本书架构上分为概率论、数理统计、统计分析三个部分，章节设计由浅入深逐步递进。在概率论部分，第1章为概率论的基础知识，为概率论的学习做预备，第2、3章为随机变量的分布及其数字特征。在数理统计部分，第4章为数理统计基本概念，第5-6章为统计推断。在统计分析部分，第7章通过案例及SPSS软件介绍了常用的多元统计分析的应用。教

本书分为8章，包括最优控制理论涉及的基础知识、最优控制中的变分法、最小值原理、线性二次型最优控制、离散时间系统的最优控制、动态规划以及微分对策问题。书中包括大量的例题及MATLAB实现方法，并通过工程应用实例使得读者能充分掌握最优控制的基本理论及应用。

暂无关于排序与时序最优化引论的更多介绍。

本书内容为：有限元法构造及其在电子计算机实现解题的全过程，椭圆边值问题变分原理、有限元解的收敛性、非标准有限元法，以及有限元法在科学与工程中的应用，并且介绍了作者几年来在工程问题中的部分研究结果。

本书主要内容包括概率论、数理统计两部分，概率论包括：概率论的基本概念、性质、事件与概率，一维随机变量的分布、二维随机变量的分布、数字特征、大数定律与中心极限定理；数理统计包括：数理统计基本概念、三大常用分布、正态分布下相关定理、参数估计、假设检验。涵盖了《全国硕士研究生入学统一考试数学（概率论与数理统计部分）考试大纲》

本书共9章内容。包括绪论、平面问题的基本理论、平面问题的直角坐标解答、平面问题的极坐标解答、空间问题的基本理论、空间问题的典型解答、弹性力学问题的变分解法、弹性力学平面问题的有限元法、弹性力学问题的MATLAB求解和ANSYS分析。本书可作为高等学校工科本科有关专业的弹性力学课程教材，并可供工程技术人员参考。

本书为普通高等教育十二五*规划教材。全书八章，前四章为概率论部分，主要叙述各种概率分布及其性质，后四章为数理统计部分，主要叙述各种参数估计与假设检验。本书编写从实例出发，图文并茂，通俗易懂，注意讲清楚基本概念与统计思想，强调各种方法的应用，适合初次接触概率统计的读者阅读。全书插图100多幅，例题250多道，习题近500

本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。全书分为14章，内容包括：模式识别概述，特征的选择与优化，模式相似性测度，基于概率统计的贝叶斯分类器设计，判别函数分类器设计，神经网络分类器

本教材的主要特色在于：主要针对统计学学科的特点，选取了Poison过程，更新过程，Markov链，鞅，布朗运动，随机积分，Levy过程等内容，为统计学各学科的学习打下坚实的理论基础。在教材的结构上，注重这些内容的内在联系，同时注意这些内容和统计学其他学科的联系，将比较抽象的理论知识和具体应用相结合，可以培养学生的学习兴

PrefaceSince2012,authorsofthisbookhavebeenengagedinteachingofprobabilityandstatisticsforinternationalexchangestudents.ThesestudentsarefromthecountriesalongtheBe