最新章節

• 參考文獻
• 第33章 排隊論
• 第32章 網絡計劃
• 第31章 圖與網絡優化
• 第30章 動態規劃應用舉例
• 第29章 動態規劃的基本方法

• 參考文獻 更新時間：2023-08-10 17:12:10
• 第33章 排隊論
• 第32章 網絡計劃
• 第31章 圖與網絡優化
• 第30章 動態規劃應用舉例
• 第29章 動態規劃的基本方法
• 第28章 約束極值問題
• 第27章 無約束問題
• 第26章 整數線性規劃
• 第25章 線性目標規劃
• 第24章 運輸問題
• 第23章 對偶理論和靈敏度分析
• 第22章 線性規劃與單純形法
• 第四部分 運籌學
• 21.4 多元線性回歸
• 21.3 一元線性回歸
• 21.2 雙因素方差分析
• 21.1 單因素方差分析
• 第21章 方差分析及回歸分析
• 20.8 假設檢驗問題的p值法
• 20.7 秩和檢驗
• 20.6.2 分布族的χ~2擬合檢驗
• 20.6.1 單個分布的χ~2擬合檢驗法
• 20.6 分布擬合檢驗
• 20.5 樣本容量的選取
• 20.4 置信區間與假設檢驗之間的關系
• 20.3.2 兩個正態總體的情況
• 20.3.1 單個正態總體的情況
• 20.3 正態總體方差的假設檢驗
• 20.2.3 基于成對數據的檢驗
• 20.2.2 兩個正態總體均值差的檢驗
• 20.2.1 單個總體N(μ σ~2）均值μ的檢驗
• 20.2 正態總體均值的假設檢驗
• 20.1 假設檢驗方法
• 第20章 假設檢驗
• 19.7 單側置信區間
• 19.6 0-1分布參數的區間估計
• 19.5.2 兩個總體□和□的情況
• 19.5.1 單個總體N(μ σ~2）的情況
• 19.5 正態總體均值與方差的區間估計
• 19.4 區間估計
• 19.3 估計量的評選標準
• 19.2 基于截尾樣本的最大似然估計
• 19.1.2 最大似然估計法
• 19.1.1 矩估計法
• 19.1 點估計
• 第19章 參數估計
• 18.3.4 正態總體樣本均值與樣本方差的分布
• 18.3.3 F分布
• 18.3.2 t分布
• 18.3.1 χ~2分布
• 18.3 抽樣分布
• 18.2 直方圖和箱線圖
• 18.1.2 DataFrame
• 18.1.1 Series
• 18.1 隨機樣本
• 第18章 樣本及抽樣分布
• 17.2 中心極限定理
• 17.1 大數定律
• 第17章 大數定律及中心極限定理
• 16.4 協方差矩陣
• 16.3 協方差及相關系數
• 16.2 方差
• 16.1 數學期望
• 第16章 隨機變量的數字特征
• 15.5 兩個隨機變量的函數分布
• 15.4 相互獨立的隨機變量
• 15.3 條件分布
• 15.2 邊緣分布
• 15.1 二維隨機變量
• 第15章 多維隨機變量及其分布
• 14.5 隨機變量的函數分布
• 14.4.3 正態分布
• 14.4.2 指數分布
• 14.4.1 均勻分布
• 14.4 連續型隨機變量及其概率密度
• 14.3.3 泊松分布
• 14.3.2 二項分布
• 14.3.1 0-1分布的分布函數
• 14.3 隨機變量的分布函數
• 14.2.3 泊松分布
• 14.2.2 二項分布
• 14.2.1 0-1分布
• 14.2 離散型隨機變量及其分布律
• 14.1 隨機變量
• 第14章 隨機變量及其分布
• 13.6 獨立性
• 13.5 條件概率
• 13.4 等可能概型（古典概型)
• 13.3 頻率與概率
• 13.2 樣本空間、隨機事件
• 13.1 隨機實驗
• 第13章 概率論的基本概念
• 第三部分 概率論與數理統計
• 12.4 傅里葉級數
• 12.3 函數展開成冪級數
• 12.2 常數項級數的審斂法
• 12.1 常數項級數的概念與性質
• 第12章 無窮級數
• 11.4 重積分的應用
• 11.3 三重積分
• 11.2 二重積分的計算方法
• 11.1 二重積分的概念和性質
• 第11章 重積分
• 10.7 最小二乘法
• 10.6 多元函數的極值及其求法
• 10.5 方向導數與梯度
• 10.4 多元函數微分法的幾何應用
• 10.3 隱函數的求導公式
• 10.2 多元復合函數的求導法則
• 10.1 偏導數
• 第10章 多元函數微分法及其應用
• 9.6 空間曲線及其方程
• 9.5 曲面及其方程
• 9.4 空間直線及其方程
• 9.3 平面及其方程
• 9.2 數量積、向量積和混合積
• 9.1 向量及其運算
• 第9章 向量代數與空間解析幾何
• 8.4 方陣的特征值及特征向量
