本书共八章，内容包括：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、大数定律与中心极限定理、数理统计基础知识、参数估计、假设检验。

本书共10章。前5章为概率论部分,主要包括随机事件及概率、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,是学习数理统计的基础。第6章至第9章为数理统计部分,主要包括数理统计基本知识、参数估计、假设检验、回归分析。第10章介绍了MATLAB软件在概率统计中的应用。

本书的主要组成部分如下:首先,分别回顾了函数型数据和成分数据的基本定义、数据空间、常用方法等。其次,对空间数据做了简要说明,特别介绍了面数据的空间自回归模型。之后,提出了具有空间相关性的函数型数据线性回归模型;在此基础上,进一步放松了误差项服从正态分布的假设,提出了稳健的函数型数据空间自回归模型。

本书是“互联网+”视角下创新型立体化教材,借助于APP平台提供微课、交互动画、释疑解难、数学实验等助学、助教数字资源,从而更好地为教师与学生服务。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、数理统计两部分。每章均配有习题,并附有本章习题答案二维码,即扫即得。习题中收集了多届研究生考试试题,既便

《非线性系统的行波解》以时滞连续与离散反应扩散方程、积分-差分方程和随机种群模型为研究对象,归纳总结了作者多年研究行波解的成果,系统讲述了作者利用打靶法、单调迭代、不动点定理、滑行方法等研究时滞反应扩散方程和积分-差分方程的行波解的存在唯一性,利用挤压技术和谱分析方法研究行波解的渐近稳定性,以及利用单调动力系统和大偏差

本书主要内容有：抽样分布、参数估计、假设检验、方差分析与正交试验设计、线性回归模型，本书每章末附有习题，书后附有答案。本书根据研究生教学的特点精心选材，通过问题的引入、描述和分析阐明数理统计方法的基本思想及实际应用。

本书共分为10部分，内容包括排列组合、随机事件与概率、随机变量及其概率分布、二维随机变量及其概率分布、随机变量的数字特征、大数定律与中心极限定理、样本与统计量、参数估计、假设检验、Matlab在概率论统计中的应用简介。各章后选配了适量习题，并在书后附有习题答案。书末给出了泊松分布表、标准正态分布表、χ2分布分位数表、t

本书主要内容包括：概率论基础知识、随机过程的概念和基本类型、平稳过程、Poisson过程、更新过程、Markov链、随机过程分析等。本书尽可能简化了复杂的抽象证明和推导，重点讲述Poisson过程、更新过程、Markov链、随机过程分析等内容，并没有介绍比较复杂的随机过程入布朗运动、鞅论等。

本书主要讲述混合、正负相协、拓广负相依、宽相依和负超可加相依等相依结构下的不等式研究，特别是非参数和半参数模型的统计理论和方法，如若干相依序列的定义和不等式、密度函数和分布函数估计的相合性与渐近正态性、非参数回归函数小波估计的强相合和Berry-Esseen界、半参数回归模型小波估计的弱收敛速度和Berry-Essee

全书共分6章：基本概念、点估计、假设检验、区间估计、统计决策理论与Bayes分析、统计计算方法，书中含有丰富的例子，着力说明统计思想和统计应用，书中还配置了足够的习题，可使读者得到各种基本训练。读完本书即可进入数理统计各分支的学习与研究。 《高等数理统计（第三版）》可作为数学专业、统计专业研究生的教学用书和统计工作者的