《廣義線性模型導論》系統(tǒng)介紹了廣義線性模型的概念基礎和基本原則，通過具體案例和SAS統(tǒng)計軟件闡釋了將logistic回歸等整合到擬合廣義線性模型架構(gòu)中的方法。本書的目的在于，向熟悉經(jīng)典線性模型的普通社會科學研究者展示，如何從線性回歸模型推廣到非連續(xù)自變量的其他模型，而不失這兩種模型間的共同根基及相似性。

本書內(nèi)容包括：如何應用Mathematica7做因式分解、數(shù)項求和、函數(shù)極限、不定積分、求解偏微分方程、求解線性方程組、計算矩陣的特征值和特征向量、矩陣分解、插值、擬合和統(tǒng)計等數(shù)學運算；如何用函數(shù)、數(shù)據(jù)、圖元素畫圖；如何自定義函數(shù)和寫程序構(gòu)建程序包。

本書是一本優(yōu)秀的法國數(shù)學著作，系統(tǒng)全面地介紹了馬爾可夫鏈的基本性質(zhì)和結(jié)論，然后圍繞這一主題給出了豐富的應用結(jié)果�；�于蒙特卡羅(Monte-Carlo)算法和離散時間與連續(xù)時間的馬爾可夫鏈，本書給出了算法的多種應用，例如在基因?qū)W中、物種發(fā)展學中及互聯(lián)網(wǎng)絡中。同時在最后一章還給出了其在金融學中的應用。

《概率論與數(shù)理統(tǒng)計》系統(tǒng)地論述了概率論與數(shù)理統(tǒng)計的概念、方法、理論及其應用，是一本為高等院校理工、經(jīng)管類專業(yè)學生本科生學習而編寫的教材或教學參考書．全書共分9章，內(nèi)容包括隨機事件及其概率、隨機變量及其分布、多維隨機變量及其分布、隨機變量的數(shù)字特征與特征函數(shù)、中心極限定理、數(shù)理統(tǒng)計的基礎知識、參數(shù)估計、假設檢驗、方差分析

本書是學習掌握運籌學理論和方法的重要輔助教材，也是教師備課、學生自學運籌學以及研究生入學考試的常備參考資料。本書分為習題、習題答案、案例分析與討論三部分，內(nèi)容含線性規(guī)劃與單純形法、對偶理論與靈敏度分析、運輸問題、目標規(guī)劃、整數(shù)規(guī)劃、非線性規(guī)劃、動態(tài)規(guī)劃、圖與網(wǎng)絡分析、網(wǎng)絡計劃與圖解評審法、排隊論、存儲論、對策論、決策論

具體分高等數(shù)學、線性代數(shù)、概率論與數(shù)理統(tǒng)計三部分冊。高等數(shù)學分冊主要介紹函數(shù)、極限與連續(xù)、一元微分學及其應用、一元積分學及其應用、無窮級數(shù)、多元微積分學、微分方程和查分方程初步等內(nèi)容。線性代數(shù)分冊主要介紹矩陣、行列式、向量的基本概念、線性方程組的求解、特征值和特征向量、以及二次型的基本知識。概率論與數(shù)理統(tǒng)計分冊主要包括

對用戶協(xié)同模型和多興趣模型算法加以了模擬實現(xiàn)，構(gòu)建了相關(guān)的模型并給出針對具體模型的推薦。在此基礎上，結(jié)合用戶參與評分的方法對算法的推薦效果進行了評價。結(jié)果發(fā)現(xiàn)，基于用戶協(xié)同模型的算法要略優(yōu)于現(xiàn)有的基于用戶自身標簽的算法，而基于多興趣模型的推薦則要明顯好于上述兩種算法，原因可能是多興趣模型中的子興趣保持了資源主題的單一性

本書共七章，主要內(nèi)容包括：隨機事件與概率、隨機變量及其分布、隨機變量的數(shù)字特征、隨機向量及其分布、隨機向量的數(shù)字特征、大數(shù)定律與中心極限定理。本書以實際問題為出發(fā)點，通過精選例題并結(jié)合其它學科的問題介紹概率論的思想、模型和方法；如結(jié)合復雜網(wǎng)絡講冪律分布，結(jié)合壽命講Gamma分布，結(jié)合股價講對數(shù)正態(tài)分布，結(jié)合風險偏好講效

本書共三篇，分別為有限元原理、有限元建模、有限元可視化程序設計。有限元原理部分重點介紹*有限元課程特點的基本內(nèi)容及程序設計思想，主要包括彈性問題、彈塑性問題、結(jié)構(gòu)動力問題的有限元法；從實用角度介紹有限元建模方法、有限元可視化程序設計。做到理論體系完整，理論與應用并重。本書采用模塊式結(jié)構(gòu)，三篇內(nèi)容相對獨立，可根據(jù)需要選學

統(tǒng)計計算 使用R