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

本書涵蓋數(shù)值分析、統(tǒng)計(jì)計(jì)算的核心內(nèi)容，既包含一些經(jīng)典的數(shù)值方法，又系統(tǒng)地介紹了統(tǒng)計(jì)計(jì)算中的新方法。本書共8章，內(nèi)容包括計(jì)算統(tǒng)計(jì)引論、矩陣計(jì)算、函數(shù)逼近與最小二乘法、方程與方程組的數(shù)值解法、數(shù)值積分與數(shù)值微分、馬爾可夫鏈蒙特卡洛模擬、EM優(yōu)化算法、組合優(yōu)化與啟發(fā)式算法等。本書結(jié)合理論算法、計(jì)算機(jī)程序與計(jì)算機(jī)專業(yè)領(lǐng)域應(yīng)用案例，較為全面地介紹數(shù)值計(jì)算方法和統(tǒng)計(jì)計(jì)算方法，讓學(xué)生真正了解計(jì)算統(tǒng)計(jì)中重要算法的基本思想，掌握相關(guān)程序的編寫和培養(yǎng)學(xué)生的編程思維，使其具備解決復(fù)雜工程問題的能力。本書除附了Pyth

本書共分為9章，首先介紹了R軟件中處理時(shí)間序列數(shù)據(jù)的方法以及如何進(jìn)行時(shí)間序列數(shù)據(jù)的可視化，然后介紹了ARIMA模型及其相關(guān)擴(kuò)展形式的原理、建模方法和應(yīng)用，以及GARCH模型、VAR模型、VARX模型等，最后介紹了基于機(jī)器學(xué)習(xí)的時(shí)間序列預(yù)測(cè)方法、混沌時(shí)間序列的概念與特性，并提供了2個(gè)綜合案例分析。

本書針對(duì)概率論與數(shù)理統(tǒng)計(jì)實(shí)踐課程設(shè)計(jì)了概率統(tǒng)計(jì)基礎(chǔ)實(shí)驗(yàn)、應(yīng)用案例分析、演示驗(yàn)證實(shí)驗(yàn)，編撰了典型應(yīng)用案例。本書注重內(nèi)容的知識(shí)性、啟發(fā)性、可探索性和素材新穎性，實(shí)驗(yàn)基于MATLAB平臺(tái)和GeoGebra平臺(tái)開展，附有所有實(shí)驗(yàn)程序、案例求解程序和演示驗(yàn)證實(shí)驗(yàn)GGB腳本程序文件，可通過掃描二維碼獲取。

本書致力于描述和推斷多元時(shí)間序列中變量間內(nèi)生的動(dòng)態(tài)關(guān)系。作者討論了四種主要的時(shí)間序列數(shù)據(jù)建模方法，包括自回歸整合移動(dòng)平均模型、同時(shí)方程模型、誤差糾正模型和向量自回歸模型，并詳細(xì)介紹了向量自回歸模型的設(shè)定、估計(jì)和推論，格蘭杰因果關(guān)系檢驗(yàn)以及對(duì)變量之間動(dòng)態(tài)關(guān)系進(jìn)行評(píng)價(jià)的沖擊反應(yīng)函數(shù)。此外，本書為讀者提供了若干實(shí)例，從多個(gè)角度充分展現(xiàn)了向量自回歸模型的具體運(yùn)用。

近二十年來,隨機(jī)過程由于其在數(shù)理金融等領(lǐng)域的應(yīng)用而倍受關(guān)注,Merton和Scholes在期權(quán)定價(jià)方面的工作獲得諾貝爾獎(jiǎng)之后更是如此。因此作者覺得有必要對(duì)學(xué)生介紹隨機(jī)過程的一些基本知識(shí)。本書是為數(shù)學(xué)系本科高年級(jí)學(xué)生開設(shè)的隨機(jī)過程選修課而寫的,目的在于讓他們對(duì)隨機(jī)過程的經(jīng)典問題和方法有一個(gè)初步的了解。本書主要介紹Poisson過程、更新過程、隨機(jī)游動(dòng)、鞅以及Markov鏈的基本理論。作為最簡(jiǎn)單的隨機(jī)過程,它們的研究有悠久的歷史和直觀自然的背景。實(shí)際上,許多連續(xù)時(shí)間的隨機(jī)過程的結(jié)論都可以在這些隨機(jī)序

