《普林斯顿概率论读本》中文版目录

封面 1

作者简介 2

数字版权声明 3

扉页 4

版权页 5

写给读者的话 6

如何使用本书 9

目录 14

第一部分 一般性理论 21

第1章 引言 22

1.1 生日问题 23

1.1.1 陈述问题 23

1.1.2 解决问题 26

1.1.3 对问题和答案的推广:效率 31

1.1.4 数值检验 34

1.2 从投篮到几何级数 36

1.2.1 问题和解答 36

1.2.2 相关问题 42

1.2.3 一般问题的解决技巧 45

1.3 赌博 48

1.3.1 2008年超级碗赌注 49

1.3.2 预期收益 49

1.3.3 对冲的价值 51

1.3.4 结论 52

1.4 总结 53

1.5 习题 55

第2章 基本概率定律 61

2.1 悖论 62

2.2 集合论综述 64

2.2.1 编程漫谈 68

2.2.2 无穷大的大小和概率 70

2.2.3 开集和闭集 72

2.3 结果空间、事件和概率公理 74

2.4 概率公理 79

2.5 基本概率规则 81

2.5.1 全概率公式 82

2.5.2 并的概率 83

2.5.3 包含的概率 86

2.6 概率空间和? 代数 87

2.7 附录:实验性地找出规律 92

2.7.1 乘积求导法则 93

2.7.2 并的概率 94

2.8 总结 95

2.9 习题 95

第3章 计数I:纸牌 100

3.1 阶乘和二项式系数 101

3.1.1 阶乘函数 101

3.1.2 二项式系数 105

3.1.3 总结 110

3.2 扑克牌 110

3.2.1 规则 111

3.2.2 最小牌型 113

3.2.3 对子 115

3.2.4 两对 118

3.2.5 三条 119

3.2.6 顺子、同花和同花顺 119

3.2.7 葫芦和铁支 120

3.2.8 扑克牌型练习I 122

3.2.9 扑克牌型练习II 123

3.3 单人纸牌 125

3.3.1 克朗代克纸牌 125

3.3.2 Aces Up纸牌 128

3.3.3 《空当接龙》 130

3.4 桥牌 132

3.4.1 井字游戏 133

3.4.2 桥牌牌局的个数 135

3.4.3 将牌的分配 141

3.5 附录:计算概率的代码 145

3.5.1 将牌的分配和代码 145

3.5.2 扑克牌型的代码 147

3.6 总结 150

3.7 习题 150

第4章 条件概率、独立性和贝叶斯定理 154

4.1 条件概率 155

4.1.1 猜测条件概率公式 157

4.1.2 期望计数法 158

4.1.3 文氏图法 160

4.1.4 蒙提霍尔问题 161

4.2 一般乘法法则 162

4.2.1 陈述 162

4.2.2 扑克牌的例子 163

4.2.3 帽子问题和纠错码 164

4.2.4 高等注解:条件概率的定义 165

4.3 独立性 166

4.4 贝叶斯定理 168

4.5 划分和全概率法则 174

4.6 回顾贝叶斯定理 177

4.7 总结 178

4.8 习题 178

第5章 计数II:容斥原理 182

5.1 阶乘和二项式问题 183

5.1.1 "有多少个"与"概率是什么" 183

5.1.2 选组 185

5.1.3 循环次序 186

5.1.4 选择套装 188

5.2 容斥方法 190

5.2.1 容斥原理的特例 190

5.2.2 容斥原理的陈述 193

5.2.3 容斥公式的证明 195

5.2.4 利用容斥原理:同花色牌型 197

5.2.5 从"至少"到"恰好"的方法 200

5.3 错排 202

5.3.1 错排的个数 203

5.3.2 错排数的概率 204

5.3.3 错排试验的代码 205

5.3.4 错排的应用 207

5.4 总结 208

第6章 计数III:高等组合学 213

6.1 基本计数 214

6.1.1 枚举法I 214

6.1.2 枚举法II 215

6.1.3 有放回抽样和无放回抽样 219

6.2 单词排序 227

6.2.1 排序方法数 228

6.2.2 多项式系数 230

