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。

Social network analysis is used widely in the social and behavioral sciences, as well as in economics, marketing, and industrial engineering. The social network perspective focuses on relationships among social entities and is an important addition to standard social and behavioral research, which is primarily concerned with attributes of the social units. Social Network Analysis: Methods and Applications reviews and discusses methods for the analysis of social networks with a focus on applications of these methods to many substantive examples. It is a reference book that can be used by those who want a comprehensive review of network methods, or by researchers who have gathered network data and want to find the most appropriate method by which to analyze it. It is also intended for use as a textbook as it is the first book to provide comprehensive coverage of the methodology and applications of the field.

本书全面阐述了金融时间序列，并主要介绍了金融时间序列理论和方法的当前研究热点和一些最新研究成果，尤其是风险值计算、高频数据分析、随机波动率建模和马尔科夫链蒙特卡罗方法等方面。此外，本书还系统阐述了金融计量经济模型及其在金融时间序列数据和建模中的应用，所有模型和方法的运用均采用实际金融数据，并给出了所用计算机软件的命令。较之第1版，本版主要在新的发展和实证分析方面进行了更新，新增了状态空间模型和Kalman滤波以及S-Plus命令等内容。 本书可作为时间序列分析的教材，也适用于商学、经济学、数学和统计学专业对金融的计量经济学感兴趣的高年级本科生和研究生，同时，也可作为商业、金融、保险等领域专业人士的参考书。

《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。

《概率论基础教程》(第7版)内容简介——概率论是研究自然界和人类社会中随机现象数量规律的数学分支。本书通过大量的例子讲述了概率论的基础知识, 主要内容有组合分析、概率论公理化、条件概率和独立性、离散和连续型随机变量、随机变量的联合分布、期望的性质、极限定理等。本书附有大量的练习, 分为习题、理论习题和自检习题三大类, 其中自检习题部分还给出全部解答。

This book demonstrates the contribution that statistics can and should make to linguistic studies.The range of work to which statistical analysis is applicable is vast:including,for example,language acquisition,language variation and many aspects of applied linguistics,The aubhors give a wide variety of linguixtic examples to demonstrate the use of statistics in summarising data in the most appropriate way,and then making helpful inferences form the processed information.
Students and resesarchers in many fields of linguistics will find this book an invaluable introduction to the use of statistics,and a practical text tor the development of skils in the application of statistics.

本书是当代国际最著名的统计学家之一C.R.劳的一部统计学哲理论著，也是他毕生统计学术思想的总结，同时还是一本通俗的关于统计学原理的普及教科书。在本书中，作者从哲学的角度论述了统计学原理，通过实例，不仅证明了统计学是一门最严格、最合理的认识论和方法学 ，还深刻地揭示了现代统计学发展的过程，特别是那些很深刻的理论是如何从一些非常简单实际的问题中发展起来的。
本书前5章讲述了统计学从最初收集、汇编数据为行政管理服务，发展成为有一整套原理和研究方法的独立学科的历史，第6章谈及了普通公众对统计学的理解，强调了从数字中学习有助于成为有效率的公民。
最引人注目的特点是，书中提到的所有科学的学科调查与决策和统计之间的关联，是由一系列实例来说明的。本书使用非专业语言通俗地阐述了统计学的基本概念和方法，适合大众读者。

《复杂数据统计方法——基于r的应用》用自由的日软件分析30多个可以从国外网站下载的真实数据，包括横截面数据、纵向数据和时间序列数据，通过这些数据介绍了几乎所有经典方法及最新的机器学习方法。
《复杂数据统计方法——基于r的应用》特点：(1)以数据为导向；(2)介绍最新的方法(附有传统方法回顾)；(3)提供r软件入门及全部例子计算的日代码及数据的网址；(4)各章独立。
《复杂数据统计方法——基于r的应用》的读者对象包括统计学、应用统计学、经济学、数学、应用数学、精算、环境、计量经济学、生物医学等专业的本科、硕士及博士生，各领域的教师和实际工作者。

《概率与测度(第3版)》是《概率与测度》第3版，新版保留了原先的风格，将测度论和概率论有机结合在一起，把相关内容混合排列。概率问题会引起学生学习测度论的兴趣，而测度论知识又反过来应用到概率论中。《概率与测度(第3版)》主要内容包括概率、测度、积分、随机变量及数学期望、分布的收敛的问题、导数与条件期望，随机过程等。
点击链接进入英文版：
Probability and Measure, 3E

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．

《非线性优化计算方法》系统和深入介绍非线性优化的主要计算方法和相关理论，主要内容包括：一维优化方法、梯度法和共轭梯度法、拟牛顿法、直接方法、二次规划、罚函数法、可行方向法、逐步二次规划法、信赖域法、内点法、滤子方法等。

