《程序員的數(shù)學(xué)2：概率統(tǒng)計(jì)》沿襲《程序員的數(shù)學(xué)》平易近人的風(fēng)格，用通俗的語言和具體的圖表深入講解程序員必須掌握的各類概率統(tǒng)計(jì)知識(shí)，例證豐富，講解明晰，且提供了大量擴(kuò)展內(nèi)容，引導(dǎo)讀者進(jìn)一步深入學(xué)習(xí)。
《程序員的數(shù)學(xué)2：概率統(tǒng)計(jì)》涉及隨機(jī)變量、貝葉斯公式、離散值和連續(xù)值的概率分布、協(xié)方差矩陣、多元正態(tài)分布、估計(jì)與檢驗(yàn)理論、偽隨機(jī)數(shù)以及概率論的各類應(yīng)用，適合程序設(shè)計(jì)人員與數(shù)學(xué)愛好者閱讀，也可作為高中或大學(xué)非數(shù)學(xué)專業(yè)學(xué)生的概率論入門讀物。
第1部分 聊聊概率這件事
第1章 概率的定義 3
1．1 概率的數(shù)學(xué)定義 3
1．2 三扇門（蒙提霍爾問題） ——飛艇視角 4
1．2．1 蒙提霍爾問題 5
1．2．2 正確答案與常見錯(cuò)誤 6
1．2．3 以飛艇視角表述 6
1．3 三元組（Ω， F， P） ——上帝視角 9
1．4 隨機(jī)變量 13
1．5 概率分布 17
1．6 適于實(shí)際使用的簡(jiǎn)記方式 19
1．6．1 隨機(jī)變量的表示方法 19
1．6．2 概率的表示方法 20
1．7 ?是幕后角色 21
1．7．1 不必在意?究竟是什么 21
1．7．2 ?的習(xí)慣處理方式 22
1．7．3 不含?（不含上帝視角）的概率論 23
1．8 一些注意事項(xiàng) 23
1．8．1 想做什么 23
1．8．2 因?yàn)槭敲娣e…… 24
1．8．3 解釋 26
第2章 多個(gè)隨機(jī)變量之間的關(guān)系 29
2．1 各縣的土地使用情況（面積計(jì)算的預(yù)熱） 29
2．1．1 不同縣、不同用途的統(tǒng)計(jì)（聯(lián)合概率與邊緣概率的預(yù)熱） 30
2．1．2 特定縣、特定用途的比例（條件概率的預(yù)熱） 31
2．1．3 倒推比例（貝葉斯公式的預(yù)熱） 32
2．1．4 比例相同的情況（獨(dú)立性的預(yù)熱） 34
2．1．5 預(yù)熱結(jié)束 38
2．2 聯(lián)合概率與邊緣概率 38
2．2．1 兩個(gè)隨機(jī)變量 38
2．2．2 三個(gè)隨機(jī)變量 41
2．3 條件概率 42
2．3．1 條件概率的定義 42
2．3．2 聯(lián)合分布、邊緣分布與條件分布的關(guān)系 45
2．3．3 即使條件中使用的不是等號(hào)也一樣適用 50
2．3．4 三個(gè)或更多的隨機(jī)變量 51
2．4 貝葉斯公式 55
2．4．1 問題設(shè)置 56
2．4．2 貝葉斯的作圖曲 57
2．4．3 貝葉斯公式 61
2．5 獨(dú)立性 63
2．5．1 事件的獨(dú)立性（定義） 64
2．5．2 事件的獨(dú)立性（等價(jià)表述） 67
2．5．3 隨機(jī)變量的獨(dú)立性 70
2．5．4 三個(gè)或更多隨機(jī)變量的獨(dú)立性（需多加注意） 73
第3章 離散值的概率分布 79
3．1 一些簡(jiǎn)單的例子 79
3．2 二項(xiàng)分布 82
3．2．1 二項(xiàng)分布的推導(dǎo) 82
3．2．2 補(bǔ)充：排列nPk、組合nCk 83
3．3 期望值 85
3．3．1 期望值的定義 85
3．3．2 期望值的基本性質(zhì) 87
3．3．3 期望值乘法運(yùn)算的注意事項(xiàng) 91
3．3．4 期望值不存在的情況 93
3．4 方差與標(biāo)準(zhǔn)差 99
3．4．1 即使期望值相同 99
3．4．2 方差即“期望值離散程度”的期望值 100
