本書是與清華大學出版社2017年出版的《概率論與數(shù)理統(tǒng)計（第2版）》（張艷、程士珍主編）教材相配套的學習輔導書.內(nèi)容包括該書各章的知識點、典型例題、習題與綜合練習題全解，另外，還配有大量的訓練題及參考答案，以供考研學生提升解題技巧.本書注重體現(xiàn)概率統(tǒng)計的思想方法與基本內(nèi)容，強調(diào)對學生解題方法與能力的培養(yǎng)，力求做到深入淺

根據(jù)課程特點和需要，內(nèi)容主要包括當前主流統(tǒng)計軟件R簡介、課程相關(guān)基礎(chǔ)知識介紹、基本的統(tǒng)計抽樣方法、方差減少技術(shù)分析和EM、MCMC算法算例介紹

有限元法是求解工程科學中數(shù)學物理問題的一種通用數(shù)值方法�！队邢拊�分析技術(shù)》介紹有限元法的基本原理、建模方法及工程應用。本書強調(diào)有限元分析的工程概念、數(shù)學力學基礎(chǔ)、建模方法以及實際應用，側(cè)重理論與工程實踐的結(jié)合。

內(nèi)容簡介 在理查德.斯坦利的《計數(shù)組合學》(第2卷)(劍橋大學出版社)一書的219頁中有一個包含66個部分的練習題(為學生準備的),每個部分定義了一組有限的數(shù)學對象,這些對象由卡塔蘭數(shù)計算.此外,斯坦利*近完成了一本名為《卡塔蘭數(shù)》的專著,描述了卡塔蘭數(shù)計算的214個對象,以及問題集中的附加的68個對象.該著作在20

模式識別與機器學習是計算機科學與技術(shù)的重要研究內(nèi)容之一。 《模式識別與機器學習技術(shù)》首先講解了貝葉斯分類、支持向量機和人工神經(jīng)網(wǎng)絡(luò)等常用的機器學習算法，并對結(jié)構(gòu)數(shù)據(jù)的核函數(shù)和增量支持向量機算法進行了全面綜述，講解了深度學習新的模型和計算機視覺的基本知識。以農(nóng)業(yè)為應用場景，結(jié)合作者的科研工作，詳細介紹了基于卷積神經(jīng)網(wǎng)絡(luò)

當在日常生活中需要進行選擇與博弈時，我們可能不了解自己的目標，甚至不知道該怎樣選擇才能使自己的利益*大化。更不用說如何使參與博弈的各方利益*大化。哈伊姆夏皮拉用生活中的例子和通俗的語言向我們解釋了什么是博弈論，并告訴我們該如何得到*優(yōu)解。 通過這本書你將會： 學會與朋友出去吃飯時的點餐策略； 學會更好地做決策； 了解

內(nèi)容涉及正倒向隨機微分方程最優(yōu)/次優(yōu)控制系統(tǒng)研究，分兩部分：第一，動態(tài)規(guī)劃原理，我們推導出Hamilton-Jacobi-BellmanInequality,此項研究是深入菲爾茨獎得主，法國數(shù)學家P.-L.Lions教授提出的用粘性解理論研究導數(shù)有約束的偏微分方程的問題。同時給出在粘性解意義下，隨機遞歸系統(tǒng)的最優(yōu)控制驗

我們所處的時代是一個大數(shù)據(jù)時代，數(shù)據(jù)無處不在，統(tǒng)計學是研究數(shù)據(jù)的科學，在數(shù)據(jù)分析中扮演了非常重要的角色。多元統(tǒng)計分析是統(tǒng)計學中應用最廣的一個分支，在自然科學、社會科學、經(jīng)濟科學和管理科學等領(lǐng)域應用廣泛。作為國內(nèi)多元統(tǒng)計分析的經(jīng)典版本，第5版繼續(xù)保持了案例應用與統(tǒng)計思想相滲透、結(jié)合軟件詳細介紹多元統(tǒng)計分析理論與方法的特色

本書系統(tǒng)地介紹運籌學中的主要內(nèi)容，重點陳述應用最為廣泛的線性規(guī)劃、對偶理論、整數(shù)規(guī)劃、非線性規(guī)劃、動態(tài)規(guī)劃、圖與網(wǎng)絡(luò)、決策分析、博弈論、庫存論、排隊論與模擬等定量分析的理論和方法。閱讀本書只需微積分、線性代數(shù)與概率統(tǒng)計的一些基本知識。本書是教學改革項目“基于信息技術(shù)平臺的運籌學立體化教材”的成果，配備有完整和立體化教學

本書介紹了青年學者在線性代數(shù)、多項式代數(shù)、差分代數(shù)、計算代數(shù)幾何等領(lǐng)域的部分**成果，展現(xiàn)了我國符號計算學科的發(fā)展動態(tài)我們希望以本書為平臺展示課題成果，以及符號計算領(lǐng)域前沿進展，從而促進符號計算領(lǐng)域的學術(shù)交流與發(fā)展。