本书全面、系统、严格地阐明缺失分位回归建模理论与方法，并尽力反映复杂缺失数据分析国际前沿研究。本书所选的缺失分位回归内容主要涉及缺失分层线性分位回归模型、缺失广义线性分位回归模型、缺失非线性分位回归模型、缺失分层半参数分位回归模型等内容。

本书全面介绍卡尔曼滤波算法，涵盖从基础知识到高级算法的内容，兼顾理论概念与实际应用本书共分为4部分，第1部分为卡尔曼滤波简介，包含8个数值示例，无需复杂数学知识，帮助读者直观理解其思路和原理；第2部分以矩阵形式描述卡尔曼滤波，扩展到多变量情况，包括数学推导和动态系统建模，有2个数值示例；第3部分讲述非线性卡尔曼滤波，包

本书分别介绍概率论、随机分布等误差理论中的内容，结合现时最流行的大型统计软件SPSS(StatisticalProgramforSocialSciences)介绍描述分析、统计检验、方差分析、常见试验设计、回归分析和聚类分析等数据处理方法。

本书共8章，分别是随机事件与概率、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、大数定律及中心极限定理、统计量和抽样分布、参数估计、假设检验．每章包含知识结构、归纳总结、概念辨析、典型例题、习题详解5个部分．本书可作为高等院校非数学类专业“概率论与数理统计”课程的辅导书，也可作为硕士研究生入学考试的学习指

本书是在教育部制定的教学大纲的基础上，吸收同济大学“概率论与数理统计”课程及教材建设的经验和成果，按照全国硕士研究生入学统一考试数学一的考试大纲要求，根据作者十多年的教学实践经验编写而成．全书共8章，内容包括随机事件与概率、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、大数定律及中心极限定理、统计量和抽样

本书介绍了概率论的基本概念、基本理论和基本方法；通过不同领域的实际案例引出概率统计概念和方法；引入机器学习中的概率模型(贝叶斯网络、隐马尔可夫模型)、大数据分析中的统计推断方法、人工智能中的随机优化算法等内容。

全书内容包括概率论、数理统计两部分。第一部分系统讲解概率论基础，包括随机事件及其概率、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，以及作为理论基石的大数定律与中心极限定理。第二部分聚焦于数理统计的应用，介绍数理统计的基本概念、参数估计、假设检验、方差分析及回归分析等核心推断方法。为强化实践能力，教材精选

本书主要介绍了时间序列分析的基本原理和方法，内容包括时间序列的基本概念、时序数据的预处理、时序数据的分解和平滑、单位根检验和协整、平稳线性时间序列模型、可划归为平稳线性时间序列的模型、异方差时间序列模型、非线性时间序列模型、多元时间序列模型、离散值时间序列模型以及上述模型的性质、建模方法、预测，此外还包括了谱分析方法和

本书以可压缩湍流燃烧概率密度函数方法与应用为具体研究对象，围绕其理论建模、数值求解和应用展开研究。第一章介绍了可压缩流大涡模拟、湍流燃烧模型和PDF方法的优势。第二章介绍了PDF方法相应的物理和数学基础。第三章介绍了可压缩湍流燃烧标量PDF方法的理论、建模和数值验证。第四章介绍标量-亚格子速度PDF方法。第五章介绍了曲

本书内容包括：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，参数估计，假设检验，回归分析，基于MATLAB工具的数学实验等。书末附有一系列表格、习题答案与提示、名词索引和符号说明。