账号： 密码：
中国大学出版社协会 | 首页 | 宏观指导 | 出版社天地 | 图书代办站 | 教材图书信息 | 教材图书评论 | 在线订购 | 教材征订
搜索 新闻 图书 ISBN 作者 音像 出版社 代办站 教材征订
购书 请登录 免费注册 客服电话:010-62510665 62510769
购书指南 购物车 我的订单 征订单 存书架 小团购 二手书 优惠活动 关于我们
图书查询索引 版别索引 分类索引 中图法分类 专业分类 用途分类 制品类型 读者对象 自分类 最新 畅销 推荐 特价 教材征订
综合查询
概率论与数理统计（21世纪统计学系列教材） - 中国高校教材图书网
书名： 概率论与数理统计（21世纪统计学系列教材）
ISBN：978-7-300-33705-0 条码：
作者： 张景肖，张波，殷弘  相关图书 装订：平
印次：1-1 开本：16
定价： ￥59.00　 折扣价：￥53.10
折扣：0.90 节省了5.9元 		字数： 380千字
出版社： 中国人民大学出版社 页数：
发行编号：337050 每包册数： 6
出版日期： 2025-03-05
小团购 订购 咨询 推荐 打印 放入存书架

内容简介：
本书主要从概率论和数理统计两个部分详细介绍了统计学的基础理论和基本方法。在概率论部分，我们介绍了随机变量的分布、特征以及极限定理等重要内容，并提供了大量的实例。在数理统计部分，我们重点介绍了参数估计、假设检验和贝叶斯统计等内容，这些内容是统计学应用于数据科学的核心，故我们在其中加入了大量实际应用来展示其如何解决数据分析问题。同时本文引入了大量的数值结果来说明这些理论及方法背后的原理，例如大数定律和中心极限定理的模拟验证、统计方法的模拟验证等，从而使读者更容易理解并接受这些复杂的基础概念。
随着计算机技术的飞速发展，统计学与计算技术的结合使得复杂计算变得更加高效，从而能够专注于统计学的实际应用。本书以Python为工具，详细介绍了与教学内容相关的Python操作，有助于读者掌握现代统计方法实现和实践的计算工具，提高解决实际问题的能力。
本书内容详实，适用面广，可以作为各学科讲授概率论与数理统计课程的教材，也可以作为统计工作者及对统计学感兴趣的自学者的参考资料。

作者简介：
张景肖，中国科学院数学与系统科学研究院博士，中国人民大学统计学院教授。长期从事概率论、随机过程、统计学等课程的教学以及生物医学数据分析方面的研究。主持完成全国统计科学重大项目及自然科学基金项目。在Nature Communications、Statistica Sinica、Journal of Multivariate Analysis等期刊发表多篇论文，出版《概率论》《应用随机教程》《随机最优控制及其在保险中的应用》等多部教材与专著。

张波，香港科技大学理学博士，中国科学院数学研究所博士后，中国人民大学统计学院二级教授、吴玉章特聘教授、国务院特殊津贴获得者。长期从事概率论、随机过程、随机分析、风险度量及复杂金融数据分析等方面的教学与研究工作。主持完成多项国家自然科学基金项目并获得教育部自然科学二等奖。在《中国科学数学》《数学学报》《统计研究》以及Stochastic Processes and their Applications、Stochastic Analysis and Applications、Electronic Journal of Probability、Electronic Journal of Statistics、Journal of the Royal Statistical Society: Series C、Quantitative Finance等著名专业学术期刊上发表研究论文百余篇，出版《应用随机过程》《应用概率统计教程》《高频金融数据建模：理论、方法与应用》 以及Stochastic Differential Equations--Models and Applications等多部教材与专著。

殷弘，武汉大学与香港浸会大学联合培养博士，中国人民大学数学学院副教授。长期从事概率论、数理统计、时间序列分析、线性回归模型等课程的教学工作。出版专著《高维数据分析与建模》。

章节目录：
第1章 事件与概率
1.1 样本空间和事件域
1.2 概率
1.3 条件概率和独立
本章小结
习题一

第2章 随机变量的分布与数字特征
2.1 随机变量及其分布
2.2 常用的离散型分布
2.3 常用的连续型分布
2.4 随机变量函数的分布
2.5 随机变量的期望与方差
2.6 随机变量的其他数字特征
2.7 随机变量的特征函数与矩母函数
2.8 与本章相关的 Python 操作
本章小结
习题二

第3章 随机向量的分布与数字特征
3.1 随机向量及其（联合）分布函数
3.2 边际分布与随机变量的独立性
3.3 随机向量的函数及其分布
3.4 随机向量的数字特征
3.5 条件期望和条件方差
3.6 与本章相关的 Python 操作
本章小结
习题三

第4章 大数定律与中心极限定理
4.1 随机变量序列的几种收敛性
4.2 大数定律
4.3 中心极限定理
4.4 与本章有关的 Python 操作
本章小结
习题四

第5章参数估计
5.1 数理统计的基本概念
5.2 点估计
5.3 区间估计
5.4 与本章相关的 Python 操作
本章小结
习题五

第6章假设检验
6.1 假设检验的基本思想和方法
6.2 两类错误及其概率
6.3 假设检验与区间估计的关系
6.4 双边检验与单边检验
6.5 检验的 p 值
6.6 正态总体均值和方差的假设检验
6.7 χ2检验
6.8 正态分布检验
6.9 与本章相关的 Python 操作
本章小结
习题六

第7章 贝叶斯统计
7.1 贝叶斯估计简介
7.2 马尔可夫链-蒙特卡罗方法
7.3 与本章相关的 Python 操作
本章小结
习题七

附录一 Python 简单入门
附录二 常用分布表
参考文献

精彩片段：
从研究对象的全体 (总体) 中选取一部分个体 (样本)，对这部分个体的某些数量指标进行观察测量，根据所获得的资料来推断该总体的这些数量指标的分布情况，即由部分推断全体. 这是一种归纳推理.
从局部观察对总体下结论有没有片面性呢? 结论是否可靠? 显然，这里不仅依赖于进行局部观察的“样本”是否具有总体的代表性，也依赖于从这些样本得到的数据加工、分析和论断的方法是否合理. 如果这一切都建立在可靠的科学基础上，则对总体下结论是可能的，也是可靠的. 因为这里存在着样品 (一个个体) 个性 (特殊性) 和总体共性 (普遍性)之间的一种内在的、对立统一的辩证关系.
对每个经过合理程序选取的样品，我们也应看到它所具有的两重性：一方面，它具有特殊性，因为它毕竟是个别观察值，不能反映总体的全面性质，有片面性 (因而统计上往往不能用一次抽取的样品来下结论)；另一方面，也要看到“普遍性即存在于特殊之中”，即每个样品的情况又必然反映总体的一些普遍性. 当样品有一定数量时，总体的普遍性是可以得到比较真实的反映的. 在此基础上再加上科学的推断方法，对总体下的结论同样也是可靠的. 但此时还应记住毕竟是由“局部”推断“总体”而结论往往又是在某个可靠性水平之下得出的，因而仍可能犯错误.

书　　评：
 
其　　它：
 

相关评论 发表评论


| 我的帐户 | 我的订单 | 购书指南| 关于我们 | 联系我们 | 敬告 | 友情链接 | 广告服务 |

版权所有 © 2000-2002 中国高校教材图书网    京ICP备10054422号-7    京公网安备110108002480号    出版物经营许可证：新出发京批字第版0234号
经营许可证编号：京ICP证130369号    技术支持：云因信息