本書共八章內(nèi)容，前五章為概率論，后三章為數(shù)理統(tǒng)計(jì)。在編寫時(shí)我們參考了國(guó)內(nèi)外有關(guān)的教科書，同時(shí)考慮到財(cái)經(jīng)類學(xué)生的特點(diǎn)和需要，融入了與時(shí)代契合緊密的豐富的例子，弱化了過難過于復(fù)雜的理論推導(dǎo)，更加強(qiáng)調(diào)應(yīng)用本質(zhì)。在概率論部分，我們由概率論的基本概念入手，逐步引出隨機(jī)變量、分布及多維隨機(jī)變量及其分布。對(duì)于描述刻畫隨機(jī)變量特點(diǎn)的指

本書是博弈論領(lǐng)域的兩位*大師（諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主讓·梯若爾和美國(guó)科學(xué)院院士朱·弗登伯格）的集大成之作，不僅涵蓋了博弈論的方方面面，而且對(duì)每一個(gè)論題都給出了嚴(yán)密的數(shù)學(xué)推導(dǎo)和證明，并配以豐富的實(shí)例和精心構(gòu)思的習(xí)題。自1991年出版以來，本書以其在博弈論體系和發(fā)展方向上的把握，立即成為國(guó)際上博弈論

主要包括概率的基礎(chǔ)知識(shí)，條件數(shù)學(xué)期望，馬氏鏈，Poisson過程，更新過程，鞅和布朗運(yùn)動(dòng)等內(nèi)容，本書不是從嚴(yán)格的測(cè)度論的角度來寫隨機(jī)過程，而是用初等的便于理解的方式來寫，結(jié)合和實(shí)際生活密切相關(guān)的例子引發(fā)讀者對(duì)隨機(jī)過程學(xué)習(xí)和研究的興趣。

本書共分十章，前五章介紹了隨機(jī)事件與概率、隨機(jī)變量及其分布、多元隨機(jī)變量及其分布、隨機(jī)變量的數(shù)字特征以及大數(shù)定律與中心極限定理的內(nèi)容；第六章至第九章介紹了數(shù)理統(tǒng)計(jì)學(xué)的相關(guān)內(nèi)容，主要包括數(shù)理統(tǒng)計(jì)的基本概念與抽樣分布、參數(shù)估計(jì)、假設(shè)檢驗(yàn)、方差分析等內(nèi)容；最后一章介紹了SPSS軟件的應(yīng)用。為便于學(xué)習(xí)，書后附有習(xí)題參考答案以及

本書以ANSYSCFD系列軟件為媒介，介紹了利用ANSYS系列軟件從幾何建模到網(wǎng)格劃分的完整流程。全書共分5章，第1章從流體計(jì)算域及計(jì)算網(wǎng)格入手，介紹了場(chǎng)景的流體計(jì)算域形式、網(wǎng)格類型及網(wǎng)格質(zhì)量度量指標(biāo)；第2章以SCDM模塊為目標(biāo)，詳細(xì)描述了SCDM的建模及幾何清理方法；第3章描述了ANSYSMesh模塊網(wǎng)格劃分思路及常

《高等應(yīng)用數(shù)學(xué)（第3版）上冊(cè)》是根據(jù)教育部制定的《高職高專教育高等數(shù)學(xué)課程教學(xué)基本要求》，在認(rèn)真總結(jié)高職高專院校數(shù)學(xué)教學(xué)改革經(jīng)驗(yàn)的基礎(chǔ)上，結(jié)合并參考國(guó)內(nèi)同類教材的發(fā)展趨勢(shì)編寫而成的。全書分上、下冊(cè)，上冊(cè)內(nèi)容包括函數(shù)的極限與連續(xù)、導(dǎo)數(shù)與微分、導(dǎo)數(shù)的應(yīng)用、一元函數(shù)積分學(xué)、定積分的應(yīng)用、向量代數(shù)與空間解析幾何簡(jiǎn)介、多元函數(shù)微

計(jì)算機(jī)應(yīng)用基礎(chǔ).

本書共有九章，包括函數(shù)與數(shù)學(xué)模型、極限與連續(xù)、一元函數(shù)的微分及其應(yīng)用、一元函數(shù)的積分及其應(yīng)用、常微分方程、多元函數(shù)微積分、級(jí)數(shù)、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)。

《數(shù)據(jù)分析概論》研究對(duì)象是社會(huì)科學(xué)的研究數(shù)據(jù)。數(shù)據(jù)分析可以賦予事實(shí)意義，好的數(shù)據(jù)分析能為所研究的社會(huì)現(xiàn)象提供合理的描述和解釋。 本書旨在為定量研究數(shù)據(jù)分析的每一步提供統(tǒng)計(jì)學(xué)基礎(chǔ)。作者討論了數(shù)據(jù)搜集的意義、一元統(tǒng)計(jì)、對(duì)相關(guān)性的測(cè)量、顯著性檢驗(yàn)、簡(jiǎn)單和多元回歸，并給出了大量的數(shù)學(xué)公式，使得讀者能更好地理解這些內(nèi)容。

智能優(yōu)化算法是目前常用的一類優(yōu)化方法，一直是科學(xué)研究與工程應(yīng)用中的研究熱點(diǎn)。本書比較系統(tǒng)地分析了有代表性的智能優(yōu)化算法，全書共分三個(gè)部分。*部分是基于生物學(xué)原理的優(yōu)化算法，包括遺傳算法、神經(jīng)網(wǎng)絡(luò)、蟻群優(yōu)化算法和微粒群優(yōu)化算法等。第二部分是基于物理學(xué)原理的優(yōu)化算法，包括模擬退火算法、引力搜索算法、混沌優(yōu)化算法和隨機(jī)分形搜