6.3 划分 233

6.3.1 饼干问题 233

6.3.2 彩票 236

6.3.3 其他划分 240

6.4 总结 243

6.5 习题 243

第二部分 随机变量 247

第7章 离散型随机变量 248

7.1 离散型随机变量:定义 248

7.2 离散型随机变量:概率密度函数 250

7.3 离散型随机变量:累积分布函数 253

7.4 总结 261

7.5 习题 263

第8章 连续型随机变量 266

8.1 微积分基本定理 267

8.2 概率密度函数和累积分布函数:定义 269

8.3 概率密度函数和累积分布函数:例子 271

8.4 单元素事件的概率 276

8.5 总结 278

8.6 习题 279

第9章 工具:期望 282

9.1 微积分预备知识 283

9.2 期望值和矩 285

9.3 均值和方差 288

9.4 联合分布 293

9.5 期望的线性性质 297

9.6 均值和方差的性质 302

9.7 偏斜度与峰度 307

9.8 协方差 307

9.9 总结 308

9.10 习题 309

第10章 工具:卷积和变量替换 312

10.1 卷积:定义和性质 313

10.2 卷积:掷骰子的例子 316

10.2.1 理论计算 316

10.2.2 卷积码 317

10.3 多变量的卷积 318

10.4 变量替换公式:叙述 321

10.5 变量替换公式:证明 325

10.6 附录:随机变量的乘积与商 329

10.6.1 乘积的概率密度函数 330

10.6.2 商的概率密度函数 331

10.6.3 例子:指数分布的商 331

10.7 总结 333

10.8 习题 333

第11章 工具:微分恒等式 337

11.1 几何级数的例子 338

11.2 微分恒等式法 341

11.3 在二项分布随机变量上的应用 342

11.4 在正态分布随机变量上的应用 346

11.5 在指数分布随机变量上的应用 348

11.6 总结 350

11.7 习题 351

第三部分 特殊分布 353

第12章 离散分布 354

12.1 伯努利分布 354

12.2 二项分布 355

12.3 多项分布 359

12.4 几何分布 361

12.5 负二项分布 363

12.6 泊松分布 367

12.7 离散均匀分布 370

12.8 习题 373

第13章 连续型随机变量:均匀分布与指数分布 377

13.1 均匀分布 377

13.1.1 均值和方差 378

13.1.2 服从均匀分布的随机变量之和 379

13.1.3 例子 382

13.1.4 均匀地生成随机数 384

13.2 指数分布 385

13.2.1 均值和方差 386

13.2.2 服从指数分布的随机变量之和 389

13.2.3 服从指数分布的随机变量的例子与应用 392

13.2.4 从指数分布中生成随机数 393

13.3 习题 396

第14章 连续型随机变量:正态分布 399

14.1 确定标准化常数 400

14.2 均值和方差 403

14.3 服从正态分布的随机变量之和 406

14.3.1 情形1:μ_X=μ_Y = 0 且σ^2X=σ^2Y=1 408

14.3.2 情形2:一般化的μ_X、μ_Y 和σ^2X、σ^2Y 410

14.3.3 两个服从正态分布的随机变量之和:更快的代数运算 413

14.4 从正态分布中生成随机数 414

14.5 例子与中心极限定理 420

14.6 习题 421

第15章 伽马函数与相关分布 425

15.1 Γ(s) 的存在性 425

15.2 Γ((s) 的函数方程 427

15.3 阶乘函数与Γ(s) 431

15.4 Γ(s) 的特殊值 432

15.5 贝塔函数与伽马函数 434

15.5.1 基本关系式的证明 435

15.5.2 基本关系式和Γ(1=2) 437

15.6 正态分布与伽马函数 438

15.7 分布族 439

15.8 附录:余割等式的证明 441

15.8.1 余割等式:第一种证明 441

15.8.2 余割等式:第二种证明 445

15.8.3 余割等式:s = 1/2 的特殊情形 447

