近来，被称为“数据科学家”的研究者备受关注，充分运用数据进行分析，变得越 来越重要。这种活用数据的基础便是“统计与概率”。《BR》统计与概率，不仅对于研究者，对于生活在现代社会的所有人来说都是可以在现实 生活中发挥重要作用的知识。在日常生活中，正确解读数据，从而进行合理的判断，也 是依靠概率和统计的思考方法。《BR》在本书中，以我们身边的话题作为案例，介绍以统计与概率为基础的重要数学方法， 并对于因人工智能的蓬勃发展而备受瞩目的“贝叶斯统计”，也介绍其思考方法与应用实 例。此外，本书还对概率论起

回归分析是统计学中一个非常重要的分支，在自然科学、管理及社会经济等领域有着非常广泛的应用。本书是针对统计学专业和财经管理类专业教学的需要而编写的。本书写作的指导思想是在不失严谨的前提下，明显不同于纯数理类教材，努力突出实际案例的应用和统计思想的渗透。由于R语言已风靡全球，在统计方法的应用中运用R语言也被越来越多的中国学者所追捧，因此本书结合R软件全面系统地介绍回归分析的实用方法，尽量结合中国社会经济、自然科学等领域的研究实例，把回归分析的方法与实际应用结合起来，注重定性分析与定量分析的紧密结合，

时间序列分析是在工程技术领域和金融领域都有众多应用的理论和方法。随着我国的科技和经济发展，时间序列分析正变得越来越重要。 本书是高等院校“应用时间序列分析”课程的教材，是“北京大学数学教学系列丛书”《应用时间序列分析》的第二版，较系统地讲授了应用时间序列分析的基本理论、方法及其应用，目的是使学生对时间序列分析的内容和方法有基本的了解，能够用时间序列分析的基本方法处理简单的时间序列数据。全书共分十章，内容主要包括：时间序列的分解、平稳序列、线性平稳序列、ARMA模型、时间序列的预报、潜周期模型、条

本书内容分5章。数理统计的基本概念，系统阐述了数理统计的概念、作用和地位，常用抽样分布的概率密度函数、性质、图形和软件实现等。参数估计，系统阐述了点估计、区间估计、估计量的评价标准的基本理论，结合军事案例进行分析、软件实现等。假设检验，系统阐述了参数假设检验、正态总体均值与方差的假设检验、非参数假设检验等理论。方差分析和正交试验设计，系统阐述了单因素方差分析、两因素方差分析和正交试验设计以及应用案例。回归分析，系统阐述了一元线性回归分析和多元线性回归分析，并结合军事案例进行分析、求解和

本书内容包括金融统计分析案例、经济统计分析案例、机器学习方法案例、生物医学统计分析案例和变量选择与预测模型案例。通过学习书中的案例，读者能够在掌握一定的统计学理论、统计方法和计算方法的基础上，熟练、正确地综合应用统计专业知识去发现、分析和解决问题。书中的案例配有数据（或模拟数据）和实现代码，登录华信教育资源网（www.hxedu.com.cn）注册后可以免费下载。本书适合作为应用统计、统计学、财经、管理等专业的高年级本科生、硕士研究生教材，也适合广大科技工作者阅读参考。

本书将模糊数据作为统计学研究范畴的对象，特别是以具有凸性的模糊数据作为研究对象，将统计学分析方法和模糊数学理论有机地结合起来，尤其是将α截集与置信区间分析方法相结合，提出并研究了模糊统计估计方法、广义模糊估计量等。这些成果丰富和发展了模糊数据统计分析方法，在模糊数据统计分析方法的方法论、认识论上具有一定程度的创新发展。全书系统地阐述 和研究了模糊数据统计分析方法及应用。
全书内容分为两部分:第一部分介绍和阐述了模糊集理论的有关内容，这是全书的理论基础;第二部分研究和阐述了模糊数据统计分

本书以Python为工具，全面讲解概率论与数理统计的主要内容和多元统计分析常用技术。全书包括13章和4个附录，内容翔实，讲解深入浅出。概率论4章，讲解概率论基础知识，主要是随机变量的相关理论；数理统计4章，主要是样本理论、参数估计和假设检验；回归分析2章，包括一元和多元回归分析及其统计解释；多元统计3章，主要讲解主成分分析和因子分析理论。整书内容简明，易上手，实用性强。本书不需要读者有良好的数学基础，4个附录提供了Python基础知识、微积分与线性代数的必要基础，可满足不同层次的读者需求。

本书深入全面地讲解了现代推荐算法，同时兼顾深度和广度，介绍了当下较前沿、先进的各类算法及其实践。本书从总览篇开始，介绍推荐系统的基本概念及工作环节。在模型篇中，除了梳理推荐系统的发展史，本书还重点讲解面向工业实践的选择及改进，为读者打下推荐系统的算法基础；进而带着读者进阶到前沿篇、难点篇，面对推荐系统中的各式问题，给出解决方案；最后在决策篇中，从技术原理和用户心理出发，解释一些常见决策背后的依据，从而帮助读者从执行层面进阶到决策层面，建立大局观。本书力求用简洁易懂的语言说清核心原理，对已经有一定

本书在借鉴国内外相关教材优点的基础上, 总结作者多年讲授时间序列分析课程的教学经验和体会, 本着教师好用、学生好读的指导思想, 系统地介绍了一元时间序列分析的基本思想、基本原理和基本方法, 内容包括时间序列的基本概念、时间序列数据的预处理方式、分解和平滑、趋势的消除、单位根检验和协整、平稳时间序列模型、非平稳时间序列模型、残差自回归模型、季节模型、异方差时间序列模型、谱分析、基于深度学习的时间序列预测以及上述模型的性质、建模、预测, 此外还包含了大量的实例. 本书全程使用 Python语言分析了

本书面向复杂不确定环境下可解释分类的需求，重点阐述作者提出的置信规则分类方法体系及其在实际工程中的应用。全书主要内容包括不可靠数据鲁棒置信规则分类、面向大数据的紧凑置信规则分类、数据与知识双驱动的复合置信规则分类、精确且可解释的置信关联规则分类、面向高维数据的置信关联规则分类、面向软标签数据的置信关联规则分类等方面的理论进展，以及在编队目标识别、多框架融合目标识别、多属性决策融合目标威胁评估等实际问题中的应用。