本书介绍了试验设计与数据分析的常用方法,及其在专业学习、科学试验和工业生产中的实际应用。全书共分为10章,其中第1章为概述;第2章为与理化数据分析相关的Excel基础操作;第3-6章为试验数据的误差分析、图表制作方法、方差分析和回归分析;第7-9章介绍了正交设计、均匀设计和优选方法;第10章是综合实训练习,方便学习者检
本书共分八章,主要内容包括:随机事件和概率;随机变量及其分布;多维随机变量及其分布;随机变量的数字特征;大数定律和中心极限定理;数理统计的基本概念;参数估计。
本书强调适当的统计学习数据分析以综合方式依赖于健全的数据收集、智能数据管理、适当的统计程序和对结果的可理解的解释。监督学习可被统一视为回归分析的一种形式。通过大量实际应用及其相关的R代码来说明关键概念和过程,着眼于实际意义。
《随机分析与控制简明教程》介绍随机分析及随机控制的基本理论与方法.第1章介绍布朗运动与鞅,涵盖定义、停时定理、Doob不等式、下鞅的Doob-Meyer分解定理、Meyer过程等内容;第2章介绍随机积分、It.公式、鞅表示定理,以及测度变换的Girsanov定理.第3章介绍随机微分方程基础:解的存在唯一性、解对系数的连
本书系统地介绍了多元统计分析中的经典理论和方法,重点讲解了多元正态总体的参数估计和假设检验、聚类分析、判别分析、主成分分析、因子分析、对应分析、典型相关分析。本书力求以统计思想为主线,以SPSS软件为工具,深入浅出地介绍各种多元统计方法的理论和应用,以大量实际问题为背景,介绍多元统计分析的基本概念和方法,具有很强的实用
本书根据高等学校非数学类专业“概率论与数理统计”课程的教学要求和教学大纲,将新工科理念与国际化深度融合,借鉴国内外优秀教材的特点,结合山东大学数学团队多年的教学经验编写完成.本书共8章,包括随机事件与概率、随机变量及其分布、多维随机变量及其分布、数字特征与极限定理、统计量及其分布、参数估计、假设检验、概率论与数理统计在
试验设计是近代科学发展的重要基础理论之一。它研究不同条件下各种试验的*优设计准则、构造和分析的理论与方法。为适应现代试验的需要,作者于2006年开始建立了一个新的*优因子分析设计理论,包括*优性准则、*优设计构造,以及他们在各种不同设计类中的推广。《*优因析设计理论(英)》*先给出近代试验设计,主要是多因子试验设计的基
本书在简要介绍概率论知识的基础上,着重介绍常用的数理统计方法和随机过程模型,其中数理统计部分包含数理统计的基本概念、参数估计、假设检验、方差分析与正交试验设计、回归分析等;随机过程部分包含随机过程的基本概念、泊松过程、高斯过程与随机微分方程、马尔可夫链等。这些内容可为解决自然科学、工程技术、社会科学等领域的复杂随机问题
贝叶斯是当前人工智能的重要基础之一。目前市面上有关贝叶斯的书籍,大多是从工科角度去阐述贝叶斯定理的推导和应用,因此运用了非常多的烦琐公式、定理和推导。而贝叶斯应用却是非常广泛的,绝不仅仅是机器学习的一个工具,还可以上升到一套科学思维方法论。本书主要以贝叶斯为核心,讲授了一些重要的思维方式,包括概率思维、最大似然估计、贝
本书是高等院校概率论课程的教材,是北京大学数学教学系列丛书"《概率论》的第二版。全书共分六章,内容包括:古典概型和概率空间、随机变量和概率分布、随机向量及其概率分布、数学期望和方差、特征函数和概率极限定理、随机过程简介。每小节配有练习题,每章配有总习题,书末附有习题答案或提示,供读者参考。本书对概率论的基本内容做了系统