店铺： 北京欢声雷动图书专营店
出版社： 浙江工商大学出版社
ISBN：9787811402711
商品编码：27292626631
丛书名： 概率论与数理统计
开本：32开
出版时间：2010-12-01
具体描述
商品参数
作 者：（俄罗斯）施利亚耶夫，周概容 译
出 版 社：高等教育出版社
出版时间：2007-7-1
- 版 次：1
- 页 数：457
- 字 数：590000
- 印刷时间：2007-7-1
- 开 本：16开
- 纸 张：胶版纸
- 印 次：1
- I S B N：9787040220599
- 包 装：平装
- 定价：48.00元
内容简介
本套书是俄国著名数学家A．H．施利亚耶夫的力作。施利亚耶夫是现代概率论奠基人、前苏联科学院院士、著名数学家A．H．柯尔莫戈洛夫的学生，在概率统计界和金融数学界影响极大。本套书作为莫斯科大学为出色的概率教材之一，分为一、二两卷，并配有习题集。第一卷《概率》是初等概率论的内容，大部分内容涉及以柯尔莫戈洛夫公理化体系为基础的初等概率论、概率论的数学基础、概率测度的收敛性和极限定理的基本问题，可以作为初步了解概率论学科的教材。第二卷《概率》讲述离散时间随机过程，包括平稳随机序列和遍历理论、构成鞅的随机变量序列、形成马尔可夫链的随机变量序列等内容。书中在相应的章节配有数理统计的内容，讲述数理统计的概率论基础，且证明了相应的命题。本书为第一卷。
本书适合概率统计、数学、应用数学等专业作为教学用书，也可供其他相关专业学生及研究应用人员参考。
作者简介
施利亚耶夫，俄罗斯科学院通讯院士，莫斯科大学功勋教授（2004），莫斯科大学数学-力学系概率论教研室主任（1996），俄罗斯科学院数学研究所随机过程统计实验室主任（1986）。 施利亚耶夫是现代概率论奠基人、前苏联科学院院士、著名数学家A．H．柯尔莫戈洛夫的学生。施利亚耶夫的科学活动，涉及概率论和数理统计及其各种不同领域，出版了18部书，其中7部专著，将近150篇学术论文。 施利亚耶夫的社会科技、国际学术活动非常活跃，多次在重要的国际学术会议上作过学术报告，参与过许多研讨会的组织工作。曾兼职：国际伯努利学会主席（1989—1991），国际金融数学学会主席（1998—1999），俄罗斯保险统计员协会主席（1994—1998），大不列颠皇家统计学会荣誉成员（自1985起）。1990年被选为欧洲科学院院士。目录
第三版前言第二版前言
第一版前言
序言
第一章 初等概率论
§1. 有限种结局试验的概率模型
§2. 某些经典模型和分布
§3. 条件概率.独立性
§4. 随机变量及其特征
§5. 伯努利概型Ⅰ.大数定律
§6. 伯努利概型Ⅱ.极限定理(棣莫弗一拉普拉斯局部定理、泊松定理)
§7. 伯努利概型中“成功”概率的估计
§8. 关于分割的条件概率与条件数学期望
§9. 随机游动Ⅰ.掷硬币博弈的破产概率和平均持续时间
§10. 随机游动Ⅱ.反射原理.反正弦定律
§11. 鞅.鞅对随机游动的某些应用
§12. 马尔可夫链.遍历性定理.强马尔可夫性
第二章 概率论的数学基础
内容介绍
作 者：（俄罗斯）施利亚耶夫 著，周概容 译
出 版 社：高等教育出版社
出版时间：2008-1-1
- 版 次：2
- 页 数：383
- 字 数：500000
- 印刷时间：2008-1-1
- 开 本：16开
- 纸 张：胶版纸
- 印 次：1
- I S B N：9787040225556
- 包 装：平装
- 定价：48.00元
内容简介
本书是俄国著名数学家A.H.施利亚耶夫的力作。施利亚耶夫是现代概率论奠基人、前苏联科学院院士、著名数学家A.H.柯尔莫戈洛夫的学生，在概率统计界和金融数学界影响极大。本书作为莫斯科大学为出色的概率教材之一。分为一、二两卷，并配有习题集。第二卷《概率》是离散时间随机过程（随机序列）的内容。
