本书内容: 现代社会, 数据已渗透到各类行业和各个领域, 对国家管理和人们的生活都发挥着越来越重要的作用。统计学就是对数据进行挖掘和运用, 从而得出重要且正确决策的方法论学科。可以说信息的收集、整理、分析都离不开统计学理论和方法的应用。本教材围绕应用型本科院校人才培养目标, 主要满足经济管理类学生学习需要; 阐述对社会经济信息进行搜集、整理、分析及预测的基本原理和方法。教材理论体系完整、注重案例教学、课后习题内容完备、充分考虑针对性和适应性、强调学生统计实践技能的培养。

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

本书适应了大数据时代对人才培养的需求，通过将数据处理技术与传统的统计学知识相结合，在内容上设置了大数据概述与SPSS基础知识、数据文件的建立与数据处理、数据的描述性分析、抽样推断与参数估计、数据可视化分析、假设检验、相关分析、线性回归分析、时间序列分析与统计预测、编制数据分析报告十个项目。本书将理论知识与实操能力的培养相结合，同时每个项目的结尾加入了课程思政的案例，并配有微课、课件、教案、习题、数据等教学资源，能够满足课堂教学的需求。本书既可以作为高职高专财经类专业数据分析课程的教学使用，也可以

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

本书是根据各专业类教学质量国家标准对本课程的基本要求编写的普通高校教材.针对应用型人才培养和工程技术应用需求，本书主要内容为数理统计理论模型及其应用，包括数理统计的基本概念、参数估计、假设检验、回归分析、方差分析和随机过程.每个数理统计模型的讲解均与工程背景例题相对应，既有理论计算和推演，又有MATLAB软件实现过程.每章末配有相应的习题，以应用题为主，注重知识的巩固和应用，同时附有参考答案.
本书可作为普通高等学校工科类各专业本科生和研究生的教材，也可作为数学建模课程和各类大学生数学建模

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。