本书系统地介绍了数值分析的基本概念、基础理论、基本数值方法和具有实际应用背景的数值方法的实现过程。主要包括：数值计算基础、解非线性方程的数值方法、解线性方程组的直接方法、多项式逼近和插值法、逼近理论与最小二乘法、解线性方程组的迭代法、数值微分与数值积分、解非线性方程组的数值方法、矩阵特征值与特征向量的近似计算、常微分方程数值解法、Matlab与科学计算。
本书可作为高等学校理工科研究生数学类基础课程“数值分析”及数学、计算机类、信息类专业本科生算法类课程“数值分析”的课程用书，亦可供相关科

本书共分成4大模块，第一部分主要讲解计算思维的概念、本质以及相关特征；第二部分针对计算机的一些微观知识点进行补充，包括计算机的组成等；第三部分通过对程序设计语言发展的描述，初步体会程序语言的特点；第四部分主要针对C语言，将抽象的计算思维实例化，培养读者编程感觉，感受计算思维的实际运用。本教材具有零基础入门、基于解决问题的开发思路、场景案例驱动、理论与实践充分结合、函数内容前置、案例代码完整等特点，主要面向从未接触过或者较少接触过编程语言的读者。

介绍了电子计算机上常用的数值计算方法以及有关的基本概念与基本理论，内容包括：非线性方程与线性方程组的数值解法、插值与逼近、数值积分与数值微分、常微分方程数值解法、矩阵的特征值与特征向量计算．每章均配有一定量的习题，部分例题附有MATLAB源程序，书末附有部分习题参考答案．本书叙述简明，注意深入浅出，言简意赅；淡化严格论证，削弱运算技巧；突出重点，循序渐进．

本书为中国科学技术大学数学类本科生的“概率论”教材,既保留了第二版中原有的基本内容:初等概率论、随机变量、随机向量、数字特征与特征函数、极限定理等,又根据国际通用表述习惯和教学需求调整了叙述方式和部分内容,增加了例题,使得主干脉络更清楚,枝叶更丰满.《BR》本书内容丰富,叙述严谨,深入浅出,既以生动浅显的方式说明了概率论中的许多基本概念的直观意义,又以严密的数学形式陈述了这些概念的数学本质.书中的有趣例题和大量习题有助于读者理解和掌握概率论基础知识.在教学中,标有*号的节或小节可以跳过不讲,不影

本书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、常用分布、大数定律及中心极限定理、数理统计基础、参数估计、假设检验、方差分析和回归分析。每章后面编排了较多的选择题和填空题，适量的应用计算题，且在数理统计部分每章最后配了一个案例分析。基于XCEL环境安排了常用随机变量分布、参数的区间估计、假期设检验、方差分析和回归分析的实验。本书可作为普通高等学校本科非数学类应用型专业的《概率论与数理统计》课程的教材或参考书，也可用作专科或高职院校相关专业的《概率论与数理统计

本书是针对高等工科院校控制类专业学科本科生和非控制类学科研究生的现代控制理论基础课程需要而编写的。本书针对现代控制理论的基本内容作了全面系统、深入浅出的阐述，内容包含了线性系统理论、最优控制理论、最优估计理论、系统辨识理论、自适应控制理论和变结构控制理论等六大部分。内容取舍上不仅注重于基础和工程实用性，同时每部分章节均配有一批应用实例和思考题，使学生在学习专业理论知识的同时，能够熟练掌握和应用相关的基本知识。此外,为了便于掌握,本书还在附录中列出了矩阵微分法、矩阵求逆引理、矩阵许瓦茨不

本书共9章，内容包括运筹学概述、朴素优化范式、线性规划、网络最优化、动态规划、网络计划、排队系统分析、库存优化、旅行商问题等。在内容选择方面，本书遵循“重打基础、直抵核心、精心留白”的原则，突出内容的基础性、理论的简洁性、案例建模计算的完整性，以激发读者的学习兴趣，使其快速入门。
本书适合有一定线性代数、概率论基础的初学者使用，也可供各类数学建模竞赛、计算机算法设计竞赛的人员参考。

本书主要介绍统计学中的回归分析方法基础以及在机器学习方向上的应用。介绍回归分析的数学基础的同时，以统计学和机器学习相结合的手段介绍回归分析领域在近年来取得的各种重要结果和突破。特别是在大数据背景下，回归分析的正则化问题的快速求解算法。本书在介绍基础知识的同时，也强调回归分析在实际中的应用，书中配有大量的案例及其R语言的实现。

本书包括的内容有: 经典线性回归、⼴义线性模型、混合效应模型 (分层模型)、机器学习回归⽅法 (决策树、bagging、随机森林、各种 boosting ⽅法、⼈⼯神经⽹络、⽀持向量机、k 最近邻⽅法)、⽣存分析及 Cox 模型、经典判别分析与 logistic 回归分类、机器学习分类⽅法 (决策树、bagging、随机森林、adaboost、⼈

本书对《概率论与数理统计》教材的全部300多道题目都给出了解答，少数题目是一题多解，有些作了题目分析、解题思路分析和解题方法归纳，并指出易犯的错误，究其原因，澄清不正确的想法。