重点讲述（强和弱）平稳序列、鞅和马尔可夫链，并给出了随机序列中的估计和过滤问题、随机金融数学、保险理论和优停时问题等领域的应用。书后附有概率的数学理论形成的简史。在图书文献资料中，指出了所引用结果的出处，并且给出了注释。此外，还列出了相应的补充文献资料。
第一卷《概率》是初等概率论的内容，可以作为初步了解概率论学科的教材。大部分内容涉及以柯尔莫戈洛夫公理化体系为基础的初等概率论、概率论的数学基础、概率测度的收敛性和极限定理等基本问题。
本书适合概率统计、数学、应用数学等专业作为教学用书，也可供其他相关专业学生及研究应用人员参考。
作者简介
施利亚耶夫（1934－） 俄罗斯科学院通讯院士。莫斯科大学功勋教授（2004），莫斯科大学力学一数学系概率论教研室主任（1996），俄罗斯科学院数学研究所随机过程统计实验室主任（自1986）。 施利亚耶夫是现代概率论奠基人、前苏联科学院院士、著名数学家A.H.柯尔莫戈洛夫的学生。施利亚耶夫的科学活动，涉及概率论和数理统计及其各种不同领域。出版了18部书，其中7部专著，将近150篇学术论文。 施利亚耶夫的社会科技、国际学术活动非常活跃，多次在国际学术会议上作过学术报告。参与过许多学术研讨会的组织工作。曾兼职：国际伯努利学会主席（1989－1991）。国际金融数学学会主席（1998－1999）。俄罗斯保险统计员协会主席（1994－1998），大不列颠皇家统计学会荣誉成员（自1985）。1990年被选为欧洲科学院院士。目录
前言第四章 独立随机变量之和与独立随机变量序列
§1.0-1律
§2.级数的收敛性
§3.强大数定律
§4.重对数定律
§5.强大数定律的收敛速度和大偏差概率
第五章 强（狭义）平稳随机序列和遍历理论
§1.强（狭义）平稳随机序列.保测变换
§2.遍历性与混合性
§3.遍历性定理
第六章 弱（广义）平稳随机序列.L2理论
§1.协方差函数的谱表示
§2.正交随机测度和随机积分
§3.弱（广义）平稳序列的谱表示
目录
作 者：（俄罗斯）施利亚耶夫 著，苏淳 译
出 版 社：高等教育出版社
出版时间：2008-1-1
- 版 次：1
- 页 数：362
- 字 数：480000
- 印刷时间：2008-1-1
- 开 本：16开
- 纸 张：胶版纸
- 印 次：1
- I S B N：9787040225549
- 包 装：平装
- 定价：49.00元
内容简介
本书是俄罗斯著名数学家A.H.施利亚耶夫的力作。施利亚耶夫是现代概率论奠基人、前苏联科学院院士、著名数学家A.H.柯尔莫戈洛夫的学生，在概率统计界和金融数学界影响极大。本习题集是作者在长期积累的基础上精心编写而成的，共收集了1500 余道习题（包括子题），它们与作者的《概率》（2004版）二卷本联系紧密，并按照同样的顺序编排。除了用来检查对二卷本中的概念、结论掌握情况的习题外，习题集中还包括需要较大创造性来解答的中等和高等难度的习题，以及作为二卷本内容补充的习题。大部分习题都附有提示。在附录中还解释了本书所用到的基本符号。并对与本书内容有关的概率论、组合论以及位势理论的基本概念作了简要的介绍。
本书适合概率统计、数学、应用数学等专业作为教学用书，也可供其他相关专业学生及研究应用人员参考。
作者简介
施利亚耶夫（1934－） 俄罗斯科学院通讯院士。莫斯科大学功勋教授（2004），莫斯科大学力学一数学系概率论教研室主任（1996），俄罗斯科学院数学研究所随机过程统计实验室主任（自1986）。 施利亚耶夫是现代概率论奠基人、前苏联科学院院士、著名数学家A.H.柯尔莫戈洛夫的学生。施利亚耶夫的科学活动，涉及概率论和数理统计及其各种不同领域。出版了18部书，其中7部专著，将近150篇学术论文。 施利亚耶夫的社会科技、国际学术活动非常活跃，多次在国际学术会议上作过学术报告。参与过许多学术研讨会的组织工作。曾兼职：国际伯努利学会主席（1989－1991）。国际金融数学学会主席（1998－1999）。俄罗斯保险统计员协会主席（1994－1998），大不列颠皇家统计学会荣誉成员（自1985）。1990年被选为欧洲科学院院士。目录
