本书共有11章,第1章至第5章是概率论部分,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、大数定律与中心极限定理;第6章至第8章是数理统计部分,包括样本及抽样分布、参数估计、假设检验;第9章至第11章是随机过程部分,包括随机过程引论、马尔可夫链、平稳随机过程.各章均选配了适量的习题,并附有参考答案.此外,本书还提供了三个附录,包括重要分布表、几种常用的概率分布、2011年至2023年全国硕士研究生入学统一考试真题. 本书可作为工科、理科(非数学)、经济、
在产品研发或改进过程中,需要进行大量而重复的实验以确定最优的配方及工艺。掌握先进的实验方法和数据处理方法,可以缩短研发周期、节省研发成本。《从零学实验设计与数据处理》以实验设计为主线,除了介绍实验设计的基本原理与方法以外,佐以大量产业车间范例,旨在使读者学会不同的实验设计的理论与方法。同时通过本书对范例的说明,了解如何应用实验设计增进科研以及在车间实验的效率。本书具有理论与实践紧密结合的特点,可供材料、化工等相关行业的研发工程师及大中专学生参考,也可供高等学校化工类专业及相关专业
从古到今,人们经常会深陷占卜带来的虚幻的错觉,低估巧合事件的发生概率因而以为有神秘力量在起作用,将事物复杂的发展规律简单化、线性化,进而做出与实际情况相去甚远的预测。数学可以在非线性发展的世界中充当向导的作用。有了数学的帮助,我们就可以通过理性和逻辑思考,避免直觉所犯的一系列错误。但即使是数学,在处理这个复杂世界的各种问题时,也做不到面面俱到,游刃有余。这本书介绍了本福德定律、贝叶斯定理、博弈论、正反馈回路等数学知识,帮助我们戳穿流传多年的民间经验法则,辨别常见的认知错误,发现毫无意义
时间序列分析是统计学科的一个重要分支,它主要研究随着时间的变化,事物发生、发展的过程,寻找事物发展变化的规律并预测未来的走势。在日常生产和生活中,时间序列比比皆是,所以目前时间序列分析方法广泛应用于经济、金融、天文、气象、海洋、物理、化学、医学、质量控制等诸多领域,成为众多行业经常使用的统计方法。 本书是基于Python编写的入门级时间序列分析教材,主要内容包括时间序列分析简介、时间序列的预处理、ARMA模型的性质、平稳序列的拟合与预测、无季节效应的非平稳序列分析、有季节效应的非平稳序列
《互联网大厂推荐算法实战》介绍了互联网大厂当前采用的一些前沿推荐算法,并梳理了这些算法背后的思想脉络与技术框架。 《互联网大厂推荐算法实战》总计10章,内容涵盖了推荐系统的基础知识、推荐系统中的特征工程、推荐系统中的Embedding、推荐系统的各组成模块(包括召回、粗排、精排与重排)所使用的算法技术、推荐算法实践中经常会遇到的难题以及应对之道(其中涉及多任务推荐、多场景推荐、新用户冷启动、新物料冷启动、评估模型效果、定位并解决问题等),最后还用一章的篇幅介绍了推荐算法工程师在工作、学习、面试时
本书从系统视角出发,阐述如何利用技术手段搭建企业级推荐系统,内容包括认知篇、数据篇、召回篇、排序篇、系统篇 5 个部分,覆盖企业级推荐系统建设的核心要点。本书知识体系清晰,从基础知识切入,逐步深入,先后涉及推荐系统的经典技术、主流技术和前沿技术。本书通过“理论+案例+代码示例+心得体会”的方式阐述、归纳和总结推荐系统的知识,帮助读者理解推荐系统,掌握技能,建立系统思维。 本书适合对推荐系统感兴趣的初学者、从事数据挖掘/信息推荐相关工作的研发工程师、产品经理、架构师,以及相关专业学生和教师阅读。
时间序列模型广泛应用于计量经济学、金融学、生物统计学、工业计量学等领域。本书主要研究了复杂时间序列的理论性质和实际应用,包括对时间序列的分布函数、函数型时间序列,以及局部平稳时间序列多步向前预测区间的统计推断。本书可作为统计学、数据科学等相关专业本科生或研究生的选修课教材,也可作为统计学科研人员、企业管理人员和国家行政机关工作人员学习预测方法的参考用书。
"本书共分十章,第一章到第五章为概率论部分,包括随机事件及其概率、一维随机变量及其概率分布、多维随机向量及其概率分布、随机变量的数字特征、大数定律和中心极限定理。第六章到第八章是数理统计基础,包括抽样分布、参数估计、假设检验。第九章和第十章是随机过程简介,包括随机过程的概念和随机过程的数字特征、两个重要的过程(泊松过程和维纳过程)、马尔可夫链。本次修订进一步完善了概率和定理的叙述,调整、新增了部分例题和习题,修改了数学软件的相关内容。 本书为高等学校工科类、经济管理类专业概率论与
相依混合随机变量是现代概率统计中的重要概念, 它具有非常直观的实际应用背景, 如时间序列数据、空间数据、网格数据和高频数据等都具有相依性, 且呈现渐近独立的特征. 因此, 近几十年来一直都吸引了众多学者的关注与研究, 获得了丰硕的研究成果. 本书主要介绍混合随机变量的基本理论, 内容包括混合随机变量的定义与性质、随机过程的混合性质、混合随机变量的不等式、混合随机变量的中心极限定理和相依随机变量的强大数律. 作为应用, 书中介绍了混合高频数据的非参数估计和混合样本下回归模型的小波估计, 其中混合高
?介绍 R 和 R Commander ?介绍如何下载和安装软件?演示将 R Commander 应用于一个简单的数据分析问题,从数据输入到报告撰写?解释如何在 R Commander 中输入和操作数据?描述了 R Commander 中许多常用统计方法的实现?展示如何对概率分布进行计算以及如何进行简单的模拟?演示 R Commander 插件包的使用,它扩展了 R Commander 接口的功能