本書采用先理論方法后實(shí)踐應(yīng)用的方式進(jìn)行撰寫，系統(tǒng)介紹了投影尋蹤基本原理、統(tǒng)計(jì)學(xué)習(xí)方法及其多場(chǎng)景應(yīng)用案例，為多方法耦合提供新思路，為復(fù)雜數(shù)據(jù)挖掘提供新方法，為數(shù)據(jù)科學(xué)問題解決提供新應(yīng)用。全書內(nèi)容包括投影尋蹤研究進(jìn)展綜述、投影尋蹤耦合學(xué)習(xí)原理、投影尋蹤耦合學(xué)習(xí)算法、投影尋蹤聚類耦合學(xué)習(xí)、投影尋蹤回歸耦合學(xué)習(xí)、投影尋蹤函數(shù)型耦合學(xué)習(xí)、投影尋蹤耦合學(xué)習(xí)評(píng)價(jià)、投影尋蹤耦合學(xué)習(xí)預(yù)測(cè)和投影尋蹤耦合學(xué)習(xí)決策。本書可作為統(tǒng)計(jì)學(xué)習(xí)、數(shù)據(jù)科學(xué)和工程應(yīng)用方向的研究及實(shí)踐工作者的學(xué)習(xí)參考書。

本書分為三大部分，共計(jì)14章，主要內(nèi)容包括：探索性數(shù)據(jù)分析入門、概率論基礎(chǔ)、推斷統(tǒng)計(jì)基礎(chǔ)、相關(guān)性和回歸、數(shù)據(jù)分析棧、R中的數(shù)據(jù)結(jié)構(gòu)、使用R進(jìn)行數(shù)據(jù)處理與可視化、使用R進(jìn)行數(shù)據(jù)分析、Python中的數(shù)據(jù)結(jié)構(gòu)、使用Python進(jìn)行數(shù)據(jù)分析等。

本書教你如何從基于時(shí)間的數(shù)據(jù)(如日志、客戶分析和其他事件流)中獲得即時(shí)、有意義的預(yù)測(cè)。在這本通俗易懂的書中，作者通過帶有注釋的Python代碼全面演示了用于時(shí)間序列預(yù)測(cè)的統(tǒng)計(jì)和深度學(xué)習(xí)方法。全書分為四部分：第一部分介紹時(shí)間序列預(yù)測(cè)的概念；第二部分介紹使用統(tǒng)計(jì)模型進(jìn)行預(yù)測(cè)；第三部分介紹使用深度學(xué)習(xí)進(jìn)行大規(guī)模預(yù)測(cè)；第四部分介紹使用自動(dòng)化預(yù)測(cè)庫進(jìn)行大規(guī)模預(yù)測(cè)。

本書從信息流個(gè)性化推薦算法從業(yè)者的角度，闡述在資訊內(nèi)容類App中，如何搭建健壯、完善的個(gè)性化推薦算法體系，如何融合產(chǎn)品運(yùn)營(yíng)的專家模型和端到端的深度學(xué)習(xí)，如何平衡短期的商業(yè)化目標(biāo)和長(zhǎng)期的用戶體驗(yàn)，以及我們?cè)诙鄠�(gè)行業(yè)頭部平臺(tái)實(shí)踐的過程中遇到的典型業(yè)務(wù)問題和解決方案，對(duì)比理論推導(dǎo)為主的機(jī)器學(xué)習(xí)書籍，本身更偏向基于行業(yè)問題的深度思考及落地實(shí)踐。