本書分為8章，內(nèi)容包括時(shí)間序列分析的基礎(chǔ)知識(shí)、時(shí)間序列預(yù)測(cè)的常用方法，以及神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的應(yīng)用；時(shí)間序列異常檢測(cè)算法的技術(shù)與框架，如何識(shí)別異常的時(shí)間點(diǎn)及多種異常檢測(cè)方法；時(shí)間序列的相似性度量方法、聚類算法；多維時(shí)間序列在廣告分析和業(yè)務(wù)運(yùn)維領(lǐng)域的應(yīng)用，利用OLAP技術(shù)對(duì)多維時(shí)間序列進(jìn)行有效處理，通過(guò)根因分析技術(shù)
"本書是“新時(shí)代大學(xué)數(shù)學(xué)系列教材”之一。本書內(nèi)容包括概率模型、概率公式、隨機(jī)變量、隨機(jī)向量、數(shù)學(xué)期望和方差、大數(shù)定律和中心極限定理、統(tǒng)計(jì)初步、參數(shù)估計(jì)、參數(shù)的區(qū)間估計(jì)、正態(tài)總體的顯著性檢驗(yàn)、總體分布和比例的假設(shè)檢驗(yàn)、線性回歸分析等十二章內(nèi)容，并以工程技術(shù)和科學(xué)研究中廣泛使用的MATLAB及國(guó)產(chǎn)軟件北太天元為例,介紹與本
本書以近鄰思想、同步聚類模型及快速同步聚類算法為研究課題，重點(diǎn)研究了基于近鄰圖與單元網(wǎng)格圖的聚類算法、基于近鄰勢(shì)與單元網(wǎng)格近鄰勢(shì)的聚類算法、快速同步聚類算法、基于Vicsek模型線性版本的同步聚類算法、基于線性加權(quán)Vicsek模型的收縮同步聚類算法、基于分而治之框架與收縮同步聚類算法的多層同步聚類方法和基于ESynC算
本書試圖從整體上再現(xiàn)概率論知識(shí)構(gòu)建過(guò)程，展現(xiàn)相關(guān)重要知識(shí)點(diǎn)的來(lái)龍去脈，逐步提高讀者的概率知識(shí)水平，第一章主要涉及直到19世紀(jì)末的概率知識(shí)，以頻率為主線介紹概率論基本概念與模型，為后面的概率論公理體系做鋪墊。第二章主要展示現(xiàn)代概率論的基石、概率論公理化知識(shí)體系，介紹概率空間的基本性質(zhì)，使讀者概率知識(shí)水平上一臺(tái)階。第三章主
本書主要為考研數(shù)學(xué)概率論與數(shù)理統(tǒng)計(jì)相關(guān)知識(shí)，還附帶習(xí)題及答案。
這是一套適用于考研基礎(chǔ)階段和強(qiáng)化階段復(fù)習(xí)的專業(yè)備考書.本書為編者基于豐富的一線教學(xué)經(jīng)驗(yàn)和考研輔導(dǎo)經(jīng)驗(yàn)，以最新全國(guó)碩士研究生招生考試數(shù)學(xué)考試大綱為依據(jù)編寫的一本知識(shí)講解題型分析的輔導(dǎo)書，便于考生攜帶和合理的安排備考時(shí)間。本書分為兩個(gè)分冊(cè)：認(rèn)知篇和題型篇，認(rèn)知篇講解基礎(chǔ)知識(shí)，題型篇總結(jié)常見(jiàn)題型，考生可以一邊看基礎(chǔ)知識(shí)，一邊
本書由李良根據(jù)近期新研究生考試大綱編寫，包含基礎(chǔ)篇和強(qiáng)化篇，考生可用此書進(jìn)行全程概率論學(xué)習(xí)。書籍主要由知識(shí)點(diǎn)、例題、解析三部分構(gòu)成，為了讓同學(xué)們更高效學(xué)習(xí)，我們?cè)跁写┎辶艘恍└怕收摮Ｓ枚ɡ硪约皫椭蠹依斫獾耐普摵妥⒔狻?/p>
"本書是編者在總結(jié)多年教學(xué)經(jīng)驗(yàn)的基礎(chǔ)上，為適應(yīng)民辦本科院校教學(xué)和新工科對(duì)概率論與數(shù)理統(tǒng)計(jì)的需求，按照國(guó)家對(duì)非數(shù)學(xué)類本科生概率論與數(shù)理統(tǒng)計(jì)課程的基本要求編寫的。 全書分為七章：隨機(jī)事件及其概率、隨機(jī)變量及其分布、二維隨機(jī)變量及其分布、隨機(jī)變量的數(shù)字特征、大數(shù)定律和中心極限定理、數(shù)理統(tǒng)計(jì)的基本概念、參數(shù)估計(jì)。各章配有習(xí)題
"積分嵌套拉普拉斯近似(IntegratedNestedLaplaceApproximations，INLA)是擬合一大類貝葉斯回歸模型的新方法。使用INLA無(wú)須抽取邊際后驗(yàn)分布的樣本，因此在計(jì)算上它是貝葉斯推斷標(biāo)準(zhǔn)工具馬爾可夫鏈蒙特卡羅(MCMC)方法的簡(jiǎn)單易用的替代方案。本書涵蓋了各種現(xiàn)代回歸模型，著重介紹了如何使
《概率論與數(shù)理統(tǒng)計(jì)》一書共分為8個(gè)章節(jié)，本書的主要內(nèi)容包括：隨機(jī)事件與概率、離散型隨機(jī)變量及其分布、連續(xù)型隨機(jī)變量及其分布、隨機(jī)變量的數(shù)字特征、大數(shù)定律與中心極限定理、數(shù)理統(tǒng)計(jì)的基本概念、參數(shù)估計(jì)、假設(shè)檢驗(yàn)。本書注重工科和經(jīng)濟(jì)學(xué)科學(xué)生應(yīng)該掌握的基本概念和基本方法，加強(qiáng)了學(xué)生基本技能的訓(xùn)練，能提高學(xué)生分析和解決問(wèn)題的能力
書單推薦 新書推薦