15.9 柯西分布 449

15.10 习题 451

第16章 卡方分布 453

16.1 卡方分布的起源 454

16.2 X ~ χ2(1) 的均值与方差 456

16.3 卡方分布与服从正态分布的随机变量之和 457

16.3.1 直接积分求平方和 459

16.3.2 利用变量替换定理求平方和 460

16.3.3 卷积法求平方和 464

16.3.4 服从卡方分布的随机变量之和 466

16.4 总结 467

16.5 习题 469

第四部分 极限定理 471

第17章 不等式和大数定律 472

17.1 不等式 472

17.2 马尔可夫不等式 474

17.3 切比雪夫不等式 476

17.3.1 陈述 476

17.3.2 证明 478

17.3.3 正态分布与均匀分布的例子 480

17.3.4 指数分布的例子 481

17.4 布尔不等式与邦弗伦尼不等式 482

17.5 收敛类型 484

17.5.1 依分布收敛 484

17.5.2 依概率收敛 486

17.5.3 几乎必然收敛与必然收敛 486

17.6 弱大数定律与强大数定律 487

17.7 习题 488

第18章 斯特林公式 492

18.1 斯特林公式与概率 494

18.2 斯特林公式与级数的收敛性 496

18.3 从斯特林公式到中心极限定理 497

18.4 积分判别法与较弱的斯特林公式 501

18.5 得到斯特林公式的基本方法 504

18.5.1 二进分解 504

18.5.2 斯特林公式的下界I 506

18.5.3 斯特林公式的下界II 508

18.5.4 斯特林公式的下界III 510

18.6 静态相位与斯特林公式 511

18.7 中心极限定理与斯特林公式 512

18.8 习题 514

第19章 生成函数与卷积 516

19.1 动机 516

19.2 定义 518

19.3 生成函数的唯一性和收敛性 523

19.4 卷积I:离散型随机变量 524

19.5 卷积II:连续型随机变量 528

19.6 矩母函数的定义与性质 534

19.7 矩母函数的应用 541

19.8 习题 545

第20章 中心极限定理的证明 547

20.1 证明的关键思路 547

20.2 中心极限定理的陈述 549

20.3 均值、方差与标准差 551

20.4 标准化 552

20.5 矩母函数的相关结果 556

20.6 特殊情形:服从泊松分布的随机变量之和 558

20.7 利用MGF证明一般的CLT 561

20.8 使用中心极限定理 563

20.9 中心极限定理与蒙特卡罗积分 564

20.10 总结 566

20.11 习题 567

第21章 傅里叶分析与中心极限定理 572

21.1 积分变换 573

21.2 卷积与概率论 577

21.3 中心极限定理的证明 580

21.4 总结 583

21.5 习题 584

第五部分 其他主题 587

第22章 假设检验 588

22.1 Z检验 589

22.1.1 原假设与备择假设 589

22.1.2 显著性水平 590

22.1.3 检验统计量 592

22.1.4 单侧检验与双侧检验 595

22.2 p值 598

22.2.1 非凡的主张与p值 598

22.2.2 大的p值 599

22.2.3 关于p值的误解 599

22.3 t检验 601

22.3.1 估算样本方差 601

22.3.2 从z检验到t检验 602

22.4 假设检验的问题 605

22.4.1 I型错误 605

22.4.2 II型错误 605

22.4.3 错误率与司法系统 606

22.4.4 功效 607

22.4.5 效应量 608

22.5 卡方分布、拟合优度 608

22.5.1 卡方分布与方差检验 609

22.5.2 卡方分布与t分布 612

22.5.3 列表数据的拟合优度 613

22.6 双样本检验 615

22.6.1 双样本z检验:方差已知 615

22.6.2 双样本t检验:方差未知但相等 618

22.6.3 方差未知且不相等 619

22.7 总结 621

