《面向生态学数据的贝叶斯统计:层次模型、算法和R编程》内容简介：作为统计学的两大分支，频率论和贝叶斯统计创立的时间相差无几，但贝叶斯统计直到近10年才被逐步引进到生态学数据分析。《面向生态学数据的贝叶斯统计：层次模型、算法和R编程》涵盖方法引论与实验分析应用两部分，针对多个时空尺度，介绍了适合于生态学数据的统计推断方法和层次模型，涉及经典频率论和贝叶斯统计的模型、算法和具体编程。首先阐述了生态学数据的层次结构和时空变异性，以及频率论和贝叶斯统计。然后介绍贝叶斯推断的基础概念、分析框架和算法原理；并进一步针对生态学层次模型、时间序列及时空复合格局数据依次展开分析模拟。在应用操作部分，配合方法部分的各章内容介绍基于R的算法与编程实践。最后《面向生态学数据的贝叶斯统计：层次模型、算法和R编程》还附录了与生态学数据密切相关的频率论与贝叶斯统计的基础知识。
《面向生态学数据的贝叶斯统计：层次模型、算法和R编程》适用于生态学和环境科学专业的研究生和科研人员，可作为实验和观测数据分析的教材或参考书。具有一定概率论和贝叶斯统计基础及统计软件R应用编程技术的人员，对于理解和应用《面向生态学数据的贝叶斯统计：层次模型、算法和R编程》所涉及的相关方法是必要的。

Statistics lectures have been a source of much bewilderment and frustration for generations of students. This book attempts to remedy the situation by expounding a logical and unified approach to the whole subject of data analysis.
This text is intended as a tutorial guide for senior undergraduates and research students in science and engineering. After explaining the basic principles of Bayesian probability theory, their use is illustrated with a variety of examples ranging from elementary parameter estimation to image processing. Other topics covered include reliability analysis, multivariate optimization, least-squares and maximum likelihood, error-propagation, hypothesis testing, maximum entropy and experimental design.
The Second Edition of this successful tutorial book contains a new chapter on extensions to the ubiquitous least-squares procedure, allowing for the straightforward handling of outliers and unknown correlated noise, and a cutting-edge contribution from John Skilling on a novel numerical technique for Bayesian computation called 'nested sampling'.

对统计学的学习来说，最主要的是掌握统计思想，理解相关的统计原理，能够根据实际情境提出解决问题的一个或几个合适方案，并懂得选择其中的最优。因此适合非统计专业学生的统计学理想教材，应该是能兼顾专业特点、深入浅出阐述统计学基本原理和方法，同时在轻快风趣的讲述中激发读者的学习兴趣，培养统计思维，并辅之例题分析，对使用中容易发生的错误加以提醒，切实提高学生应用统计方法分析解决实际问题的能力。《行为统计学基础》（第9版）正是这样一本非常出色的教材。本书写作风格轻松活泼，语言流畅易懂，数学深入浅出，读者在学习和阅读时不会感到枯燥乏味。
本书是心理和教育统计学方面的一本优秀的基础教材，对于在社会科学领域中的广大研究人员来说，也是一本不可多得的重要参考书

