概率和统计学课程比以往任何时候都更受欢迎。无论你的专业是什么,在你的职业生涯中,你都很可能经常使用概率和统计中的概念。
本书的主要目标是为教师提供灵活性,以便在此基础上建立大多数本科课程。这本书是为一个学期的概率和统计入门课程(不是基于微积分的)和/或一个学期的基于微积分的概率和统计课程设计的。 本书侧重于工程实例和应用,同时也包括社会科学和更多的例子。根据章节的流程,课程可以为所有水平和背景的学生量身定制。
在教授这门课程的多年中,作者基于真实数据、学生项目和实验室创造了问题。学生们建议这些可以增强他们的经验和学习。作者希望与其他教师和学生分享项目和实验室,使课程对双方都更有趣。 R是一个优秀的平台。本书使用R处理真实数据集。实验室可以用于小组工作,课堂上,或自主学习。这些项目实验室已经过多年的课堂测试,取得了良好的效果,并鼓励学生应用关键概念和使用技术来分析和呈现结果。
https://www.routledge.com/Probability-and-Statistics-for-Engineering-and-the-Sciences-with-Modeling/Fox-Sturdivant/p/book/9781032330471#
目录内容:
- Introduction to Statistical Modeling and Models and R
- Introduction to Data
- Statistical Measures
- Classical Probability
- Discrete Distributions
- Continuous Probability Models
- Other Continuous Distribution (some calculus required): Triangular, Unnamed, Beta, Gamma
- Sampling Distributions
- Estimating Parameters
- One Sample Hypothesis Testing
- Two Sample Hypothesis Testing
- Reliability Modeling
- Introduction to Regression Techniques
- Advanced Regression Models: Nonlinear, Sinusoidal, and Binary Logistics Regression using R
- ANOVA in R
- Two-way ANCOVA using R