概率论与数理统计是大学数学的第三门课。本书针对经管类编写，主要包括概率论的基本概念、一维和多维随机变量及其分布、随机变量的数字特征、数理统计的基础知识、参数估计、假设检验、方差分析和回归分析等知识模块，并特别加强了数学建模与数学实验教学环节，可以通过扫描对应的二维码即可实现实验操作，且配有网络账号，学生可登录网络学习空

本书全书共12章，从时间序列分析的概念和范畴开始，依次介绍了平稳时间序列模型和非平稳时间序列模型以及单位根检验方法等。此外，本书还设计了软件应用演示环节，为读者提供应用软件解决现实问题的具体过程。本书注重理论的完备性以及理论与应用的结合度，努力做到理论内容全面、讲解深入浅出，同时特别强调理论知识的实际引用。本书适合作为

本书针对应用型人才的培养目标和学习特点，对概率论与数理统计的传统内容进行了整合，既考虑与中学内容的衔接，又保持其自身具有的系统性和完整性，同时注重阐述用数学知识解决实际问题的基本思想和方法，将概率统计思想和数学建模思想的结合，选例鲜活有趣，问题分析透彻。此外，本书将概率统计理论和统计软件相结合，介绍了如何利用软件处理统

本书是根据编者多年的教学经验，结合高等学校非数学专业大学数学——概率论与数理统计课程的教学大纲及近几年的考研大纲编写而成的。本书内容共分八章：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、大数定律及中心极限定理、样本及抽样分布、参数估计、假设检验。本书结构严谨，逻辑清晰，概念准确。其主要特点在

本书着重介绍了与实际应用有关的数值计算基本方法，强调了基本概念、理论和应用，特别是数值计算方法在计算机上的实现，以期读者在学完本书之后能够充分掌握这些方法，并能在计算机上进行有关的科学与工程计算.全书共分8章，主要内容包括非线性方程求根，线性方程组数值解法，矩阵特征值与特征向量的数值计算，函数逼近，数值积分和微分，解线

本书主要内容包括：函数及其运算；极限与连续；导数与微分；导数的应用；积分及其应用；常微分方程；向量代数与空间解析几何；线性代数等。

运筹学是一门定量研究如何有效地组织和管理各种资源的学科，是现代管理科学的基础，旨在培养学生科学管理的思维和系统优化的思想。本书着重在培养读者的建模技巧和实践操作能力的基础上，激发读者对理论知识自觉探索的兴趣。全书写作基本按照“基本概念介绍→应用建模举例→计算机操作实践→实际应用案例”的思路，由浅入深，先易后难。通过本书

本书共包含8章内容。第1章介绍了最优化问题的概念及主要分类。第2-3章为进化计算部分，以遗传算法和差分进化算法为代表，介绍了算法原理、实现流程及关键技术，并给出了应用实例。第4-6章为群体智能部分，以粒子群优化算法、人工鱼群算法和蚁群优化算法为代表，阐述了算法原理，给出了应用实例，并介绍了算法的各种改进方式。第7章阐述

线性模型是统计学中的一个重要分支，本书从理论与实践相结合的角度，阐述了线性模型的基本理论、方法和应用。本书共分为八章，第一章通过各种案例引进各种线性模型，第二章和第三章介绍了一些基础知识，包括矩阵论和概率论的相关知识。第四章到第六章系统讨论了各种线性回归模型的估计及统计推断。第七章讨论了方差分析模型的统计推断，并在附录

全书以计算思维为导向，凝练了计算机科学与技术中相关的基本理论、基本方法和新一代智能计算技术的基本概念及应用。全书内容分为10章，介绍了计算、计算机与计算思维的基础知识，计算基础，计算机系统与云计算，计算机网络与物联网，算法设计基础，Python语言程序设计，数据库与大数据、人工智能基础、人工智能技术、人工智能应用等智能