• 8.3 矩陣的秩與線性方程組的解
• 8.2 矩陣及其運算
• 8.1 行列式
• 第8章 線性代數基礎
• 7.9 常系數線性微分方程組解法舉例
• 7.8 歐拉方程
• 7.7 常系數非齊次線性微分方程
• 7.6 常系數齊次線性微分方程
• 7.5 可降階的高階微分方程
• 7.4 一階線性微分方程
• 7.3 齊次方程
• 7.2 可分離變量的微分方程
• 7.1 微分方程的基本概念
• 第7章 微分方程
• 6.6 極坐標系下繪圖
• 6.5 反常積分的審斂法Γ函數
• 6.4 反常積分
• 6.3 定積分的換元法和分部積分法
• 6.2 微積分基本公式
• 6.1 定積分的概念和性質
• 第6章 定積分
• 5.4 有理函數的積分
• 5.3 分部積分法
• 5.2 換元積分法
• 5.1 不定積分的概念與性質
• 第5章 不定積分
• 4.7 方程的近似解
• 4.6 函數圖形的描繪
• 4.5 函數的極值與最大值最小值
• 4.4 函數的單調性與曲線的凹凸性
• 4.3 泰勒公式
• 4.2 洛必達法則
• 4.1 微分中值定理
• 第4章 微分中值定理與導數的應用
• 3.4 隱函數及由參數方程所確定的函數的導數相關變化率
• 3.3 高階導數
• 3.2 函數的求導法則
• 3.1 導數的概念
• 第3章 導數與微分
• 2.9 連續函數的運算與初等函數的連續性
• 2.8 函數的連續性與間斷點
• 2.7 無窮小的比較
• 2.6 極限存在準則
• 2.5 極限運算法則
• 2.4 無窮小與無窮大
• 2.3 函數的極限
• 2.2 數列的極限
• 2.1 映射與函數
• 第2章 函數與極限
• 第二部分 高等數學
• 1.4.3 numpy數學計算
• 1.4.2 numpy數組
• 1.4.1 numpy庫簡介
• 1.4 Python常用第三方庫numpy
• 1.3.8 分支語句
• 1.3.7 循環語句
• 1.3.6 函數
• 1.3.5 集合
• 1.3.4 字典
• 1.3.3 元組
• 1.3.2 列表
• 1.3.1 基本數據類型
• 1.3 Python內置數據類型與函數
• 1.2 第三方開發工具VS Code
• 1.1 Python簡介與安裝
• 第1章 Python基礎
• 第一部分 編程基礎
• 前言 FOREWORD
• 編委會
• 內容簡介
• 版權信息
• 封面

• 封面
• 版權信息
• 內容簡介
• 編委會
• 前言 FOREWORD
• 第一部分 編程基礎
• 第1章 Python基礎
• 1.1 Python簡介與安裝
• 1.2 第三方開發工具VS Code
• 1.3 Python內置數據類型與函數
• 1.3.1 基本數據類型
• 1.3.2 列表
• 1.3.3 元組
• 1.3.4 字典
• 1.3.5 集合
• 1.3.6 函數
• 1.3.7 循環語句
• 1.3.8 分支語句
• 1.4 Python常用第三方庫numpy
• 1.4.1 numpy庫簡介
• 1.4.2 numpy數組
• 1.4.3 numpy數學計算
• 第二部分 高等數學
• 第2章 函數與極限
• 2.1 映射與函數
• 2.2 數列的極限
• 2.3 函數的極限
• 2.4 無窮小與無窮大
• 2.5 極限運算法則
• 2.6 極限存在準則
• 2.7 無窮小的比較
• 2.8 函數的連續性與間斷點
• 2.9 連續函數的運算與初等函數的連續性
• 第3章 導數與微分
• 3.1 導數的概念
• 3.2 函數的求導法則
• 3.3 高階導數
• 3.4 隱函數及由參數方程所確定的函數的導數相關變化率
• 第4章 微分中值定理與導數的應用
• 4.1 微分中值定理
• 4.2 洛必達法則
• 4.3 泰勒公式
• 4.4 函數的單調性與曲線的凹凸性
• 4.5 函數的極值與最大值最小值
• 4.6 函數圖形的描繪
• 4.7 方程的近似解
• 第5章 不定積分
• 5.1 不定積分的概念與性質
• 5.2 換元積分法
• 5.3 分部積分法
• 5.4 有理函數的積分
• 第6章 定積分
• 6.1 定積分的概念和性質
• 6.2 微積分基本公式
• 6.3 定積分的換元法和分部積分法
• 6.4 反常積分
• 6.5 反常積分的審斂法Γ函數
• 6.6 極坐標系下繪圖
• 第7章 微分方程
• 7.1 微分方程的基本概念
• 7.2 可分離變量的微分方程
• 7.3 齊次方程
• 7.4 一階線性微分方程
• 7.5 可降階的高階微分方程
• 7.6 常系數齊次線性微分方程
• 7.7 常系數非齊次線性微分方程
• 7.8 歐拉方程
