本书是参照教育部高等学校大学数学课程教学指导委员会颁布的“大学数学课程教学基本要求”，根据高素质工程应用型人才的培养需求，并结合近年来教学改革实际和教学实践经验编写而成的。本书系统介绍了概率论与数理统计的基本概念、基本理论和基本方法，内容安排清晰易懂，便于自学。所选例题紧密结合生活和工程实际，突出应用背景。
本书主要内容包括：随机事件及其概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理、数理统计的基本概念、参数估计、假设检验、方差分析和回归分析。每章配备了Python的相关应用案例，方便初学者分析和解决实际问题。
本书可作为普通高等学校非数学类各专业概率论与数理统计课程的教材，对相关专业技术人员也有一定的参考价值。
- 前辅文
- 第1章 随机事件及其概率
- 1.1 基本概念
- 1.2 频率与概率
- 1.3 等可能概型
- 1.4 条件概率与全概率公式
- 1.5 事件的独立性 伯努利概型
- 1.6 Python在概率计算实现中的应用
- 第2章 随机变量及其分布
- 2.1 随机变量及其分布函数
- 2.2 离散型随机变量及其分布
- 2.3 连续型随机变量及其分布
- 2.4 随机变量函数的分布
- 2.5 Python在一维随机变量分布中的应用
- 第3章 多维随机变量及其分布
- 3.1 二维随机变量及其分布
- 3.2 边缘分布
- 3.3 条件分布
- 3.4 随机变量的独立性
- 3.5 二维随机变量的函数的分布
- 3.6 Python在随机变量分布中的应用
- 第4章 随机变量的数字特征
- 4.1 随机变量的数学期望
- 4.2 随机变量的方差
- 4.3 协方差和相关系数
- 4.4 矩 协方差矩阵
- 4.5 Python在随机变量数字特征中的应用
- 第5章 大数定律与中心极限定理
- 5.1 大数定律
- 5.2 中心极限定理
- 5.3 Python在中心极限定理中的应用
- 附录
- 第6章 数理统计的基本概念
- 6.1 总体与样本
- 6.2 统计量与抽样分布
- 6.3 Python在统计初步中的应用
- 第7章 参数估计
- 7.1 点估计
- 7.2 评价估计量优良性的标准
- 7.3 正态总体参数的区间估计
- 7.4 Python在参数估计中的应用
- 第8章 假设检验
- 8.1 假设检验的基本概念
- 8.2 正态总体的假设检验
- 8.3（0-1）分布总体参数p的大样本检验
- 8.4 分布函数的拟合优度检验
- 8.5 Python在假设检验中的应用
- 第9章 方差分析和回归分析
- 9.1 单因素方差分析
- 9.2 一元线性回归
- 9.3 Python在方差分析和回归分析中的应用
- 统计附表
- 附表1 泊松分布表
- 附表2 标准正态分布表
- 附表3 t分布表
- 附表4 χ2分布表
- 附表5 F分布表
- 附表6 相关系数检验表
- 附录 Python简介及几种相关软件的安装
- 习题参考答案
- 参考文献
