'This book covers the dominant theoretical approaches to the approximate solution of hard combinatorial optimization and enumeration problems. It contains elegant combinatorial theory, useful and interesting algorithms, and deep results about the intrinsic complexity of combinatorial problems. Its clarity of exposition and excellent selection of exercises will make it accessible and appealing to all those with a taste for mathematics and algorithms' - Richard Karp, University Professor, University of California at Berkeley. Following the development of basic combinatorial optimization techniques in the 1960s and 1970s, a main open question was to develop a theory of approximation algorithms. In the 1990s, parallel developments in techniques for designing approximation algorithms as well as methods for proving hardness of approximation results have led to a beautiful theory. The need to solve truly large instances of computationally hard problems, such as those arising from the Internet or the human genome project, has also increased interest in this theory. The field is currently very active, with the toolbox of approximation algorithm design techniques getting always richer. It is a pleasure to recommend Vijay Vazirani's well-written and comprehensive book on this important and timely topic. "I am sure the reader will find it most useful both as an introduction to approximability as well as a reference to the many aspects of approximation algorithms' - Laszlo Lovasz, Senior Researcher, Microsoft Research.

《概率(第2卷)(修订和补充第3版)》是俄国著名数学家A.H.施利亚耶夫的力作。施利亚耶夫是现代概率论奠基人、前苏联科学院院士、著名数学家A.H.柯尔莫戈洛夫的学生，在概率统计界和金融数学界影响极大。《概率(第2卷)(修订和补充第3版)》作为莫斯科大学最为出色的概率教材之一。分为一、二两卷，并配有习题集。第二卷《概率(第2卷)(修订和补充第3版)》是离散时间随机过程（随机序列）的内容。重点讲述（强和弱）平稳序列、鞅和马尔可夫链，并给出了随机序列中的估计和过滤问题、随机金融数学、保险理论和最优停时问题等领域的应用。书后附有概率的数学理论形成的简史。在图书文献资料中，指出了所引用结果的出处，并且给出了注释。此外，还列出了相应的补充文献资料。第一卷《概率(第2卷)(修订和补充第3版)》是初等概率论的内容，可以作为初步了解概率论学科的教材。大部分内容涉及以柯尔莫戈洛夫公理化体系为基础的初等概率论、概率论的数学基础、概率测度的收敛性和极限定理等基本问题。

The standard rules of probability can be interpreted as uniquely valid principles in logic. In this book, E. T. Jaynes dispels the imaginary distinction between 'probability theory' and 'statistical inference', leaving a logical unity and simplicity, which provides greater technical power and flexibility in applications. This book goes beyond the conventional mathematics of probability theory, viewing the subject in a wider context. New results are discussed, along with applications of probability theory to a wide variety of problems in physics, mathematics, economics, chemistry and biology. It contains many exercises and problems, and is suitable for use as a textbook on graduate level courses involving data analysis. The material is aimed at readers who are already familiar with applied mathematics at an advanced undergraduate level or higher. The book will be of interest to scientists working in any area where inference from incomplete information is necessary.

《概率论教程:英文版(第3版)》是一本享誉世界的经典概率论教材，令众多读者受益无穷。自出版以来。已被世界75％以上的大学的数万名学生使用。《概率论教程:英文版(第3版)》内容丰富，逻辑清晰，叙述严谨。不仅可以拓展读者的视野。而且还将为其后续的学习和研究打下坚实基础。此外，《概率论教程:英文版(第3版)》的习题较多，都经过细心的遴选，从易到难，便于读者巩固练习。本版补充了有关测度和积分方面的内容，并增加了一些习题。

An Introduction to Statistical Learning provides an accessible overview of the field of statistical learning, an essential toolset for making sense of the vast and complex data sets that have emerged in fields ranging from biology to finance to marketing to astrophysics in the past twenty years. This book presents some of the most important modeling and prediction techniques, along with relevant applications. Topics include linear regression, classification, resampling methods, shrinkage approaches, tree-based methods, support vector machines, clustering, and more. Color graphics and real-world examples are used to illustrate the methods presented. Since the goal of this textbook is to facilitate the use of these statistical learning techniques by practitioners in science, industry, and other fields, each chapter contains a tutorial on implementing the analyses and methods presented in R, an extremely popular open source statistical software platform. Two of the authors co-wrote The Elements of Statistical Learning (Hastie, Tibshirani and Friedman, 2nd edition 2009), a popular reference book for statistics and machine learning researchers. An Introduction to Statistical Learning covers many of the same topics, but at a level accessible to a much broader audience. This book is targeted at statisticians and non-statisticians alike who wish to use cutting-edge statistical learning techniques to analyze their data. The text assumes only a previous course in linear regression and no knowledge of matrix algebra.

