本书全面地介绍了各种常见统计应用场景下的样本量确定方法，重点讨论了样本量确定的原理，弥补了已有统计学在这方面的不足。特别地，在统计学领域内首次介绍了分布估计和建模等应用场景中的样本量确定方法，填补了空白。

本书涵盖数值分析、统计计算的核心内容，既包含一些经典的数值方法，又系统地介绍了统计计算中的新方法。本书共8章，内容包括计算统计引论、矩阵计算、函数逼近与最小二乘法、方程与方程组的数值解法、数值积分与数值微分、马尔可夫链蒙特卡洛模拟、EM优化算法、组合优化与启发式算法等。本书结合理论算法、计算机程序与计算机专业领域应用案例，较为全面地介绍数值计算方法和统计计算方法，让学生真正了解计算统计中重要算法的基本思想，掌握相关程序的编写和培养学生的编程思维，使其具备解决复杂工程问题的能力。本书除附了Pyth

本书共分为9章，首先介绍了R软件中处理时间序列数据的方法以及如何进行时间序列数据的可视化，然后介绍了ARIMA模型及其相关扩展形式的原理、建模方法和应用，以及GARCH模型、VAR模型、VARX模型等，最后介绍了基于机器学习的时间序列预测方法、混沌时间序列的概念与特性，并提供了2个综合案例分析。

本书针对概率论与数理统计实践课程设计了概率统计基础实验、应用案例分析、演示验证实验，编撰了典型应用案例。本书注重内容的知识性、启发性、可探索性和素材新颖性，实验基于MATLAB平台和GeoGebra平台开展，附有所有实验程序、案例求解程序和演示验证实验GGB脚本程序文件，可通过扫描二维码获取。

本书致力于描述和推断多元时间序列中变量间内生的动态关系。作者讨论了四种主要的时间序列数据建模方法，包括自回归整合移动平均模型、同时方程模型、误差纠正模型和向量自回归模型，并详细介绍了向量自回归模型的设定、估计和推论，格兰杰因果关系检验以及对变量之间动态关系进行评价的冲击反应函数。此外，本书为读者提供了若干实例，从多个角度充分展现了向量自回归模型的具体运用。

近二十年来,随机过程由于其在数理金融等领域的应用而倍受关注,Merton和Scholes在期权定价方面的工作获得诺贝尔奖之后更是如此。因此作者觉得有必要对学生介绍随机过程的一些基本知识。本书是为数学系本科高年级学生开设的随机过程选修课而写的,目的在于让他们对随机过程的经典问题和方法有一个初步的了解。本书主要介绍Poisson过程、更新过程、随机游动、鞅以及Markov链的基本理论。作为最简单的随机过程,它们的研究有悠久的历史和直观自然的背景。实际上,许多连续时间的随机过程的结论都可以在这些随机序

本书采用先理论方法后实践应用的方式进行撰写，系统介绍了投影寻踪基本原理、统计学习方法及其多场景应用案例，为多方法耦合提供新思路，为复杂数据挖掘提供新方法，为数据科学问题解决提供新应用。全书内容包括投影寻踪研究进展综述、投影寻踪耦合学习原理、投影寻踪耦合学习算法、投影寻踪聚类耦合学习、投影寻踪回归耦合学习、投影寻踪函数型耦合学习、投影寻踪耦合学习评价、投影寻踪耦合学习预测和投影寻踪耦合学习决策。本书可作为统计学习、数据科学和工程应用方向的研究及实践工作者的学习参考书。

本书分为三大部分，共计14章，主要内容包括：探索性数据分析入门、概率论基础、推断统计基础、相关性和回归、数据分析栈、R中的数据结构、使用R进行数据处理与可视化、使用R进行数据分析、Python中的数据结构、使用Python进行数据分析等。

本书教你如何从基于时间的数据(如日志、客户分析和其他事件流)中获得即时、有意义的预测。在这本通俗易懂的书中，作者通过带有注释的Python代码全面演示了用于时间序列预测的统计和深度学习方法。全书分为四部分：第一部分介绍时间序列预测的概念；第二部分介绍使用统计模型进行预测；第三部分介绍使用深度学习进行大规模预测；第四部分介绍使用自动化预测库进行大规模预测。

本书从信息流个性化推荐算法从业者的角度，阐述在资讯内容类App中，如何搭建健壮、完善的个性化推荐算法体系，如何融合产品运营的专家模型和端到端的深度学习，如何平衡短期的商业化目标和长期的用户体验，以及我们在多个行业头部平台实践的过程中遇到的典型业务问题和解决方案，对比理论推导为主的机器学习书籍，本身更偏向基于行业问题的深度思考及落地实践。