《概率统计讲义(第3版)》是在第二版的基础上修订和扩充而成的，系统介绍了概率统计的基础理论和实用方法。内容简明扼要，文字通俗易懂。既注意对基本概念和定理论述准确，又注意介绍各方面的应用例子。只要求读者具有普通微积分知识和一些线性代数知识。 《概率统计讲义(第3版)》可作为高等学校各类专业的教材，也可供有关人员参考。

《概率统计(第4版)》以提高读者解题能力与解决实际问题能力为基本出发点，从实例引入抽象的基本概念，从抽象的数学定理又回到具体的应用问题，有助于读者较快地掌握近代的概率统计知识，《概率统计(第4版)》可作为高等院校本科生（包括理工类与经济类）概率论与数理统计课程的教材或参考书，也可作为广大概率统计应用人员的工具性参考书。

这本经典的概率论与数理统计教材，多年来畅销不衰，被很多名校采用，包括卡内基梅隆大学、哈佛大学、麻省理工学院、华盛顿大学、芝加哥大学、康乃尔大学、杜克大学、加州大学洛杉矶分校等。 本书包括概率论、数理统计两部分，内容丰富完整，适当地选择某些章节，可以作为一学年的概率论与数理统计课程的教材，亦可作为一学期的概率论与随机过程的教材。适合数学、统计学、经济学等专业高年级本科生和研究生用，也可供统计工作人员用作参考书。 本书主要特点  叙述清晰易懂，内容深入浅出。作者用大量颇具启发性的例子引入论题、阐释理论和证明。例题涉及面广，除了那些解释基本概念的一些著名例题外，还有很多新颖的例题，描述了概率论在遗传学、排队论、计算金融学和计算机科学中的应用。  内容取材比较时尚新颖。新版不但重写了很多章节，还介绍了在计算机科学中日益重要的Chernoff界，以及矩方法...(展开全部)

本书以Python为工具，全面讲解概率论与数理统计的主要内容和多元统计分析常用技术。全书包括13章和4个附录，内容翔实，讲解深入浅出。概率论4章，讲解概率论基础知识，主要是随机变量的相关理论；数理统计4章，主要是样本理论、参数估计和假设检验；回归分析2章，包括一元和多元回归分析及其统计解释；多元统计3章，主要讲解主成分分析和因子分析理论。整书内容简明，易上手，实用性强。本书不需要读者有良好的数学基础，4个附录提供了Python基础知识、微积分与线性代数的必要基础，可满足不同层次的读者需求。本书的特色是将Python贯穿于内容之中，为读者提供实践练习，也便于读者学习用Python解决实际问题的能力。 本书适用于大数据与人工智能专业的教师和学生，也适用于对数据科学感兴趣的人士和企业界的工程师。

概率统计与我们的生活息息相关，是一门能够即学即用的学问。从骰子游戏的胜负到基本的统计处理，我们用图解说话，助你揭开“统计”迷雾，攻破“概率”难关。 　　《蜗牛科学系列》丛书从基础入手，遵循循序渐进的原则，深入浅出地解说基本的科学原理和最新的科学知识，注重学习方法与兴趣的培养。带着身边的问题走进它，不用死记定理，也不用硬背公式，不再乏味，不再费解，轻松步入神奇有趣、绚丽多姿的科学世界。本书是其中之一。 　　本书是写给觉得“我知道概率统计这个词，就是和现实事物对不上，不理解”，或常常想“我要学习概率统计，可是从哪里开始学呢”的读者。我们的目标是把概率的基本知识解释得通俗易懂，并且尽量具体说明。其中所举事例也尽量争取从我们周围的事情和日常的生活中选取。数学看起来复杂，归根究底，审一个“简单事实的积累”。概率统计也是如此。希望本书能够帮助读者理解概率统计，...(展开全部)

本书是非参数统计方法的基础课教材。书中介绍了非参数统计的基本概念和理论，着重于在统计各应用领域常用的方法，以及非参数统计推断的一般处理技术和原则。本书系纺统地阐述了有广泛应用的U统计量、线性秩统计量及样本次序统计量线性组合等的基本性质，研究了它们的假设检验和估计等统计推断中的应用。全书共分九章，内容包括：U统计量、线性秩统计量，非参数假设检验功效的研究，样本次序统计量构成的非参数估计，Hodges-Lehmann估计，M估计等。 具有高等数学及概率统计基本知识的读者即可读懂本书的主要内容。本书可作为大学本科高年级学生或硕士研究生学习非参数统计方法的教材，亦可作为从事统计及其他领域实际工作者查阅非参数统计方法的参考书。

本书展示了我们如何利用数学的力量来理解周围的世界，并预测接下来可能会发生的事情。故事从3 位知名数学家的问题开始。布莱兹·帕斯卡、吉罗拉莫·卡尔达诺和皮埃尔·德·费马都问了一个简单的问题：可能性有多大？这使他们走上了创立概率论的道路，但是他们几乎不知道如何使用数字来表示可能发生和不可能发生的事情。对概率本质的研究促使数学家对另一个问题进行思考：这一切意味着什么？这又促进了一个新领域——统计学的诞生，它揭示了现实世界看似混乱的现象中的规律。统计学可以帮助我们判断什么是正常的，什么是不正常的，什么才是真实的，以及接下来可能发生的事情。 本书适合对概率论和统计学感兴趣的读者阅读和参考。 ▶本书以时间为脉络，详述概率和统计诞生背后的故事及应用，引发对数学的兴趣，启发思考与联想。 ▶书中讲述典型的、有趣且富有代表性的著名数学家的故事，文字通俗生动，插图丰富精美...(展开全部)

简介：这是一个随机的故事。

本书根据理查德·费曼于1961年在美国加州马利布 (Malibu) 的休斯研究实验室 (Hughes Research Laboratories) 所作的一系列讲座整理而成，内容涵盖统计力学和凝聚态物理学。 全书共11章。从配分函数出发，首先阐述了统计力学的基本原理，随后讲述了密度矩阵和路径积分方法。作为应用，详细讨论了N个粒子组成的经典系统和晶格体系。接着介绍了算符表示形式，并以此为基础，具体讨论了自旋波、极化子问题、金属中的电子气、超导和超流等凝聚态物理学的重要课题。 费曼是一位顶尖的物理学家，同时也是一名出色的教师。和费曼的其他讲义一样，本书有着非常鲜明的“费曼风格”，注重物理思维，对一些难以理解的概念都有着独到而清晰的阐述，反映出费曼对于这一领域的深刻思考和深邃洞察力。本书对于统计力学的教与学两方面均有极高的参考价值，具备统计力学基础知识的学...(展开全部)

通过学习本书，你将能够：编写测试代码深入理解概率论和统计学；运行实验检验统计行为特征，如生成服从各种分布的样本；通过模拟理解数学上艰涩的概念；学习贝叶斯估计等实用内容；用Python从大部分数据源导入数据，不依赖由统计工具清洗的格式化数据；用统计推理解读现实世界中的数据。“这是一本介绍Python数据分析的内容最为全面的书。数据分析师也可通过此书了解现代编程语言提供的工具，并提升技能。这还是一本优秀的现代统计学教程。”——Skipper Seabold，StatsModels作者