《俄罗斯数学教材选译》序序
第一章 初等概率论
§1. 有限种结局试验的概率模型
§2. 某些经典模型和分布
§3. 条件概率：独立性
§4. 随机变量及其特征
§5. 伯努利概型I.大数定律
§6. 伯努利概型II.极限定理（棣莫弗—拉普拉斯局部定理、泊松定理）
§7. 伯努利概型中“成功”概率的估计
§8. 关于分割的条件概率与条件数学期望
§9. 随机游动I.掷硬币博弈的破产概率和平均持续时间
§10. 随机游动II.反射原理.反正弦定律
§11. 鞅.鞅对随机游动的某些应用
§12. 马尔可夫链.遍历性定理.强马尔可夫性
0123456789 关联模板【结束】节点，请勿手动操作节点内的内容！ ！！ 关联模板【结束】节点，请勿手动操作节点内的内容！ ！！ 关联模板【结束】节点，请勿手动操作节点内的内容！ ！！ 关联模板【结束】节点，请勿手动操作节点内的内容！ ！！ 关联模板【结束】节点，请勿手动操作节点内的内容！ ！！ 关联模板【结束】节点，请勿手动操作节点内的内容！ ！！
概率论与数理统计核心概念与应用精要（第一卷：概率论基础） 本书聚焦于概率论的基石，旨在为读者构建扎实而严谨的数学框架，理解随机现象的内在规律。 第一章 随机现象与概率的基本概念 本章深入探讨了概率论研究的对象——随机现象的本质。我们首先从直观的例子出发，逐步过渡到对随机试验、样本空间、随机事件的精确数学定义。随机事件之间的关系通过集合运算进行描述，例如事件的和、积、差以及互斥事件的概念。对这些基本构件的清晰理解，是后续深入学习概率论的基础。 随后，我们引入概率这一核心概念。本书采用公理化方法构建概率论的理论体系，详细阐述了概率的三个基本公理（非负性、规范性、可加性）。在此基础上，推导出概率的基本性质，包括对立事件的概率、有限可加性以及在有限样本空间下的古典概型。古典概型作为最直观的引入方式，通过排列组合等工具，使读者能计算有限等可能事件的概率。然而，我们也强调了古典概型的局限性，为引入更一般化的概率定义做铺垫。 对于等可能试验，本书详细讲解了几何概型，通过长度、面积或体积的比值来确定事件发生的概率，这对于处理连续型随机现象的初步认识至关重要。同时，本章引入了条件概率的概念，这是理解事件之间相互依赖性的关键。条件概率的定义及其性质被细致阐述。基于条件概率，我们将事件的独立性概念引入讨论，区分了事件之间相互排斥与相互独立的不同含义。对独立性的深入理解，是分析复杂随机过程的基础。 第二章 随机变量与概率分布 本章的核心在于将随机现象的定性描述转化为可量化的数学工具——随机变量。我们首先定义了随机变量（Random Variable）的概念，它是一个从样本空间映射到实数集 $mathbb{R}$ 的函数。随机变量的引入极大地简化了对随机现象的分析。 根据随机变量的取值范围，我们将随机变量分为离散型随机变量和连续型随机变量两大类，并分别讨论其描述工具。 对于离散型随机变量，本书重点讲解概率分布列（Probability Mass Function, PMF）。我们通过具体的例子，如伯努利试验和二项分布，展示如何构建和应用PMF。随后，引入更一般的分布，如泊松分布，它在描述稀有事件的发生次数方面具有重要应用。本章还详细讨论了多维随机变量的概念，特别是二维离散随机变量的联合概率分布列以及边缘分布。对联合分布的分析，自然引出了随机变量的相互独立性的严格定义，以及独立性对联合分布的影响。 对于连续型随机变量，本书引入概率密度函数（Probability Density Function, PDF）的概念，并解释了其与累积分布函数（CDF）之间的关系。PDF的积分代表了随机变量落入某一区间的概率。