《概率论与数理统计》以高等学校应用型创新型人才培养为目标，强调概率论与数理统计的应用性，主要内容包括概述、概率论的基础、随机变量的概率分布及数字特征、几种常见的概率分布、统计量的分布、参数估计、假设检验、线性回归模型等。读者学习该书的主要理论只要具有一元微积分的数学基础即可。
　　该书在知识体系上突出问题导向，章节内容从经典问题（实践中的概率或统计）人手，配以分析过程，通俗易懂；理论部分从具体到抽象，由易到难，分散了难点；重要计算给出了Excel实例，为大数据的应用奠定了坚实基础；每章

本书是根据当前我国高职高专大众化发展趋势下的教育现状，在总结和分析全国高职高专院校机电、电气类等专业数学教学改革经验的基础上编写而成的. 为了适应高等职业技术教育人才培养目标的要求，满足各专业学生学习的需要，本书对教学内容进行了优选. 本书共七章，内容包括函数、极限与连续、导数与微分、导数的应用、不定积分、定积分及其应用和常微分方程等. 书后附有积分基本公式表，供学生查用. 
本书可作为高职高专院校理工类各专业的数学教材，也可作为“专升本”考试的参考书. 

本书共10章，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，随机变量的数字特征，大数定律与中心极限定理，抽样与抽样分布，参数估计，假设检验，方差分析，回归分析。

本书主要介绍计算方法中的一些基本内容：误差和条件问题、解线性方程组的直接法与迭代法、特征值问题的计算方法、解非线性方程(组)的迭代法、插值与逼近、数值积分与数值微分以及常微分方程数值解法。本书内容深入浅出，既强调计算方法的基本概念和理论，更注重算法和实践。每章后面都附有一定数量的习题与上机实验题。

本书将新工科理念与国际化深度融合，借鉴国内外优秀教材的特点，并结合山东大学数学团队多年的教学经验编写完成。本书共8章，包括随机事件与概率、随机变量及其分布、多维随机变量及其分布、数字特征与极限定理、统计量及其分布、参数估计、假设检验、MATLAB在概率论与数理统计中的应用。每节题型采用分层模式，每章总复习题均选编自历年考研真题，并配套完备的数字化教学资源。

　　《概率论与数理统计：基于R语言》的特色在于，通过《概率论与数理统计：基于R语言》，可以将R软件的实践融入概率论与数理统计课程几乎每一个知识点的教学中，让学生从繁杂的数学计算中解脱出来，从而能有更多的时间去理解概率论中抽象概念的实际意义及统计学中统计方法的基本原理和思想。
　　《概率论与数理统计：基于R语言》中R软件部分的教学可以穿插于理论教学中，也可以单独安排在实验室教学。但是需要指明的一点是，《概率论与数理统计：基于R语言》并不要求学生具备高水平的R软件编程能力，而只需要掌握R软件相

本书是作者在相关教材基础上，结合厦门大学自动化专业十余年的教学实践，进一步加工整理而成。本书分状态空间方法基础、线性状态方程的解、系统的可控性和可观测性、时不变动态系统的分解与实现、运动的稳定性和系统的状态反馈与观测器等模块，主要介绍线性系统理论的基本内容和方法，包括系统状态空间描述，线性系统分析与状态反馈综合。系统分析部分介绍定量运动分析，以及定性的能控性/能观测性分析和稳定性分析，状态反馈综合介绍极点配置问题、跟踪问题、解耦问题和状态观测器设计。?

随着物联网、数字医疗、智慧城市的兴起，时间序列数据分析变得越来越重要。随着持续监测和数据收集变得越来越普遍，对通过统计和机器学习技术进行时间序列分析的需求将会增长。这本实用指南涵盖了时间序列数据分析的创新成果和现实世界的案例，使用传统统计方法和现代机器学习技术，帮你应对时间序列中最常见的数据工程和分析挑战。作者Aileen Nielsen用R和Python语言对时间序列进行了全面且通俗易懂的介绍，数据科学家、软件工程师和研究人员将可以很快上手并投入使用。

贝叶斯统计是和基于频率的传统统计 (频率派统计) 不同的一套关于统计推断或决策
的理论、方法与实践. 本书除了介绍贝叶斯统计的基本概念之外， 还介绍了不同贝叶斯模型的数学背景、与贝叶斯模型对应的各种计算方法， 并基于数据例子来介绍如何通过各种软件实现数据分析.本书使用的软件是以 R 为平台的 Stan 和以 Python 为平台的 PyMC3， 它们都是人们喜爱的**的基于 MCMC 和C++ 编译器的贝叶斯编程软件. 相信读者能够通过实践掌握它们。
本书希望使对贝叶

本书介绍数值计算方法的基本原理、基础知识，并通过讲解函数插值、数值微分与积分、线性方程组的解法、矩阵特征值与特征向量的计算、非线性方程(组)的解法等基本数学问题的数值解法来阐述如何应用计算方法的基本原理解决实际问题，结合具有实际背景的案例，做到理论与实际相结合，帮助学生掌握数值计算的基本方法和基本思想。