《Introduction to Probability》前言

发表于 2026-01-10 分类于书籍翻译

前言

本书为概率论提供了一套现代化的入门介绍，并为理解统计学、随机性和不确定性奠定了基础。书中探讨了各种应用和案例，从基础的抛硬币和巧合研究，到 Google PageRank 算法以及马尔可夫链蒙特卡罗方法（MCMC）。由于概率论通常被认为是一个直觉匮乏的学科，书中提供了大量的直觉性解释、图表和练习题。每章末尾都设有一个专门章节，介绍如何在 R 语言（一个用于统计计算和模拟的免费软件环境）中探索该章的思想。

哈佛大学 Stat 110 课程的授课视频可在 http://stat110.net 免费获取，该书正是源于这门课程。此外，该网站还提供 R 代码、动画以及标有 s 的习题解答等补充材料。
微积分是阅读本书的先决条件，但不需要统计学基础。主要的数学挑战不在于进行复杂的微积分推导，而在于如何在抽象概念与具体实例之间进行转换。以下列出了一些主要的主题和特色。

故事化方法。在本书中，定义、定理和证明都通过“故事”来呈现：这些是对现实世界的诠释，同时保留了数学上的严谨性与普适性。我们通过生成式故事来探索概率分布，正是这些故事使它们在统计建模中得到广泛应用。在可能的情况下，我们避免乏味的推导，转而致力于为核心结论的正确性提供解释和直觉。我们的经验表明，这种方法通过提供洞察力而非要求死记硬背，有助于对材料的长期记忆。
图解说明。既然图片是“价值千言的故事”，我们在定义中辅以插图，以便将关键概念与令人难忘的图表联系起来。在许多领域，新手与专家的区别被描述如下：新手苦于记忆大量看似孤立的事实和公式，而专家则能看到一个统一的结构，其中少数原则和思想将这些事实连贯地联系在一起。为了帮助学生看清概率论的结构，我们强调思想之间的联系（通过文字和视觉两种方式），并在大多数章节的末尾展示不断扩展的循环概念图和分布图。
概念与策略的双重教学。我们的初衷是，学生通过阅读本书，不仅能学习概率概念，还能掌握一套在概率领域之外也广泛适用的解题策略。在例题中，我们解释了解题的每一个步骤，并评论了我们是如何想到采用该方法的。我们经常针对同一个问题提供多种解法。我们明确识别并命名了重要的策略，如对称性和模式识别，并主动消除常见的误解，这些误解用（生物危害）符号标出。
练习题。本书包含约 600 道难度各异的练习题。这些练习旨在强化对材料的理解并增强解题技巧，而非要求重复计算。其中一些是针对性练习题，按主题分组以方便特定课题的练习；另一些是综合练习，可能需要综合运用之前的多个课题。约 250 道练习题配有详细的在线答案，供练习和自学使用。
模拟、蒙特卡罗与 R 语言。许多概率问题过于复杂而无法求出精确解，且无论如何，能够检验答案都是很重要的。我们介绍了通过模拟探索概率的技术，并展示了通常只需几行 R 代码就足以对看似复杂的问题建立模拟。
关注现实相关性与统计思维。本书中的案例和练习都有明确的现实动机，特别侧重于为进一步学习统计推断和建模打下坚实基础。我们预演了重要的统计思想，如抽样、模拟、贝叶斯推断和马尔可夫链蒙特卡罗；其他应用领域包括遗传学、医学、计算机科学和信息论。我们对案例和练习的选择旨在突出概率思维的力量、适用性和美感。

第二版受益于数百条来自使用本书的学生、授课教师以及自学读者的评论、提问和评论。根据我们的教学经验以及收到的反馈，我们增加了许多新的示例、练习和解释。

新的补充材料也已添加到 http://stat110.net，包括为 Stat 110 的 edX 在线版本制作的动画和交互式可视化工具。这些旨在帮助概率论变得更加直观、形象和具体。