概率論與數(shù)理統(tǒng)計(jì)：方法與應(yīng)用及python實(shí)現(xiàn)

定　價(jià)：￥69.80

作　者：	柯忠義，周大鐲主編
出版社：	北京大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

ISBN：	9787301343470	出版時(shí)間：	2023-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	404	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書是一本供非數(shù)學(xué)專業(yè)使用的概率論與數(shù)理統(tǒng)計(jì)教材. 全書共分為十章，內(nèi)容包括隨機(jī)事件和概率、離散型隨機(jī)變量及其分布、連續(xù)型隨機(jī)變量及其分布、隨機(jī)變量的數(shù)字特征、大數(shù)定律和中心極限定理、參數(shù)估計(jì)、假設(shè)檢驗(yàn)、方差分析與回歸分析、統(tǒng)計(jì)軟件SPSS簡(jiǎn)介. 每一章節(jié)后面有相當(dāng)數(shù)量的習(xí)題，在書末配有參考答案，供讀者參考. 為了使學(xué)生對(duì)這門課程在現(xiàn)實(shí)生產(chǎn)、生活中的應(yīng)用有一個(gè)感性的認(rèn)識(shí)，在每一章的都提供了一篇課外拓展閱讀，以提高學(xué)習(xí)興趣和應(yīng)用意識(shí).章隨機(jī)事件和概率第二章離散型隨機(jī)變量及其分布第三章連續(xù)型隨機(jī)變量及其分布第四章隨機(jī)變量的數(shù)字特征第五章大數(shù)定律和中心極限定理第六章數(shù)理統(tǒng)計(jì)的基本概念第七章參數(shù)估計(jì)第八章假設(shè)檢驗(yàn)第九章方差分析與回歸分析第十章 Python基礎(chǔ)及其在概率論與數(shù)理統(tǒng)計(jì)中的應(yīng)用

作者簡(jiǎn)介

　　柯忠義：：：：：：：柯忠義，統(tǒng)計(jì)學(xué)教授，博士，主講講授《概率論與數(shù)理統(tǒng)計(jì)》《多元統(tǒng)計(jì)分析》《數(shù)學(xué)建模》等課程。長(zhǎng)期從事數(shù)學(xué)建模培訓(xùn)和指導(dǎo)工作，指導(dǎo)大學(xué)生參加外數(shù)學(xué)建模及美國數(shù)模競(jìng)賽的成績(jī)優(yōu)異，分別在2009年、2017年及2021年三次次獲得廣東省大學(xué)生建模指導(dǎo)教師稱號(hào)。主要從事復(fù)雜數(shù)據(jù)建模與分析等應(yīng)用領(lǐng)域的研究工作，先后在外期刊發(fā)表論文近40篇；主持省部級(jí)及市廳級(jí)項(xiàng)目6項(xiàng)。主要的研究領(lǐng)域?yàn)?，宏觀經(jīng)濟(jì)數(shù)據(jù)、產(chǎn)業(yè)與企業(yè)層面數(shù)據(jù)數(shù)據(jù)的建模與分析，運(yùn)用數(shù)據(jù)挖掘、統(tǒng)計(jì)建模、線性與非線性預(yù)測(cè)、貝葉斯估計(jì)分析等方法，探索各類數(shù)據(jù)的生成過程、性質(zhì)、特點(diǎn)和趨勢(shì)，刻畫行業(yè)、企業(yè)及宏觀經(jīng)濟(jì)周期的動(dòng)態(tài)運(yùn)行周期與結(jié)構(gòu)特征。

