本書主要講述本科概率論與數理統(tǒng)計課程主要知識，內容安排完全按照教育部規(guī)定的教學大綱設計的。全書共九章，主要包括隨機事件與概率、隨機變量及其分布、多維隨機變量及其分布、隨機變量的數字特征、大數定律與中心極限定理、數理統(tǒng)計的基本概念、參數估計、假設檢驗、數理統(tǒng)計在經濟中的應用。本書可作為理工類、經管類本科生的教材，也可供新

本書按照主教材的章節(jié)順序，分為10章主要內容包括隨機事件與概率、一維隨機變量及其分布、多維隨機變量及其分布、隨機變量的數字特征、極限定理、數理統(tǒng)計基本概念、參數估計、假設檢驗、回歸分析及方差分析簡介、經典問題剖析本書內容緊扣主教材，書中例題豐富且具有代表性，例題分析與解答展示了基本的解題思路、解題方法與解題技巧，起到了

本書展示了如何使用真實的數據真實地進行貝葉斯數據分析。作者從概率與程序設計的基本概念出發(fā)，逐步帶你進階，幫助你最終掌握在實際的貝葉斯數據分析中常用的高級模型。本書分為三大部分，共有25章。第一部分介紹基礎知識，內容包括貝葉斯推斷的基本思想、模型、概率及R語言編程。第二部分涵蓋了現代貝葉斯數據分析的所有關鍵思想。第三部分

本書從系統(tǒng)視角出發(fā),闡述如何利用技術手段搭建企業(yè)級推薦系統(tǒng),內容包括認知篇、數據篇、召回篇、排序篇、系統(tǒng)篇5個部分，覆蓋企業(yè)級推薦系統(tǒng)建設的核心要點。本書知識體系清晰，從基礎知識切入，逐步深入，先后涉及推薦系統(tǒng)的經典技術、主流技術和前沿技術。本書通過“理論+案例+代碼示例+心得體會”的方式闡述、歸納和總結推薦系統(tǒng)的知識

時間序列分析是統(tǒng)計學科的一個重要分支，它主要研究隨著時間的變化，事物發(fā)生、發(fā)展的過程，尋找事物發(fā)展變化的規(guī)律并預測未來的走勢。在日常生產和生活中，時間序列比比皆是，所以目前時間序列分析方法廣泛應用于經濟、金融、天文、氣象、海洋、物理、化學、醫(yī)學、質量控制等諸多領域，成為眾多行業(yè)經常使用的統(tǒng)計方法。本書是基于Python

本教材從實際數據應用角度出發(fā)，結合實際生活、經濟、金融等方面數據，將非參數統(tǒng)計方法與實際應用相結合，強化理論知識及R軟件的應用，提出解決相關問題的具體步驟，從而使讀者能夠理解常用非參數統(tǒng)計方法的思想，并通過R軟件實現應用非參數統(tǒng)計方法分析數據需求。本書的目的是希望用簡明的語言，完整的案例分析來直觀的介紹非參數統(tǒng)計方法的

"空間和時空連續(xù)過程的建模是空間統(tǒng)計學中一個重要且具有挑戰(zhàn)性的問題。本書詳細闡述了隨機偏微分方程（SPDE）方法用于帶有Matérn協(xié)方差結構的連續(xù)空間過程的建模。該方法已經在R-INLA軟件包中采用集成嵌套拉普拉斯逼近（INLA）技術進行實現。本書通過使用模擬數據和真實應用程序的示例，解釋了關于建�？臻g過程和SPDE

《互聯(lián)網大廠推薦算法實戰(zhàn)》介紹了互聯(lián)網大廠當前采用的一些前沿推薦算法，并梳理了這些算法背后的思想脈絡與技術框架。 《互聯(lián)網大廠推薦算法實戰(zhàn)》總計10章，內容涵蓋了推薦系統(tǒng)的基礎知識、推薦系統(tǒng)中的特征工程、推薦系統(tǒng)中的Embedding、推薦系統(tǒng)的各組成模塊（包括召回、粗排、精排與重排）所使用的算法技術、推薦算法實踐中經

本書是在教育部制定的教學大綱基礎上，參照同濟大學“概率論與數理統(tǒng)計”課程及教材建設的經驗和成果，按照全國碩士研究生入學統(tǒng)一考試數學一的考試大綱要求，根據作者十多年的教學實踐經驗編寫而成．全書共分八章，包括隨機事件與概率、隨機變量及其分布、多維隨機變量及其分布、隨機變量的數字特征、大數定律及中心極限定理、統(tǒng)計量和抽樣分布

本書是在《ProbabilityandStatistics（概率論與數理統(tǒng)計）》的基礎修訂而來，全書總共11章，包括：引言、隨機變量及其概率分布、數字特征、大數定律與中心極限定理、統(tǒng)計量及其概率分布、參數估計和假設檢驗、回歸分析、方差分析、馬爾科夫鏈等內容，本書用豐富的例子講述各種基本概念、基本理論和基本方法，在敘述上