本书是在作者多年对本二工学类、经济类不同专业概率论与数理统计课程授课经验基础之上，编写的一本以实用性、简洁性和基础性为特点的大学本科公共必修课教材，包含概率论基础部分和数理统计基础部分。其中，概率论基础部分包括：概率论的基本概念、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。数理统计基础部分包括：统计量及其分布、参数估计、假设检验等内容。本书在内容取材的安排上以选材新颖、通俗易懂、简单易学为目标，以科学研究的需求与实际生活的应用相融合为导向；在体系结构上，充分尊重体裁的组织与递进的难度符合学生对概率统计的认知规律，强调知识的传授与启发式教学相结合，通过实际问题引入基本概念和建立基本定理；在例题的编写中，精雕细琢，详尽且清楚地阐述解题的思路、方法和步骤，以精选的例题来巩固学生的所学知识，难易适当，深入浅出，举一反三，融会贯通，例题模型化。第四版修订基于原书的体系结构，充分保留原书编写实用性、简洁性和基础性的特点，融入概率与数理统计这门数学基础学科本身的思想深度与哲学趣味性，同时相机融入思政教育内容。推荐作为工程类、医学类、财经类、管理类专业本科公共基础课教材。

本书是在作者多年对本二工学类、经济类不同专业概率论与数理统计课程授课经验基础之上，编写的一本以实用性、简洁性和基础性为特点的大学本科公共必修课教材，包含概率论基础部分和数理统计基础部分。其中，概率论基础部分包括：概率论的基本概念、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。数理统计基础部分包括：统计量及其分布、参数估计、假设检验等内容。本书在内容取材的安排上以选材新颖、通俗易懂、简单易学为目标，以科学研究的需求与实际生活的应用相融合为导向；在体系结构上，充分尊重体裁的组织与递进的难度符合学生对概率统计的认知规律，强调知识的传授与启发式教学相结合，通过实际问题引入基本概念和建立基本定理；在例题的编写中，精雕细琢，详尽且清楚地阐述解题的思路、方法和步骤，以精选的例题来巩固学生的所学知识，难易适当，深入浅出，举一反三，融会贯通，例题模型化。第四版修订基于原书的体系结构，充分保留原书编写实用性、简洁性和基础性的特点，融入概率与数理统计这门数学基础学科本身的思想深度与哲学趣味性，同时相机融入思政教育内容。推荐作为工程类、医学类、财经类、管理类专业本科公共基础课教材。

本书是在作者多年对本二工学类、经济类不同专业概率论与数理统计课程授课经验基础之上，编写的一本以实用性、简洁性和基础性为特点的大学本科公共必修课教材，包含概率论基础部分和数理统计基础部分。其中，概率论基础部分包括：概率论的基本概念、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。数理统计基础部分包括：统计量及其分布、参数估计、假设检验等内容。本书在内容取材的安排上以选材新颖、通俗易懂、简单易学为目标，以科学研究的需求与实际生活的应用相融合为导向；在体系结构上，充分尊重体裁的组织与递进的难度符合学生对概率统计的认知规律，强调知识的传授与启发式教学相结合，通过实际问题引入基本概念和建立基本定理；在例题的编写中，精雕细琢，详尽且清楚地阐述解题的思路、方法和步骤，以精选的例题来巩固学生的所学知识，难易适当，深入浅出，举一反三，融会贯通，例题模型化。第四版修订基于原书的体系结构，充分保留原书编写实用性、简洁性和基础性的特点，融入概率与数理统计这门数学基础学科本身的思想深度与哲学趣味性，同时相机融入思政教育内容。推荐作为工程类、医学类、财经类、管理类专业本科公共基础课教材。

