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 / 概率論（幾率論、或然率論）

本書是威廉·費勒的著作《概率論及其應用（卷1）》的續篇。第1、2、3、6章介紹了各種重要的分布和隨機過程；第7、8、16、17章討論大數定律、中心極限定理和無窮可分分布；第9、10章討論半群方法與無窮可分分布、馬爾可夫過程的關係；第11章為更新理論；第12、18章論述隨機遊動及傅立葉方法的應用；第13、14章論述拉普拉斯變換及其應用；第19章為調和分析。

本書共有11章，第1章至第5章是概率論部分，包括隨機事件及其概率、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、大數定律與中心極限定理；第6章至第8章是數理統計部分，包括樣本及抽樣分佈、參數估計、假設檢驗；第9章至第11章是隨機過程部分，包括隨機過程引論、馬爾可夫鏈、平穩隨機過程.各章均選配了適量的習題，並附有參考答案.此外，本書還提供了三個附錄，包括重要分佈表、幾種常用的概率分佈、2011年至2023年全國碩士研究生入學統一考試真題. 本書可作為工科、理科(非數學)、經濟、管理等專業的概率統計課程的教材，也可作為研究生入學考試的參考書.

《Kalman濾波理論及其在導航系統中的應用(第三版)》緊密結合Kalman濾波理論在導航、制導與控制領域的應用，系統介紹了Kalman濾波基礎理論及其最新發展。主要內容包括Kalman濾波理論基礎、隨機線性系統Kalman濾波基本方程、Kalman濾波的穩定性及誤差分析、實用Kalman濾波技術、魯棒自適應濾波技術、聯邦Kalman濾波、基於小波變換的多尺度Kalman濾波、擴展Kalman濾波、無跡Kalman濾波及粒子濾波等。《Kalman濾波理論及其在導航系統中的應用(第三版)》注重理論與工程實際相結合，在介紹理論基礎上，還融入了作者及其他研究者的實際應用成果，理論與實踐並重。

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。

本書涉及面極廣，不僅討論了概率論在離散空間中的諸多課題，而且涉及了概率論在物理學、化學、生物學（特別是遺傳學）、博弈論及經濟學等方面的應用．書中主要內容有：樣本空間及其上的概率計算，獨立隨機變量之和的隨機起伏，事件的組合及條件概率，離散隨機變量及其數字特征，大數定律，離散的馬爾可夫過程及其各種重要特征，更新理論等．除正文外，本書還附有數百道習題．

本書是一部經典的隨機過程著作，敘述深入淺出、涉及面廣。主要內容有隨機變量、條件期望、馬爾可夫鏈、指數分佈、泊松過程、平穩過程、更新理論及排隊論等，也包括了隨機過程在物理、生物、運籌、網絡、遺傳、經濟、保險、金融及可靠性中的應用。特別是有關隨機模擬的內容，給隨機系統運行的模擬計算提供了有力的工具。zui新版還增加了不帶左跳的隨機徘徊和生滅排隊模型等內容。本書約有700 道習題，其中帶星號的習題還提供了解答。本書可作為計算機科學、保險學、社會科學、生命科學、管理科學與工程等專業隨機過程基礎課教材。

本書基於麻省理工學院開設的概率論入門課程編寫，內容系統，例題和習題豐富，結構層次性強，能夠滿足不同讀者的需求。書中介紹了概率模型、離散隨機變量和連續隨機變量、多元隨機變量以及極限理論等概率論基礎知識，還介紹了矩母函數、條件概率的現代定義、獨立隨機變量的和、最小二乘估計等高級內容。

本書介紹隨機分析及隨機控制的基本理論與方法。第1章介紹布朗運動與鞅，涵蓋定義、停時定理、Doob不等式、下鞅的Doob-Meyei分解定理、Meyer過程等內容；第2章介紹隨機積分、Ito公式、鞅表示定理，以及測度變換的Girsanov定理。第3章介紹隨機微分方程基礎：解的存在唯一性、解對係數的連續依賴性等；第4章介紹倒向隨機微分方程的基本內容；第5章給出了隨機控制問題的基本框架，用凸變分的方法推導最大值原理(包括線性二次控制問題的求解)、動態規劃原理，以及兩者之間的聯繫。

