本书为考研数学用书，涉及：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(数一)相关知识点、习题和解析。

本书上册共5章。第1章以“赌博与概率的诞生”为主线，从梅雷骑士的骰子游戏出发，逐步引出样本空间、概率的定义、条件概率与独立性。第2章和第3章分别讨论离散随机变量和连续随机变量，涵盖分布列、期望、方差、重要分布、联合与条件分布等核心概念。第4章聚焦随机变量的进阶话题，探讨矩、分位数、协方差与随机变量的函数变换。第5章以“

本书分三大部分：第一部分从硬币、骰子等简单试验切入，系统讲解计数、排列组合，筑牢概率基础；第二部分聚焦古典概率、数学期望、条件概率、贝叶斯定理，搭建核心知识框架；第三部分延伸至伯努利试验、正态分布、概率谬误与现实应用，打通理论与生活。

本书分为两部分共9章，其中1-5章为概率部分，主要介绍随机事件及其概率、随机变量及其分布、随机变量的数字特征、多维随机变量、大数定律与中心极限定理等，6-9章为数理统计部分，介绍抽样分布、参数估计、假设检验、方差分析与回归分析等。本书保留了第一版的编写特色，修正了第一版教材中个别表述及逻辑不严密的地方，更换了少量计算量

本书旨在打破概率统计的学习壁垒，实现人人可读懂、学通透的学习目标，打造通俗易懂、实用性极强的概率统计入门读物。全书创新搭建系统化学习体系，每章均以知识树梳理整体框架，结合真实应用场景引入知识点，以问题为导向拆解学习难点，搭配详实的理论讲解与落地的工程实例，循序渐进帮助读者吃透核心知识。本书摒弃晦涩的理论堆砌，依托趣味案

本书系统介绍了概率论与数理统计的基础知识、核心理论与应用方法，并将理论知识与Python代码结合起来，借助程序实现概率分布可视化、统计量数值求解、参数估计等实操演示，帮助读者直观理解抽象数理概念。全书共13章，涵盖概率论和统计学的基本概念、多维随机分布、经典统计推断、方差分析与回归建模，同时融入贝叶斯推断及聚类分析等现

本书面向随机过程入门学习者，以精炼内容与清晰讲法，帮助读者在有限课时内掌握核心精髓。全书选取泊松过程、更新过程、离散与连续时间马氏链等实用基础内容，避开复杂测度论，多用微积分完成严格证明与直观阐释，兼顾理论严谨性与易学性。本书系统梳理概念与定理，并且强化理解与应用，配合丰富实例与图表，降低学习难度。同时对非齐次泊松过程

本书包括概率论、数理统计和随机过程三部分内容。第1—4章为概率论部分，介绍了概率论中的基本概念与基本原理，包括随机事件与概率、随机变量及其概率分布、随机变量的数字特征、极限定理等。第5—10章为数理统计部分，介绍了数理统计的基本概念与经典方法，包括参数估计、假设检验、方差分析、回归分析等。第11—12章为随机过程部分，

概率论与数理统计是研究随机现象统计规律性的数学学科，本书旨在让学生通过学习概率论的基本知识和基本方法，利用随机变量以及概率分布，让学生掌握处理随机现象的基本理论与方法，具备数学建模的能力；通过数理统计中的参数估计、假设检验等基本理论与方法的学习，让学生掌握数据收集和分析数据，并进行统计推断的能力。本教材为分析研究现实生

本书整体架构严谨清晰，编排时遵循概率论与数理统计的理论逻辑和认知规律，共8章内容。书中从概率论基础理论出发，逐步讲授随机变量及其分布、多维随机变量及其分布、数字特征与极限定理等核心知识；随后过渡到数理统计领域，系统阐述抽样分布、参数估计、假设检验等关键内容；最终以基于Python的概率论与数理统计实验收尾，实现从理论知