"概率論與數(shù)理統(tǒng)計是描述“隨機現(xiàn)象”并研究其數(shù)量規(guī)律的一門學(xué)科。本書的第1－5章是概率論部分，內(nèi)容包括：概率定義與性質(zhì)，一元及多元離散型與連續(xù)型隨機變量的分布，隨機變量的數(shù)字特征，大數(shù)定律與中心極限定理等；第6－9章是數(shù)理統(tǒng)計部分，內(nèi)容包括：統(tǒng)計量與抽樣分布，參數(shù)點估計與區(qū)間估計，參數(shù)假設(shè)檢驗與分布擬合優(yōu)度檢驗，方差分

"本書包含十章內(nèi)容：隨機事件及其概率、隨機變量及其分布、多維隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律和中心極限定理、數(shù)理統(tǒng)計的基礎(chǔ)知識、參數(shù)估計、假設(shè)檢驗、一元回歸分析和Excel在概率統(tǒng)計中的應(yīng)用�？紤]到不同讀者的需要，在內(nèi)容安排、例題和習題編排等方面盡可能做到由淺入深、易于計算，側(cè)重基本思想、基本概念的理解及

"本書是新時代高職數(shù)學(xué)系列教材之一，是職業(yè)本科教育新形態(tài)一體化教材。本書為適應(yīng)數(shù)字經(jīng)濟時代對高等職業(yè)教育的人才培養(yǎng)需求而編寫，涵蓋了概率論與數(shù)理統(tǒng)計的基本內(nèi)容。全書共7章，主要內(nèi)容包括描述統(tǒng)計、隨機事件及其概率、離散型隨機變量、連續(xù)型隨機變量、數(shù)字特征與極限定理、參數(shù)估計及假設(shè)檢驗。本書在編寫時，為方便讀者理解，將離散

本書共五章，包含課程必備知識、概率及其性質(zhì)、隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律和中心極限定理等。本書的編寫從境外生的實際出發(fā)，概念通俗易懂，實例生動有趣，注重基本概念的描述，強調(diào)概率在生活中的應(yīng)用，淡化定理及公式的證明，適合數(shù)學(xué)基礎(chǔ)相對一般的讀者。本書結(jié)構(gòu)嚴謹，敘述清楚，行文簡潔流暢，例題生動，可讀性強，可

本書共分10章，第1-5章是概率論部分，包括：隨機事件及其概率，隨機變量及其分布，多維隨機變量及其分布，隨機變量的數(shù)字特征，特征函數(shù)與極限定理；第6-10章是數(shù)理統(tǒng)計部分，包括：數(shù)理統(tǒng)計的基本概念，參數(shù)估計，假設(shè)檢驗，方差分析，回歸分析。每章各節(jié)均配有習題，并在書末附有參考答案和三個附錄(數(shù)學(xué)建模及大學(xué)生數(shù)學(xué)建模競賽簡

本書系統(tǒng)地介紹了貝葉斯統(tǒng)計學(xué)的基礎(chǔ)理論以及在一些領(lǐng)域中的應(yīng)用。全書共16章，內(nèi)容分為4個部分：第一部分，介紹貝葉斯統(tǒng)計學(xué)的發(fā)展和應(yīng)用概況，包括第1章（緒論）；第二部分，介紹貝葉斯統(tǒng)計學(xué)的基礎(chǔ)理論，包括第26章；第三部分，介紹貝葉斯統(tǒng)計學(xué)在一些領(lǐng)域中的應(yīng)用，包括第715章；第四部分，介紹貝葉斯計算方法及有關(guān)軟件，包括第1

本書前五章是概率論的基本內(nèi)容，第六至九章是數(shù)理統(tǒng)計的內(nèi)容，第十章介紹R軟件在數(shù)理統(tǒng)計中的應(yīng)用.本書內(nèi)容符合教育*高等數(shù)學(xué)大學(xué)數(shù)學(xué)課程教學(xué)指導(dǎo)委員會最新頒布的《大學(xué)數(shù)學(xué)課程教學(xué)基本要求（2014年版）》，緊密聯(lián)系實際，例題豐富多樣，各章附有思考題、習題和綜合練習題，綜合練習題中選有部分全國碩士研究生招生考試試題。書后附有

本書是在作者多年教學(xué)實踐的基礎(chǔ)上，本著厚基礎(chǔ)、重應(yīng)用的原則，突出重點、緊扣前沿，采用低起點、逐步深入的編寫思路，經(jīng)反復(fù)研討后編寫而成的。讀者只要具備高等數(shù)學(xué)、線性代數(shù)和概率論的初步知識就可以學(xué)習本書。全書共10章，內(nèi)容包括概率論基礎(chǔ)、數(shù)理統(tǒng)計基本知識、點估計、區(qū)間估計、假設(shè)檢驗、非參數(shù)檢驗、回歸分析、方差分析、統(tǒng)計學(xué)習

積分嵌套拉普拉斯近似（IntegratedNestedLaplaceApproximation，INLA）是一種新的近似貝葉斯計算方法，相比傳統(tǒng)的馬爾可夫鏈蒙特卡羅（MCMC）方法，它可以高效地擬合多種貝葉斯模型。INLA旨在解決潛在高斯馬爾可夫隨機場模型參數(shù)的邊際推斷，利用模型中潛在變量的條件獨立性來提高計算速度�！�

本書是《概率論與數(shù)理統(tǒng)計》的配套輔導(dǎo)用書．本書內(nèi)容依據(jù)教材中章節(jié)次序編排．全書共9章，每章基本上又分4個板塊，即內(nèi)容概要；題型歸納與例題精解；測試題及其答案；課后習題解答．