3．4．3 標(biāo)準(zhǔn)差 102
3．4．4 常量的加法、乘法及標(biāo)準(zhǔn)化 104
3．4．5 各項(xiàng)獨(dú)立時(shí)，和的方差等于方差的和 108
3．4．6 平方的期望值與方差 110
3．5 大數(shù)定律 112
3．5．1 獨(dú)立同分布 114
3．5．2 平均值的期望值與平均值的方差 116
3．5．3 大數(shù)定律 117
3．5．4 大數(shù)定律的相關(guān)注意事項(xiàng) 118
3．6 補(bǔ)充內(nèi)容：條件期望與最小二乘法 120
3．6．1 條件期望的定義 120
3．6．2 最小二乘法 121
3．6．3 上帝視角 122
3．6．4 條件方差 123
第4章 連續(xù)值的概率分布 127
4．1 漸變色打印問題（密度計(jì)算的預(yù)熱） 128
4．1．1 用圖表描述油墨的消耗量（累積分布函數(shù)的預(yù)熱） 128
4．1．2 用圖表描述油墨的打印濃度（概率密度函數(shù)預(yù)熱） 129
4．1．3 拉伸打印成品對(duì)油墨濃度的影響（變量變換的預(yù)熱） 133
4．2 概率為零的情況 136
4．2．1 出現(xiàn)概率恰好為零的情況 137
4．2．2 概率為零將帶來什么問題 139
4．3 概率密度函數(shù) 140
4．3．1 概率密度函數(shù) 140
4．3．2 均勻分布 146
4．3．3 概率密度函數(shù)的變量變換 147
4．4 聯(lián)合分布·邊緣分布·條件分布 152
4．4．1 聯(lián)合分布 152
4．4．2 本小節(jié)之后的閱讀方式 155
4．4．3 邊緣分布 155
4．4．4 條件分布 159
4．4．5 貝葉斯公式 162
4．4．6 獨(dú)立性 163
4．4．7 任意區(qū)域的概率·均勻分布·變量變換 166
4．4．8 實(shí)數(shù)值與離散值混合存在的情況 174
4．5 期望值、方差與標(biāo)準(zhǔn)差 174
4．5．1 期望值 175
4．5．2 方差·標(biāo)準(zhǔn)差 179
4．6 正態(tài)分布與中心極限定理 180
4．6．1 標(biāo)準(zhǔn)正態(tài)分布 181
4．6．2 一般正態(tài)分布 184
4．6．3 中心極限定理 187
第5章 協(xié)方差矩陣、多元正態(tài)分布與橢圓 195
5．1 協(xié)方差與相關(guān)系數(shù) 196
5．1．1 協(xié)方差 196
5．1．2 協(xié)方差的性質(zhì) 199
5．1．3 分布傾向的明顯程度與相關(guān)系數(shù) 200
5．1．4 協(xié)方差與相關(guān)系數(shù)的局限性 206
5．2 協(xié)方差矩陣 208
5．2．1 協(xié)方差矩陣=方差與協(xié)方差的一覽表 208
5．2．2 協(xié)方差矩陣的向量形式表述 209
5．2．3 向量與矩陣的運(yùn)算及期望值 212
5．2．4 向量值隨機(jī)變量的補(bǔ)充說明 215
5．2．5 協(xié)方差矩陣的變量變換 217
5．2．6 任意方向的發(fā)散程度 218
5．3 多元正態(tài)分布 220
5．3．1 多元標(biāo)準(zhǔn)正態(tài)分布 220
5．3．2 多元一般正態(tài)分布 223
5．3．3 多元正態(tài)分布的概率密度函數(shù) 228
5．3．4 多元正態(tài)分布的性質(zhì) 230
5．3．5 截面與投影 232
5．3．6 補(bǔ)充知識(shí)：卡方分布 239
5．4 協(xié)方差矩陣與橢圓的關(guān)系 242
5．4．1�。▽�(shí)例一）單位矩陣與圓 242
5．4．2 （實(shí)例二）對(duì)角矩陣與橢圓 244
