概率統(tǒng)計(jì)與Python解法

定　價(jià)：￥69.00

作　者：	徐子珊
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	計(jì)算機(jī)科學(xué)與技術(shù)面向新工科專業(yè)建設(shè)計(jì)算機(jī)系列教材
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787302618591	出版時(shí)間：	2023-02-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	327	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)的內(nèi)容按當(dāng)前理工院校同名課程體系展開(kāi)，涵蓋概率論和數(shù)理統(tǒng)計(jì)的主要課題。全書(shū)共分為8章：前4章系統(tǒng)介紹概率論的課題，內(nèi)容包括隨機(jī)事件及其概率、隨機(jī)變量及其分布、隨機(jī)向量、隨機(jī)變量的數(shù)字特征，為后4章討論進(jìn)行統(tǒng)計(jì)推斷的數(shù)理統(tǒng)計(jì)方法構(gòu)建一個(gè)明晰且嚴(yán)格的語(yǔ)境。后4章的數(shù)理統(tǒng)計(jì)內(nèi)容包括數(shù)理統(tǒng)計(jì)的基本概念、參數(shù)估計(jì)、假設(shè)檢驗(yàn)、方差分析和線性回歸，形成統(tǒng)計(jì)推斷的基本結(jié)構(gòu)。本書(shū)選擇Python的科學(xué)計(jì)算應(yīng)用包，包括用于快速數(shù)組處理的numpy、用于統(tǒng)計(jì)計(jì)算的scipy.stats、用于積分計(jì)算的scipy.integrate和用于繪制2D圖形的matplotlib等作為計(jì)算工具，對(duì)書(shū)中每一節(jié)討論的概率統(tǒng)計(jì)的計(jì)算問(wèn)題，都給出詳盡的Python解法。

作者簡(jiǎn)介

　　徐子珊，男，副教授。數(shù)學(xué)專業(yè)出身。長(zhǎng)期從事高校數(shù)學(xué)、算法和程序設(shè)計(jì)教學(xué)，深受學(xué)生喜愛(ài)。曾擔(dān)任ACM/ICPC競(jìng)賽教練。指導(dǎo)過(guò)多屆ITAT競(jìng)賽。2003年在復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)系做國(guó)內(nèi)訪問(wèn)學(xué)者，師從國(guó)內(nèi)算法界前輩朱洪教授。2010年曾出版《算法設(shè)計(jì)、分析與實(shí)現(xiàn)》一書(shū)，受到讀者好評(píng)。該書(shū)遠(yuǎn)銷中國(guó)臺(tái)灣地區(qū)。曾有多人來(lái)函索要書(shū)中相關(guān)代碼。2012年出版該書(shū)修訂版。

