IBM SPSS数据分析软件是目前应用最为广泛的数据分析软件之一，深受各行业用户的青睐。本书以IBM SPSS 26.0为基础，以数据分析理论为主线，参照数据分析课程教学大纲编写。全书由浅入深，共包括10章内容，涵盖数据分析的三个阶段，介绍了数据分析的基本概念和流程、SPSS软件在数据获取与管理上的功能、概括性描述统计分析、探索性统计推断以及相关和回归分析、聚类和判别分析、因子分析等常用的基本数据分析方法的基本原理和操作应用。 本书每章末尾均配有习题，并且除第1章外，其余各章均配有案例分析题，

本书分为三个部分，按照概率论、数理统计和数学实验简明扼要地介绍了概率论与数理统计中的基本内容。主要包括：随机事件、一元、二元随机变量，随机变量的数字特征，大数定律、抽样分布、参数估计、假设检验、方差分析与回归分析。

本书克服了传统教材理论与实际问题结合上的欠缺问题，即理论与数据处理脱离的现状，通过计算机实践，一方面使学生有的放矢学习计算机程序，另一方面通过数据处理使学生充分体会到学习本课程的实际意义。本书可以作为高等学校文科类教材。

本书的内容包括随机事件及其概率、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、数理统计的基本知识简介、参数估计、假设检验、方差分析与回归分析，并介绍了用MATLAB软件作统计计算，并根据不同内容，融入课程思政元素，引导学生树立正确的学习观念，力求学生在学习数学的同时达到思想的进步与提高。本书强调基本概念的阐释，同时，在设定的数学程度内，力求做到论述严谨。本书首次将课程思政融入数学教材，内容广泛、重点突出、由浅入深、 通俗易懂，体现教学的适用性。

《多元统计分析》介绍了多元统计分析的方法和理论，以及R语言计算，涵盖了经典多元统计分析的全部内容，包括：矩阵运算知识、数据可视化与R语言、多元正态分布、多元正态总体的抽样分布、多元正态分布的参数估计、置信域和假设检验、线性回归模型、多元多重回归分析、主成分分析、因子分析、判别分析、聚类分析和典型相关分析等内容，以及R语言的应用。《多元统计分析》除了重点介绍各种多元统计分析的思想、方法和理论外，使用R语言进行计算和数据可视化也是《多元统计分析》的特色，对《多元统计分析》所有的多元统计分析方法和理论

本书根据“概率论与数理统计”课程的教学基本要求，按照全国硕士研究生入学统一考试数学一的考试大纲要求，根据编者多年的教学实践经验，在充分考虑教学实际的基础上编写而成.
全书共分10章，前5章为概率论的基本内容，包含: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、随机变量的数字特征、大数定律和中心极限定理；后5章为数理统计的基本内容，包含：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.
全书着眼于概率论与数理统计的基本原理和方法，注重基本概念的直观解释，重视应用背

本书是随机过程的基础入门读物，主要讲授随机过程论的基本理论和方法，包括：基本概念、鞅论、马氏链、Q过程、Brown运动、马氏过程、相互作用粒子系、渗流与点过程的数学模型、扩散过程与随机分析、平稳过程与遍历理论等。

本书根据高等学校工科数学课程教学指导委员会拟定的《概率论与数理统计课程教学基本要求》和《全国硕士研究生入学统一考试数学考试大纲》编写而成。本书以培养学生运用概率论与数理统计的思想和方法解决随机问题的能力为出发点，科学系统地介绍了概率论与数理统计的基本概念、原理和方法。本书内容分为10章： 第1章至第5章为概率论，包括随机事件及其概率、随机变量及其分布、二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； 第6章至第9章为数理统计，包括数理统计的基本概念、参数估计、假设检验、方差分析

本书是根据编者多年的教学经验编写而成的, 是与《概率论与数理统计》课程相配套的学习辅导用书。本书主要内容包括随机事件与概率, 随机变量及其分布, 随机变量的数字特征, 多维随机变量及其分布, 大数定律和中心极限定理, 统计量及其分布, 参数估计, 假设检验, 方差分析与回归分析。本书通过详尽的难点解析以及灵活的一题多解, 深入挖掘题目背后内涵和关系, 帮助读者进一步提高概率论与数理统计的基本理论和实践应用。

本书为“十二五”普通高等教育本科***规划教材，同时也是教育部高等学校统计学类专业教学指导委员会推荐教材。本书努力贯彻“少而精”的原则，力求以统计思想为主线，以R语言为工具，深入浅出地介绍各种多元统计方法的理论和应用。主要内容包括：多元统计分析概述、多元正态分布的参数估计、多元正态分布均值向量和协差阵的检验、判别分析、聚类分析、主成分分析、因子分析、相应分析、典型相关分析、多维标度法、多变量的可视化分析等。特别是，本书将R语言的学习和案例分析有机结合，体现了多元统计分析方法的应用。

本书为中国人民大学“十三五”规划教材——核心教材。非参数统计是统计学和数据科学的重要分支领域，本书作为该领域的基础教材，在内容上尽可能涵盖非参数统计基础知识的各个方面。为了使尽可能多的读者通过本书对非参数统计和稳健统计有所了解, 作者尽可能多地从方法的背景、原理、R 使用和案例四个方面进行详细介绍。本书内容主要包括基本概念、单变量位置推断问题、两独立样本数据的位置和尺度推断、多组数据位置推断、分类数据的关联分析、秩相关和稳健回归、非参数密度估计、非参数回归、数据挖掘与机器学习。每章都配备了案例与