本书教你如何从基于时间的数据(如日志、客户分析和其他事件流)中获得即时、有意义的预测。在这本通俗易懂的书中，作者通过带有注释的Python代码全面演示了用于时间序列预测的统计和深度学习方法。全书分为四部分：第一部分介绍时间序列预测的概念；第二部分介绍使用统计模型进行预测；第三部分介绍使用深度学习进行大规模预测；第四部分

本书根据编者多年主讲概率论与数理统计课程的教学经验和现阶段大学生的基本学情，并参照该课程的教学基本要求编写。全书共分八章，主要包括随机事件与概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理、统计量及其分布、参数估计和假设检验。本书注意基本概念和基础理论，特别注意基础知识间的内在联

本书介绍统计分析的Logistic回归模型，以及扩充模型，包括Logistic回归搭配ROC曲线，多项Logistic回归等，通过例题分析，结合计算机统计软件的应用，详细阐述该模型原理与应用。

本教材共九章，第一章至第五章为概率论部分，以研究随机现象的统计规律性为主线，为读者提供了必要的理论基础。第六章至八章为数理统计部分，主要介绍了数理统计的基本概念、常用分布、抽样分布定理、参数估计与假设检验。第九章是Excel在概率统计中的应用，现在的科学发展已经越来越离不开计算机的应用，而数理统计是基于数据的收集、整理

本教材主要介绍了随机过程的预备知识、离散时间马氏链、可数状态马氏链、泊松过程、连续时间马氏链、更新过程、布朗运动等内容。为适应应用型本科财经类相关专业突出技能与应用的要求，本书在介绍随机过程基础理论的前提下，着重使用图表等多种形式，形象地展示课程的脉络。在介绍部分难以理解的知识点时，本书附有相关的Matlab及Pyth

本书包括4个部分内容：1-4章为概率论的理论部分;5-6章为统计应用的基础准备部分,介绍了大量样本数据呈现的极限特征,以及统计应用中常用的四大分布及性质;7-8章为统计的基本应用部分,介绍了参数的点估计,区间估计以及假设检验问题;第9章介绍了现实中常用的统计方法--一元回归分析.前8章是一般本科概率论与数理统计课程的基

真实世界中的序列数据随时间推移呈爆炸式增长，如何设计面向序列数据的知识发现方法是当前研究的热点之一。本书以深度学习和多视图学习为理论基础，以序列数据为研究对象，为面向序列数据分析提供多视图的学习方法与技术，同时为典型场景下的序列数据分析提供多视图深度学习解决方案，以期为序列数据分析、多视图学习领域的研究及应用提供参考。

本书将概率论和统计推断融合在一起，用新的观点生动地描述了概率论在物理学、数学经济学、化学和生物学等领域中的广泛应用，特别阐述了贝叶斯理论的丰富应用，弥补了其他概率论和统计学教材的不足，全书分为两部分：第一部分包括10章，讲解抽样理论、假设检验、参数估计等概率论的原理及其初级应用；第二部分包括12章，讲解概率论的高级应用

本讲义共分五个部分.第一部分包括前六讲,简要介绍了概率论的基本概念、结论和方法.第二部分包括第七-十讲,介绍布朗运动的基本概念和性质.第三部分包括第十一-十八讲,其中第十一-十五讲介绍~Ito~随机积分的概念及其重要性质,例如特别重要的Ito等距、Ito乘积法则和Ito~链式法则.第十六--十八讲介绍Ito随机微分方程

1、概率论基础知识；2、基础理论：随机过程的引入（定义的引入、分类、平稳过程）、离散时间的Markov链（定义的引入、分类、不变测度、极限定理）、最优停时与鞅、连续时间的Markov链（定义的引入、Poisson过程、Renew过程、应用案例）、连续时间的随机过程（布朗运动）、随机分析及随机微分方程；3、应用案例分析：