三民網路書店 中國圖書館分類法 / 數理科學和化學 / 數學 / 概率論與數理統計

本書講解概率圖模型的基本原理及其在機器學習、大數據建模、深度神經網絡模型中的應用,並且從概率圖模型的角度講解機器學習算法、深度神經網絡模型的概率原理，培養學生“知其然，並知其所以然”的思維方式，解決學生應用建模時僅局限於模型選型和調參的問題。 本書內容豐富，將原理與實例相結合，數學與代碼相結合，可作為高等院校的人工智能相關專業本科生和研究生課程的教材，也可供相關領域的科研人員和工程技術人員參閱。

本書系統講解了多元統計分析的基本理論和一些常用的多元統計方法。本書共9章，第1章為緒論，第2~3章介紹多元統計推斷的基本理論，包括多元正態抽樣分布理論、參數估計和多元正態總體的假設檢驗；第4~9章分別介紹各種常用的多元統計方法，包括判別分析、聚類分析、主成分分析、因子分析、對應分析和典型相關分析。本書各種統計方法的算法采用R軟件實現，它是國際上流行的數據分析軟件。除第2章和第3章外，其他各章的章末提供了本章例題的R程序及相應的輸出結果。

《應用隨機過程》內容包括：概率論的基本知識、隨機過程的基本概念、更新過程、離散時間的Markov鏈、連續時間的Markov過程以及隨機分析和平穩過程《應用隨機過程》力求貫徹選材精當和敘述詳細的原則，注重說明概念的直觀背景和實際意義。在基本理論和方法上力求通俗易懂、深入淺出、淡化證明。《應用隨機過程》收集許多結合實際問題的數學建模實例，章末配有適當習題，有助於讀者把握隨機過程精髓。

元分析(Meta-analysis)是一種數據分析方法。它對關於同一個問題的多項獨立的定量研究結果進行再分析，進而得出更具普適性的結論。元分析已經有半個多世紀的歷史，最初主要應用於醫學領域，現在越來越廣泛地應用於社會科學領域的各個學科中。本書主要介紹了元分析方法的基本原理和使用步驟，以及使用中的種種注意事項，並以社會科學研究方面的例子作為示範，對於實際應用元分析方法的讀者具有良好的指導作用。

《非線性系統的行波解》以時滯連續與離散反應擴散方程、積分-差分方程和隨機種群模型為研究對象, 歸納總結了作者多年研究行波解的成果, 系統講述了作者利用打靶法、單調迭代、不動點定理、滑行方法等研究時滯反應擴散方程和積分-差分方程的行波解的存在唯一性, 利用擠壓技術和譜分析方法研究行波解的漸近穩定性, 以及利用單調動力系統和大偏差定理等方法研究概週期行波解及隨機行波解的波速估計以及漸近傳播速度等成果, 深刻分析了行波解及其漸近性態等問題, 揭示了時滯、對流擴散、非局部擴散以及隨機因素對傳播動力學的影響機制。

《有限馬爾可夫鏈的統計計算》介紹近些年來關於馬爾可夫鏈的統計推斷的一些研究新結果:可逆馬爾可夫鏈和不可逆平穩D-馬爾可夫鏈統計計算理論，使用的方法是我們建立的馬爾可夫鏈反演法。第1章介紹《有限馬爾可夫鏈的統計計算》需要的一些預備知識。第2章介紹馬爾可夫鏈的擊中分佈和禁忌速率，主要是擊中分佈的微分性質、矩性質及對稱函數性質有關的約束方程，以及馬爾可夫鏈反演法。第3章和第4章分別研究連續時間和離散時間有限狀態可逆馬爾可夫鏈的統計計算理論，總結性地給出了關於充分性、必要性和充分必要性的主要結論。第5章以連續時間有限狀態空間為例研究不可逆平穩D-馬爾可夫鏈的統計計算理論。第6章講述各種類型馬爾可夫鏈的統計計算算法、數值例子，以及在計算神經科學、經濟領域等的實際應用。第7章從統計的角度介紹基本的模型選擇方法。

本書是時間序列領域的經典之作，自1970年出版以來不斷修訂再版，歷經50年的檢驗始終都是時間序列領域的權威典範。四位作者也是學界赫赫有名、蜚聲世界的統計學大師，他們用詞簡潔並富有感染力，敘述通俗並強調實際應用，同時大量的實例更能使讀者很快體會其中直觀而深刻的時間序列分析精髓，掌握實踐的技巧。

《相依樣本下若干模型的統計推斷》主要講述混合、正負相協、拓廣負相依、寬相依和負超可加相依等相依結構下的不等式研究，特別是非參數和半參數模型的統計理論和方法. 如若干相依序列的定義和不等式、密度函數和分布函數估計的相合性與漸近正態性、非參數回歸函數小波估計的強相合和Berry-Esseen界、半參數回歸模型小波估計的弱收斂速度和Berry-Esseen界、生存模型中幾類函數估計的強逼近及收斂速度、風險度量VaR 和CVaR 估計的漸近性質等.

