本教材内容包括：随机事件与概率, 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, 大数定律和中心极限定理, 数理统计的基本概念, 参数估计, 假设检验, 回归分析，基于MATLAB工具的数学实验等.书末附有一系列表格、习题答案与提示、符号说明和名词索引。

本书系统介绍

《概率论与建模（第二版）》遵循高等院校教学指导委员会关于概率论与数理统计课程的教学基本要求编写而成，《概率论与建模（第二版）》共9章，分别是随机事件与概率、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、大数定律与中心极限定理、数理统计的基本概念、参数估计、假设检验和方差分析和回归分析。

《概率统计与数学模型学习指导》为《概率统计与数学模型》的配套学习指导教材,内容包括每一章的基本要求？内容提要？释疑解难？典型例题以及教材的习题解答.第1~5章介绍概率论的基本知识,包括随机事件与概率？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？大数定律与中心极限定理等;第6~9章介绍数理统计的基本知识,包括数理统计基础知识？参数估计？假设检验？回归分析等.

《概率论与数理统计》系统地介绍概率论与数理统计的基本内容以及数理统计的基本思想、原理与方法．内容包括随机事件与概率、一维随机变量及其概率分布、多维随机变量及其概率分布、数字特征、大数定律与中心极限定理、样本及抽样分布、参数估计、假设检验、方差分析与回归分析．各章都配有适量的例题与习题，习题又分为用于基本知识与计算训练的A类习题与综合能力训练的B类习题．《概率论与数理统计》的特点是着重理论联系实际．

《概率论与数理统计（第四版）》体系新颖、结构严谨、内容翔实、叙述清晰、重点突出、难点分散、例题典型、习题丰富。重视对学生分析、推理、计算和应用数学能力的培养。内容包括：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与极限定理、样本及其分布、参数估计、假设检验、回归分析与方差分析、正交试验设计、应用数学模型共十章。

本书内容主要包括事件与概率，随机变量，数学期望，特征函数，极限定理，抽样分布，参数估计，假设检验，线性回归等第9章。内容精炼，由浅入深，论述严谨。本书是集作者多年教学经验、结合理工科“概率统计”课程的教学需要而编写的。适合高等院校“数学与应用数学”信息与计算科学“统计学”等专业的理工科本科生作为教材使用，也可供科技工作者阅读和参考。

本书系统介绍了多元统计分析的基本理论和方法，在简明介绍描述统计、推断统计、聚类分析、主成分分析、因子分析等多元统计分析方法原理的基础上，并结合经济、管理、社会等领域中的实例，通过计算机实现，将多元统计分析与实际应用相结合。较前版修订多元描述统计部分，30%；增加Copula,协方差分析，面板数据分析，多元时间序列分析及协整分析，多元评价分析内容。内容新，全面，案例丰富，是作者课题研究的积累。

本书主要针对模糊聚类算法中最经典的FCM算法进行了系统分析，并对原始算法进行了改进，将经典的FCM算法和改进的FCM算法应用图像识别、数据聚类和软件测试等不同领域。全书共分7章，第1章介绍了聚类分析发展背景和基础概念；第2章介绍了模糊理论基础知识及模糊聚类分析的方法和应用；第3章介绍了模糊C均值算法的理论知识和研究现状以及目前存在的问题；第4章介绍了马氏距离的基本原理和处理方法；第5章介绍了马氏距离在模糊聚类中的应用；第6章介绍了基于优化KPCA特征提取的FCM算法；第7章介绍了FCM

本书主要内容包括：随机事件与概率；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；大数定律和中心极限定理；统计量及其分布；假设检验；方差分析和正交试验设计初步等。