我们详细分析了均匀分布和指数分布这两种基础且重要的连续分布，它们在模型建立中扮演重要角色。 本章的最后部分致力于随机变量的数字特征。期望（均值）作为衡量随机变量集中趋势的指标，被严格定义并推导了其性质，包括期望的线性性质。方差和标准差则用于量度随机变量的离散程度。此外，我们还引入了矩的概念，包括原点矩和中心矩。对于多维随机变量，协方差和相关系数被用来刻画两个随机变量之间的线性关系。协方差为零并不意味着独立，这一点在书中得到了强调和澄清。 第三章 随机变量的常用分布与极限定理 本章将前两章的理论知识系统化，集中讲解若干在理论和实际应用中占据核心地位的概率分布，并引入概率论中最强大的工具之一——极限定理。 我们详细回顾和深化了二项分布和泊松分布的性质，特别是它们在近似计算中的作用。随后，重点剖析了正态分布（高斯分布）。正态分布因其在自然界和工程学中广泛出现而被称为“钟形曲线”。本书提供了正态分布的严格定义、其期望和方差的几何意义，并详细介绍了标准正态分布及其分布表（Z-表）的使用方法，这对于实际问题的计算至关重要。 此外，我们还介绍了其他重要分布，例如柯西分布、$chi^2$分布（卡方分布）、t分布和F分布。这些分布主要作为数理统计推断的基础，为后续的统计分析提供了必要的概率模型。 本章的理论高潮在于极限定理的阐述。首先，我们严谨地引入了切比雪夫不等式，它提供了一个通用的概率界限，是依概率收敛的基础。然后，我们深入探讨了大数定律（Law of Large Numbers），区分了强大数定律（SLLN）和弱大数定律（WLLN），并解释了它们在频率稳定性和统计估计中的意义。最后，本章详尽阐述了概率论的另一根支柱——中心极限定理（Central Limit Theorem, CLT）。CLT解释了为什么许多随机现象的总和或平均值趋向于正态分布。本书将提供清晰的证明思路和应用示例，说明CLT在统计推断中构建置信区间和进行假设检验的不可替代性。 --- 概率卷+第二卷：数理统计与随机过程进阶（第二卷：数理统计推断基础） 本书承接概率论的坚实基础，转向对随机数据进行科学、量化的分析与推断，侧重于描述性统计、估计理论和假设检验的数学原理。 第一章 数理统计的基本概念与描述性统计 本章为数理统计的理论构建奠定基础。首先明确了数理统计学的目标：从样本信息出发，对未知参数或分布进行推断。我们引入了统计量的概念，它是样本观测值的函数，是进行推断的工具。 描述性统计是数据分析的第一步。本书详细讲解了如何利用样本均值、样本方差、样本矩等统计量来概括性地描述数据集的集中趋势、离散程度和分布形态。对频数分布表和直方图的绘制与解读进行了深入指导，帮助读者直观理解数据的分布特征。 本章的重点在于抽样分布的理论。我们探讨了从一个给定的总体（如正态总体）中抽取简单随机样本后，样本统计量自身的概率分布。关键在于对$chi^2$分布、t分布和F分布的精确理解，并推导了它们如何由标准正态变量构造而来。例如，样本均值的抽样分布、样本方差与总体方差的关系，以及两个独立样本方差比的F分布性质，均为后续的参数估计和假设检验提供了严格的概率依据。 第二章 参数估计 参数估计是数理统计的核心任务之一。本章系统介绍如何根据有限的样本信息来估计未知的总体参数 $ heta$。 我们首先区分了两种主要的估计类型：点估计和区间估计。 在点估计部分，本书详细分析了构造估计量的常用方法： 1. 矩估计法（Method of Moments, MM）：通过令样本矩等于总体矩来求解参数。我们讨论了矩估计量的一致性，并分析了其在特定分布下的表现。 2. 极大似然估计法（Maximum Likelihood Estimation, MLE）：MLE因其渐近优良性（一致性、有效性和渐近正态性）而成为最重要的方法。本章详细阐述了似然函数的构造、求导求解，并讨论了如何处理需要数值解的复杂情况。 3. 