非参数统计是统计学一个重要分支。由于它对总体分布假定的要求很宽泛，且适用于各类测量（定类、定序、定距、定比）尺度数据，所以在数据分析的研究与实践中有着广泛应用。本书在介绍非参数统计各个方法原理的基础上，使用R语言统计软件进行计算。在内容上主要包括：*章绪论作为全书的铺垫，第二章至第五章则按照单样本、两相关样本、两独立样

《数理统计》在统计量与抽样分布的基础上，讲解总体中未知参数的点估计以及区间估计，在经典统计学派的基础上，结合先验信息，讲述统计决策与贝叶斯估计的相关内容，进而讲解参数的假设检验以及分布的检验等。在内容结构安排上，抽样分布、参数估计与假设检验内容安排前后呼应，一脉相承，便于学生对数理统计内容整体的理解与学习。数理统计是伴

本书在内容选材上以必需和够用为主要原则，符合教学大纲的基本要求，结构清晰，简明实用，易学易教。本书内容主要包括随机事件与概率、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、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、Excel在概率统计方面的应用。本次修订采取纸质教

本书涉及面极广，不仅讨论了概率论在离散空间中的诸多课题，而且涉及了概率论在物理学、化学、生物学（特别是遗传学）、博弈论及经济学等方面的应用．书中主要内容有：样本空间及其上的概率计算，独立随机变量之和的随机起伏，事件的组合及条件概率，离散随机变量及其数字特征，大数定律，离散的马尔可夫过程及其各种重要特征，更新理论等．除正

本书是威廉·费勒的著作《概率论及其应用（卷1）》的续篇。第1、2、3、6章介绍了各种重要的分布和随机过程；第7、8、16、17章讨论大数定律、中心极限定理和无穷可分分布；第9、10章讨论半群方法与无穷可分分布、马尔可夫过程的关系；第11章为更新理论；第12、18章论述随机游动及傅立叶方法的应用；第13、1

《概率论与数理统计（人工智能专用）》介绍了与人工智能密切相关的概率论与数理统计的内容。全书分成两大部分，di一部分主要介绍概率论的知识，涵盖概率论的基本概念、一维随机变量及其分布、二维随机变量及其分布，数字特征，大数定理和中心极限定理外，还增加了信息论基础知识、若干集中不等式的相关知识。第二部分主要介绍常见的数理统计知

本书主要介绍概率论和随机过程的基础知识和基本概念，内容包括概率论和随机过程两部分。第1~5章介绍概率论的基本概念及定理，主要包括随机事件与概率、离散型随机变量及其分布、连续型随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理;第6章介绍随机过程的基本概念、泊松过程、马尔可夫过程、鞅、布朗运动、随机积分和伊藤公

本书简明系统地介绍了概率论和随机过程的基本内容，内容丰富，富有时代特色。书中有许多新的简明讲法，帮助读者更好地理解所学内容和加深对问题本质的理解。本书内容和习题难度适中，适合作为理工科大学数据科学类、统计学类、数学类本科生概率论课程教材或教学参考书。

本书共八章，内容包括：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、数理统计基本概念、参数估计、假设检验。

本书论述了自17世纪以来的数理统计学发展的简要历史，内容包括概率基本概念的起源和发展，棣莫弗的二项概率正态逼近，贝叶斯关于统计推断的思想，最小二乘法，误差分布，社会统计学家对数理统计方法的主要贡献，高尔顿引进相关回归及皮尔逊将其完善的过程，戈塞特等人对小样本理论的贡献，皮尔逊等人发展假设检验这一分支的过程等。本书可供具