本书分为8章，内容包括时间序列分析的基础知识、时间序列预测的常用方法，以及神经网络在时间序列预测中的应用；时间序列异常检测算法的技术与框架，如何识别异常的时间点及多种异常检测方法；时间序列的相似性度量方法、聚类算法；多维时间序列在广告分析和业务运维领域的应用，利用OLAP技术对多维时间序列进行有效处理，通过根因分析技术

"本书是“新时代大学数学系列教材”之一。本书内容包括概率模型、概率公式、随机变量、随机向量、数学期望和方差、大数定律和中心极限定理、统计初步、参数估计、参数的区间估计、正态总体的显著性检验、总体分布和比例的假设检验、线性回归分析等十二章内容，并以工程技术和科学研究中广泛使用的MATLAB及国产软件北太天元为例,介绍与本

本书以近邻思想、同步聚类模型及快速同步聚类算法为研究课题，重点研究了基于近邻图与单元网格图的聚类算法、基于近邻势与单元网格近邻势的聚类算法、快速同步聚类算法、基于Vicsek模型线性版本的同步聚类算法、基于线性加权Vicsek模型的收缩同步聚类算法、基于分而治之框架与收缩同步聚类算法的多层同步聚类方法和基于ESynC算

本书系统地介绍了多元统计分析中的经典理论和方法，重点讲解了多元正态总体的参数估计和假设检验、聚类分析、判别分析、主成分分析、因子分析、对应分析、典型相关分析。本书力求以统计思想为主线，以SPSS软件为工具，深入浅出地介绍各种多元统计方法的理论和应用，以大量实际问题为背景，介绍多元统计分析的基本概念和方法，具有很强的实用

本书根据高等学校非数学类专业“概率论与数理统计”课程的教学要求和教学大纲，将新工科理念与国际化深度融合，借鉴国内外优秀教材的特点，结合山东大学数学团队多年的教学经验编写完成.本书共8章，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、数字特征与极限定理、统计量及其分布、参数估计、假设检验、概率论与数理统计在

贝叶斯是当前人工智能的重要基础之一。目前市面上有关贝叶斯的书籍，大多是从工科角度去阐述贝叶斯定理的推导和应用，因此运用了非常多的烦琐公式、定理和推导。而贝叶斯应用却是非常广泛的，绝不仅仅是机器学习的一个工具，还可以上升到一套科学思维方法论。本书主要以贝叶斯为核心，讲授了一些重要的思维方式，包括概率思维、最大似然估计、贝

本书是高等院校概率论课程的教材,是北京大学数学教学系列丛书"《概率论》的第二版。全书共分六章，内容包括：古典概型和概率空间、随机变量和概率分布、随机向量及其概率分布、数学期望和方差、特征函数和概率极限定理、随机过程简介。每小节配有练习题，每章配有总习题，书末附有习题答案或提示，供读者参考。本书对概率论的基本内容做了系统

本书全面介绍了统计概念和统计方法在商务实践中的应用，涵盖了在进行统计报告评估和商务决策时所必需的数据处理、数据可视化和推断分析方法，并通过案例给出了应用统计软件进行分析的详细过程。全书共13章，分别为：数据与统计分析、数据的图表描述、数据的数字描述、抽样与抽样分布、参数估计、假设检验、分类数据分析、方差分析、一元线性回

本书共有11章，第1章至第5章是概率论部分，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、大数定律与中心极限定理；第6章至第8章是数理统计部分，包括样本及抽样分布、参数估计、假设检验；第9章至第11章是随机过程部分，包括随机过程引论、马尔可夫链、平稳随机过程.各章均选配了适量的习题，

本书是与主教材——《概率论与数理统计(慕课版第2版)》配套的学习指导书，是根据工科类高等院校“概率论与数理统计”课程的基本要求，结合编者多年的教学经验编写而成的.本书共7章，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、数字特征与极限定理、统计量及其分布、参数估计、假设检验.每章包含知识结构、重点