本書分為三大篇：第一篇為常微分方程數(shù)值解，包含了2章內(nèi)容，分別介紹了常微分方程初值問題的理論基礎和數(shù)值方法；第二篇為偏微分方程數(shù)值解，包含了6章內(nèi)容，分別介紹了常用的有限差分、譜方法和有限元方法；第三篇為分數(shù)階微分方程數(shù)值解，包含了3章內(nèi)容，介紹了分數(shù)階微積分的相關理論和算法、分數(shù)階的常微分方程和分數(shù)階的偏微分方程數(shù)值

本書主要內(nèi)容包括：隨機事件與概率、一維隨機變量及其分布、多維隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律與中心極限定理等。

本書注重培養(yǎng)學生應用數(shù)學概念、數(shù)學思想及方法去消化和吸納工程或經(jīng)濟概念及原理的能力。強化學生應用數(shù)學知識解決實際問題的能力，并學會一種數(shù)學軟件Mathematica的使用，以提高學生利用計算機求解數(shù)學模型的能力。

本書參照教育部高等學校大學數(shù)學課程教學指導委員會制定的“工科類本科數(shù)學基礎課程教學基本要求”及“經(jīng)濟和管理類本科數(shù)學基礎課程教學基本要求”編寫而成。包括概率論的基本概念、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、大數(shù)定律和中心極限定理、樣本及抽樣分布、參數(shù)估計、假設檢驗、方差分析與回歸分析等內(nèi)容，書末

《空間回歸模型》主要解決線性回歸分析中空間依賴關系的相關問題，為社會科學家完備地介紹如何將空間依賴性的分析納入回歸框架。本書作者向讀者介紹了兩種應用最廣泛的空間回歸模型：空間定距因變量和空間性誤差模型。此外還補充了空間分析中的疑難問題。

線性回歸模型是一個非常有效且重要的數(shù)據(jù)分析方法。本書全面解釋了logistic回歸模型的估計、解釋和診斷結(jié)果，詳細說明了多選項和不排序多分類因變量的問題，并更新了現(xiàn)今應用的計算機軟件，深入評論了不同的擬合優(yōu)度。作者還提出了令人信服的論據(jù)去說明R2L的優(yōu)勢，并增加了分組數(shù)據(jù)、預測效率和風險比等新內(nèi)容。

本書既清晰、簡潔地介紹了標準數(shù)值分析教材所涵蓋的內(nèi)容，也介紹了非傳統(tǒng)的內(nèi)容，比如數(shù)學建模、蒙特卡羅方法、馬爾可夫鏈和分形。書中選取的例子頗具趣味性和啟發(fā)性，涉及現(xiàn)代應用領域（如信息檢索和動畫）以及來自物理和工程的傳統(tǒng)主題。習題用MATLAB求解，使計算結(jié)果更容易理解。各章都簡短介紹了數(shù)值方法的歷史。而且還有網(wǎng)上資料。

本書是世界公認的《回歸分析》標準教材（aleadingtextbookonregression）。不僅從理論上介紹了當今統(tǒng)計學中用到的傳統(tǒng)回歸方法，還補充介紹了尖端科學研究中不太常見的回歸方法。難能可貴的是，作者有豐富的教學經(jīng)驗和實際應用經(jīng)驗，使得本書理論和應用并重，還給出實際應用中應該注意的問題。新版除利用Minit

本書是作者結(jié)合自己多年Abaqus使用經(jīng)驗，在汲取國內(nèi)外大量資料的基礎上編寫的一本Python二次開發(fā)知識點筆記。內(nèi)容涉及開發(fā)環(huán)境的搭建、Python基礎語法知識、AbaqusPythonAPI講解，并以實例展示的方式詳細闡明了二次開發(fā)的流程和方法。本書可以幫助正在使用Abaqus進行仿真分析工作的工程師或者科研人員學

本書是一部經(jīng)典的隨機過程著作，敘述深入淺出、涉及面廣。主要內(nèi)容有隨機變量、條件期望、馬爾可夫鏈、指數(shù)分布、泊松過程、平穩(wěn)過程、更新理論及排隊論等，也包括了隨機過程在物理、生物、運籌、網(wǎng)絡、遺傳、經(jīng)濟、保險、金融及可靠性中的應用。特別是有關隨機模擬的內(nèi)容，給隨機系統(tǒng)運行的模擬計算提供了有力的工具。zui新版還增加了不帶左