圖書目錄

章隨機(jī)事件和概率
1.1 隨機(jī)事件
1.2 概率的定義和性質(zhì)
1.3 古典概型與幾何概型
1.4 條件概率、全概率公式和貝葉斯公式
1.5 事件的獨(dú)立性
1.6 問題拓展探索之一——蒲豐投針問題及其應(yīng)用
1.7 趣味問題求解與Python實(shí)現(xiàn)之一
1.8 課程趣味閱讀之一
習(xí)題一
第二章離散型隨機(jī)變量及其分布
2.1 隨機(jī)變量
2.2 離散型隨機(jī)變量及其分布律
2.3 二維離散型隨機(jī)變量及其分布
2.4 離散型隨機(jī)變量的獨(dú)立性與條件分布
2.5 離散型隨機(jī)變量函數(shù)的分布
2.6 問題拓展探索之二——幾個(gè)常用離散型分布的性質(zhì)拓展與應(yīng)用
2.7 趣味問題求解與Python實(shí)現(xiàn)之二
2.8 課程趣味閱讀之二
習(xí)題二
第三章連續(xù)型隨機(jī)變量及其分布
3.1 分布函數(shù)與概率密度
3.2 常用的一維連續(xù)型隨機(jī)變量
3.3 二維連續(xù)型隨機(jī)變量及其分布
3.4 連續(xù)型隨機(jī)變量的獨(dú)立性與條件分布
3.5 連續(xù)型隨機(jī)變量函數(shù)的分布
3.6 問題拓展探索之三——伽馬分布及其應(yīng)用
3.7 趣味問題求解與Python實(shí)現(xiàn)之三
3.8 課程趣味閱讀之三
習(xí)題三
第四章隨機(jī)變量的數(shù)字特征
4.1 數(shù)學(xué)期望
4.2 方差
4.3 協(xié)方差和相關(guān)系數(shù)
4.4 矩和協(xié)方差矩陣
4.5 隨機(jī)變量的形態(tài)特征
4.6 問題拓展探索之四——條件期望及其應(yīng)用
4.7 趣味問題求解與Python實(shí)現(xiàn)之四
4.8 課程趣味閱讀之四
習(xí)題四
第五章大數(shù)定律和中心極限定理
5.1 大數(shù)定律
5.2 中心極限定理
5.3 問題拓展探索之五——隨機(jī)變量序列的三種收斂
5.4 趣味問題求解與Python實(shí)現(xiàn)之五
5.5 課程趣味閱讀之五
習(xí)題五
第六章數(shù)理統(tǒng)計(jì)的基本概念
6.1 總體和樣本
6.2 經(jīng)驗(yàn)分布函數(shù)
6.3 統(tǒng)計(jì)量
6.4 三個(gè)常用分布
6.5 抽樣分布
6.6 問題拓展探索之六——變量變換法與次序統(tǒng)計(jì)量的分布
6.7 趣味問題求解與Python實(shí)現(xiàn)之六
6.8 課程趣味閱讀之六
習(xí)題六
第七章參數(shù)估計(jì)
7.1 點(diǎn)估計(jì)
7.2 估計(jì)量的評(píng)選標(biāo)準(zhǔn)
7.3 置信區(qū)間
7.4 單個(gè)正態(tài)總體參數(shù)的置信區(qū)間
7.5 兩個(gè)正態(tài)總體參數(shù)的置信區(qū)間
7.6 非正態(tài)總體參數(shù)的置信區(qū)間
7.7 問題拓展探索之七——極大似然估計(jì)法的趣味應(yīng)用
7.8 趣味問題求解與Python實(shí)現(xiàn)之七
7.9 課程趣味閱讀之七
習(xí)題七
第八章假設(shè)檢驗(yàn)
8.1 假設(shè)檢驗(yàn)問題
8.2 單個(gè)正態(tài)總體的假設(shè)檢驗(yàn)
8.3 兩個(gè)正態(tài)總體的假設(shè)檢驗(yàn)
8.4 總體成數(shù)的假設(shè)檢驗(yàn)
8.5 分布擬合檢驗(yàn)
8.6 問題拓展探索之八——?jiǎng)莺瘮?shù)與兩類錯(cuò)誤的計(jì)算
8.7 趣味問題求解與Python實(shí)現(xiàn)之八
8.8 課程趣味閱讀之八
習(xí)題八
第九章方差分析與回歸分析
9.1 單因素試驗(yàn)的方差分析
9.2 雙因素試驗(yàn)的方差分析
9.3 一元線性回歸
9.4 多元線性回歸
9.5 問題拓展探索之九——協(xié)方差分析模型及其應(yīng)用
9.6 趣味問題求解與Python實(shí)現(xiàn)之九
9.7 課程趣味閱讀之九
習(xí)題九
第十章 Python在概率論與數(shù)理統(tǒng)計(jì)中的應(yīng)用
10.1 Python語言基礎(chǔ)
10.2 數(shù)據(jù)處理與可視化
10.3 Python在概率論與數(shù)理統(tǒng)計(jì)中的應(yīng)用
附表
附表1 泊松分布表
附表2 標(biāo)準(zhǔn)正態(tài)分布表
附表3 χ2分布表
附表4 t分布表
附表5 F分布表
附表6 柯爾莫哥洛夫檢驗(yàn)的臨界值表
附表7 Dn的極限分布函數(shù)的數(shù)值表
參考答案與提示
參考文獻(xiàn)