充分统计量与完备性：引入费希尔-尼曼因子分解定理，解释了充分统计量如何压缩样本信息。接着，介绍L-M（Lehmann-Scheffé）定理，说明无偏且基于完备充分统计量的估计量是最小方差无偏估计量（UMVUE）。 随后，我们转向区间估计，即构造置信区间。本书详细推导了基于正态分布和中心极限定理的置信区间的构造过程，涵盖了总体均值、总体方差、两个总体均值之差以及两个总体方差之比的置信区间。对置信水平和区间宽度的解释，强调了估计的精度与可靠性之间的权衡。 第三章 假设检验 假设检验是根据样本数据对总体分布的某个假设做出是否拒绝的决策过程。本章建立了假设检验的严谨数学框架。 首先定义了原假设 ($H_0$) 和备择假设 ($H_1$)，以及检验统计量的选择标准。检验过程的风险分析是本章的重点，详细阐述了第一类错误（犯原假设为真时拒绝它的概率，记为 $alpha$）和第二类错误（犯原假设为假时接受它的概率，记为 $eta$）。 我们引入了显著性水平和p-value的概念，并解释了如何利用它们来做出决策。检验功效函数被用来评估检验的有效性。 本章的核心内容是讲解常见假设检验方法： 1. 均值的检验：根据总体方差已知或未知，分别采用Z检验和t检验（单样本和双样本）。 2. 方差的检验：基于$chi^2$分布的卡方检验。 3. 两个方差比的检验：基于F分布的F检验。 4. 比例的检验：使用正态近似或精确检验方法。 最后，我们讨论了非参数检验（如符号检验、秩和检验）的适用场景，以及联合假设检验的基本思想，为更复杂的统计推断做准备。 --- 概率卷+第三卷：习题集（精选例题与深度练习） 本书是前两卷概率论与数理统计理论的实践和巩固工具，精选了大量覆盖所有核心概念的习题和挑战性问题。 第一部分 概率论基础习题精选 本部分习题紧密围绕概率的公理化定义、组合计算、条件概率、独立性判断及随机变量的分布构建展开。 样本空间与事件运算：涉及复杂随机试验下的样本空间划分、事件概率的计算，尤其关注集合代数在概率中的应用。 古典概型与几何概型：大量涉及排列组合的计数问题，以及连续型事件在几何空间中的概率求解。 条件概率与贝叶斯公式：侧重于逆概率问题的求解，要求清晰识别和应用全概率公式和贝叶斯公式，包括涉及多阶段试验和系统可靠性分析的题目。 离散与连续随机变量：练习构建随机变量的PMF和PDF，包括对退化分布和混合分布的处理。 第二部分 数理统计推断习题精选 本部分侧重于将概率论工具应用于数据分析和统计推断，要求读者熟练掌握抽样分布和估计检验的方法。 抽样分布的计算与应用：大量练习涉及标准正态变量、$chi^2$、t和F分布的临界值计算，以及随机变量函数的分布推导。 参数估计的实践：提供了大量关于矩估计法和极大似然估计法的求解过程，要求读者能够独立建立似然函数并求导。同时，包含大量置信区间的构造与解释练习，强调对置信水平的理解。 假设检验的流程化训练：涵盖了针对均值、方差和比例的Z检验、t检验、$chi^2$检验和F检验的完整步骤。习题要求清晰地阐述原、备择假设，计算检验统计量，确定临界值（或p-value），并根据显著性水平做出最终决策，并解释决策的统计学含义。 第三部分 综合与高阶练习 本部分收录了跨章节的综合性问题和难度较高的理论证明题，旨在检验读者对整个学科体系的掌握深度。 随机变量的联合分布与独立性检验：涉及多维随机变量的期望、方差计算，以及联合分布下的边缘分布和条件分布的推导。 极限定理的应用：包含利用大数定律和中心极限定理对大样本行为进行近似估计和概率计算的实际问题。 MVUE的推导：部分练习要求读者利用因子分解定理或L-M定理来证明特定估计量是最小方差无偏估计量。
用户评价
评分
