本书内容包括：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、假设检验及历年考研题。

　　《应用概率与数理统计（第2版）》是按照高等院校教学指导委员会关于概率统计课程的教学基本要求编写而成的，全书共分8章，前3章为概率部分，内容包括随机事件及其概率、随机变量及其分布以及数字特征；第4～7章为数理统计部分，内容包括抽样分布、参数估计、假设检验、回归分析；第8章为Excel在统计分析中的应用。《应用概率与数理统计（第2版）》的编写从实际问题出发，引入基本概念，注重讲清楚概率与数理统计处理问题的思想和方法，强调方法的应用。例题和习题尽量来源于学生熟悉的题材，叙述力求通俗易懂、

本书注重阐明概率论的基本概念、基本理论以及数理统计常用方法的背景和思想。全书主要包括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、方差分析等内容，并通过配套的例题和习题，加强读者对基本理论和公式的理解和应用。

全书共分10章。第1章对回归分析的研究内容和建模过程给出综述性介绍；第2章和第3章详细介绍了一元和多元线性回归的参数估计、显著性检验及其应用；第4章对违背回归模型基本假设的异方差、自相关和异常值等问题给出了诊断和处理方法，在这一章增加了BOX-COX变换；第5章介绍了回归变量选择与逐步回归方法；第6章就多重共线性的产生背景、诊断方法、处理方法等方面结合实际经济问题加以讨论；第7章介绍的岭回归估计是解决共线性问题的一种非常实用的方法；第8章介绍了主成分回归与偏最小二乘；第9章介绍了可化为线性回归的

本书共10章。内容包括：随机事件与概率、条件概率与独立性、一维随机变量及其分布、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、方差分析与回归分析。

我们所处的时代是一个大数据时代，数据无处不在，统计学是研究数据的科学，在数据分析中扮演了非常重要的角色。多元统计分析是统计学中应用最广的一个分支，在自然科学、社会科学、经济科学和管理科学等领域应用广泛。
作为国内多元统计分析的经典版本，第5版继续保持了案例应用与统计思想相渗透、结合软件详细介绍多元统计分析理论与方法的特色。全书共分11章。主要内容包括多元正态分布、均值向量和协方差阵的检验、聚类分析、判别分析、主成分分析、因子分析、对应分析、典型相关分析等常见的主流方法，还参考国内外大量文

本书是与清华大学出版社2017年出版的《概率论与数理统计（第2版）》（张艳、程士珍主编）教材相配套的学习辅导书.内容包括该书各章的知识点、典型例题、习题与综合练习题全解，另外，还配有大量的训练题及参考答案，以供考研学生提升解题技巧.本书注重体现概率统计的思想方法与基本内容，强调对学生解题方法与能力的培养，力求做到深入浅出，通俗易懂，便于教学与自学. 本书既可以作为高等院校概率论与数理统计的教学参考书，也可以作为数学爱好者学习概率统计的补充读物.

在21世纪，统计方法在范围和影响方面都有惊人的扩展。大数据、数据科学和机器学习已经成为新闻中常见的术语，因为统计方法被用于处理现代科学和商业的庞大数据集。我们是怎么走到这一步的？我们又将走到哪里？

本书将带你踏上数据分析变革的振奋之旅。从经典推断理论（贝叶斯理论、频率理论和Fisher理论）开始，各章节分别介绍一系列有影响力的主题，包括生存分析、广义线性模型、经验贝叶斯、刀切法与自助法、错误发现率、随机森林、神经网络、马尔可夫链蒙特卡罗方法、模型选择后的推断等。同时以独特的

本书主要介绍了回归分析的应用原理和方法，详细介绍了一元线性回归模型、多元线性回归模型、面板数据模型和分位数回归模型，以及在模型构造过程中的注意点和修正方法。同时，结合中国社会经济、自然科学等领域的研究实例，把回归分析的方法与实际应用结合起来，注意定性分析与定量分析的紧密结合，是一本针对统计学专业和财经管理类专业教学而编写的教材。

本书以Stan统计软件为基础，以R代码为例，提供了一个实际的统计推断的基础。从贝叶斯统计方法的角度出发，介绍了统计反思的相关知识，以及一些常用的进行类似权衡的工具，展示了两个完整的*常用的计数变量回归，介绍了应对常见的单一模型无法很好地拟合观测数据的排序分类模型与零膨胀和零增广模型，提出了基于贝叶斯概率和*熵的广义线性分层模型以及处理空间和网络自相关的高斯过程模型。本书适合统计、数学等相关专业的高年级本科生、研究生，以及数据挖掘的从业人士阅读。