• 7.9 常系數線性微分方程組解法舉例
• 第8章 線性代數基礎
• 8.1 行列式
• 8.2 矩陣及其運算
• 8.3 矩陣的秩與線性方程組的解
• 8.4 方陣的特征值及特征向量
• 第9章 向量代數與空間解析幾何
• 9.1 向量及其運算
• 9.2 數量積、向量積和混合積
• 9.3 平面及其方程
• 9.4 空間直線及其方程
• 9.5 曲面及其方程
• 9.6 空間曲線及其方程
• 第10章 多元函數微分法及其應用
• 10.1 偏導數
• 10.2 多元復合函數的求導法則
• 10.3 隱函數的求導公式
• 10.4 多元函數微分法的幾何應用
• 10.5 方向導數與梯度
• 10.6 多元函數的極值及其求法
• 10.7 最小二乘法
• 第11章 重積分
• 11.1 二重積分的概念和性質
• 11.2 二重積分的計算方法
• 11.3 三重積分
• 11.4 重積分的應用
• 第12章 無窮級數
• 12.1 常數項級數的概念與性質
• 12.2 常數項級數的審斂法
• 12.3 函數展開成冪級數
• 12.4 傅里葉級數
• 第三部分 概率論與數理統計
• 第13章 概率論的基本概念
• 13.1 隨機實驗
• 13.2 樣本空間、隨機事件
• 13.3 頻率與概率
• 13.4 等可能概型（古典概型)
• 13.5 條件概率
• 13.6 獨立性
• 第14章 隨機變量及其分布
• 14.1 隨機變量
• 14.2 離散型隨機變量及其分布律
• 14.2.1 0-1分布
• 14.2.2 二項分布
• 14.2.3 泊松分布
• 14.3 隨機變量的分布函數
• 14.3.1 0-1分布的分布函數
• 14.3.2 二項分布
• 14.3.3 泊松分布
• 14.4 連續型隨機變量及其概率密度
• 14.4.1 均勻分布
• 14.4.2 指數分布
• 14.4.3 正態分布
• 14.5 隨機變量的函數分布
• 第15章 多維隨機變量及其分布
• 15.1 二維隨機變量
• 15.2 邊緣分布
• 15.3 條件分布
• 15.4 相互獨立的隨機變量
• 15.5 兩個隨機變量的函數分布
• 第16章 隨機變量的數字特征
• 16.1 數學期望
• 16.2 方差
• 16.3 協方差及相關系數
• 16.4 協方差矩陣
• 第17章 大數定律及中心極限定理
• 17.1 大數定律
• 17.2 中心極限定理
• 第18章 樣本及抽樣分布
• 18.1 隨機樣本
• 18.1.1 Series
• 18.1.2 DataFrame
• 18.2 直方圖和箱線圖
• 18.3 抽樣分布
• 18.3.1 χ~2分布
• 18.3.2 t分布
• 18.3.3 F分布
• 18.3.4 正態總體樣本均值與樣本方差的分布
• 第19章 參數估計
• 19.1 點估計
• 19.1.1 矩估計法
• 19.1.2 最大似然估計法
• 19.2 基于截尾樣本的最大似然估計
• 19.3 估計量的評選標準
• 19.4 區間估計
• 19.5 正態總體均值與方差的區間估計
• 19.5.1 單個總體N(μ σ~2）的情況
• 19.5.2 兩個總體□和□的情況
• 19.6 0-1分布參數的區間估計
• 19.7 單側置信區間
• 第20章 假設檢驗
• 20.1 假設檢驗方法
• 20.2 正態總體均值的假設檢驗
• 20.2.1 單個總體N(μ σ~2）均值μ的檢驗
• 20.2.2 兩個正態總體均值差的檢驗
• 20.2.3 基于成對數據的檢驗
• 20.3 正態總體方差的假設檢驗
• 20.3.1 單個正態總體的情況
• 20.3.2 兩個正態總體的情況
• 20.4 置信區間與假設檢驗之間的關系
• 20.5 樣本容量的選取
• 20.6 分布擬合檢驗
• 20.6.1 單個分布的χ~2擬合檢驗法
• 20.6.2 分布族的χ~2擬合檢驗
• 20.7 秩和檢驗
• 20.8 假設檢驗問題的p值法
• 第21章 方差分析及回歸分析
• 21.1 單因素方差分析
• 21.2 雙因素方差分析
• 21.3 一元線性回歸
• 21.4 多元線性回歸
• 第四部分 運籌學
• 第22章 線性規劃與單純形法
• 第23章 對偶理論和靈敏度分析
• 第24章 運輸問題
• 第25章 線性目標規劃
• 第26章 整數線性規劃
• 第27章 無約束問題
• 第28章 約束極值問題
• 第29章 動態規劃的基本方法
• 第30章 動態規劃應用舉例
• 第31章 圖與網絡優化
• 第32章 網絡計劃
• 第33章 排隊論
• 參考文獻 更新時間：2023-08-10 17:12:10