书城首页 › 涉及古代 › 科技 › 概率论与数理统计——基于PYTHON实现
涉及古代·科技

概率论与数理统计——基于PYTHON实现

正版保障多仓发货48小时内发货2-3天送达可开发票
¥39.29 定价 ¥49.80 7.9折 立省 ¥10.51
现货库存 90 件 全新
商品参数
书名
概率论与数理统计——基于PYTHON实现
作者
贾佳,舒常江,康顺光 主编
出版社
华中科技大学出版社
出版时间
2026-07-01
ISBN
9787577231686
货号
1204501224
品相
全新
分类
涉及古代·科技
购物车(0)
商品参数
书名
概率论与数理统计——基于PYTHON实现
作者
贾佳,舒常江,康顺光 主编
出版社
华中科技大学出版社
出版时间
2026-07-01
ISBN
9787577231686
货号
1204501224
品相
全新
分类
涉及古代·科技
编辑推荐▼

1. 理论为先,夯实基础。遵循“由浅入深、逻辑递进”的知识编排原则,先搭建概率论的基础框架(随机事件、概率、随机变量等),再逐步过渡到数理统计的应用方法,每个章节均以“核心知识点讲解-小结-习题”的结构呈现,帮助读者梳理逻辑、巩固重点,确保理论学习的连贯性与扎实度。 2. 实践赋能,知行合一。将 Python 实现与理论内容深度绑定,而非孤立设置编程模块。实验部分严格对应正文章节知识点,先通过基础实验完成 Python 工具入门,再以 “理论知识点→编程实现思路→案例代码→结果分析” 的模式,让读者用代码验证理论、用实践深化理解,解决 “懂理论不会落地” 的核心问题。 3. 体系完整,兼顾实用。既保证理论体系的完整性(覆盖概率论与数理统计的经典核心内容),也注重实践的实用性——选择统计分析中常用的Python库,设计贴近实际应用场景的案例(如分布模拟、数据可视化、建模预测),同时配套标准附表与习题答案,兼顾“理论学习”与“实际应用”双重需求,适配不同读者的使用场景。 4. 降低门槛,兼顾受众。考虑到部分读者可能缺乏Python 基础,专门设置入门级实验(Python 语言入门、核心库介绍),循序渐进引导编程学习;理论讲解避免过度晦涩,配合实践案例降低理解难度,让无论是高校学生、自学人士还是职场从业者,都能根据自身基础完成学习与应用。

作者简介▼

贾佳,桂林旅游学院人工智能学院副教授,长期讲授“高等数学”“线性代数”“概率论与数理统计”等课程,具有丰富的教学经验。作为主编已经出版《高等数学——基于Python实现》《线性代数——基于Python实现》2部教材;曾指导全国大学生数学建模竞赛荣获“国家二等奖”2项、“自治区二等奖”2项、“自治区三等奖”若干项;主持完成各级教改课题4项,主持参与省部以上级课题10余项;发表SCI检索等论文25篇;中国发明专利授权1项,软件著作权4项。

舒常江,桂林信息科技学院基础教学部应用数学教研室主任。主要教授课程:概率论、高等数学、线性代数。指导学生参加第十七届全国大学生数学竞赛广西赛区,共斩获一等奖18项、二等奖19项、三等奖42项,荣获广西赛区“优秀指导老师”称号。

康顺光,桂林旅游学院人工智能学院副院长,教授,广西旅游数据中心副主任(省部级科研机构/省部级数据中心),广西人工智能学会常务理事,广西人工智能学会智慧旅游分会秘书长,广西数学会理事。曾任学校党委组织部副部长、党委统战部副部长等职务。主持及参与各级课题20余项;发表论文30余篇,其中SCI检索4篇,EI检索3篇,CSSCI检索1篇,CSCD检索2篇,其他北大核心3篇;中国发明专利2项;编写教材4部,其中主编2部、副主编2部;近年,指导全国大学生数学建模竞赛荣获“国家二等奖”2项、“自治区一等奖”1项;指导全国信息技术人才大赛荣获“自治区一等奖”1项。

目录▼

第一章随机事件与概率(1)

第一节随机事件及其运算(1)

