近來，被稱為“數據科學家”的研究者備受關注，充分運用數據進行分析，變得越 來越重要。這種活用數據的基礎便是“統計與概率”。《BR》統計與概率，不僅對于研究者，對于生活在現代社會的所有人來說都是可以在現實 生活中發揮重要作用的知識。在日常生活中，正確解讀數據，從而進行合理的判斷，也 是依靠概率和統計的思考方法�！禕R》在本書中，以我們身邊的話題作為案例，介紹以統計與概率為基礎的重要數學方法， 并對于因人工智能的蓬勃發展而備受矚目的“貝葉斯統計”，也介紹其思考方法與應用實 例。此外，本書還對概率論起
回歸分析是統計學中一個非常重要的分支，在自然科學、管理及社會經濟等領域有著非常廣泛的應用。本書是針對統計學專業和財經管理類專業教學的需要而編寫的。本書寫作的指導思想是在不失嚴謹的前提下，明顯不同于純數理類教材，努力突出實際案例的應用和統計思想的滲透。由于R語言已風靡全球，在統計方法的應用中運用R語言也被越來越多的中國學者所追捧，因此本書結合R軟件全面系統地介紹回歸分析的實用方法，盡量結合中國社會經濟、自然科學等領域的研究實例，把回歸分析的方法與實際應用結合起來，注重定性分析與定量分析的緊密結合，
時間序列分析是在工程技術領域和金融領域都有眾多應用的理論和方法。隨著我國的科技和經濟發展，時間序列分析正變得越來越重要。 本書是高等院校“應用時間序列分析”課程的教材，是“北京大學數學教學系列叢書”《應用時間序列分析》的第二版，較系統地講授了應用時間序列分析的基本理論、方法及其應用，目的是使學生對時間序列分析的內容和方法有基本的了解，能夠用時間序列分析的基本方法處理簡單的時間序列數據。全書共分十章，內容主要包括：時間序列的分解、平穩序列、線性平穩序列、ARMA模型、時間序列的預報、潛周期模型、條
本書內容分5章。數理統計的基本概念，系統闡述了數理統計的概念、作用和地位，常用抽樣分布的概率密度函數、性質、圖形和軟件實現等。參數估計，系統闡述了點估計、區間估計、估計量的評價標準的基本理論，結合軍事案例進行分析、軟件實現等。假設檢驗，系統闡述了參數假設檢驗、正態總體均值與方差的假設檢驗、非參數假設檢驗等理論。方差分析和正交試驗設計，系統闡述了單因素方差分析、兩因素方差分析和正交試驗設計以及應用案例。回歸分析，系統闡述了一元線性回歸分析和多元線性回歸分析，并結合軍事案例進行分析、求解和
本書內容包括金融統計分析案例、經濟統計分析案例、機器學習方法案例、生物醫學統計分析案例和變量選擇與預測模型案例。通過學習書中的案例，讀者能夠在掌握一定的統計學理論、統計方法和計算方法的基礎上，熟練、正確地綜合應用統計專業知識去發現、分析和解決問題。書中的案例配有數據（或模擬數據）和實現代碼，登錄華信教育資源網（www.hxedu.com.cn）注冊后可以免費下載。本書適合作為應用統計、統計學、財經、管理等專業的高年級本科生、碩士研究生教材，也適合廣大科技工作者閱讀參考。
本書將模糊數據作為統計學研究范疇的對象，特別是以具有凸性的模糊數據作為研究對象，將統計學分析方法和模糊數學理論有機地結合起來，尤其是將α截集與置信區間分析方法相結合，提出并研究了模糊統計估計方法、廣義模糊估計量等。這些成果豐富和發展了模糊數據統計分析方法，在模糊數據統計分析方法的方法論、認識論上具有一定程度的創新發展。全書系統地闡述 和研究了模糊數據統計分析方法及應用。 全書內容分為兩部分:第一部分介紹和闡述了模糊集理論的有關內容，這是全書的理論基礎;第二部分研究和闡述了模糊數據統計分
本書以Python為工具，全面講解概率論與數理統計的主要內容和多元統計分析常用技術。全書包括13章和4個附錄，內容翔實，講解深入淺出。概率論4章，講解概率論基礎知識，主要是隨機變量的相關理論；數理統計4章，主要是樣本理論、參數估計和假設檢驗；回歸分析2章，包括一元和多元回歸分析及其統計解釋；多元統計3章，主要講解主成分分析和因子分析理論。整書內容簡明，易上手，實用性強。本書不需要讀者有良好的數學基礎，4個附錄提供了Python基礎知識、微積分與線性代數的必要基礎，可滿足不同層次的讀者需求。
本書深入全面地講解了現代推薦算法，同時兼顧深度和廣度，介紹了當下較前沿、先進的各類算法及其實踐。本書從總覽篇開始，介紹推薦系統的基本概念及工作環節。在模型篇中，除了梳理推薦系統的發展史，本書還重點講解面向工業實踐的選擇及改進，為讀者打下推薦系統的算法基礎；進而帶著讀者進階到前沿篇、難點篇，面對推薦系統中的各式問題，給出解決方案；最后在決策篇中，從技術原理和用戶心理出發，解釋一些常見決策背后的依據，從而幫助讀者從執行層面進階到決策層面，建立大局觀。本書力求用簡潔易懂的語言說清核心原理，對已經有一定
本書在借鑒國內外相關教材優點的基礎上, 總結作者多年講授時間序列分析課程的教學經驗和體會, 本著教師好用、學生好讀的指導思想, 系統地介紹了一元時間序列分析的基本思想、基本原理和基本方法, 內容包括時間序列的基本概念、時間序列數據的預處理方式、分解和平滑、趨勢的消除、單位根檢驗和協整、平穩時間序列模型、非平穩時間序列模型、殘差自回歸模型、季節模型、異方差時間序列模型、譜分析、基于深度學習的時間序列預測以及上述模型的性質、建模、預測, 此外還包含了大量的實例. 本書全程使用 Python語言分析了
本書面向復雜不確定環境下可解釋分類的需求，重點闡述作者提出的置信規則分類方法體系及其在實際工程中的應用。全書主要內容包括不可靠數據魯棒置信規則分類、面向大數據的緊湊置信規則分類、數據與知識雙驅動的復合置信規則分類、精確且可解釋的置信關聯規則分類、面向高維數據的置信關聯規則分類、面向軟標簽數據的置信關聯規則分類等方面的理論進展，以及在編隊目標識別、多框架融合目標識別、多屬性決策融合目標威脅評估等實際問題中的應用。
新書資訊 新書推薦