5．4．3�。▽�(shí)例三）一般矩陣與傾斜的橢圓 247
5．4．4 協(xié)方差矩陣的局限性 251
第2部分 探討概率的應(yīng)用
第6章 估計(jì)與檢驗(yàn) 257
6．1 估計(jì)理論 257
6．1．1 描述統(tǒng)計(jì)與推斷統(tǒng)計(jì) 257
6．1．2 描述統(tǒng)計(jì) 258
6．1．3 如何理解推斷統(tǒng)計(jì)中的一些概念 260
6．1．4 問題設(shè)定 264
6．1．5 期望罰款金額 265
6．1．6 多目標(biāo)優(yōu)化 266
6．1．7�。ú呗砸唬p少候選項(xiàng)——最小方差無偏估計(jì) 267
6．1．8 （策略二）弱化最優(yōu)定義——最大似然估計(jì) 269
6．1．9�。ú呗匀┮詥我粩�(shù)值作為評(píng)價(jià)基準(zhǔn)——貝葉斯估計(jì) 272
6．1．10 策略選擇的相關(guān)注意事項(xiàng) 275
6．2 檢驗(yàn)理論 276
6．2．1 檢驗(yàn)理論中的邏輯 276
6．2．2 檢驗(yàn)理論概述 278
6．2．3 簡(jiǎn)單假設(shè) 279
6．2．4 復(fù)合假設(shè) 282
第7章 偽隨機(jī)數(shù) 285
7．1 偽隨機(jī)數(shù)的基礎(chǔ)知識(shí) 285
7．1．1 隨機(jī)數(shù)序列 285
7．1．2 偽隨機(jī)數(shù)序列 286
7．1．3 典型應(yīng)用：蒙特卡羅方法 287
7．1．4 相關(guān)主題：密碼理論中的偽隨機(jī)數(shù)序列·低差異序列 289
7．2 遵從特定分布的隨機(jī)數(shù)的生成 291
7．2．1 遵從離散值分布的隨機(jī)數(shù)的生成 292
7．2．2 遵從連續(xù)值分布的隨機(jī)數(shù)的生成 293
7．2．3 遵從正態(tài)分布的隨機(jī)數(shù)的生成 296
7．2．4 補(bǔ)充知識(shí)：三角形內(nèi)及球面上的均勻分布 298
第8章 概率論的各類應(yīng)用 305
8．1 回歸分析與多變量分析 305
8．1．1 通過最小二乘法擬合直線 305
8．1．2 主成分分析 312
8．2 隨機(jī)過程 319
8．2．1 隨機(jī)游走 321
8．2．2 卡爾曼濾波器 326
8．2．3 馬爾可夫鏈 331
8．2．4 關(guān)于隨機(jī)過程的一些補(bǔ)充說明 342
8．3 信息論 343
8．3．1 熵 343
8．3．2 二元熵 347
8．3．3 信源編碼 349
8．3．4 信道編碼 352
附錄A 本書涉及的數(shù)學(xué)基礎(chǔ)知識(shí) 359
A．1 希臘字母 359
A．2 數(shù) 359
A．2．1 自然數(shù)·整數(shù) 359
A．2．2 有理數(shù)·實(shí)數(shù) 359
A．2．3 復(fù)數(shù) 360
A．3 集合 360
A．3．1 集合的表述方式 360
A．3．2 無限集的大小 361
A．3．3 強(qiáng)化練習(xí) 361
A．4 求和符號(hào)? 362
A．4．1 定義與基本性質(zhì) 362
A．4．2 雙重求和 364
A．4．3 范圍指定 366
A．4．4 等比數(shù)列 366
A．5 指數(shù)與對(duì)數(shù) 368
A．5．1 指數(shù)函數(shù) 368
A．5．2 高斯積分 371
A．5．3 對(duì)數(shù)函數(shù) 374
A．6 內(nèi)積與長(zhǎng)度 377
附錄B 近似公式與不等式 381
B．1 斯特林公式 381
B．2 琴生不等式 381
B．3 吉布斯不等式 384
B．4 馬爾可夫不等式與切比雪夫不等式 385
B
書單推薦
