在书中，作者通过扩展一些已知的经典空间（比如随机空间、超度量空间和超空间）的概念，介绍了一些广义概率结构。作者还扩展了概率度量空间中的多值收缩的不动点理论，并证明了一些一般的不动点理论和重合点理论。对于不动点不存在的情况，作者研究了某些弱条件的近似不动点。
《概率结构和模糊结构上的不动点：概率结构和直觉模糊度量空间的不动点定理（英文）》包含了，基本概念、某些广义空间、收缩映射与不动点理论、PM空间中多值收缩映射的不动点定理、概率结构中的近似不动点定理、概率度量空间中非连续自映射的

本书是高等学校经济类专业概率论与数理统计课程的配套教学参考书，内容完全与教材各章节对应，主要有一维和多维随机变量及其分布、随机变量的数值特征、数理统计的基础知识、参数估计、假设检验、方差分析和回归分析等习题解答。在本次修订中增加了数量化方法的有关内容，可以定量地对评价对象的每一个影响因素进行分析，研究各个因素之间的数量关系，为制定措施和选择最优方案提供依据。为了照顾到部分要深造的考研学生，学习参考书中还增加了部分有一定难度的补充题。

本书包括概率论与数理统计两部分内容，前四章为概率论部分，主要内容有随机事件与概率、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；后四章为数理统计部分，主要内容有数理统计的基本概念及抽样分布、参数估计、假设检验、方差分析与回归分析. 本次修订对基础内容进行了优化和整合，增加了综合应用案例、综合性习题、思考与问答，补充了R语言应用方面的内容。 本书可作为高等学校理工科、经管类等本科专业的教材或教学参考书。

本书共9章．第1章至第5章是概率论部分，内容包括随机事件及其概率、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．第6章至第9章是数理统计部分，内容包括样本及抽样分布、参数估计、假设检验、方差分析与回归分析．各章均选配了适量习题，并在书后附有参考答案．书末有3个附录，其中附录一是重要分布表，附录二是几种常用的概率分布，附录三是2011年至 2022年全国硕士研究生入学统一考试试题（概率统计部分）．本书力求条理清晰、论述简明扼要、例题与习题难度适中且题型丰

《应用时间序列分析（第6版）》是基于SAS软件的一本入门级本科生教材，详细介绍了ARIMA模型和因素分解模型的思想、原理以及相关内容基于SAS软件的实现步骤。本书也包括异方差分析（GARCH模型）和多元时序分析（干预分析和协整分析）的内容。这部分扩展内容既可根据教学需要用于课堂讲授，也可以作为本科和硕士课程的衔接用于自学。

非参数统计是统计学和数据科学的重要分支领域。本书作为该领域的基础教材，其特点体现在以下几方面：
1．针对性强。本书针对数据分析专业的特点和需要，阐述非参数统计的基本概念、理论、方法和编程，重点从非受控观察数据对参数推断知识的需要角度出发，将统计推断知识、理论和方法与反事实复杂场景因果关系的解读与判断问题相结合，应用于稳健估计、局部模式、严格证据的信息提取任务中。
2．通用性强。适用于Python技术数据管理人才培养。增加Python技术的应用内容，编写了Pytho

本书主要介绍概率论与数理统计的实验内容。全书可分为三部分：第一部分是概率论部分的实验，包括抛硬币实验、掷骰子实验、蒲丰投针实验、全概率公式和贝叶斯公式、常见离散型分布、常见连续型分布、数学期望、中心极限定理等；第二部分是数理统计部分的实验，包括参数估计、假设检验、方差分析与回归分析等，其中部分内容采用随机模拟的方法进行模拟和求解；第三部分是综合性实验，包括极限分布之间关系的动态演示、密度函数和分布函数的工具箱的制作。本书将Python作为编程语言。本书可作为高等理工科院校学生学习概率论与数理统计

本书在介绍数理统计的基本概念和基本理论的基础上, 利用Python编程处理随机数据。本书共分6章, 内容包括Python基础、随机样本与抽样分布、参数估计、假设检验、方差分析、一元线性回归分析。另外, 本书设置了个Python上机编程实验。

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、Poisson过程、更新过程、马尔可夫链、随机过程分析。

本书根据高等院校非数学类专业的概率论与数理统计课程的教学大纲和教学基本要求, 参照上海财经大 学概率论与数理统计课程与教材建设的经验和成果, 参考全国硕士研究生入学统一考试大纲, 充分吸收国内外概率论与数理统计相关教材的精华, 结合编者多年教学实践和教学改革经验编写而成. 本书共8章, 内容包括事件与概率、随机变量及其分布、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、统计量与抽样分布、参数估计和假设检验.每章均配有不同难易程度的习题, 核心知识点配备微课, 章节后面配