本书内容包括：概率论的基本知识、随机过程的基本概念、更新过程、离散时间的Markov链、连续时间的Markov过程以及随机分析和平稳过程本书力求贯彻选材精当和叙述详细的原则，注重说明概念的直观背景和实际意义。在基本理论和方法上力求通俗易懂、深入浅出、淡化证明。书中收集许多结合实际问题的数学建模实例，章末配有适当习题，有助于读者把握随机过程精髓。

本书共八章，内容包括：预备知识，函数、极限与连续，导数与微分，导数的应用，积分及其应用，矩阵与矩阵的初等变换，概率论，逻辑代数基础，图论。

本书共分10章，包括随机事件与概率、一维随机变量及其分布、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、数理统计的基本概念等内容。

本书基于数据驱动的思维，以R和Python作为编程工具对大量实际案例做了分析。介绍了回归、分类及各种多元分析方法（包括主成分分析、因子分析、聚类分析、典型相关分析、二元及多元对应分析、多维尺度变换分析）的概念、应用及可能的误区。
本书并不要求读者有数理统计的预备知识，而且本书在一开始为读者提供了为理解概念而必要的代数知识，并附有学习编程语言的练习。读者可以通过本书学到机器学习的最重要内容并同时学习编程语言，打下数据科学的基础。

本书共分为三篇。其中*篇重点介绍了试验设计与数据整理的基本概念，包含了4个项目第二篇重点介绍了数据的处理与分析，也包含了4个项目。第三篇重点从实训练习方面进行介绍，包括使用Excel绘制相关图表；使用Excel进行单因素试验和双因素试验进行统计分析；使用Excel绘制标准曲线，并算得一元线性回归方程并进行方差分析；使用正交小助手设计多个因素多个水平的试验，并分析试验结果；使用SPSS软件分析解决科研和生产实际的试验方案、数据处理、误差的估计及对试验结果的评价等。

本书是普通高等院校运筹学课程的教材。全书系统而简明地介绍了运筹学的主要内容：线性规划、整数规划、目标规划、动态规划、网络计划技术、层次分析法、决策分析、存储论、排队论等。本书尽量避免复杂的理论证明，力求通俗易懂、简明扼要，以大量实例讲解了运筹学的基本原理、方法思路和计算步骤。各章后附有复习思考题和习题，以便读者进一步复习、消化书本知识和深入学习。

本书共八章，内容包括：随机事件与概率、一维随机变量及其分布、二维随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理、数理统计的基本概念等。

近百年来，由于大量计算的例子，数论学家增进了他们的直觉性。计算机和精心研制的算法逐渐导致出现了算法数论这一专门的领域。这个年轻的学科和计算机科学、密码学以及数学的其他分支有很强的联系。数学思想往往导致更好的算法，这是此学科的魅力之一；而对算法的广泛研究也促使数学新思想的产生和新问题的探索。本书包括由各领域首屈一指的专家对算法数论各个专题所写的二十篇综述性文章：前两篇文章为引论；随后的八篇文章覆盖了该领域的核心内容：因子分解、素性、光滑数、格、椭圆曲线、代数数论和算术运算的快速算法；后十篇文

本书包括两篇，篇（章至第五章）为概率论基础，主要内容为：概率论基本概念、一维、二维随机变量、随机变量的数字特征、大数定理及中心极限定理；第二篇（第六章至第八章）为数理统计基础，主要内容为：数理统计基本概念、参数估计、假设检验。

　　《应用运筹学》系统地介绍了运筹学的主要内容，包括线性规划、运输问题、整数规划、目标规划、图论和项目管理。
　　《应用运筹学》尽量避免复杂的理论，力图通俗易懂、简明扼要地讲解运筹学的基本原理及其方法，以各种实际问题引出运筹学各分支的基本概念、模型和方法，并将教学内容重心放在实际问题的转化和建模上，将繁琐的计算交给Lingo软件解决。
　　《应用运筹学》便于读者自学和巩固提高，每章后面附有习题。
　　《应用运筹学》可作为应用型本科经济类、管理类各专业本科生和研究生教