內容簡介 全書共5章，具體包括：概率論基礎，介紹學習隨機過程所需的分析基礎；隨機過程基礎，介紹隨機過程構造、馬氏鏈、Poisson過程、Brown運動等；隨機分析基礎，介紹鞅論、連續時間隨機積分與隨機微分方程；馬氏過程基礎，介紹一般馬氏過程理論與位勢理論；馬氏過程基礎(續)，介紹一維擴散、連續時間馬氏鏈、交互粒子系統構造、Dirichlet形式. 本書還配備了一定數量難易不等的習題，以利讀者加深理解、啟發思考. 本書可作為基礎數學、應用數學、計算數學、運籌學與控制論、概率論與數理統計等數學類各專業方向的研究生學位課教材，也可供理工類和金融類相關專業的研究生以及自然科學工作者、工程技術人員參考使用.

本書講解概率論的基礎內容，包括組合分析、概率論公理、條件概率、離散型隨機變量、連續型隨機變量、隨機變量的聯合分佈、期望的性質、極限定理和模擬等，內容豐富，通俗易懂，並配有豐富的例子和大量習題，涉及物理學、生物學、化學、遺傳學、博弈論、經濟學等多方面的應用，極具啟發性。

時間序列分析是統計學科的一個重要分支，它主要研究隨著時間的變化，事物發生、發展的過程，尋找事物發展變化的規律並預測未來的走勢。在日常生產和生活中，時間序列比比皆是，所以目前時間序列分析方法廣泛應用于經濟、金融、天文、氣象、海洋、物理、化學、醫學、質量控制等諸多領域，成為眾多行業經常使用的統計方法。本書是基於Python編寫的入門級時間序列分析教材，主要內容包括時間序列分析簡介、時間序列的預處理、ARMA模型的性質、平穩序列的擬合與預測、無季節效應的非平穩序列分析、有季節效應的非平穩序列分析、多元時間序列分析。

從古到今，人們經常會深陷占卜帶來的虛幻的錯覺，低估巧合事件的發生概率因而以為有神秘力量在起作用，將事物複雜的發展規律簡單化、線性化，進而做出與實際情況相去甚遠的預測。 數學可以在非線性發展的世界中充當嚮導的作用。有了數學的幫助，我們就可以通過理性和邏輯思考，避免直覺所犯的一系列錯誤。但即使是數學，在處理這個複雜世界的各種問題時，也做不到面面俱到，遊刃有餘。 這本書介紹了本福德定律、貝葉斯定理、博弈論、正反饋回路等數學知識，幫助我們戳穿流傳多年的民間經驗法則，辨別常見的認知錯誤，發現毫無意義的錯誤預測。作者告訴我們，預測可能發生各種各樣的錯誤，沒有什麼永恆的法則能保證我們的預測百分之百不出錯。但同時作者也提供了一些有用的技巧和工具，以便你在實際場景中使用它們，為你的未來做出決定。

本書適用於大學本科或研究生階段的概率統計和多元統計分析課程的教學,也可供統計專業本科生做畢業設計參照使用,還可供相關應用領域從業人員參考。本書的特色：1.本書一改傳統的單一理論方法加案例的編寫模式,採用專門的章節進行案例的介紹,使讀者可以迅速地進入應用領域。2.本書對一元概率統計與多元統計的內容進行了詳細的介紹，並對一元概率統計知識在各實際領域的應用實踐進行了深入分析。除此之外，重點講述如何利用各種多元分析方法進行運用實踐，解決各領域的實際問題，這對在校學生學習概率統計知識，並深入瞭解其實際用途有著重要的作用。3.對各領域從事具體工作的人員也具有指導參考作用。

相依混合隨機變量是現代概率統計中的重要概念, 它具有非常直觀的實際應用背景, 如時間序列數據、空間數據、網格數據和高頻數據等都具有相依性, 且呈現漸近獨立的特徵. 因此, 近幾十年來一直都吸引了眾多學者的關注與研究, 獲得了豐碩的研究成果. 《相依隨機變量的理論與應用》主要介紹混合隨機變量的基本理論, 內容包括混合隨機變量的定義與性質、隨機過程的混合性質、混合隨機變量的不等式、混合隨機變量的中心極限定理和相依隨機變量的強大數律. 作為應用, 《相依隨機變量的理論與應用》介紹了混合高頻數據的非參數估計和混合樣本下回歸模型的小波估計, 其中混合高頻數據是一個新的應用專題. 另外, 《相依隨機變量的理論與應用》還介紹了相協隨機變量和負相協隨機變量這兩個相依概念的相關內容. 大部分內容來源於學術原文, 並經過提煉和昇華, 使其體現更先進的研究成果, 且更加通俗易懂, 適應更多讀者.