圖書(shū)目錄

第1章隨機(jī)事件及其概率
1.1 隨機(jī)試驗(yàn)與隨機(jī)事件
1.1.1 隨機(jī)試驗(yàn)
1.1.2 隨機(jī)事件
1.1.3 隨機(jī)事件的概率
1.1.4 Python解法
1.2 古典概型與幾何概型
1.2.1 古典概型
1.2.2 幾何概型
1.2.3 Python解法
1.3 條件概率與事件的獨(dú)立性
1.3.1 條件概率
1.3.2 乘法公式與事件的獨(dú)立性
1.3.3 Python解法
1.4 全概率公式與貝葉斯公式
1.4.1 全概率公式
1.4.2 貝葉斯公式
1.4.3 Python解法
第2章隨機(jī)變量及其分布
2.1 隨機(jī)變量及其分布函數(shù)
2.1.1 隨機(jī)變量
2.1.2 隨機(jī)變量的分布函數(shù)
2.1.3 Python解法
2.2 離散型隨機(jī)變量
2.2.1 離散型隨機(jī)變量及其分布律
2.2.2 離散型隨機(jī)變量的分布函數(shù)
2.2.3 常用離散型隨機(jī)變量的分布
2.2.4 Python解法
2.3 連續(xù)型隨機(jī)變量
2.3.1 連續(xù)型隨機(jī)變量的概率密度函數(shù)
2.3.2 常用連續(xù)型隨機(jī)變量的分布
2.3.3 Python解法
2.4 隨機(jī)變量函數(shù)的分布
2.4.1 離散型隨機(jī)變量函數(shù)的分布
2.4.2 連續(xù)型隨機(jī)變量函數(shù)的分布
2.4.3 Python解法
2.5 本章附錄
第3章隨機(jī)向量
3.12 -維隨機(jī)向量的聯(lián)合分布函數(shù)
3.2 離散型2-維隨機(jī)向量
3.2.1 離散型2-維隨機(jī)向量的聯(lián)合分布律
3.2.2 離散型2-維隨機(jī)向量的邊緣分布與條件分布
3.2.3 離散型隨機(jī)變量的獨(dú)立性
3.2.4 Python解法
3.3 連續(xù)型2-維隨機(jī)向量
3.3.1 連續(xù)型2-維隨機(jī)向量的聯(lián)合密度函數(shù)
3.3.2 連續(xù)型2-維隨機(jī)向量的邊緣分布與條件分布
3.3.3 連續(xù)型隨機(jī)變量的獨(dú)立性
3.3.4 Python解法
3.4 隨機(jī)向量函數(shù)的分布
3.4.1 離散型2-維隨機(jī)向量函數(shù)的分布
3.4.2 連續(xù)型2-維隨機(jī)向量函數(shù)的分布
3.5 正態(tài)分布簇的分位點(diǎn)及其計(jì)算
3.5.1 隨機(jī)變量分布的分位點(diǎn)
3.5.2 標(biāo)準(zhǔn)正態(tài)分布分位點(diǎn)計(jì)算
3.5.3 ×2分布分位點(diǎn)計(jì)算
3.5.4 t分布分位點(diǎn)計(jì)算
3.5.5 F分布分位點(diǎn)計(jì)算
3.5.6 Python解法
3.6 本章附錄
第4章隨機(jī)變量的數(shù)字特征
4.1 隨機(jī)變量的數(shù)學(xué)期望
4.1.1 離散型隨機(jī)變量的數(shù)學(xué)期望
4.1.2 連續(xù)型隨機(jī)變量的數(shù)學(xué)期望
4.1.3 隨機(jī)變量函數(shù)的數(shù)學(xué)期望
4.1.4 數(shù)學(xué)期望的性質(zhì)
4.1.5 Python解法
4.2 隨機(jī)變量的方差
4.2.1 隨機(jī)變量的方差及其計(jì)算
4.2.2 方差的性質(zhì)
4.2.3 Python解法
4.3 回歸系數(shù)和相關(guān)系數(shù)
4.3.1 隨機(jī)變量X與Y的回歸系數(shù)
4.3.2 協(xié)方差與相關(guān)系數(shù)
4.3.3 Python解法
4.4 大數(shù)定律與中心極限定理
4.4.1 切比雪夫不等式
4.4.2 切比雪夫大數(shù)定律
4.4.3 貝努利大數(shù)定律
4.4.4 中心極限定理
4.4.5 驗(yàn)證中心極限定理的Python程序
4.5 本章附錄
第5章數(shù)理統(tǒng)計(jì)的基本概念
5.1 簡(jiǎn)單樣本
5.1.1 樣本觀測(cè)值的直方圖
5.1.2 經(jīng)驗(yàn)分布函數(shù)
5.1.3 Python解法
5.2 樣本統(tǒng)計(jì)量
5.2.1 常用統(tǒng)計(jì)量
5.2.2 正態(tài)總體的樣本統(tǒng)計(jì)量分布
5.2.3 兩個(gè)正態(tài)總體的樣本統(tǒng)計(jì)量分布
5.2.4 Python解法
5.3 本章附錄
第6章參數(shù)估計(jì)
6.1 參數(shù)的點(diǎn)估計(jì)
6.1.1 參數(shù)的點(diǎn)估計(jì)及其性質(zhì)
6.1.2 用樣本均值和樣本方差估計(jì)總體期望和方差
6.1.3 矩估計(jì)法
6.1.4 最大似然估計(jì)
6.1.5 Python解法
6.2 參數(shù)的區(qū)間估計(jì)
6.2.1 參數(shù)的區(qū)間估計(jì)概念
6.2.2 單個(gè)正態(tài)總體參數(shù)μ的區(qū)間估計(jì)
6.2.3 單個(gè)正態(tài)總體參數(shù)σ2的區(qū)間估計(jì)
6.2.4 兩個(gè)正態(tài)總體的均值差的區(qū)間估計(jì)
6.2.5 兩個(gè)正態(tài)總體方差比的區(qū)間估計(jì)
6.2.6 Python解法
6.3 本章附錄
第7章假設(shè)檢驗(yàn)
7.1 單個(gè)正態(tài)總體均值μ和方差σ2的假設(shè)檢驗(yàn)
7.1.1 已知總體方差σ2，對(duì)總體均值μ的假設(shè)檢驗(yàn)
7.1.2 總體方差。2未知，對(duì)總體均值μ的假設(shè)檢驗(yàn)
7.1.3 總體方差。2的假設(shè)檢驗(yàn)
7.1.4 假設(shè)檢驗(yàn)的p值方法
7.1.5 Python解法
7.2 兩個(gè)正態(tài)總體均值差μ1-μ2、方差比σ12/σ22的假設(shè)檢驗(yàn)
7.2.1 已知總體方差σ12和σ22，對(duì)總體均值差μ1-μ2的假設(shè)檢驗(yàn)
7.2.2 總體方差σ12和σ22未知但σ12=σ22，對(duì)總體均值差的假設(shè)檢驗(yàn)
7.2.3 總體方差比σ12/σ22的假設(shè)檢驗(yàn)
7.2.4 Python解法
7.3 非參數(shù)假設(shè)檢驗(yàn)
7.3.1 基于成對(duì)數(shù)據(jù)的檢驗(yàn)
7.3.2 分布擬合檢驗(yàn)
7.3.3 聯(lián)列表中相互獨(dú)立性的檢驗(yàn)
7.3.4 有限個(gè)總體同分布檢驗(yàn)
7.3.5 Python解法
第8章方差分析和線性回歸
8.1 單因素試驗(yàn)的方差分析
8.1.1 單因素試驗(yàn)?zāi)Ｐ?br /> 8.1.2 平方和分解
8.1.3 SE和SA的統(tǒng)計(jì)性質(zhì)
8.1.4 假設(shè)檢驗(yàn)
8.1.5 參數(shù)估計(jì)
8.1.6 Python解法