本书共分为三部分:第一部分为同步训练,第二部分为数理统计实验,第三部分为实验报告。本书参考了国内外数理统计的相关教材和经典题型编写而成,同步训练题涉及的内容包括统计量与抽样分布、点估计、贝叶斯估计、区间估计,具有典型性和多样性。通过实验训练可以帮助学生深刻理解数理统计理论,培养学生的实践动手能力。
"本书是按照国家对非数学类本科生概率论与数理统计课程的基本要求,配合本科生概率论与数理统计课程而编写的导学教程。 全书分为七章:随机事件及其概率、一维随机变量及其分布、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、样本及抽样分布、参数估计。按照讲课次序对每次课的教学内容进行了概括性总结,既有重点、
本书共11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等。每章均包括:知识要点、分级习题、总习题和在线测试4个部分。本书的分级习题包含北京邮电大学数学系概率教学组编著的《概率论与随机过程》中的全部课后习题的详细解答。
本书第1~4章对马尔可夫过程的基础理论进行了介绍,后面各章给出了生灭过程的构造、随机单调性、转移函数的各种收敛性、生灭过程的第一特征值问题、D.G.Kendall猜想等内容。最后,为了应用的需要,本书还引入并初步讨论了半马尔可夫生灭过程。本书可作为高等学校相关专业的教科书,也可作为科学研究工作者的参考用书。
本书从统计判决、语言结构法、模糊集论三方面提供了图象识别的理论基础.第一章介绍了图像识别研究的对象及方法,它是本书的引论;第二章到第四章介绍了统计图像识别中的一些基本方法及理论基础;第五章介绍了图像识别的语言结构法;第六章介绍了用模糊集的方法进行图像识别.本书可供从事有关图像识别的广大工程技术人员及科学研究工作者参考,
本书介绍了概率论与数理统计的基本概念、基本理论与方法.内容包括:概率论基本概念、随机变量与随机向量及其分布、随机变量的数字特征、大数定律与中心极限定理、数理统计的基本概念、参数估计、假设检验、方差分析和回归分析.每章均配有习题,书后附有习题答案,习题中收集了历届研究生考试试题,既便于教学,又利于考试复习,本书可作为高等
本书主要讲述本科概率论与数理统计课程主要知识,内容安排完全按照教育部规定的教学大纲设计的。全书共九章,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、大数定律与中心极限定理、数理统计的基本概念、参数估计、假设检验、数理统计在经济中的应用。本书可作为理工类、经管类本科生的教材,也可供新
本书按照主教材的章节顺序,分为10章主要内容包括随机事件与概率、一维随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、极限定理、数理统计基本概念、参数估计、假设检验、回归分析及方差分析简介、经典问题剖析本书内容紧扣主教材,书中例题丰富且具有代表性,例题分析与解答展示了基本的解题思路、解题方法与解题技巧,起到了
本书展示了如何使用真实的数据真实地进行贝叶斯数据分析。作者从概率与程序设计的基本概念出发,逐步带你进阶,帮助你最终掌握在实际的贝叶斯数据分析中常用的高级模型。本书分为三大部分,共有25章。第一部分介绍基础知识,内容包括贝叶斯推断的基本思想、模型、概率及R语言编程。第二部分涵盖了现代贝叶斯数据分析的所有关键思想。第三部分
本书从系统视角出发,阐述如何利用技术手段搭建企业级推荐系统,内容包括认知篇、数据篇、召回篇、排序篇、系统篇5个部分,覆盖企业级推荐系统建设的核心要点。本书知识体系清晰,从基础知识切入,逐步深入,先后涉及推荐系统的经典技术、主流技术和前沿技术。本书通过“理论+案例+代码示例+心得体会”的方式阐述、归纳和总结推荐系统的知识