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

本书是为使用概率统计较多的本科相关专业编写的有关统计推理的理论、思维和方法的教材，基于微积分的统计学理论和应用的介绍，反映了统计思维、统计学教学和当前实践的最新情况。内容主要包括概率分布和概率密度、数学期望、特殊概率分布、随机变量函数、抽样分布、决策理论、点估计、区间估计、假设检验等。

本书是清华大学出版社出版的教材《随机过程及其应用》（第2版）（ISBN 9787302242758）的配套习题解答。书中所有习题与主教材所列习题一一对应，每一题均有详细解答。主教材在第1版的基础上做了较大的改编，对教材中的习题做了适当的调整，删去了过去一些比较烦琐和复杂的题目，突出了习题的简单性和概念性；增加了部分与实际信息工程相结合的习题。除主教材所列习题之外，本书还补充了少量较难的习题，以满足一部分学有余力的学生的要求。 本书适合作为广大高校电子信息及相关专业的随机过程课程辅导材料，也可以作

本书依据作者多年从事模式识别教学和研究的体会,并参考相关文献编写而成,概括地介绍了模式识
别理论和技术的基本概念、原理、方法和实现。
全书共分为11章,每章阐述模式识别中的一个知识点,内容包括贝叶斯决策、概率密度函数的估计、
线性判别分析、非线性判别分析、组合分类器、无监督模式识别、特征选择、特征提取、半监督学习以及人工
神经网络。除了经典算法以外,本书增加了部分较新的理论和算法,读者可以选择性地学习。本书还配以
电子课件、MATLAB仿真程序和实验指导书,便于教和

第2版的主要目的是扩大第1版（2013）的第3章和第4章的半契约模型的内容，并以自第1版以来作者在期刊和报告中发表的研究成果作为补充。这本书的数学内容非常优雅且严格，依靠抽象的力量专注于基础知识。该书首次提供了该领域的全面综合知识，同时提出了许多新研究，其中一些研究与当前非常活跃的领域（如近似动态编程）有关。本书中散布着许多例子，用严谨的理论统一起来，并将其应用于特定类型的问题，例如折扣、随机最短路径、半马尔可夫、最小极大、序贯博弈、乘法和风险敏感模型。本书还包括练习（提供完整的解答），并通过示

本书是一本全面介绍博弈论且具有指导意义的经典读物。全书以基础性知识作为重点，以清晰的思路和简洁明了的方法阐述了博弈论知识及其应用，并覆盖了所涉及的各个方面。全书讲解深入浅出，循序渐进，具有很强的逻辑性。此外，案例是本书一种重要的讲解工具，涉及商业、拍卖、军事、生物学和博彩等方面，不仅使概念的引出更加生动，而且能够激发读者的全面思考；方便学生理解的应用实例及各章后面的练习与讨论，不仅进一步阐释了博弈理论，而且涉及不同的学科领域，既可以用来检验学生的知识掌握程度，也可以作为教师的课堂问题。

本书以工科学生所具备的数学基础知识为起点，介绍了化问题和模型，不仅由浅入深给出了经典的无约束规划、约束规划中的数值算法，同时也给出了近期大量涌现并得到广泛关注的锥约束优化和机器学习中的优化算法。力求读者既能理解化的理论思想，又能掌握常用的优化算法，并能运用算法解决科学研究与实践中的化问题。本书适用于计算数学、应用数学、运筹学等应用理科专业和管理工程、系统工程、电子信息、机械制造等工科专业的本科生与研究生，也可满足从事运筹优化应用的工程技术人员和管理人员的需要。

全书分两部分, 第一部分介绍基本的智能优化方法, 包括传统的启发式搜索算法以及以演化算法为代表的群智能搜索方法; 第二部分介绍演化优化领域常见的优化问题, 包括多模优化, 多目标优化, 约束优化, 动态优化, 鲁棒优化等, 以及实际生产生活中的优化实例。

本文的前半部分 (第1-5 章) 侧重于概率和概率分布, 包括离散数据、顺序统计、多元分布和正态分布。本文的后半部分 (第6-9 章) 强调统计和统计推理, 包括估计、贝叶斯估计、统计假设测试和质量改进方法。