本书为《高等数学学习指导与练习（上）》，在编写过程中着眼于以下三个方面：（1）强化学生对高等数学课程中的概念与基本方法的理解。解题只是学习课程知识和巩固课堂教学的一种手段，不能替代学习过程。（2）注重理论知识的应用。在每章典型例题中，编者尽量安排一些应用性题型，并在每章单独设置“应用案例”一节，期望以应用案例的讲解打开学生的“眼界”，使学生认识到即使是高等数学这样的基础理论课程，在实际问题中也有着 广泛且重要的应用。（3）特别注意练习题、自测题与模考题的实用性和针对性。例如，在练习部分，首先强调基本练习题型的配置，同时兼顾一定比例的综合性练习，甚至还包括少数难度适中的考研题型。本书每章内容可大致分为“学习指导”与“练习测试”两大部分。“学习指导”部分又具体分为“内容提要”“典型例题”“应用案例”三节；“练习测试”部分则包括“练习题”“自测题”两节。并在每章后面给出了“练习题与自测题答案”。此外，在本书的 附了五套“模拟试卷”。

本教材计划共8章，其中1－5章为概率论相关内容，包括概率论的基本概念、一维随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理；6－8章为数理统计相关内容，包括样本及抽样分布、参数估计及假设检验等。本教材在介绍概率统计基本内容的基础上，加入课程思政、数学文化、释疑解惑、应用案例、小节要点、考研训练、微课小视频等模块。本教材可作为高等学校理工、经管和农林各类专业“概率论与数理统计”课程的教材或教学参考书。

本书内容包括行列式、矩阵、线性方程组、矩阵的特征值与特征向量、二次型等基本理论与方法. 例题配置注重层次性和典型性， 按章节配有相当数量的习题， 各章还精心设置了较为丰富、有助于考研等需求的复习题，书末附有部分习题参考解答. 此外， 还附有线性代数应用实例与MATLAB在代数计算中的用法供学生进一步参考学习. 在概念的引入和内容的叙述等方面， 全书力求做到由浅入深、条理清晰、通俗易懂、易教易学.

本书对四维流形几何学的现代研究提供了清晰且易于理解的描述，是该领域的经典。书中对四维流形拓扑发展的主线进行了透彻的讲解——特别是四维流形的新不变量的定义——并且还对几何和全局分析的相关主题进行了广泛的处理。本书源自第一作者菲尔兹奖得主西蒙·唐纳森（S.K. Donaldson）在牛津大学1985年和1986 年的两份课程讲义，这些课程讨论杨-米尔斯理论在四维流形拓扑学中的应用。物理学中的杨-米尔斯理论可能有助于阐明四维流形几何中的深层问题，这一想法自 1984 年以来一直为数学家和物理学家的工作注入活力，并激发了许多令人兴奋的不同领域专家间的互动。这些结果对几何、拓扑和数学物理产生了深远的影响，并成为数学研究的主要动力。这个想法在很大程度上就归功于唐纳森爵士。全书的内容按两个目的组织起来。首要的目标是对这些新技术给出一个自足的综合处理，因为它们已经被应用于四维流形的研究中。第二个目标是把杨-米尔斯理论自身的一些发展，置于当代的微分和代数几何的框架中。不考虑拓扑上的应用，来自杨-米尔斯理论的想法自1970年代后期以来由众多数学家发展起来，已经指明了几何学的一个现代研究方向。本书作者尝试把这些想法中的一部分呈现出来，以期弥补教科书和研究论文间的差距。所有研究涉及该主题的数学和理论物理研究者都需要阅读本书。

独立连续映射 （Independent Continuous and Mapping，ICM） 方法是结构拓扑优化的主流研究方法之一，本书系统总结了自 2014 年以来关于 ICM方法的**发展成果，对 ICM 方法中的基本概念进行了补充、梳理和提升，即完成了概念深化的研究。尤其进一步论证了 ICM 方法的阶跃函数离散本质及其光滑逼近、逼近的快慢特性和多映射策略；对 ICM 方法的数学基础、求解算法和本体理论进行了拓展性的研究，提出了可分离凸规划转换为求解对偶显式模型 DP-EM 解法、互逆规划理论及其优化应用；发展了基于K-S 函数的优化解法；探讨了该领域忽视的结构拓扑优化合理化建模问题；发展了包含疲劳寿命性能的局部性能约束的结构拓扑优化解法；归纳了破损-安全设计理论的演化；详细阐述了位移、应力及频率约束的破损-安全拓扑优化问题的建模及求解；并移植 ICM 方法至国际上广泛应用的变密度方法中；本书最后还列出了 Matlab 结构拓扑优化程序。

本书是探索性数据分析（Exploratory Data Analysis， EDA）提出者、“数据科学之父” 约翰·图基（John Tukey）的经典著作，书中尤其强调对数据分析采取更灵活态度以及仔细探索数据以了解其中可能包含哪些结构和信息的重要性。探索性数据分析是现代数据科学的鼻祖，建立了数据科学的关键基础。

暂缺简介...

本书是统计领域无可替代的经典教材，由两位美国国家科学院院士师徒约翰·图基（John Tukey）和弗雷德里克·莫斯特勒（Frederick Mosteller）共同撰写。书中既强调进行有效数据分析所需的一系列哲学态度，也传授能使其展现力量的实用技术。这本书会促使学生思考，并且会教学生如何思考手头的数据，然后问出正确的问题并选择适当的技术去阐释这些数据。

本书是沙法列维奇代数几何基础教程的第１卷。本书作者沙法列维奇是当代著名数学家，被誉为苏联数学三巨头之一，他建立了为世人瞩目的苏联代数几何和代数数论学派。他的代数几何基础教程（俄文版1972年初版，英文版1977年初版）问世五十多年来，历经三版修订，一直被视为一部重要的代数几何经典名著。与同类教材相比，该教程内容全面详尽，注重给出抽象理论的几何背景和起源，并配有充分反映几何本质的实例和图解。本书所需预备知识仅限于代数基础，是高年级本科生和研究生学习代数几何的首选教材。该教程的第３版分为两卷，第１卷讨论射影空间中的簇，第２卷讨论概形和复流形。

积分嵌套拉普拉斯近似（Integrated Nested Laplace Approximation，INLA）是一种新的近似贝叶斯计算方法，相比传统的马尔可夫链蒙特卡罗（MCMC）方法，它可以高效地拟合多种贝叶斯模型。INLA旨在解决潜在高斯马尔可夫随机场模型参数的边际推断，利用模型中潜在变量的条件独立性来提高计算速度。 《基于INLA的贝叶斯推断》提供了便于实施模型拟合的R包及其使用指南。本书介绍了INLA算法的基本原理以及如何用与其相关的R包拟合一大类模型，涵盖的主题包括混合效应模型、多层次模型、空间和时间模型、平滑方法、生存分析、缺失值的插补，以及混合模型。本书讨论了INLA包的高级功能以及如何扩展先验和INLA包中可用的潜在模型。书中的所有例子都是完全可复现的，数据集和R代码可通过扫描封底二维码获得。 这本书的例子涵盖了生物统计学、计量经济学、教育、环境科学、流行病学、公共卫生和社会科学等主题。这将有助于来自不同领域、在贝叶斯推理方面有一定背景的研究人员，应用INLA方法解决他们工作中遇到的问题。