对于大多数心理学专业的学生而言，行为科学研究也许就意味着枯燥无味的数据收集、样本测量、资料的统计分析和纷繁实验方法的罗列体。然而事实真的是这样的吗？由美国最著名的统计学家弗雷德?格拉维特博士及其合作者罗妮安?佛泽诺博士根据多年教学经验共同编写的这本《行为科学研究方法》会向人们展示实验研究和非实验研究的迷人和魅力。通读全书，读者可以感受到作者不仅对行为科学研究过程非常熟练，而且他们谙熟教法，富于热情又细微周到，娓娓道来，宛如进行一次惬意的旅行，从研究的起点到论文的发表，中途偶有小憩，却是一气呵成！全书内容按照行为科学研究的实际过程来组织，将研究历程划分为九步，并对研究中的伦理学问题和资料分析进行了概括性地讨论。在这种充满盛情邀请和对话的氛围中，又提供了许多学习的辅助手段，使读者无法拒绝作者的热情，便随同他们一起去探索研究的历程-从起点一直到成果的发表，步骤分明而又环环相扣，作者强调了研究者在研究工作的每一步必须作出的决定，同时把研究方法和应用有机结合，不知不觉中把读者带入研究过程。全书根据研究的进程分为十五章。第一章、绪论：调研与科学方法；第二章、研究设想；第三章、研究中的伦理学；第四章、变量的界定与测量；第五章、研究被试的选择；第六章、研究方法和效度；第七章、描述法和相关法；第八章、实验研究方法；第九章、准实验研究方法；第十章、被试间实验设计；第十一章、被试内实验设计；第十二章、析因设计；第十三章、单被试研究设计；第十四章、数据的统计分析；第十五章、研究报告的撰写。
目录
“译丛”总序
译者序
前言
第一章引论：调研与科学方法
第一节研究方法学引论
第二节研究方法
第三节科学方法
第四节研究过程
本章小结
关键词
练习题
第二章研究设想
第一节研究的起步
第二节研究设想的来源
第三节搜索和利用背景文献
第四节进行文献检索
第五节寻找新的研究设想
第三章研究中的伦理学
第一节引论
第二节研究中的伦理问题和人类被试
第三节研究中的伦理问题和非人类被试
第四节科学研究的诚实和伦理问题
本章小结
关键词
练习题
第四章变量的界定与测量
第一节测量引论
第二节构念和操作定义
第三节测量的和信度
第四节测量量表
第五节测量的形式
第六节关于测量的其它问题
本章小结
关键词
练习题
第五章研究被试的选择
第六章研究方法和效度
第七章描述法和相关法
第八章实验研究方法
第九章准实验研究方法
第十章被试间实验设计
第十一章被试内实验设计
第十二章析因设计
第十三章单被试研究设计
第十四章数据的统计分析
第十五章研究报告的撰写
附录

本书从跨学科的视角探索了知识可视化的历史进程及其最新进展。从无形学院和库恩竞争范式，到运用可视化技术绘制知识结构图谱，再到科学发展进程中的各种兴盛与衰落。通过大量色彩丰富的图片，深入浅出地将绘制科学知识图谱的原理、方法及技术娓娓道来。
本书既涉及到简单易学的可视化步骤和模型，也有应用于实际的具体案例分析，是一本对于研究者和实践者都很有价值的参考书，可供科学政策分析机构、投资机构、咨询公司管理人员、技术人员和高校相关专业师生阅读参考。

对国内的大多数从事生态研究的学者和研究生而言，数学方法的选择是他们在研究中所面临的最大的难题之一，因此在实验设计阶段因没有充分考虑不同方法对数据的要求，导致最后的试验结果无法做较为深入的分析，这也是国内生态学者的研究成果在国外期刊发表比较难以发表的主要原因之一。本书以目前生态学研究中最为重要的空间分析为主题，系统地介绍了目前生态学中常用的数学方法，因为作者是生态学家而非数学家，因此从生态学的角度对这些数学方法的介绍更容易被生态学家所理解和接受。本书是迄今为止并不多见的对生态学中常用的空间分析方法进行系统、全面、深入浅出介绍的专著，正如本书的名字所示，本书完全可以作为一本生态学家的指南。无疑本书的翻译出版将有利于推进空间分析方法在生态学中更为科学、有效地应用。

《高等学校教材：SPSS统计分析高级教程（第2版）》以IBMSPSSStatistics20中文版为基础，全面、系统地介绍了各种多变量统计模型、多元统计分析模型、智能统计分析方法的原理和软件实现。在书中作者结合自身多年的统计分析实战和SPss行业应用经验，侧重于对统计新方法、新观点的讲解。在保证统计理论严谨的同时，又充分注重了文字的浅显易懂，使《高等学校教材：SPSS统计分析高级教程（第2版）》更加易学易用。
《高等学校教材：SPSS统计分析高级教程（第2版）》是一本如何使用SPss进行高级统计分析的指导书。读者可在www.StatStar.com下载书中案例数据，从而完整地重现全部分析内容，并可进一步在新浪微博与作者、其他读者进行讨论。
《高等学校教材：SPSS统计分析高级教程（第2版）》适合于已具备统计分析基础知识的读者阅读，可作为高等学校各专业高年级本科生、研究生的统计学教材或参考书，以及市场营销、金融、财务、人力资源管理等行业中需要做数据分析的人士，或从事咨询、研究、分析等专业人士的参考书。

Functional magnetic resonance imaging (fMRI) has become the most popular method for imaging brain function. Handbook of Functional MRI Data Analysis provides a comprehensive and practical introduction to the methods used for fMRI data analysis. Using minimal jargon, this book explains the concepts behind processing fMRI data, focusing on the techniques that are most commonly used in the field. This book provides background about the methods employed by common data analysis packages including FSL, SPM and AFNI. Some of the newest cutting-edge techniques, including pattern classification analysis, connectivity modeling and resting state network analysis, are also discussed. Readers of this book, whether newcomers to the field or experienced researchers, will obtain a deep and effective knowledge of how to employ fMRI analysis to ask scientific questions and become more sophisticated users of fMRI analysis software.