近幾十年來，隨機過程無論在理論上還是應用上都有了蓬勃發展。它的基本知識和方法，不僅是數學、概率統計專業所必需的，也是通信、控制、生物、社會科學、工程技術及經濟領域的應用與研究所需要的。高等院校的學生、工程技術人員、金融工作者更迫切需要學習和掌握有關隨機過程的知識。隨機過程所包含的內容豐富而深遠，針對不同的讀者選取的內容及其難度都會有所不同。《應用隨機過程（第6版）/21世紀統計學系列教材·教育部高等學校統計學類專業教學指導委員會推薦用書》的初衷是面向更廣泛的非數學專業學生，故著重於隨機過程的基本知識和基本方法的介紹，特別是注重實際應用，盡量迴避測度論水平的嚴格證明。讀者只要具有高等數學及概率論的基礎知識，便可閱讀和理解《應用隨機過程（第6版）/21世紀統計學系列教材·教育部高等學校統計學類專業教學指導委員會推薦用書》的大部分內容。《應用隨機過程（第6版）/21世紀統計學系列教材·教育部高等學校統計學類專業教學指導委員會推薦用書》各章都配有與社會、經濟、管理以及生物等專業相關的例子和習題，以幫助學生加深對基本理論的理解，提高應用隨機過程解決問題的能力。為了便於有興趣的讀者進一步學習，書後列出了一些參考文獻。

數據科學和機器學習已經深度融合到我們生活的方方面面，而數學正是開啟未來大門的鑰匙。不是所有人生來都握有一副好牌，但是掌握“數學 編程 機器學習”的知識絕對是王牌。這一次，學習數學不再是為了考試、分數、升學，而是投資時間、自我實現、面向未來。為了讓大家學數學、用數學，甚至愛上數學，在創作時，作者盡量克服傳統數學教材的各種弊端，讓大家學習時有興趣、看得懂、有思考、更自信、用得著。《統計至簡：概率統計全彩圖解 微課 Python編程》是“鳶尾花數學大系—從加減乘除到機器學習”叢書中數學版塊—“數學三劍客”的第三冊，也是最後一本。“數學”板塊的第一本《數學要素》是各種數學工具的“大雜燴”，可謂數學基礎；《矩陣力量》專門講解機器學習中常用的線性代數工具；本冊《統計至簡》則介紹機器學習和數據分析中常用的概率統計工具。《統計至簡：概率統計全彩圖解 微課 Python編程》的核心是“多元統計”，離不開第二冊《矩陣力量》中介紹的線性代數工具。《統計至簡：概率統計全彩圖解 微課 Python編程》內容又可以歸納為 7 大板塊——統計、概率、高斯、隨機、頻率派、貝葉斯派、橢圓。《統計至簡：概率統計全彩圖解 微課 Python編程》在講解概率統計工具時，會穿插介紹其在數據科學和機器學習領域的應用場景，讓大家學以致用。《統計至簡：概率統計全彩圖解 微課 Python編程》讀者群包括所有在工作中應用概率統計的朋友，尤其適用於初級程序員進階、大學本科數學開竅、高級數據分析師、機器學習開發者。

本書聚焦當今多源信息融合技術的研究熱點，主要討論基於傳感器網絡的一致性卡爾曼濾波器的設計與穩定性分析問題。本書分為兩個部分內容：第一部分為第1～6章，主要討論幾類一致性卡爾曼濾波算法的穩定性分析，研究了基於傳感器網絡的可觀性問題，先後提出了共同(完全)一致可觀性、加權一致可觀性及聯合一致可觀性等新穎的可觀性(可檢性)定義；第二部分為第7、8章，重點考慮了一致性卡爾曼濾波器的設計與應用，主要研究了在UKF框架下的一致性濾波器的設計問題。