本書分為8章，內(nèi)容包括時間序列分析的基礎(chǔ)知識、時間序列預測的常用方法，以及神經(jīng)網(wǎng)絡(luò)在時間序列預測中的應用；時間序列異常檢測算法的技術(shù)與框架，如何識別異常的時間點及多種異常檢測方法；時間序列的相似性度量方法、聚類算法；多維時間序列在廣告分析和業(yè)務運維領(lǐng)域的應用，利用OLAP技術(shù)對多維時間序列進行有效處理，通過根因分析技術(shù)

"本書是“新時代大學數(shù)學系列教材”之一。本書內(nèi)容包括概率模型、概率公式、隨機變量、隨機向量、數(shù)學期望和方差、大數(shù)定律和中心極限定理、統(tǒng)計初步、參數(shù)估計、參數(shù)的區(qū)間估計、正態(tài)總體的顯著性檢驗、總體分布和比例的假設(shè)檢驗、線性回歸分析等十二章內(nèi)容，并以工程技術(shù)和科學研究中廣泛使用的MATLAB及國產(chǎn)軟件北太天元為例,介紹與本

本書以近鄰思想、同步聚類模型及快速同步聚類算法為研究課題，重點研究了基于近鄰圖與單元網(wǎng)格圖的聚類算法、基于近鄰勢與單元網(wǎng)格近鄰勢的聚類算法、快速同步聚類算法、基于Vicsek模型線性版本的同步聚類算法、基于線性加權(quán)Vicsek模型的收縮同步聚類算法、基于分而治之框架與收縮同步聚類算法的多層同步聚類方法和基于ESynC算

本書試圖從整體上再現(xiàn)概率論知識構(gòu)建過程，展現(xiàn)相關(guān)重要知識點的來龍去脈，逐步提高讀者的概率知識水平，第一章主要涉及直到19世紀末的概率知識，以頻率為主線介紹概率論基本概念與模型，為后面的概率論公理體系做鋪墊。第二章主要展示現(xiàn)代概率論的基石、概率論公理化知識體系，介紹概率空間的基本性質(zhì)，使讀者概率知識水平上一臺階。第三章主

本書主要為考研數(shù)學概率論與數(shù)理統(tǒng)計相關(guān)知識，還附帶習題及答案。

這是一套適用于考研基礎(chǔ)階段和強化階段復習的專業(yè)備考書.本書為編者基于豐富的一線教學經(jīng)驗和考研輔導經(jīng)驗，以最新全國碩士研究生招生考試數(shù)學考試大綱為依據(jù)編寫的一本知識講解題型分析的輔導書，便于考生攜帶和合理的安排備考時間。本書分為兩個分冊：認知篇和題型篇，認知篇講解基礎(chǔ)知識，題型篇總結(jié)常見題型，考生可以一邊看基礎(chǔ)知識，一邊

本書由李良根據(jù)近期新研究生考試大綱編寫，包含基礎(chǔ)篇和強化篇，考生可用此書進行全程概率論學習。書籍主要由知識點、例題、解析三部分構(gòu)成，為了讓同學們更高效學習，我們在書中穿插了一些概率論常用定理以及幫助大家理解的推論和注解。

"本書是編者在總結(jié)多年教學經(jīng)驗的基礎(chǔ)上，為適應民辦本科院校教學和新工科對概率論與數(shù)理統(tǒng)計的需求，按照國家對非數(shù)學類本科生概率論與數(shù)理統(tǒng)計課程的基本要求編寫的。 全書分為七章：隨機事件及其概率、隨機變量及其分布、二維隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律和中心極限定理、數(shù)理統(tǒng)計的基本概念、參數(shù)估計。各章配有習題

"積分嵌套拉普拉斯近似(IntegratedNestedLaplaceApproximations，INLA)是擬合一大類貝葉斯回歸模型的新方法。使用INLA無須抽取邊際后驗分布的樣本，因此在計算上它是貝葉斯推斷標準工具馬爾可夫鏈蒙特卡羅(MCMC)方法的簡單易用的替代方案。本書涵蓋了各種現(xiàn)代回歸模型，著重介紹了如何使

《概率論與數(shù)理統(tǒng)計》一書共分為8個章節(jié)，本書的主要內(nèi)容包括：隨機事件與概率、離散型隨機變量及其分布、連續(xù)型隨機變量及其分布、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。本書注重工科和經(jīng)濟學科學生應該掌握的基本概念和基本方法，加強了學生基本技能的訓練，能提高學生分析和解決問題的能力