本书介绍了数理统计的基本概念、参数估计、假设检验、方差分析、贝叶斯基础和统计计算等内容.在编写过程中特别注重方法的实际应用，每个理论后面都列举了对应的例子.同时，为了更贴近社会的现实需求，在每章最后一节通过例子对该章的主要内容进行了R语言实现，并列出了程序的详细步骤.

本书系统地介绍了双重广义线性模型等异方差回归模型的理论、方法和应用。内容主要包括：高维数据下双重广义线性模型的变量选择研究,纵向数据下均值-协方差模型的变量选择和贝叶斯分析,半参数异方差模型的变量选择和贝叶斯分析,偏正态异方差模型的异方差检验和贝叶斯分析,半参数混合效应双重回归模型的贝叶斯分析,以及双重Logistic

本书从应用角度简要地阐述了试验设计、现代统计、数据挖掘，以及各专业领域试验统计等600多种统计分析技术。这一版新增加的主要内容有折线回归、高维数据Lasso回归、有序序列聚类分析、水文频率分析、向量自回归、格兰杰因果检验、协整检验和误差修正模型等功能。DPS数据处理系统软件试用版可从网站的下载中心下载、试用。

本书是一本以介绍现代概率论基础理论和方法为主的概率论教材。共分三部分。第1章和第2章为测度论，用较短的篇幅完整地叙述了测度与积分的一般理论，包括了一般测度、Lebesgue-Stieltjes测度、Lebesgue测度、积分与期望的定义及单调收敛定理、Fatou引理、Lebesgue控制收敛定理、Fubini定理等主要

本书介绍了概率论与数理统计的概念、原理、计算方法，以及MATLAB在数理统计中的应用.在编写中吸收了国内外优秀教材的优点，概念讲述通俗易懂，每章中附有精选的例题和习题，并且增加了数学实验.书后附有习题参考答案，方便学生自测,书中还配有二维码，扫码可以观看课件、知识点总结及微课视频，供学生学习提高使用.

本书试图较全面地介绍大数据技术的基本原理和方法，包括以统计模型为主的各类数据模型以及它们的计算方法，同时还将介绍这些方法在一些领域(如人工智能)中的应用。

本书采用排序集抽样方法，研究产品可靠性中常用指标的估计问题，其主要内容来自作者近十年来的研究成果以及相关的**进展.全书共9章，包括排序集抽样方法和可靠性理论，标准排序集抽样下指数分布的参数估计和产品可靠度估计，L排序集抽样下指数分布的系统可靠度估计，非均等排序集抽样下中位寿命的非参数估计，广义排序集抽样下可靠寿命的非

本书是基于作者在香港大学和南方科技大学10余年数理统计教学的经验，同时结合国内其他高校学生和教师的具体情况精心撰写而成的。本书主要内容包括：概率和分布、抽样分布、点估计、区间估计、假设检验、斜零分布的临界区域和值等。本书通过组合传统教材和课堂PPT各自的优点，设置了经纬两条主线，运用块状结构呈现知识点，使得每个知识点自

本书主要内容包括随机事件及其概率，随机变量及其概率分布，多维随机变量及其分布，随机变量的数字特征，大数定理与中心极限定理，数理统计的基本知识，参数估计，假设检验。本书强调概念和内容的直观引入及知识间的相互联系；在注重理论与实际应用背景相结合的基础上，强调随机性思维和应用能力的培养。书中按章设置了适量的习题，并在书后附有

本书系统地介绍了不确定统计学习理论与支持向量机，除扼要介绍国内外其他学者的研究成果外，主要介绍作者已公开发表的系列研究工作.主要内容包括:广义不确定集、广义不确定测度与广义不确定变量、不确定学习过程的一致性、不确定学习过程收敛速度的界、控制不确定学习过程的推广能力、概率测度空间上基于实随机样本的支持向量机、概率测度空间