本书是在作者多年对本二工学类、经济类不同专业概率论与数理统计课程授课经验基础之上，编写的一本以实用性、简洁性和基础性为特点的大学本科公共必修课教材，包含概率论基础部分和数理统计基础部分。其中，概率论基础部分包括：概率论的基本概念、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。数理统计基础部分包括：统计量及其分布、参数估计、假设检验等内容。本书在内容取材的安排上以选材新颖、通俗易懂、简单易学为目标，以科学研究的需求与实际生活的应用相融合为导向；在体系结构上，充分尊重体裁的组织与递进的难度符合学生对概率统计的认知规律，强调知识的传授与启发式教学相结合，通过实际问题引入基本概念和建立基本定理；在例题的编写中，精雕细琢，详尽且清楚地阐述解题的思路、方法和步骤，以精选的例题来巩固学生的所学知识，难易适当，深入浅出，举一反三，融会贯通，例题模型化。第四版修订基于原书的体系结构，充分保留原书编写实用性、简洁性和基础性的特点，融入概率与数理统计这门数学基础学科本身的思想深度与哲学趣味性，同时相机融入思政教育内容。推荐作为工程类、医学类、财经类、管理类专业本科公共基础课教材。

为适应普通高校应用统计学教学需要, 使广大学生掌握统计思想、理论背景、方法思路和发展前景, 提高统计分析能力和解决社会经济的实际问题的能力, 组织编写了本教材。本书内容包括排列组合公式, 等可能事件的概率,互斥事件的概率加法公式, 相互独立事件的概率乘法公式,独立重复试验发生的概率公式, 期望与方差计算公式进行相关运算,抽样方法, 一元线性回归, 列联表独立性检验, 统计图表的表示等。这些内容与生活紧密相连, 具有很大的灵活性, 不仅提高初学者的阅读理解能力, 也提高初学者的数据处理能力以及解决实际问题的能力。通过对本课程的学习, 一方面要认识“随机现象”, 并会利用随机变量及其工具对随机现象进行分析; 另一方面, 通过观察随机现象, 又会得到统计数据, 根据所收集的数据来分析随机现象。概率与统计就是这样一对相辅相成的理论。随着大数据、人工智能、机器学习等领域的兴起, 人们对数据处理能力的要求越来越高, 概率统计作为基础理论, 其重要程度更为明显, 在我们日常生活中对这部分知识的学习和掌握就显得越来越重要。作为数理统计学的初学者, 不仅要对数理统计的理论与方法有深刻地理解, 而且需要熟悉并掌握当前流行的统计软件。本书以统计学基本知识为主体, 介绍对应的知识背景与理论基础, 并配套R语言或Excel的操作方法。

为适应普通高校应用统计学教学需要, 使广大学生掌握统计思想、理论背景、方法思路和发展前景, 提高统计分析能力和解决社会经济的实际问题的能力, 组织编写了本教材。本书内容包括排列组合公式, 等可能事件的概率,互斥事件的概率加法公式, 相互独立事件的概率乘法公式,独立重复试验发生的概率公式, 期望与方差计算公式进行相关运算,抽样方法, 一元线性回归, 列联表独立性检验, 统计图表的表示等。这些内容与生活紧密相连, 具有很大的灵活性, 不仅提高初学者的阅读理解能力, 也提高初学者的数据处理能力以及解决实际问题的能力。通过对本课程的学习, 一方面要认识“随机现象”, 并会利用随机变量及其工具对随机现象进行分析; 另一方面, 通过观察随机现象, 又会得到统计数据, 根据所收集的数据来分析随机现象。概率与统计就是这样一对相辅相成的理论。随着大数据、人工智能、机器学习等领域的兴起, 人们对数据处理能力的要求越来越高, 概率统计作为基础理论, 其重要程度更为明显, 在我们日常生活中对这部分知识的学习和掌握就显得越来越重要。作为数理统计学的初学者, 不仅要对数理统计的理论与方法有深刻地理解, 而且需要熟悉并掌握当前流行的统计软件。本书以统计学基本知识为主体, 介绍对应的知识背景与理论基础, 并配套R语言或Excel的操作方法。

