""本書是陜西師范大學(xué)國家級一流本科課程“概率論與數(shù)理統(tǒng)計”的配套新形態(tài)教材.內(nèi)容包括隨機事件與概率、隨機變量及其分布、隨機變量的數(shù)字特征、極限定理、樣本與抽樣分布、參數(shù)估計、假設(shè)檢驗、方差分析與回歸分析、教育統(tǒng)計初步及應(yīng)用等.本書的內(nèi)容是根據(jù)教學(xué)團隊多年的教學(xué)實踐,從優(yōu)化知識體系、深化數(shù)學(xué)基礎(chǔ)、強化實際應(yīng)用、融入學(xué)科

《隨機非線性系統(tǒng)抗干擾控制理論與方法》重點針對受到不同類型內(nèi)外干擾的隨機非線性系統(tǒng)，研究隨機非線性系統(tǒng)的抗干擾控制方法。以近幾年國內(nèi)外的研究成果為背景，探究有界時變干擾、高動態(tài)干擾、結(jié)構(gòu)不確定性等多源干擾影響下隨機非線性系統(tǒng)抗干擾控制律的設(shè)計與分析問題。在此基礎(chǔ)上，基于無源性和耗散性理論設(shè)計和分析隨機非線性系統(tǒng)的抗干擾

本書共十章。第一章闡述非參數(shù)統(tǒng)計的特點，第二章講解描述性統(tǒng)計方法，第三、四章分別講解符號檢驗法、符號秩和檢驗法，第五到八章分別講解兩樣本、多樣本和區(qū)組設(shè)計等問題以及相關(guān)分析的非參數(shù)統(tǒng)計方法，第九章講解非參數(shù)密度估計和非參數(shù)回歸，第十章講解檢驗的漸近相

本書對時間序列非線性協(xié)整的非參數(shù)檢驗估計方法進行了研究，在梳理非線性協(xié)整的非參數(shù)檢驗和估計理論有關(guān)研究成果的基礎(chǔ)上，建立了非線性協(xié)整的非參數(shù)檢驗和估計的理論與實證研究的基本框架，豐富和發(fā)展非線性協(xié)整的非參數(shù)檢驗和估計方法和技術(shù)，研究了小樣本條件下的非參數(shù)檢驗、估計方法的樣本性質(zhì)和小樣本條件下的非線性協(xié)整模型構(gòu)建與參數(shù)估

本書基于作者多年教學(xué)、輔導(dǎo)和出版經(jīng)驗，歷時五年的準備時間，針對新考研大綱下的高中數(shù)學(xué)學(xué)科各主要專題，在深入研究的基礎(chǔ)上，進行了盡可能深入而充分地梳理和講解，力求體現(xiàn)知識脈絡(luò)的演變以及思維高度的創(chuàng)新。本次出版的內(nèi)容原創(chuàng)性強，不拘泥于結(jié)論和形式，循循善誘，絕大部分例題在考研入門階段即可讀懂，后期還會有習(xí)題集配套出版，乃是廣

本書系統(tǒng)地闡述了線性平穩(wěn)和非平穩(wěn)時間序列分析的基本理論、建模方法和預(yù)測理論，并且介紹了幾種比較流行的非線性時間序列分析方法和常見的確定性時間序列分析方法.結(jié)合作者多年的時間序列分析教學(xué)和研究的體會，書中各種模型的理論闡述較為全面而深入，但又沒有過多的數(shù)學(xué)推導(dǎo).每類模型都配備有例題、習(xí)題和實際應(yīng)用案例，幾乎所有實際應(yīng)用案

本書主要研究Markov切換隨機系統(tǒng)的穩(wěn)定性分析及控制，來源于作者的研究工作及相關(guān)成果。本書主要針對不同類型的隨機系統(tǒng)，從指數(shù)穩(wěn)定性與控制理論兩方面進行研究，能創(chuàng)新性確定動態(tài)系統(tǒng)的指數(shù)穩(wěn)定性以及估計其指數(shù)收斂速度。隨機系統(tǒng)的穩(wěn)定性基本上取決于其預(yù)期應(yīng)用。指數(shù)穩(wěn)定性特性保證了無論發(fā)生任何的轉(zhuǎn)換，網(wǎng)絡(luò)快速存儲活動模式的能力

本書介紹了概率論與數(shù)理統(tǒng)計的基本概念、基本理論、方法與應(yīng)用。內(nèi)容包括：概率論的基本概念、隨機變量及其分布、多維隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律與中心極限定理、數(shù)理統(tǒng)計的基本概念、參數(shù)估計、假設(shè)檢驗、方差分析和回歸分析。每章最后一節(jié)為概率論與數(shù)理統(tǒng)計相關(guān)內(nèi)容的MATLAB實現(xiàn)。本書的主要知識點均配套講解視頻

本書全面地介紹了各種常見統(tǒng)計應(yīng)用場景下的樣本量確定方法，重點討論了樣本量確定的原理，彌補了已有統(tǒng)計學(xué)在這方面的不足。特別地，在統(tǒng)計學(xué)領(lǐng)域內(nèi)首次介紹了分布估計和建模等應(yīng)用場景中的樣本量確定方法，填補了空白。