本书系统地阐述了线性平稳和非平稳时间序列分析的基本理论、建模方法和预测理论，并且介绍了几种比较流行的非线性时间序列分析方法和常见的确定性时间序列分析方法.结合作者多年的时间序列分析教学和研究的体会，书中各种模型的理论阐述较为全面而深入，但又没有过多的数学推导.每类模型都配备有例题、习题和实际应用案例，几乎所有实际应用案例使用的都是最新的实际数据，并在附录中解读了建模的软件操作步骤.学习本书，读者可以快速掌握各种时间序列分析方法的核心，并能将它们运用于实践.本书可以作为统计学、数学与应用数学等专业

本书内容全面,简明扼要,思路清晰,突出应用。本书分为时间序列门限模型、变参数门限自回归模型、截面数据门限空间模型、面板数据门限模型、面板门限空间模型、门限空间向量自回归模型和半参数门限空间滞后模型七章。本书突出各类模型的适用对象、建模思路和应用中常见问题的诠释。
本书可作为金融学、区域经济学、管理学和计量经济学相关领域的本科生、硕士研究生的基础教材,也可作为博士研究生、青年学者从事实证研究的工具书。

本书涵盖数值分析、统计计算的核心内容，既包含一些经典的数值方法，又系统地介绍了统计计算中的新方法。本书共8章，内容包括计算统计引论、矩阵计算、函数逼近与最小二乘法、方程与方程组的数值解法、数值积分与数值微分、马尔可夫链蒙特卡洛模拟、EM优化算法、组合优化与启发式算法等。
本书结合理论算法、计算机程序与计算机专业领域应用案例，较为全面地介绍数值计算方法和统计计算方法，让学生真正了解计算统计中重要算法的基本思想，掌握相关程序的编写和培养学生的编程思维，使其具备解决复杂工程问题的能力。

本书内容包括随机事件及其概率、随机变量及其概率分布、多维随机变量及其概率分布、随机变量的数字特征、大数定律及中心极限定理和数理统计初步等内容。在内容的选取上注重学生的逻辑推理能力及解决应用问题能力等数学应用能力的培养, 适当数学淡化理论的严密性和抽象概念。删除了传统教材中难而繁的内容, 保留了理工科各专业所需要的最基本内容, 重在锻炼学生的学以致用的能力, 即不仅关注理论知识的传授更注重实用技能的培养。本书在学习过程中塑造学生正确的世界观、人生观、价值观, 真正实现价值塑造、知识传授和能力培养融

本书根据数据分析的过程，系统介绍了数据的收集、数据的处理、数据的分析、数据的展现、分析报告的撰写，其中数据的处理与数据的分析为本书的重点内容。在数据处理方面，主要介绍了数据的一致性处理、缺失数据的处理、重复数据的处理、数据的转置、字段的分列、字段的匹配、数据的抽取、数据的计算及数据的修整等内容。在数据分析方面，主要介绍了数据的分组、描述性统计指标的计算、动态数列的速度指标的计算、同期平均法预测、移动平均趋势剔除法预测、相关分析与回归法、综合评价分析法、四象限分析法等内容。 本书根据高职

本书是科学出版社“十四五”普通高等教育本科规划教材，系统地介绍贝叶斯统计的概念、方法和实践案例，旨在培养学生的贝叶斯统计思维和统计建模能力，以及将理论知识运用于实践的能力。本书结合丰富的实际案例和计算机实验，帮助学生深入理解贝叶斯统计的原理，并强调贝叶斯统计在不同领域中的应用价值。
　　本书共九章，涵盖贝叶斯统计的基础知识和应用技巧，包括贝叶斯统计的简介、概率论基础、贝叶斯推断基础、先验分布的确定、贝叶斯计算、贝叶斯线性模型、贝叶斯神经网络、模型选择与诊断、实际案例与应用等。本书配有Pyt

本书分为两部分：第一部分汇集历年试卷，涵盖填空题、选择题以及解答题，为学生提供实际的考试体验；第二部分为习题详解，包括知识点、思路分析、解答过程，帮助学生深化理解。

实验设计与数据处理是理工科学生必须掌握的技能。编著者从数据库与文献检索、实验设计方法、数据处理基础、软件在数据处理中的应用等角度出发编写了此书。本书内容涉及利用单因素实验设计、正交实验设计、均匀实验设计、科技文献检索、数据处理基础、方差分析、回归分析、Origin 软件、Excel 软件、SPSS 软件、MATLAB软件对数据进行处理。本书特点是在介绍实验设计与数据处理的原理和方法的同时，注重其实际应用。本书每章后面均配有思考题，可供读者练习。本书内容丰富、实用性强，可作为理、工、农、林、医等专

本书在详细讲授试验设计和统计分析基本原理的基础上，利用SPSS软件将传统的统计分析方法简单化。本教材包括试验设计概述、SPSS软件概述、统计假设检验、方差分析、回归与相关、非参数统计、正交试验设计、回归的正交试验和SPSS统计图形等内容。本次修订主要根据SPSS软件的最新版本（SPSS29）对教材的相关内容进行修改，同时修改了部分例题，并修改了一些文字的表述方法。本书作者在从事高等院校食品试验设计和统计分析的教学和研究工作基础上，经过多次探索和实践，逐步形成了将食品试验设计方法和统计软件SPSS

本书共分10章，第1章为绪论，包括多元统计分析的发展历史、多元数据的组织及可视化；第2章为矩阵代数基础，包括矩阵的Kronecker乘积和拉直运算，以及矩阵的分解和微分等；第3章和第4章介绍多元统计推断的基本理论，包括多元抽样分布、参数估计和多元正态总体的假设检验等；第5章至第10章介绍常用的多元统计分析方法，包括判别分析、聚类分析、主成分分析、因子分析、对应分析和典型相关分析等。