《全国统计教材编审委员会"十二五"规划教材:贝叶斯统计(第2版)》不仅与书本知识紧密结合，与课时教学密切配合。而且它在夯实学生基础知识、培养基本技能的同时，更加注重提高学生的发散思维能力。《全国统计教材编审委员会"十二五"规划教材:贝叶斯统计(第2版)》沿着知识、能力、应用的训练主线，层次分明，难易有度，延展有序。

本书论述了自17世纪迄今数理统计学发展的简要历史。内容包括:概率基本概念的起源和发展,伯努利大数定律和狄莫旨二项概率正态逼近,贝叶斯关于统计推断的思想,最小二乘法与误差分布--高其正态分布的发现过程,社会统计学家对数理统计方法的主要贡献等。

“基因检测”技术已经可以检测一个人是否具有与疾病有关的“基因缺陷”。阳性的检测结果一旦为外人所知，就可能引起对此人不公平的“区别对待”——以次人未来可能患病为由剥夺其本应享有的利益和机会，即“基因歧视”。本书在国内首次对“基因歧视”问题进行了较为深入、系统的研究，并在保险和雇佣等领域对防止“基因歧视”、保护人权提出了法律对策的建议。

概率论与统计学在20世纪取得了惊人的发展，并在几乎所有的研究领域得到日益广泛的应用。同时，很多有关概率的新哲学思想也由此得以产生。然而，尽管这些思想有着重要的意义，但它们却往往散见于各种文献，不便于查找。
吉利斯所著的《概率的哲学理论》首次对有关概率的各种哲学理论给予了清楚、全面而系统的描述，并对它们相互间的关系提供了说明。本书不仅探讨了关于概率的古典的、逻辑的、主观的、频率的以及倾向的观点，而且说明了各种解释与贝叶斯争论之间的关系，因为贝叶斯争论不管是在统计学中还是在科学哲学中均已变得引人注目。作者在书中也提到了一些新见解：概率的倾向理论的一个很有特色的版本与发展了主观理论的主体间解释。作者还论证支持了一种多元主义的观点，认为有效的概率解释不止一种，每一种适用于不同的语境。
无论你是对关于概率的哲学观点感兴趣，还是打算对那些相关的理论及其关系作更为清晰的了解，《概率的哲学理论》都将证明它是极有价值的。

Most tasks require a person or an automated system to reason--to reach conclusions based on available information. The framework of probabilistic graphical models, presented in this book, provides a general approach for this task. The approach is model-based, allowing interpretable models to be constructed and then manipulated by reasoning algorithms. These models can also be learned automatically from data, allowing the approach to be used in cases where manually constructing a model is difficult or even impossible. Because uncertainty is an inescapable aspect of most real-world applications, the book focuses on probabilistic models, which make the uncertainty explicit and provide models that are more faithful to reality. Probabilistic Graphical Models discusses a variety of models, spanning Bayesian networks, undirected Markov networks, discrete and continuous models, and extensions to deal with dynamical systems and relational data. For each class of models, the text describes the three fundamental cornerstones: representation, inference, and learning, presenting both basic concepts and advanced techniques. Finally, the book considers the use of the proposed framework for causal reasoning and decision making under uncertainty. The main text in each chapter provides the detailed technical development of the key ideas. Most chapters also include boxes with additional material: skill boxes, which describe techniques; case study boxes, which discuss empirical cases related to the approach described in the text, including applications in computer vision, robotics, natural language understanding, and computational biology; and concept boxes, which present significant concepts drawn from the material in the chapter. Instructors (and readers) can group chapters in various combinations, from core topics to more technically advanced material, to suit their particular needs.

Statistical approaches to processing natural language text have become dominant in recent years. This foundational text is the first comprehensive introduction to statistical natural language processing (NLP) to appear. The book contains all the theory and algorithms needed for building NLP tools. It provides broad but rigorous coverage of mathematical and linguistic foundations, as well as detailed discussion of statistical methods, allowing students and researchers to construct their own implementations. The book covers collocation finding, word sense disambiguation, probabilistic parsing, information retrieval, and other applications.

Introduction to Data Mining presents fundamental concepts and algorithms for those learning data mining for the first time. Each concept is explored thoroughly and supported with numerous examples. The text requires only a modest background in mathematics. Each major topic is organized into two chapters, beginning with basic concepts that provide necessary background for understanding each data mining technique, followed by more advanced concepts and algorithms. Quotes This book provides a comprehensive coverage of important data mining techniques. Numerous examples are provided to lucidly illustrate the key concepts. -Sanjay Ranka, University of Florida In my opinion this is currently the best data mining text book on the market. I like the comprehensive coverage which spans all major data mining techniques including classification, clustering, and pattern mining (association rules). -Mohammed Zaki, Rensselaer Polytechnic Institute