《水科学技术中的概率统计方法》介绍了概率统计的基本理论与在水科学技术中常用的近代方法．概率部分，包括Bayes定理的应用、亚正态分布、分位数变换及多元Gamma分布等；统计部分，包括参数估计的理论与各种近代方法、假设检验、回归分析、时间序列分析、空间资料分析等在水科学中的应用，并附有大量实例．《水科学技术中的概率统计方法》还首次介绍了水文集合预报的概念与方法，以及水文预报检验的价值、理论与方法。
《水科学技术中的概率统计方法》可供水文分析、水文预报、水资源规划与管理、气象、气候、水文地质以及其他相关领域的大学生、研究生及科研人员参考使用。

Prominent authorities from multiple disciplines analyze and document the human ability to deal with uncertainty. Coverage ranges from discussions of the philosophy of axiom systems through studies in the psychological laboratory to the reality of business decision making.

本书是概率论方面的经典名著，篇幅短小，叙述精辟，具有较高的理论水平。书中以简练的笔法介绍了概率方面的主要内容，包括事件、概率、概率空间、均值、特征函数等基本概念，还有大数定律、Poisson小数定律、遍历定理以及随机过程的基本内容。作者通过数学的结构之美来传达数学的旋律之美。
本书试图用测度论工具严格地研究概率论，适合相关领域的本科生、研究生和教师作为参考书，是每一位概率学者的案头佳作。

《概率导论(第2版)》是在MIT开设概率论入门课程的基础上编写的, 其内容全面, 例题和习题丰富, 结构层次性强, 能够满足不同读者的需求。书中介绍了概率模型、离散随机变量和连续随机变量、多元随机变量以及极限理论等概率论基本知识, 还介绍了矩母函数、条件概率的现代定义、独立随机变量的和、最小二乘估计等高级内容。
《概率导论(第2版)》可作为所有高等院校概率论入门的基础教程, 也可作为有关概率论方面的参考书。

本书内容包括概率论、数理统计两部分，涉及条件概率、随机变量及其分布、数学期望、特殊分布、估计、估计量的抽样分布、假设检验、分类数据与非参数方法、线性统计模型、随机模拟等．本书知识体系结构与国内主流的概率论与数理统计教材基本一致，但内容取材及例题的安排上都比较新颖，尤其是新增加了一些非常实用而且比较先进的模拟方法．书中最后提供了奇数号习题的解答以及索引． 本书作为概率论与数理统计的教材，适合大学本科高年级学生和研究生用作教材或参考书，也可供统计工作人员用作参考书．

《统计推断(翻译版·原书第2版)》从概率论的基础开始，通过例子与习题的旁征博引，引进了大量近代统计处理的新技术和一些国内同类教材中不常见而又广为使用的分布。其内容既包括工科概率入门、经典统计和现代统计的基础，又加进了不少近代统计中数据处理的实用方法和思想，例如：Bootstrap再抽样法、刀切(Jackkrlife)估计、EM算法、Logistic回归、稳健(Robest)回归、Markov链、Monte Carlo方法等。它的统计内容与国内流行的教材相比，理论较深，模型较多，案例的涉及面要广，理论的应用面要丰富，统计思想的阐述与算法更为具体。《统计推断(翻译版·原书第2版)》可作为工科、管理类学科专业本科生、研究生的教材或参考书，也可供教师、工程技术人员自学之用。

《概率论沉思录(英文版)》将概率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，尤其是它阐述了贝叶斯理论的丰富应用，弥补了其他概率和统计教材的不足。全书分为两大部分。第一部分包括10章内容，讲解抽样理论、假设检验、参数估计等概率论的原理及其初等应用；第二部分包括12章内容，讲解概率论的高级应用，如在物理测量、通信理论中的应用。《概率论沉思录(英文版)》还附有大量习题，内容全面，体例完整。
《概率论沉思录(英文版)》内容不局限于某一特定领域，适合涉及数据分析的各领域工作者阅读，也可作为高年级本科生和研究生相关课程的教材。

本书内容包括初等概率计算、随机变量及其分布、数字特征、多维随机向量、极限定理、统计学基本概念、点估计与区间估计、假设检验、回归相关分析、方差分析等。书中选入了部分在理论和应用上重要，但一般认为超出本课程范围的材料，以备教者和学者选择。本书着重基本概念的阐释，同时在设定的数学程度内，力求做到论述严谨。书中精选了百余道习题，并在书末附有提示与解答。
本书可作为高等学校理工科非数学系的概率统计课程教材，也可供具有相当数学准备（初等微积分及少量矩阵知识）的读者自修之用。

《概率论与数理统计(第4版)》是普通高等教育“十一五”国家级规划教材，在2001年出版的《概率论与数理统计(第4版)》（第三版）的基础上增订而成。本次修订新增的内容有：在数理统计中应用Excel，bootstrap方法，户值检验法，箱线图等；同时吸收了国内外优秀教材的优点对习题的类型和数量进行了调整和充实。
《概率论与数理统计(第4版)》主要内容包括概率论、数理统计、随机过程三部分，每章附有习题；同时涵盖了《全国硕士研究生入学统一考试数学考试大纲》的所有知识点。《概率论与数理统计(第4版)》可作为高等学校工科、理科（非数学专业）各专业的教材和研究生入学考试的参考书，也可供工程技术人员、科技工作者参考。
点击链接进入：
《概率论与数理统计习题全解指南(浙大•第4版)》