《概率论与数理统计》是根据高等院校概率论与数理统计课程教学的基本要求，结合我们多年来对概率论与数理统计课程教学内容和教学方法改革与创新的成果而编写的.《概率论与数理统计》主要内容包括：概率论的基本概念、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、数理统计的基本概念、参数估计、

本书重点研究了位置数据的智能聚类学习相关模型和算法前沿，集中反映了作者近年来对空间数据聚类与智能优化相结合的研究成果，系统阐述了GPS位置数据聚类学习的相关模型与算法。本书共分为7章，包括GPS位置数据聚类模型和智能优化的关键技术，GPS位置数据的遗传、模糊粒子-遗传融合、遗传-模糊蚁群混合自动聚类模型与算法，基于Ma

本书主要介绍概率论和随机过程的基础知识和基本概念，内容包括概率论和随机过程两部分。第1~5章介绍概率论的基本概念及定理，主要包括随机事件与概率、离散型随机变量及其分布、连续型随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理;第6章介绍随机过程的基本概念、泊松过程、马尔可夫过程、鞅、布朗运动、随机积分和伊藤公

《概率论与数理统计（人工智能专用）》介绍了与人工智能密切相关的概率论与数理统计的内容。全书分成两大部分，di一部分主要介绍概率论的知识，涵盖概率论的基本概念、一维随机变量及其分布、二维随机变量及其分布，数字特征，大数定理和中心极限定理外，还增加了信息论基础知识、若干集中不等式的相关知识。第二部分主要介绍常见的数理统计知

本书主要介绍了统计和数据分析的基本知识、数据采集的操作、数据采集后的清洗加工操作、描述性统计分析、抽样估计分析、统计指数分析、相关与回归分析、时间序列分析、数据可视化展现，以及制作数据分析报告等内容。本书采用理论结合实战的方式，不仅介绍了数据分析的必要原理、方法，还充分结合了日常生活和工作中的案例，将理论加以实践和分析

本书是概率论与数理统计课程的学习辅导书，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、大数定律及中心极限定理、样本及抽样分布、参数估计、假设检验等。每章均按章节顺序从基本概念、典型例题、综合练习三部分进行编写，并对典型例题进行了分析和详解.书后附有4套模拟试题，方便学生期末复习

本书是根据教育部高等学校统计学专业教学指导分委员会制定的《统计学专业教学规范(授经济学学位)》中提出的课程设置和教学内容纲要编写出版的系列教材之一。本书介绍数理统计学的统计思想、理论和方法，主要内容包括总体、样本、统计量等概念以及常用分布、点估计理论、假设检验、区间估计、线性模型以及统计决策理论和贝叶斯推断等。本书强调

本书第1章主要介绍变点检验和在线监测的一些经典方法，并介绍本书着重讨论的厚尾时间序列模型和长记忆时间序列模型.第2,3章主要介绍检验和估计厚尾时间序列模型均值变点和持久性变点的一些方法.第4,5章介绍检验长记忆时间序列均值变点、时间趋势项变点、方差变点及长记忆参数变点的一些方法.第6章介绍在线监测厚尾时间序列持久性变点

本书主要介绍了双参数韦布尔分布模型,并从双参数韦布尔分布在可靠性领域的应用角度介绍了相关可靠性统计方法,包括韦布尔分布的确定方法、基于极大似然估计的可靠性统计方法、基于分布曲线拟合的可靠性统计方法、基于Bayes的可靠性统计方法、其他可靠性统计方法及改进韦布尔分布的可靠性统计方法。

本书研究分类数据的统计过程控制.近年来，统计过程控制的研究成果十分丰富，但大都集中在取值为具体数值的连续数据.本书关注的分类数据取值为若干个类别或属性水平，信息量较少，但在生活生产中极为常见.本书内容来自作者和合作者近年来的研究成果，从一元或多元、名义或有序、独立或自相关、相关性或因果关系等角度，系统地介绍了分类数据统