本书基于本科阶段概率论与数理统计课程教学内容，选讲其中涉及考研的部分，全书共分 8章，每章包括考试内容及要求，知识内容的基本概念、性质和公式，典型例题解析，题型练习及解答四部分，附录收集了近年全国硕士研究生入学统一考试数学试题（概率论与数理统计部分）详解。本书可供准备报考硕士研究生的读者和使用主教材的教师参考，也可供高等学校工科和其他非数学类专业的学生使用。本书是作者在教学过程中苦心钻研的教学成果，希望能够帮助大家突破“瓶颈”，完成“基本概念→解题秘笈”的成功之路。

本书基于本科阶段概率论与数理统计课程教学内容，选讲其中涉及考研的部分，全书共分 8章，每章包括考试内容及要求，知识内容的基本概念、性质和公式，典型例题解析，题型练习及解答四部分，附录收集了近年全国硕士研究生入学统一考试数学试题（概率论与数理统计部分）详解。本书可供准备报考硕士研究生的读者和使用主教材的教师参考，也可供高等学校工科和其他非数学类专业的学生使用。本书是作者在教学过程中苦心钻研的教学成果，希望能够帮助大家突破“瓶颈”，完成“基本概念→解题秘笈”的成功之路。

本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。本书第5版在现有版本的基础上做了优化，改动量为30%，篇幅由之前的13章压缩到11章，内容包括：模式识别概述，特征的选择与优化，模式相似性测度，基于概率统计的贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计(BP神经网络、径向基函数神经网络、自组织竞争神经网络、概率神经网络、对向传播神经网络、反馈型神经网络)，决策树分类器设计，聚类分析，遗传算法聚类分析，群体智能算法分析等。本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的Matlab代码。

本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。本书第5版在现有版本的基础上做了优化，改动量为30%，篇幅由之前的13章压缩到11章，内容包括：模式识别概述，特征的选择与优化，模式相似性测度，基于概率统计的贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计(BP神经网络、径向基函数神经网络、自组织竞争神经网络、概率神经网络、对向传播神经网络、反馈型神经网络)，决策树分类器设计，聚类分析，遗传算法聚类分析，群体智能算法分析等。本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的Matlab代码。

本书基于ANSYSWorkbench2024R1平台，分别对ANSYSWorkbench平台、几何建模、网格划分、Mechanical处理、结构线性静力学分析、结构线性动力学分析、结构非线性分析、热力学分析、结构优化设计、疲劳分析、刚体动力学分析、LS-DYNA显示动力学分析、HyperMesh与Workbench联合仿真分析、ANSYSWorkbenchFluent数值模拟、ANSYSWorkbenchFluent流固耦合数值模拟、ANSYSWorkbenchFluent热流固耦合数值模拟、nCode与Workbench联合仿真分析进行了介绍。实例与相关理论基础相结合，可帮助初学者快速入门，熟悉有限元分析流程，评估分析结果，处理分析过程中出现的错误，在实践中掌握解决结构领域工程实际问题的思路和方法。

本书基于ANSYSWorkbench2024R1平台，分别对ANSYSWorkbench平台、几何建模、网格划分、Mechanical处理、结构线性静力学分析、结构线性动力学分析、结构非线性分析、热力学分析、结构优化设计、疲劳分析、刚体动力学分析、LS-DYNA显示动力学分析、HyperMesh与Workbench联合仿真分析、ANSYSWorkbenchFluent数值模拟、ANSYSWorkbenchFluent流固耦合数值模拟、ANSYSWorkbenchFluent热流固耦合数值模拟、nCode与Workbench联合仿真分析进行了介绍。实例与相关理论基础相结合，可帮助初学者快速入门，熟悉有限元分析流程，评估分析结果，处理分析过程中出现的错误，在实践中掌握解决结构领域工程实际问题的思路和方法。