我已经是工作多年的工程师了，这次重新拾起概率论是为了在数据分析领域有更深的造诣。说实话，很多市面上的教材为了追求入门的简单性，往往会牺牲理论的深度。但施利亚耶夫的这套书（概率卷、第二卷和习题集）完全没有这个问题。它的深度和广度都达到了一个非常高的水准，尤其是在处理复杂的随机现象时，其论述的严谨性让人叹服。我特别欣赏第三版中关于大数定律和中心极限定理的扩展讨论，那部分内容在实际的误差分析和模型假设检验中至关重要。周概容教授的翻译和补充工作做得非常到位，使得这些源自异域的经典理论，用我们熟悉的中文语境也能顺畅理解，并且补充的习题质量非常高，很多都是贴近现代应用场景的难题，能有效锻炼读者的分析能力。对于我这种需要从工程实践反哺理论深度的人来说，这套书提供的理论支撑是极其坚实的。
评分这套书简直是概率论学习的“定海神针”！我作为一名初次接触这门学科的学生，面对那些抽象的公式和复杂的推导时，常常感到无从下手。但是自从翻开这套书，尤其是那本习题集，一切都变得清晰起来。作者的讲解方式非常注重逻辑的连贯性，不是那种干巴巴的公式堆砌，而是用非常生动的例子去阐释概率思想的精髓。特别是修订和补充的第三版，加入了许多新的应用实例，让我能更好地理解概率论在现实世界中的作用。我印象最深的是关于随机过程那一章，以前觉得太难了，但看了这版的阐述后，仿佛拨开云雾见月明。那本习题集更是功不可没，提供的例题难度梯度设计得非常合理，从基础概念巩固到深入分析，每一步都引导着我们去思考。读完一个章节，再去做相应的习题，巩固效果是立竿见影的。这本书的排版也很舒服，即使是密密麻麻的数学符号，看起来也不会感到视觉疲劳。对于想要扎实掌握概率论基础的读者来说，这绝对是不可多得的宝藏。
评分作为一名数学系高年级本科生，我负责任地说，这套书为我们构建现代概率论的知识体系打下了最坚固的地基。我们学校的很多研究生课程都直接参考了这套教材的深度和广度。与其他侧重于应用概率的教材不同，这套书从测度论的基础出发，保证了概率概念的严格性和普适性。第三版的修订，尤其是在现代随机分析和信息论初步的应用上有所侧重，这对于我们未来想从事更前沿研究的同学来说，非常具有前瞻性。我个人最喜欢的就是它对条件期望和鞅论的细致处理，讲解得既深入又富有洞察力，不像其他书那样只是蜻蜓点水。那本习题集中的证明题，是检验我们是否真正掌握了核心思想的试金石，做完能极大地提升解题的信心和技巧。
评分这套书的精妙之处，恰恰在于它没有被“通俗化”的潮流所裹挟。它要求读者付出努力，但回报是扎实的、体系化的知识构建。我是在准备研究生的入学考试时接触到它的。坦白说，第一遍读下来是有些吃力的，感觉像是在攀登一座陡峭的山峰，需要反复回溯才能理解某些证明的细微之处。然而，正是这种略带挑战性的学习过程，迫使我必须真正去理解“为什么”，而不是仅仅记住“是什么”。概率卷和第二卷的理论衔接得天衣无缝，仿佛是一部层层递进的数学史诗。而那本配套的习题集，简直是“魔鬼的温柔”，它不会直接给出最简单的答案，而是通过巧妙的设置，引导你一步步走向正确的解题思路。那些修订和补充的部分，无疑是让这套经典焕发了新的生命力，使其依然站在现代概率论研究的前沿。
评分我接触过好几本概率论教材，但唯独对这套施利亚耶夫的经典情有独钟，尤其是在对比了多个版本之后，第三版在保持原有精髓的基础上，确实做到了“与时俱进”。它不是那种读完一遍就能立刻掌握的“快餐书”，更像是一本值得反复研读的工具书和思想源泉。我发现自己经常会翻阅其中的某一页，仅仅是为了重新体会某个定理背后的深刻含义。周概容教授的译注和补充，让原本可能晦涩难懂的德式或俄式数学风格，变得更加贴合国内读者的阅读习惯。这套书的价值在于它教会你如何“思考”概率问题，而不是仅仅学会“计算”概率。对于那些立志要精通数理统计、金融工程等需要深厚概率基础的领域的人来说，这套书是无法绕开的里程碑式著作，它提供的知识框架是如此完整和自洽，让人感到踏实。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.coffeedeals.club All Rights Reserved. 静流书站 版权所有