本書對現代統計推斷的基本概念進行了嚴謹而全面的闡述，主要內容包括二元假設檢驗、多元假設檢驗、複合假設檢驗、信號檢測、凸統計距離、假設檢驗的性能界限、假設檢驗的大偏差和錯誤指數、隨機過程檢測、序貫檢測和速變檢測、貝葉斯參數估計、最大似然估計、信號估計等。

《北京大學數學教學系列叢書．研究生數學基礎課教材：風險理論》是高等院校金融數學和精算專業高年級本科生與研究生風險理論課程的教材，它包含了國內外風險理論教材的核心內容，並兼顧理論基礎和應用的結合，對現代風險理論的主要理論模型和方法進行了一定的提煉和綜合。 《北京大學數學教學系列叢書．研究生數學基礎課教材：風險理論》分為三個主要部分，由7章組成，第一部分介紹損失風險模型，這是古典風險理論最主要的部分。這部分由第1，2，3章組成，其中第1章介紹短期風險模型的主要模型和建模方法，第2章介紹長期聚合風險模型及基於隨機過程基本原理的破產理論初步，第3章利用鞅過程方法討論古典聚合風險模型的破產理論。第二部分介紹風險與決策問題，這部分由第4，5章組成，其中第4章介紹風險排序與風險度量的主要內容和方法，第5章介紹效用理論與保險決策問題，第三部分介紹風險理論的應用，這部分由第6，7章組成，其中第6章介紹風險理論在產品定價中的應用，第7章介紹風險理論在風險管理中的應用，本書儘量以簡單明確的語言和符號介紹現代風險理論的基本模型和方法，配有相關的練習題，並適當介紹一些較新的問題和研究工作。 《北京大學數學教學系列叢書．研究生數學基礎課教材：風險理論》可作為高等院校金融數學和精算專業及相關專業高年級本科生與研究生風險理論課程的教材，同時也可作為參加精算、風險管理相關的職業考試的輔助學習資料。．

時間序列在現代生活中無處不在，它也是數據分析的重要對象。本書介紹時間序列分析的實用技巧，展示如何結合機器學習方法和傳統的統計方法來分析各類時間序列數據，並提供Python示例和R示例。本書共有17章，首先概覽時間序列分析的歷史，然後介紹數據的獲取、清洗、模擬和存儲，接著關注可用於時間序列分析的建模技術，最後探討時間序列分析在幾個常見領域中的應用。本書適合與時間序列打交道的數據分析師、數據工程師、數據科學家及其他相關從業人員閱讀。

本書是根據高等院校工科各專業的《概率論與數理統計課程基本要求》編寫的，入選“十三五”國家重點出版物出版規劃項目.本書共十章，主要包括隨機事件與概率、一維隨機變量及其分佈、多維隨機變量及其分佈、隨機變量的數字特徵、極限定理、數理統計基本概念、參數估計、假設檢驗、回歸分析及方差分析簡介、MATLAB在概率統計中的應用.根據學生學習的認知規律，本書每章採用以知識結構圖引入，以綜合例題選講結尾的結構，注重提高學生的學習興趣和應用能力.本書內容豐富，闡述簡明易懂，注重理論聯繫實際，可作為高等院校工科各專業概率論與數理統計課程的教材，建議學時數為36～54學時.本書同時也可作為教學參考書.

近些年，在大數據技術快速發展的背景下，多元統計分析作為處理多變量數據的重要分析方法，是大數據分析不可或缺的分析工具。為了滿足學生理解並掌握多元統計分析基本原理、熟練應用軟件進行數據分析的需求，故編寫《多元統計分析及應用――R軟件和SPSS軟件上機實現》。 《多元統計分析及應用――R軟件和SPSS軟件上機實現》旨在系統介紹多元統計分析方法及應用，提高學生運用統計方法解決實際問題的能力。因此，在系統介紹多元分析基本理論和方法的同時，突出統計思想和實際案例的滲透，結合統計軟件全面介紹多元統計分析方法。本書既可以作為統計學專業學生教材，又可以作為大數據或其他專業學生學習多元統計分析的教材，還可以作為從事經濟、管理、物流等研究和實踐的工作者進行量化研究的參考書。