22.8 习题 622

第23章 差分方程、马尔可夫过程和概率论 624

23.1 从斐波那契数到轮盘赌 624

23.1.1 翻倍加一策略 624

23.1.2 对斐波那契数的快速回顾 626

23.1.3 递推关系与概率 628

23.1.4 讨论与推广 629

23.1.5 轮盘赌问题的代码 630

23.2 递推关系的一般理论 632

23.2.1 表示法 632

23.2.2 特征方程 632

23.2.3 初始条件 634

23.2.4 关于不同根意味着可逆性的证明 636

23.3 马尔可夫过程 637

23.3.1 递推关系与种群动力学 637

23.3.2 一般的马尔可夫过程 639

23.4 总结 640

23.5 习题 640

第24章 最小二乘法 642

24.1 问题的描述 642

24.2 概率论与统计学回顾 643

24.3 最小二乘法 645

24.4 习题 649

第25章 两个著名问题与一些代码 652

25.1 婚姻/秘书问题 652

25.1.1 假设与策略 652

25.1.2 成功的概率 653

25.1.3 秘书问题的代码 657

25.2 蒙提霍尔问题 659

25.2.1 一个简单的解决方案 659

25.2.2 一种极端情形 660

25.2.3 蒙提霍尔问题的代码 661

25.3 两个随机程序 662

25.3.1 有放回取样与无放回取样 662

25.3.2 期望 663

25.4 习题 664

附录A 证明技巧 666

A.1 如何阅读证明 666

A.2 归纳法证明 668

A.2.1 整数之和 670

A.2.2 整除 672

A.2.3 二项式定理 673

A.2.4 斐波那契数模2 674

A.2.5 错误的归纳法证明 675

A.3 分组证明 676

A.4 利用对称性证明 677

A.5 蛮力证明 680

A.6 通过比较或故事来证明 681

A.7 反证法 683

A.8 穷举法(分治法) 684

A.9 举反例证明 686

A.10 通过推广例子来证明 686

A.11 狄利克雷鸽巢原理 687

A.12 添加0或乘以1的证明法 689

附录B 分析学结果 692

B.1 介值定理与中值定理 692

B.2 极限、求导和积分次序的交换 695

B.2.1 交换次序: 定理 695

B.2.2 交换次序: 例子 696

B.3 级数的收敛性判别法 699

B.4 大O表示法 702

B.5 指数函数 704

B.6 柯西--施瓦兹不等式的证明 707

B.7 习题 708

附录C 可数集与不可数集 710

C.1 集合的大小 710

C.2 可数集 712

C.3 不可数集 715

C.4 有理数集的长度 717

C.5 康托尔集的长度 718

C.6 习题 719

附录D 复分析与中心极限定理 721

D.1 来自实分析的警告 721

D.2 复分析与拓扑定义 723

D.3 复分析与矩母函数 728

D.4 习题 732

版权声明 733

相关推荐
无水先生18 小时前
ML 系列:机器学习和深度学习的深层次总结( 19)— PMF、PDF、平均值、方差、标准差
概率论
无水先生18 小时前
ML 系列:机器学习和深度学习的深层次总结( 20)— 离散概率分布 (Bernoulli 分布)
概率论
卡洛驰1 天前
交叉熵损失函数详解
人工智能·深度学习·算法·机器学习·ai·分类·概率论
Ricciflows2 天前
分析学大师Elias M. Stein的分析系列教材
线性代数·数学建模·矩阵·概率论·抽象代数·拓扑学·傅立叶分析
乔大将军3 天前
数理统计(第4章第2节:2元方差分析)
概率论
爱代码的小黄人5 天前
数学期望和联合概率密度
概率论
VisionX Lab5 天前
视频批量裁剪工具
音视频·概率论
无水先生5 天前
ML 系列:第 18 部 - 高级概率论:条件概率、随机变量和概率分布
概率论
AnitasCat6 天前
VAE原理及代码实现
人工智能·机器学习·概率论
小金刚®7 天前
(前瞻篇)机器学习与深度学习对比
python·分类·回归·开源·概率论·1024程序员节