Introduction to Probability (2/e)
出版时间
2008-07-15
ISBN
9781886529236
评分
★★★★★
书籍介绍
这不是一本让你一次性读懂概率的书，而是一套可以反复使用的思维训练系统。读者反复提到
作者简介
The authors are Professors in the Department of Electrical Engineering and Computer Science at the Massachusetts Institute of Technology. They are members of the prestigious US National Academy of Engineering. They have written several widely used textbooks and research monographs, both individually and jointly.
AI导读
核心看点
- MIT经典教材，侧重直观理解与建模
- 新增贝叶斯与经典统计推断内容
- 习题丰富，星号题常含重要定理
读者共识
- 概念阐述清晰，直觉解释极佳
- 对非数学系学生非常友好
- 统计推断部分讲解略显不足
精彩摘录
- "We set up the tree so that an event of interest is associated with a leaf. We view the occurrence of the event as a sequence of steps, namely, the traversals of the branches along the path from the root to the leaf."
- "有人与你生日相同的概率有多大"
- "You go to a party with 500 guests. What is the probability that exactly one other guest has the same birthday as you? Calculate this exactly and also approximately by using the Poisson PMF. ( For simplicity. exclude birthdays on February 29 . )"
- "g是一个函数，则g(X,Y)也是一个随机变量"
用户评论
最后两章分开讲述 Bayesian Inference 和 Classical Inference 一扫我对于Bayesian学派和Frequency 学派的各种不解
Best introduction to probability
今天想了很久的期望，在此记录想法。
1.期望=∑p*value，这是加权平均数，权重即p，value出现的概率。考虑极端的情况：一个学生考试59分的概率是99%，90分的概率是1%，那么考试得分期望其实就基本等同于只看这个59分（计算可得期望为59.31分）。
2.关于p*value联想到了赌马：瘦弱的马一旦赢了奖金很高，可是赢的概率很小；强壮的马赢的概率大，可是奖金不高。
3.实际应用中，更重要的是根据具体的情境去设计、转化，这个过程正如数学建模，会存在信息丢失。首先问自己：是期望什么东西越高越好？
4.在一众的选择中我们要选期望高的。期望意味着随机、预测，随机意味着真实结果可能高于或低于期望，但是无妨，我们还是要选期望高的，它就像拥有高平均分的快班，即便我们清楚快班最后一名不如慢班第一。
对计算机很实用，是静态的那种概率。但对准备测度论或金融概率没用，那要求的math maturity是数学系的路子
以前没系统学过，会把random variable(X)和scalar(x)搞混。现在好了。
讲得清楚，还有ocw视频辅助，毫无疑问是最好的初等概率论课程。相对Sheldon Ross的书几乎一年出一个edition，这本内容组织精炼、稳定，也是非常适合做工具书参考的。
肝过
MIT OCW，大爱。
Athena Scientific的其他书籍查看全部
Reinforcement Learning and Optimal Control
Dynamic Programming and Optimal Control (2 Vol Set)
Nonlinear Programming
Neuro-Dynamic Programming
下载
收藏