本书作为实验设计与分析领域的名著, 是作者在亚利桑那州立大学、华盛顿大学和佐治亚理工学院三所大学近40年实验设计教学经验的基础上编写的. 全书内容广泛, 实例丰富,包括简单比较试验、析因设计、分式析因第1章设计、拟合回归模型、响应曲面方法和设计、稳健参数设计和过程稳健性研究、含随机因子的实验、嵌套设计和裂区设计等.
本书可作为自然科学研究人员、工程技术人员、管理人员进行科学实验设计与分析的参考书, 也可作为农林类、医学类、生物类、统计类的教师和高年级本科生和研究生的教学参考用书.

《理解生物信息学》是一本集生物信息学专业参考书和教材于一体的书，共分为7部分：基础知识、序列联配、进化过程、基因组特征、二级结构、蛋白质三级结构、细胞和组织，以及附录和字符表等。每部分由不同章节构成，大多数章节可以被归为应用章节或理论章节。因此在每部分开始时，都有应用章节，描述了特定研究领域较实用的方面。理论章节则紧随其后，解释了其科学、理论基础以及在已有应用中所使用的技术。《理解生物信息学》还提供了思维导图、流程图、扩展阅读等其他书不常见的内容，以供读者能够在每一章、每一节开始时对整体内容有所把握，并能够了解更多扩展知识、发展技能的参考文献。
《理解生物信息学》适合分子生物学、生物信息学专业及生物医学领域的师生和研究者参考使用。

数据科学是一门内涵很广的学科，它涉及到统计分析、机器学习以及计算机科学三方面的知识和技能。本书深入浅出、全面系统地介绍了这门学科的内容。
本书分为13章，最初的3章主要介绍数据科学想要解决的问题、常用的IT工具Python以及这门学科所涉及的数学基础。第4-7章主要讨论数据模型，主要包含三方面的内容：一是统计中最经典的线性回归和逻辑回归模型；二是计算机估算模型参数的随机梯度下降法，这是模型工程实现的基础；三是来自计量经济学的启示，主要涉及特征提取的方法以及模型的稳定性。接下来的8-10章主要讨论算法模型，也就是机器学习领域比较经典的模型。这三章依次讨论了监督式学习、生成式模型以及非监督式学习。目前数据科学最前沿的两个领域分别是大数据和人工智能。本书的第11章将介绍大数据中很重要的分布式机器学习，而本书的最后两章将讨论人工智能领域的神经网络和深度学习。
本书通俗易懂，而且理论和实践相结合，可作为数据科学家和数据工程师的学习用书，也适合对数学科学有强烈兴趣的初学者使用。同时也可作为高等院校计算机、数学及相关专业的师生用书和培训学校的教材。

本书的特点是，在介绍各种实验设计原理的基础上，将实验设计、统计分析和计算机数据处理三方面内容紧密结合，通过大量举例，对从如何根据研究课题进行实验设计，如何进行方差分析，如何得出研究结论做了详细的介绍...
使用多因素实验设计是当前心理和教育研究发展的趋势。它可在一定程度上克服早期实验室和教育现场研究的局限性，使实验研究更加深入，探索更加复杂的现象，同时使研究结果更加精确。实验设计也是一门技术，它包括实验设计、统计分析和计算机数据处理三方面的知识，缺一不可。本书的特点是，在介绍各种实验设计原理的基础上，将实验设计、统计分析和计算机数据处理三方面内容紧密结合，通过大量举例，对从如何根据研究课题进行实验设计，如何进行方差分析，如何得出研究结论做了详细的介绍，并且介绍了如何编制sPSs方差分析程序对书中的例题进行数据处理，和阅读输出结果。因而，可使读者较好地把三方面知识结合起来，较快地掌握实验设计的原理与操作，用于自己的研究。本书的内容在作者几次给本科生、研究生开课中收到很好的效果。
本书由两部分组成，第一编“因素实验设计与方差分析计算原理”中介绍了多种实验设计，其中，重复测量因素实验设计、简单效应检验、多重比较和对比等部分，都是国内尚未详细介绍过的。第二编“应用SPSS方差分析软件包处理数据”中介绍了各种实验设计的计算机数据处理程序，SPSS方差分析软件包的使用也是国内尚未系统介绍过的。
本书内容对从事心理与教育教学与研究的高等院校教师、研究生、本科生及各类研究人员开展实验研究将有很大的帮助。

