及算法的部分，教材着重阐述模型求解的基本原理与算法框架，淡化繁复的理论推导，而是深入浅出的讲解算法的思想来源、实现步骤及其在实际问题中的应用，致力于引导读者利

本书为武汉理工大学数学系与统计学系主编的教材《概率论与数理统计》的配套习题册，其主要包括：事件与概率、变量及其分布、多维变量及其分布、变量的数字特征、大数定律与中心极限定理、抽样分布、参数估计、假设检验、方差分析与回归分析等知识内容的相关习题和各种考试试卷。

本书主要介绍了行列式、矩阵、线性方程组、向量组的线性相关性、概率论初步、数理统计初步、数理逻辑、图论等内容。本书立足职教改革要求，强化实际应用、通俗易懂，突出高职教育培养高素质应用型人才的数学课程设置的教学理念，贴合高职学生认知特点，培养学生科学探索的严谨性，助力其树立用数学服务社会的意识。

全书系统覆盖概率论核心知识，从基本概念、随机变量分布，到数字特征、统计推断，构建完整知识框架。编写时创新性融入大量职业场景与生活案例，结合“理论解析—案例建模—工具演示”三维架构，分步拆解逻辑、搭建模型、演示操作，帮助学生理解抽象理论。书中还配备分层习题、数据可视化图表及统计软件操作指南，既聚焦数据分析与问题解决能力的

本书围绕非参数Behrens-Fisher问题的统计推断方法展开研究。首先在绪论部分阐述研究背景、现状以及本书主要内容与创新点。接着在第2章介绍正态性检验，涵盖检验方法、模拟研究、实例分析并进行小结与讨论。第3章针对基于ROC曲线参数的两样本检验，从方法、模拟、实例等方面进行研究并给出技术细节。第4章聚焦低维Behre

本书提出了一些时间序列的智能辨识、建模与预测的理论和方法,并用实际数据进行了实证分析。内容共16章。主要内容包括时间序列的基本概念与数据预处理；时间序列的复杂特性分析；基于传统统计学、SVM、LSSVM、神经网络、深度学习的各类单一预测模型；基于混沌特性的预测模型；基于线型/非线性集成、多模型加权以及基于分解算法的组合