本書可配套高等院校教材《概率論與數理統計》（浙大第五版），對概率論與數理統計教材的課後習題進行全解，同時每章增加了在碩士研究生入學考試時與該章節有關的典型例題及詳解。本書旨在幫助讀者提高分析問題的能力、掌握解題方法和技巧，以加深對教材基本

近幾十年來，缺失數據的話題得到了相當大的關注。本書由兩位公認的專家編寫，提供了處理缺失數據問題的實用方法的最新狀況。作者將理論和應用融為一體，回顧了該領域的歷史方法，並描述了對缺失值進行多元分析的簡單方法。他們提供了一個連貫的理論，基於從數據和缺失數據機制的統計模型得出的似然來分析問題，然後將該理論應用於一系列重要的缺失數據問題。 本書首先向讀者介紹了缺失數據這一主題以及解決該問題的方法。它研究了產生缺失數據的模式和機制，以及缺失數據的分類。然後，它繼續研究實驗中的缺失數據，進而討論完全案例和可用案例分析，包括加權方法。第三版擴大了其覆蓋面，納入了最近關於抽樣調查中的無應答、因果推斷、診斷方法和敏感性分析等領域的工作，以及其他許多內容。 本書是相關領域高年級本科生和低年級研究生的理想教科書，也是政府和工業界的應用統計學家和從業人員的絕佳信息來源。

本書基於PyMC語言以及一系列常用的Python數據分析框架，如NumPy、SciPy和Matplotlib，通過概率編程的方式，講解了貝葉斯推斷的原理和實現方法。該方法常常可以在避免引入大量數學分析的前提下，有效地解決問題。書中使用的案例往往是工作中遇到的實際問題，有趣並且實用。作者的闡述也儘量避免冗長的數學分析，而讓讀者可以動手解決一個個的具體問題。通過對本書的學習，讀者可以對貝葉斯思維、概率編程有較為深入的瞭解，為將來從事機器學習、數據分析相關的工作打下基礎。本書適用於機器學習、貝葉斯推斷、概率編程等相關領域的從業者和愛好者，也適合普通開發人員瞭解貝葉斯統計而使用。

因果推斷方法常用於評估教育及其他公共政策。近三十年，因果推斷方法經歷了爆發式發展，已替代傳統相關方法，成為各社會學科領域的主流方法之一。本書囊括了目前常用於觀測數據因果推斷的各類常用方法。全書共分六講，分別是：計量分析的起點、線性回歸分析、倍差法、工具變量法、斷點回歸和匹配法。前兩講為讀者奠定微觀計量方法基礎，後四講講解具體的准實驗方法。在後四講中，每一講大致分為因果識別策略、估計方法、實例講解、Stata操作四部分進行講解。

我們所處的時代是一個大數據時代，數據無處不在，統計學是研究數據的科學，在數據分析中扮演了非常重要的角色。多元統計分析是統計學中應用最廣的一個分支，在自然科學、社會科學、經濟科學和管理科學等領域應用廣泛。作為國內多元統計分析的經典版本，第5版繼續保持了案例應用與統計思想相滲透、結合軟件詳細介紹多元統計分析理論與方法的特色。全書共分11章。主要內容包括多元正態分佈、均值向量和協方差陣的檢驗、聚類分析、判別分析、主成分分析、因子分析、對應分析、典型相關分析等常見的主流方法，還參考國內外大量文獻系統介紹了近年來在市場研究、顧客滿意度研究、金融研究、環境研究等領域應用頗廣的較新方法，包括定性數據的建模分析、對數線性模型、logistic回歸、多變量的圖表示法、多維標度法等。

本書主要討論隨機過程的基礎理論和應用方法。全書共七章，內容包括：概率論基礎，隨機過程基礎，泊松過程及其推廣、馬爾可夫過程、二階矩過程及其均方分析、平穩過程、以及高階統計量與非平穩過程等。 本書強調隨機過程的基礎理論、物理意義與應用方法，注重理論聯繫實際，力求從概念的物理背景、理論的邏輯推導與應用的典型例子三個方面加以闡述。內容全面，敘述清楚，例題與圖示豐富，便於教學與自學。 本書以初等概率論、高等數學的基本知識為基礎，可以作為理工科高等院校有關專業研究生與高年級本科生的教學用書，也可供有關領域的師生、科研和工程技術人員參考。