本書(shū)為武漢理工大學(xué)數(shù)學(xué)與統(tǒng)計(jì)系主編的教材《概率論與數(shù)理統(tǒng)計(jì)》的配套習(xí)題冊(cè)，其主要包括：事件與概率、變量及其分布、多維變量及其分布、變量的數(shù)字特征、大數(shù)定律與中心極限定理、抽樣分布、參數(shù)估計(jì)、假設(shè)檢驗(yàn)、方差分析與回歸分析等知識(shí)內(nèi)容的相關(guān)習(xí)題和各種考試試卷。書(shū)中的題目分為客觀題（選擇題、填空題等）和主觀題（計(jì)算題、證明題等
本書(shū)共分八章，內(nèi)容包括：隨機(jī)事件與概率、隨機(jī)變量及其分布、多維隨機(jī)變量及其分布、大數(shù)定律與中心極限定理、統(tǒng)計(jì)量及其分布、參數(shù)估計(jì)、假設(shè)檢驗(yàn)、方差分析與回歸分析。
本書(shū)主要內(nèi)容包括隨機(jī)事件及其概率，隨機(jī)變量及其概率分布，多維隨機(jī)變量及其分布，隨機(jī)變量的數(shù)字特征，大數(shù)定理與中心極限定理，數(shù)理統(tǒng)計(jì)的基本知識(shí)，參數(shù)估計(jì)，假設(shè)檢驗(yàn)。本書(shū)強(qiáng)調(diào)概念和內(nèi)容的直觀引入及知識(shí)間的相互聯(lián)系；在注重理論與實(shí)際應(yīng)用背景相結(jié)合的基礎(chǔ)上，強(qiáng)調(diào)隨機(jī)性思維和應(yīng)用能力的培養(yǎng)。書(shū)中按章設(shè)置了適量的習(xí)題，并在書(shū)后附有
本書(shū)是基于作者在香港大學(xué)和南方科技大學(xué)10余年數(shù)理統(tǒng)計(jì)教學(xué)的經(jīng)驗(yàn)，同時(shí)結(jié)合國(guó)內(nèi)其他高校學(xué)生和教師的具體情況精心撰寫(xiě)而成的。本書(shū)主要內(nèi)容包括：概率和分布、抽樣分布、點(diǎn)估計(jì)、區(qū)間估計(jì)、假設(shè)檢驗(yàn)、斜零分布的臨界區(qū)域和值等。本書(shū)通過(guò)組合傳統(tǒng)教材和課堂PPT各自的優(yōu)點(diǎn)，設(shè)置了經(jīng)緯兩條主線，運(yùn)用塊狀結(jié)構(gòu)呈現(xiàn)知識(shí)點(diǎn)，使得每個(gè)知識(shí)點(diǎn)自
貝葉斯計(jì)量經(jīng)濟(jì)學(xué)
概率論基礎(chǔ)
本書(shū)采用排序集抽樣方法，研究產(chǎn)品可靠性中常用指標(biāo)的估計(jì)問(wèn)題，其主要內(nèi)容來(lái)自作者近十年來(lái)的研究成果以及相關(guān)的**進(jìn)展.全書(shū)共9章，包括排序集抽樣方法和可靠性理論，標(biāo)準(zhǔn)排序集抽樣下指數(shù)分布的參數(shù)估計(jì)和產(chǎn)品可靠度估計(jì)，L排序集抽樣下指數(shù)分布的系統(tǒng)可靠度估計(jì)，非均等排序集抽樣下中位壽命的非參數(shù)估計(jì)，廣義排序集抽樣下可靠壽命的非
本書(shū)主要介紹概率論與數(shù)理統(tǒng)計(jì)的基本理論及其在軍事上的一些應(yīng)用。前六章主要介紹概率論的基本知識(shí)，包括隨機(jī)事件及概率、隨機(jī)變量及其分布、隨機(jī)變量函數(shù)的分布及中心極限定理、概率論在軍事上的若干應(yīng)用、大數(shù)定律與中心極限定理等內(nèi)容；后三章主要介紹數(shù)理統(tǒng)計(jì)的知識(shí)，包括參數(shù)估計(jì)、統(tǒng)計(jì)假設(shè)檢驗(yàn)、回歸分析與方差分析等內(nèi)容。各章附有適量的
本書(shū)共分16章，分別為概率論的基本概念、隨機(jī)變量及其分布、多維隨機(jī)變量及其分布、隨機(jī)變量的數(shù)字特征等。
《隨機(jī)過(guò)程》一共七章：第一章涵蓋概率論的基礎(chǔ)知識(shí)，第二章以闡述的方式特別介紹了條件期望以及隨機(jī)過(guò)程的一般概念。從第三章開(kāi)始討論常用的隨機(jī)過(guò)程模型，包括馬氏鏈、Poisson過(guò)程、更新過(guò)程、鞅和Brown運(yùn)動(dòng)，其中馬氏鏈這一章出于強(qiáng)調(diào)直觀背景的目的，僅介紹離散時(shí)間馬氏鏈，包括非常返、零常返、正常返、平穩(wěn)分布等概念，最后討
書(shū)單推薦 新書(shū)推薦
