包括以下10门课程：离散数学、C语言、数据结构、常微分方程、操作系统、计算方法、数据库原理及应用、概率论与数理统计、JAVA语言、实变函数

包括以下11门课程：概率论与数理统计、实变函数、泛函分析、拓扑学、微分几何、C语言、近世代数、运筹学、常微分方程、复变函数、大学物理

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等

第一节 χ2分布和χ2检验的步骤 第二节 完全随机设计下两组频数分布的χ2检验 第三节 完全随机设计下多组频数分布的χ2检验 第四节 配对设计下两组频数分布的χ2检验 第五节 χ2检验要注意的问题 第六节 四格表的确切概率法

第一节 正态分布 第二节 二项分布 第三节 正态分布及其应用 第二节 Poisson分布的概念与特征

χ2分布和拟合优度检验 完全随机设计下两组频数分布的χ2检验 完全随机设计下多组频数分布的χ2检验 配对设计下两组频数分布的χ2检验 χ2检验要注意的问题 四格表的确切概率法

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

统计学的目的不只是为了研究样本,而是要通过样本 的结果来推断其所属总体的特征。即统计推断问题。所谓 统计推断就是根据抽样分布律和概率理论,由样本结果 (统计数)对总体特征(参数)进行推论。试验研究所获 得的资料,通常是从样本得到的结果,而我们的目的是希 望知道样本所属总体的情况。因此,统计推断是科研工作 中的一个十分重要的工具。统计推断的基本内容有两个方 面,一个是进行统计假设测验,也叫差异显著性测验;另一 个是参数估计

前面两章中我们介绍了概率论的基本内容包括古典概型的一些计算方法以及研究随机 现象的有力工具一随机变量。从本章起,我们开始讨论统计学的核心内容,即如何从一些 包含有随机误差,又并不完全的信息中得出科学的、尽可能正确的结论。在一般情况下,所 谓信息就是从实验或调查中得到的数据,这些数据显然带有一些我们既无法控制、也无法避 免的误差

复习 抽样定理——两类 参数估计一—已知含有未知参数θ总体的分布函数为F(x;0),利用总体的抽样样本X1,X2,…,Xn对参数θ或θ的某已知函数g(θ)作出估计 区间估计设法得到参数空间的一个取值范围,使待估参数以较大的概率含于其内点估计—构造适当的统计量0(X1,X2,…Xn)得到θ的估计值 矩估计法一用样本矩估计总体短