本書根據(jù)統(tǒng)計教學的特點，結(jié)合大量的實例以循序漸進的方式介紹Minitab17.3軟件的使用方法和統(tǒng)計應(yīng)用，對軟件界面、統(tǒng)計分析結(jié)果及統(tǒng)計圖形均進行了詳細的解釋。內(nèi)容包括Minitab的基礎(chǔ)知識、基本統(tǒng)計量、統(tǒng)計表和列聯(lián)表資料的檢驗、方差分析、等效檢驗、非參數(shù)檢驗、回歸分析、可靠性/生存分析、多變量分析、時間序列分析、功

Meta分析（meta-analysis）是統(tǒng)計合成來自于一系列同類研究的結(jié)果，其中用的統(tǒng)計方法可用于任何類型的數(shù)據(jù)。通過Meta分析，可以*加準確的估計效應(yīng)的大小及確定影響效應(yīng)大小的相關(guān)因素，還可以產(chǎn)生新的發(fā)現(xiàn)。Meta分析可以應(yīng)用于醫(yī)學、藥學、教育學、心理學、犯罪學、生態(tài)學、商業(yè)、天文學等諸多領(lǐng)域，當前在醫(yī)學領(lǐng)域的

本書共分八章，采用Frequentist、Bayesian、Fiducial三種方法，研究統(tǒng)計預測問題，分別給出統(tǒng)計預測區(qū)間的精確解。

本書通過嚴謹?shù)慕y(tǒng)計語言和生動的例子，詳實而系統(tǒng)地介紹了處理事件史數(shù)據(jù)的方法。作者特別關(guān)注了回歸方法，即事件的發(fā)生依賴于一個或多個解釋變量。他解釋了構(gòu)成事件史分析基礎(chǔ)的統(tǒng)計模型，介紹了在實際分析中如何進行操作，包括數(shù)據(jù)管理、成本和一些有用的計算機軟件。對于希望了解事件史數(shù)據(jù)處理方法的讀者而言，本書不失為一本全面扼要的手冊

本書用Frequentist、Bayesian、Fiducial三種方法，深入研究和完整地解決了雙參數(shù)指數(shù)分布、左截尾雙參數(shù)指數(shù)分布、正態(tài)（對數(shù)正態(tài)）分布、威布爾分布、位置尺度族分布、對數(shù)位置尺度族分布及冪律可靠性增長模型的統(tǒng)計推斷問題。所研究的問題都是當今國內(nèi)、外理論和技術(shù)難題。本書匯集了作者們近十五年來的最新研究成

本書是北京市高等教育精品教材。全書以統(tǒng)計分析的應(yīng)用需求為主線，以通俗易懂的語言對SPSS中主要統(tǒng)計分析方法的核心思想進行系統(tǒng)的介紹，并對其在SPSS中的操作實現(xiàn)步驟進行詳盡說明，同時配合應(yīng)用案例分析，使讀者能夠較快領(lǐng)會方法的要點，掌握方法的實現(xiàn)操作，明確方法的適用特點。本書克服了SPSS手冊類教材只注重操作說明而忽略原

R語言近年來成為統(tǒng)計分析的*受歡迎軟件之一，已廣泛用于生態(tài)、金融、統(tǒng)計、互聯(lián)網(wǎng)、醫(yī)療和農(nóng)林牧漁等行業(yè)，并涉及大數(shù)據(jù)、生物信息學以及人工智能等領(lǐng)域。林元震主編的《R與ASReml-R統(tǒng)計學》主要面向農(nóng)林業(yè)試驗數(shù)據(jù)，系統(tǒng)介紹了R與ASRemlR 的統(tǒng)計應(yīng)用，全書共分11章，具體包括R語言簡介、基礎(chǔ)語法、數(shù)據(jù)創(chuàng)建、數(shù)據(jù)管理、

Stata軟件與Stata的資源、數(shù)據(jù)管理、制圖、調(diào)查數(shù)據(jù)分析、概要統(tǒng)計及交互表、方差分析和其他比較方法、線性回歸分析、回歸診斷、擬合曲線、穩(wěn)健回歸、logistic回歸、生存模型與事件計數(shù)模型、主成分/因子和聚類分析、時間序列分析、調(diào)查數(shù)據(jù)分析、多層與混合效應(yīng)建模、編程入門。

本書以IBMSPSSStatistics24中文版為準，采用真實案例貫穿全書，從統(tǒng)計分析實戰(zhàn)的角度出發(fā)詳細介紹了SPSS的界面操作、數(shù)據(jù)管理、統(tǒng)計圖表制作、統(tǒng)計描述和常用單因素統(tǒng)計分析方法的原理與實際操作，并結(jié)合SPSS的強大功能作了很好的擴展。書中還提供醫(yī)療、經(jīng)濟、市場研究等各行業(yè)的綜合案例，完全從實際案例出發(fā)講解各

全書共包含18個章節(jié)，從概率密度、貝葉斯決策理論引入樣本學習的基本概念，進而介紹了近鄰域?qū)W習、核學習及神經(jīng)網(wǎng)絡(luò)學習，在此基礎(chǔ)上探討了PCA學習、VC維概念、函數(shù)估計問題等，后重點介紹了非常實用的支持向量機SVM及Boosting方法。各章均包含小結(jié)、附錄、習題及參考資料，非常適合于大專院校計算機及電氣工程類碩博士研究生