概率论与数理统计是大学数学的第三门课。本书针对经管类编写，主要包括概率论的基本概念、一维和多维随机变量及其分布、随机变量的数字特征、数理统计的基础知识、参数估计、假设检验、方差分析和回归分析等知识模块，并特别加强了数学建模与数学实验教学环节，可以通过扫描对应的二维码即可实现实验操作，且配有网络账号，学生可登录网络学习空

本书针对应用型人才的培养目标和学习特点，对概率论与数理统计的传统内容进行了整合，既考虑与中学内容的衔接，又保持其自身具有的系统性和完整性，同时注重阐述用数学知识解决实际问题的基本思想和方法，将概率统计思想和数学建模思想的结合，选例鲜活有趣，问题分析透彻。此外，本书将概率统计理论和统计软件相结合，介绍了如何利用软件处理统

本教材根据近年来工科数学改革的新成果，结合高等应用型本科院校的实际特点，以培养卓越工程师为目标，书中对传统的教学内容进行优化，在附注中对相关的历史进行了陈述并对新的思想方法进行了介绍。本书着眼于介绍概率论与数理统计中的基本概念、基本原理和基本方法，强调直观性，注重可读性，突出基本思想与方法。本书内容包括：随机事件与概率

本书紧密结合概率论与数理统计的核心内容，精选了一系列具有代表性的案例，通过系统的分析、建模、计算与推理，引导学生深入理解概率论与数理统计的基本概念、基本理论、基本方法以及广泛的应用价值，提高学生发现问题、分析问题与解决问题的能力，尤其是数据分析和统计推断的能力。全书分10章，共95份案例，内容包括随机事件与概率、随机变

本书内容涵盖了概率论基础、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、数理统计基础、参数估计、假设检验、回归分析与方差分析初步等,并特别强调应用R语言计算及可视化,知识点结构清晰,内容丰富,概念引入形象,每节附有相应知识点的习题,每章附有知识点的梳理小结与章内容相应的习题,对书中每个非叙述性例题都给出

线性模型是统计学中的一个重要分支，本书从理论与实践相结合的角度，阐述了线性模型的基本理论、方法和应用。本书共分为八章，第一章通过各种案例引进各种线性模型，第二章和第三章介绍了一些基础知识，包括矩阵论和概率论的相关知识。第四章到第六章系统讨论了各种线性回归模型的估计及统计推断。第七章讨论了方差分析模型的统计推断，并在附录

本书主要内容包括：混合模型和马尔可夫链；隐马尔可夫模型；假设检验；基于隐马尔可夫模型的大范围多重检验方法；基于高阶隐马尔可夫模型的大范围多重检验；基于隐半马尔可夫模型的大范围多重检验等。

本书内容分为两部分：概率论和数理统计，概率论部分主要介绍随机事件、随机变量、概率分布、数字特征、大数定律及中心极限定理等基本概念和性质；数理统计部分主要介绍样本分布、参数估计、假设检验、方差分析与回归分析等统计方法。

本书以经济、管理、气象、医学、工业生产、金融等活动中产生的时间序列数据为对象，运用数学和统计学方法，进行时间序列的时域和频域分析。本书将理论分析与数据案例相结合，从传统经典时间序列模型到现代机器学习、深度学习、强化学习与时间序列数据融合，按由浅入深的方式编写而成。本书有配套PPT课件、教学大纲、案例数据、R代码等教学资

本书通过大量简单直观的引例和示意图,全面介绍概率论与数理统计课程的各种概念和性质,理清知识点之间的逻辑关系。避免学生深陷大量枯燥深奥的数学记号。全书覆盖近五年(2019-2023年)的考研真题,充分展示近年来考研题目的真实难度和命题趋势,以及本书总结的、具有普适意义的解题思路的实战效果。