数量生态学经典著作

Machine learning allows computational systems to adaptively improve their performance with experience accumulated from the observed data. Its techniques are widely applied in engineering, science, finance, and commerce. This book is designed for a short course on machine learning. It is a short course, not a hurried course. From over a decade of teaching this material, we have distilled what we believe to be the core topics that every student of the subject should know. We chose the title `learning from data' that faithfully describes what the subject is about, and made it a point to cover the topics in a story-like fashion. Our hope is that the reader can learn all the fundamentals of the subject by reading the book cover to cover. ---- Learning from data has distinct theoretical and practical tracks. In this book, we balance the theoretical and the practical, the mathematical and the heuristic. Our criterion for inclusion is relevance. Theory that establishes the conceptual framework for learning is included, and so are heuristics that impact the performance of real learning systems. ---- Learning from data is a very dynamic field. Some of the hot techniques and theories at times become just fads, and others gain traction and become part of the field. What we have emphasized in this book are the necessary fundamentals that give any student of learning from data a solid foundation, and enable him or her to venture out and explore further techniques and theories, or perhaps to contribute their own. ---- The authors are professors at California Institute of Technology (Caltech), Rensselaer Polytechnic Institute (RPI), and National Taiwan University (NTU), where this book is the main text for their popular courses on machine learning. The authors also consult extensively with financial and commercial companies on machine learning applications, and have led winning teams in machine learning competitions.

An essential guide to the trouble spots and oddities of R. In spite of the quirks exposed here, R is the best computing environment for most data analysis tasks. R is free, open-source, and has thousands of contributed packages. It is used in such diverse fields as ecology, finance, genomics and music. If you are using spreadsheets to understand data, switch to R. You will have safer -- and ultimately, more convenient -- computations.

JMP 统计分析教程一书系统介绍了 JMP 在常用的统计分析中的应用方法，是我国第一
部关于 JMP 软件应用的专著。该书具有以下特点。
注重实用 本书省略了统计学原理的系统介绍以及数学公式的证明过程，结合案例简要说明分析原理，直接给出统计量的计算公式，重点介绍分析方法与 JMP 的分析过程。
简明易懂 每种分析方法列举一个典型案例，对案例进行分析，明确案例类型和选择分析方法。根据教程，初学者可轻松地使用 JMP 进行统计分析，通过例题的学习可以掌握各种统计分析的方法。
数据可视化 介绍数据可视化的基本方法。通过数据可视化（图形、气泡图、地图等），形象地理解统计原理，展示并正确判断分析结果，探索隐藏在数据中的客观规律。
实验设计 利用 JMP“试验设计”中“定制设计”平台，介绍“试验设计七步曲”。灵活运
用七步曲的思路来分析问题，提高解决问题的效率，加深对试验设计理论的理解。

《环境与生态统计:R语言的应用》内容简介：在强调统计思维的归纳性本质基础上，《环境与生态统计:R语言的应用》把应用统计学跟环境与生态领域关联到一起。《环境与生态统计:R语言的应用》遵循解决统计建模问题的一般方法。内容覆盖了模型界定、参数估值和模型评估。作者用了很多实例来阐述统计学模型以及如何用R语言来实现模型。《环境与生态统计:R语言的应用》首先为开展简单的数据分析任务提供了基础知识。例如探索性数据分析和线性回归模型拟合。接下来重点介绍了统计建模，包括线性和非线性模型、分类和回归树以及广义线性模型。书中还讨论了用于模型检验的模拟，为开发出的模型提供评估工具，同时探讨了多层回归模型这类会对环境和生态学数据分析产生广泛影响的模型。
《环境与生态统计:R语言的应用》重点针对的是环境和生态学问题的统计建模和数据分析。通过引导读者理解解决科学问题和开发统计模型的过程，轻松地从科学假设过渡到统计模型。

本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。
本书是Web开发者、架构师、应用工程师等的绝佳选择。