第二节概率的定义及其性质(5)

第三节等可能概型(8)

第四节条件概率与全概率公式(11)

第五节事件的独立性(17)

小结(22)

实验一搭建实验环境(23)

实验二Python核心库与基础语法介绍(23)

实验三古典概型与条件概率的Python实现(23)

习题一(24)

第二章随机变量(29)

第一节随机变量及其分布函数(29)

第二节离散型随机变量及其分布(31)

第三节连续型随机变量及其概率密度(38)

第四节随机变量函数的分布(47)

小结(50)

实验四随机变量及其分布的Python实现(51)

习题二(52)

第三章多维随机向量(58)

第一节二维随机向量及其分布(58)

第二节边缘分布(63)

第三节条件分布(66)

第四节随机变量的独立性(69)

第五节两个随机变量函数的分布(70)

小结(76)

实验五二维随机向量及其分布的Python实现(78)

习题三(78)

第四章随机变量的数字特征(83)

第一节数学期望(83)

第二节方差(91)

第三节协方差与相关系数(96)

第四节矩、协方差矩阵(101)

小结(103)

实验六随机变量数字特征的Python实现(105)

习题四(105)

第五章大数定律与中心极限定理(110)

第一节大数定律(110)

第二节中心极限定理(114)

小结(117)

实验七大数定律与中心极限定理的Python验证(118)

习题五(118)

第六章数理统计的基本概念(120)

第一节随机样本(120)

第二节抽样分布(123)

小结(128)

实验八数理统计基本概念与抽样分布的Python实现(129)

习题六(129)

第七章参数估计(131)

第一节点估计(131)

第二节估计量的评价标准(137)

第三节区间估计(139)

小结(142)

实验九参数估计的Python实现(144)

习题七(144)

第八章假设检验(148)

第一节概述(148)

第二节单个正态总体的假设检验(151)

第三节两个正态总体的假设检验(159)

第四节总体分布函数的假设检验(165)

小结(168)

实验十假设检验的Python实现(169)

习题八(169)

第九章方差分析(172)

第一节单因素试验的方差分析(172)

第二节双因素试验方差分析(178)

第三节正交试验设计及其方差分析(185)

小结(193)

实验十一方差分析的Python实现(193)

习题九(193)

第十章回归分析(197)

第一节回归分析的概述(197)

第二节参数估计(199)

第三节假设检验(203)

第四节预测与控制(206)

第五节非线性回归的线性化处理(208)

小结(211)

实验十二回归分析的Python实现(212)

习题十(212)

附表1泊松分布表(215)

附表2正态分布函数N0,1的数值表(218)

附表3χ2分布上分位表(220)

附表4t分布上分位表(222)

附表5F分布上分位表(224)

附表6正交表(229)

参考文献(231)

文摘▼

本书以“理论体系+编程实践”为核心定位,围绕概率论与数理统计的经典知识框架展开,融入Python工具的实际应用,致力于帮读者构建“懂理论、会实践、能应用”的知识体系。

在理论层面,本书构建了从基础概率解析到高级统计分析的完整逻辑链条:以概率论基本概念(随机事件、概率、独立性等)为起点,逐步延伸至随机变量与随机向量的分布特性、数字特征,进而引出数理统计核心方法(参数估计、假设检验、方差分析、回归分析等),同时介绍大数定律与中心极限定理,形成完整理论闭环,覆盖学科核心知识体系与逻辑脉络,确保了理论的深度与完整性。

在实践层 面,本书围绕理论内容配套设计了Python实验体系,既包含Python语言入门、核心 库(NumPy、SciPy、Matplotlib等)的使用等基础模块,也针对各章节理论量身设计了对应的编程实现案——从古典概型的代码模拟、随机变量分布的可视化,到参数估计的编程实现、回归分析的建模预测,形成“理论知识-Python代码实现-实际案例验证”的完整实践链条,解决传统教材“重理论、轻应用”的痛点问题。

此外,本书配套完善的辅助材料(标准概率分布表、习题及参考答案、参考文献),既满足理论学习的巩固需求,又为实践拓展提供支撑,可作为高校教材、自学备考用书,也适用于职场人士的技能提升。

¥39.29
🛒购物车