封面
版权信息
内容简介
作者简介
前言 PREFACE
第1章 概率论的基本概念
1.1 随机试验、样本空间、事件
1.2 事件的关系与运算
1.3 频率与概率
1.4 等可能概型
1.5 条件概率与独立性
1.6 全概率公式与贝叶斯公式
1.7 本章练习
1.8 常见考题解析：随机事件和概率
1.9 本章常用的Python函数总结
1.10 本章上机练习
第2章 随机变量及其分布
2.1 随机变量
2.2 离散型随机变量及其分布律
2.3 分布函数
2.4 连续型随机变量及其概率密度
2.5 随机变量的函数分布
2.6 本章练习
2.7 常见考题解析：随机变量及其分布
2.8 本章常用的Python函数总结
2.9 本章上机练习
第3章 多维随机变量及其分布
3.1 二维随机变量及其分布函数
3.2 边缘分布
3.3 条件分布
3.4 相互独立的随机变量
3.5 二维正态分布随机变量
3.6 随机变量函数的分布
3.7 本章练习
3.8 常见考题解析：多维随机变量及其分布
3.9 本章常用的Python函数总结
3.10 本章上机练习
第4章 随机变量的数字特征
4.1 数学期望
4.2 方差和标准差
4.3 协方差和相关系数
4.4 协方差矩阵
4.5 本章练习
4.6 常见考题解析：随机变量的数字特征
4.7 本章常用的Python函数总结
4.8 本章上机练习
第5章 大数定律与中心极限定理
5.1 大数定律
5.2 中心极限定理
5.3 本章习题
5.4 常见考题解析：大数定律与中心极限定理
5.5 本章常用的Python函数总结
5.6 本章上机练习
第6章 样本、统计量及抽样分布
6.1 总体与样本
6.2 统计量与抽样分布
6.3 三大抽样分布
6.4 正态总体的抽样分布
6.5 简单统计作图
6.6 本章练习
6.7 常见考题解析：样本、统计量及抽样分布
6.8 本章常用的Python函数总结
6.9 本章上机练习
第7章 参数估计
7.1 点估计
7.2 估计量的评选标准
7.3 区间估计
7.4 正态总体均值与方差的区间估计
7.5 单侧区间估计
7.6 本章练习
7.7 常见考题解析：参数估计
7.8 本章常用的Python函数总结
7.9 本章上机练习
第8章 假设检验
8.1 假设检验的原理
8.2 正态总体均值的假设检验
8.3 正态总体方差的假设检验
8.4 置信区间与假设检验之间的关系
8.5 分布拟合检验
8.6 本章练习
8.7 常见考题解析：假设检验
8.8 本章常用的Python函数总结
8.9 本章上机练习
第9章 一元线性回归
9.1 回归分析概述
9.2 一元线性回归
9.3 本章练习
9.4 常见考题解析：一元线性回归
9.5 本章常用的Python函数总结
9.6 本章上机练习
第10章 多元线性回归
10.1 多元线性回归模型的数学形式
10.2 多元线性回归模型的基本假定
10.3 多元线性回归模型的解释
10.4 回归参数的估计
10.5 本章练习
10.6 常见考题解析：多元线性回归
10.7 本章常用的Python函数总结
10.8 本章上机练习
第11章 多重共线性与岭回归
11.1 多重共线性产生的原因及其影响
11.2 多重共线性的诊断
11.3 消除多重共线性的方法
11.4 本章练习
第12章 主成分分析
12.1 总体主成分
12.2 样本主成分
12.3 主成分分析的应用
12.4 本章练习
12.5 本章常用的Python函数总结
12.6 本章上机练习
第13章 因子分析
13.1 因子模型
13.2 参数估计
13.3 本章练习
13.4 本章常用的Python函数总结
13.5 本章上机练习
附录A Python基础
A.1 Python开发环境
A.2 Python基础语法
A.3 Python标准数据类型
A.4 Python中的条件语句和循环语句
附录B 微积分基础
B.1 映射、函数与极限
B.2 导数与微分
B.3 不定积分
B.4 定积分
B.5 常微分方程
B.6 多元函数的偏导数
B.7 多元函数的极值
B.8 重积分
附录C 线性代数基础
C.1 向量与矩阵
C.2 线性方程组
C.3 行列式
C.4 矩阵的逆
C.5 矩阵的对角化
附录D NumPy基础
D.1 创建NumPy数组
D.2 NumPy中的矩阵和向量
D.3 数组属性和操作
D.4 数组的索引
D.5 通用函数
D.6 矩阵计算
参考文献
图书推荐
更新时间：2024-12-27 19:44:01
完结共146章
倒序