索引 / 001 ZH-TW

數學

數學

Introduction to Probability

Charles M. Grinstead; J. Laurie Snell

英文原名: Introduction to Probability

完整微積分基礎機率教材,用模擬與例子連線離散、連續模型和極限定理,並逐步進入馬爾可夫鏈,適合建立模型直覺與計算依據。

需要的基礎: 完整離散與連續路線需兩學期微積分並接觸多重積分,純離散路線可從一學期微積分起步;馬爾可夫鏈一章另需基礎矩陣知識。

難度等級
入門
學術層次
大學部
機率simulationMarkov chains

01 / 導讀

導讀

機率入門:先數清真正觀察到的實驗

比較機率與統計的讀書路線,以原創抽樣及展示機制例題,區分計數、條件事件與獨立性,並說明機率模型為何不能自動成為現實推論。

學習路線與例題編輯責任:University Reading List 編輯專案。

適合誰

適合數學、工程、計算機與科學本科首門機率課,用實驗和例子發展直覺,同時保留數學解釋。離散與連續平行組織,可先讀離散,再在微積分齊備後補連續模型。

需要的基礎

完整離散與連續路線需兩學期微積分並接觸多重積分,純離散路線可從一學期微積分起步;馬爾可夫鏈一章另需基礎矩陣知識。

涵蓋內容

從分佈、密度、組合、條件機率、常見分佈、期望與方差,到獨立和、大數定律、中心極限定理,再進生成函式、馬爾可夫鏈和隨機遊走,計算用於檢驗反直覺行為。

如何使用

模擬前先寫樣本空間和隨機變數,預測結果,用小情況精確計算後再與重複試驗比較。改變樣本量,不把每次偏差都當程式錯誤;條件機率題要寫清新增資訊,極限題區分單次結果與分佈。翻譯舊例程式時保持機率模型不變。

版本與來源

Dartmouth作者入口提供12章、前言、附錄及練習,作者專案頁另公告GNU FDL分發許可,複製仍核所用檔案宣告。這是完整教材而不是單章樣本,不推測未核年份和載體號。

前往官方資源