本教材贯彻《jiaoyubu关于深化本科教育教学改革全面提高人才培养质量的意见》精神编写而成，主要包括概率论与数理统计两部分，具体内容含随机事件与概率、离散型随机变量、连续型随机变量、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、方差分析和回归分析，并附有标准正态分布、泊松分布、t分布、卡方分布、F分布的分布表及习题参考答案。本教材可供理工、农林、经济、管理等各本科专业使用，也可供专科层次、自学考试及成人教育等使用。

本教材以高等职业教育的相关教学标准为依据,本着简明、基础、实用原则,以培养大学生思维品质、文化素养、创新能力及综合分析与解决问题的能力等为立足点,综合现阶段学生的学习特点与兴趣爱好、兼顾不同层次、不同类别学生的基础水平和发展规划,对于高等数学内容和应用数学案例进行了精心选编和用心打造。教材主要内容包括一元函数微积分、多元函数微积分、微分方程、向量代数与空间解析几何、无穷级数。通过“数学文化进课堂”栏目实现立德树人的目标；通过“数学应用案例展示”栏目展现数学在专业学习、生活实际中的价值；通过“真题

本书共13章，分别介绍了随机变量的抽样方法，随机向量的抽样方法，随机过程的抽样方法，Gibbs抽样和马尔可夫链，Metropolis-Hastings算法、HMC算法及SMC算法，EM算法和MM算法，梯度下降法，Newton-Raphson算法，坐标下降法，Boosting算法，凸优化与支持向量机，ADMM算法，深度学习等常用优化方法以及近些年在机器学习和深度学习领域使用的热门算法.对各种算法，作者除了给出计算步骤和统计模型的应用实例外，还对算法涉及的基本概念和重要收敛性定理进行了介绍和证明.本

本书是一部版权引进的俄文原版数学专著。中文书名可译为《蒙特卡罗方法中的随机过程和场模型：算法和应用》。作者是谢尔盖.米哈伊尔洛维奇.普里加林，俄罗斯物理和数学科学博士，新西伯利亚国立大学计算数学教研室教授，俄罗斯科学院西伯利亚分院计算数学和数学地球物理研究院首席研究员。

本书系统地介绍了现代科学与工程计算中常用的数值计算方法及有关的理论和应用。全书共9章，包括误差分析、函数插值、函数逼近、数值积分与数值微分、解线性代数方程组的直接法和迭代法、非线性代数方程求根、矩阵特征值与特征向量计算，以及常微分方程初值问题的数值解法等。本书基本概念清晰准确，理论分析科学严谨，语言叙述通俗易懂，结构编排由浅入深，注重启发性。本书始终贯穿一个基本理念,即在数学理论上等价的方法在实际数值计算时往往是不等效的,因此，本书精选了大量的计算实例，用来说明各种数值方法的优劣与特点。各章末附

本书是为理工科大学本科相关专业开设的"工程计算方法"或"数值分析"课程编写的实践类教材，主要内容包括数值计算的基本概念、非线性方程的一般解法、线性方程组的直接解法、线性方程组的迭代解法、插值与逼近、数值积分、非线性优化、启发式算法。本书对各数值算法进行了概述，并重点介绍了如何用C语言进行各类方法的编程实践；各章安排了大量结合不同专业背景的习题以及难度适中、适合学生进行上机实验的题目。
本书可作为理工科大学相关专业本科生的实践类教材，以及研究生相关课程的习题集或实验指导书，也可供从事科

本书分两篇，第1篇为计算方法，内容主要包括误差分析、方程求根、线性方程组数值解法、矩阵的特征值及特征向量的计算、插值法、曲线拟合、数值积分与数值微分、常微分方程数值解法和偏微分方程数值解法等。第２篇为计算实习，供学生自学，并用于指导学生上机实习。与第１篇各章相配套，本篇共有9个实习，每一实习均给出了该实习的目的与要求、算法概要、用c++语言和Matlab编写并调试通过的程序、实例及上机实习题。

本书着重介绍适合于电子计算机上采用的数值计算方法及其理论，内容主要包括绪论、非线性方程的解法、 线性代数方程组数值解法、多项式插值与函数最佳逼近、数值积分与数值微分、常微分方程数值解法和偏微分方程数值解法等7章，每章末附有足量习题，书后提供习题详细答案。本书内容覆盖了教育部工科研究生数学课程教学指导小组所制定的工科研究生数值分析课程教学基本要求，同时还增加了一些工科专业所需要的内容，如机器系数、有理函数插值、振荡函数积分等。

本书主要介绍有限单元法的基本理论、格式与求解方法, 包括平面、三维应力、等参数单元, 以及杆系结构单元、薄板和薄壳问题。另外, 也简要介绍了有限元动力分析, 并在附录中介绍了作为有限元理论基础的插值函数、变分和能量原理等。

本书介绍常用的数值计算方法，内容包括：函数插值、最小二乘拟合、非线性方程求解、线性方程组解法、数值积分和数值微分、常微分方程数值解法、矩阵的特征值问题等。本书例题丰富，有近百道形式多样的习题，并有C语言和Mathematica语言的例题，还有Matlab程序演示和各章教学PPT等数字资源材料，扫描二维码即可学习。