　　機器學習、數據挖掘、模式識彆必備基礎知識
　　從入門到應用，結閤大量實例和263張圖錶
　　1. 圖文直觀
　　穿插大量有趣的實例和263張圖錶
　　2. 通俗易懂
　　藉助高中數學知識解釋各類概率統計問題
　　3. 角度新穎
　　獨特的編排思路，巧妙闡述瞭概率論與統計學的基本理論
　　4. 內容全麵
　　從入門到應用，係統講解概率統計的方方麵麵

內容簡介

　　《程序員的數學2：概率統計》沿襲《程序員的數學》平易近人的風格，用通俗的語言和具體的圖錶深入講解程序員必須掌握的各類概率統計知識，例證豐富，講解明晰，且提供瞭大量擴展內容，引導讀者進一步深入學習。
　　《程序員的數學2：概率統計》涉及隨機變量、貝葉斯公式、離散值和連續值的概率分布、協方差矩陣、多元正態分布、估計與檢驗理論、僞隨機數以及概率論的各類應用，適閤程序設計人員與數學愛好者閱讀，也可作為高中或大學非數學專業學生的概率論入門讀物。

作者簡介

　　平岡和幸（作者），
　　數理工程學博士，對機器學習興趣濃厚。喜歡Ruby，熱愛Scheme。被CommonLisp吸引，正在潛心研究。

　　堀玄（作者），
　　數理工程學博士，主要從事腦科學與信號處理領域的研究。喜歡Ruby、JavaScript、PostScript等語言。正在研究基於統計學理論的語言處理。

　　陳筱煙（譯者），
　　畢業於復旦大學計算機科學與技術係。從大學時期開始接觸Java、JavaScript程序開發，目前對Web應用及智能手機應用開發很感興趣。譯作有《JavaScript編程全解》《App，這樣設計纔好賣》《兩周自製腳本語言》等。

內頁插圖

第1部分　聊聊概率這件事
第1章　概率的定義　　3
1．1　概率的數學定義　　3
1．2　三扇門（濛提霍爾問題） ——飛艇視角　　4
1．2．1　濛提霍爾問題　　5
1．2．2　正確答案與常見錯誤　　6
1．2．3　以飛艇視角錶述　　6
1．3　三元組（Ω， F， P） ——上帝視角　　9
1．4　隨機變量　　13
1．5　概率分布　　17
1．6　適於實際使用的簡記方式　　19
1．6．1　隨機變量的錶示方法　　19
1．6．2　概率的錶示方法　　20
1．7　?是幕後角色　　21
1．7．1　不必在意?究竟是什麼　　21
1．7．2　?的習慣處理方式　　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　　23
1．8．1　想做什麼　　23
1．8．2　因為是麵積……　　24
1．8．3　解釋　　26
第2章　多個隨機變量之間的關係　　29
2．1　各縣的土地使用情況（麵積計算的預熱）　　29
2．1．1　不同縣、不同用途的統計（聯閤概率與邊緣概率的預熱）　　30
2．1．2　特定縣、特定用途的比例（條件概率的預熱）　　31
2．1．3　倒推比例（貝葉斯公式的預熱）　　32
2．1．4　比例相同的情況（獨立性的預熱）　　34
2．1．5　預熱結束　　38
2．2　聯閤概率與邊緣概率　　38
2．2．1　兩個隨機變量　　38
2．2．2　三個隨機變量　　41
2．3　條件概率　　42
2．3．1　條件概率的定義　　42
2．3．2　聯閤分布、邊緣分布與條件分布的關係　　45
2．3．3　即使條件中使用的不是等號也一樣適用　　50
2．3．4　三個或更多的隨機變量　　51
2．4　貝葉斯公式　　55
2．4．1　問題設置　　56
2．4．2　貝葉斯的作圖麯　　57
2．4．3　貝葉斯公式　　61
2．5　獨立性　　63
2．5．1　事件的獨立性（定義）　　64
2．5．2　事件的獨立性（等價錶述）　　67
2．5．3　隨機變量的獨立性　　70
2．5．4　三個或更多隨機變量的獨立性（需多加注意）　　73
第3章　離散值的概率分布　　79
3．1　一些簡單的例子　　79
3．2　二項分布　　82
3．2．1　二項分布的推導　　82
3．2．2　補充：排列nPk、組閤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　　87
3．3．3　期望值乘法運算的注意事項　　91
3．3．4　期望值不存在的情況　　93
3．4　方差與標準差　　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　標準差　　102
3．4．4　常量的加法、乘法及標準化　　104
3．4．5　各項獨立時，和的方差等於方差的和　　108
3．4．6　平方的期望值與方差　　110
3．5　大數定律　　112
3．5．1　獨立同分布　　114
3．5．2　平均值的期望值與平均值的方差　　116
3．5．3　大數定律　　117
3．5．4　大數定律的相關注意事項　　118
3．6　補充內容：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　連續值的概率分布　　127
4．1　漸變色打印問題（密度計算的預熱）　　128
4．1．1　用圖錶描述油墨的消耗量（纍積分布函數的預熱）　　128
4．1．2　用圖錶描述油墨的打印濃度（概率密度函數預熱）　　129
4．1．3　拉伸打印成品對油墨濃度的影響（變量變換的預熱）　　133
4．2　概率為零的情況　　136
4．2．1　齣現概率恰好為零的情況　　137
4．2．2　概率為零將帶來什麼問題　　139
4．3　概率密度函數　　140
4．3．1　概率密度函數　　140
4．3．2　均勻分布　　146
4．3．3　概率密度函數的變量變換　　147
4．4　聯閤分布·邊緣分布·條件分布　　152
4．4．1　聯閤分布　　152
4．4．2　本小節之後的閱讀方式　　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　獨立性　　163
4．4．7　任意區域的概率·均勻分布·變量變換　　166
4．4．8　實數值與離散值混閤存在的情況　　174
4．5　期望值、方差與標準差　　174
4．5．1　期望值　　175
4．5．2　方差·標準差　　179
4．6　正態分布與中心極限定理　　180
4．6．1　標準正態分布　　181
4．6．2　一般正態分布　　184
4．6．3　中心極限定理　　187
第5章　協方差矩陣、多元正態分布與橢圓　　195
5．1　協方差與相關係數　　196
5．1．1　協方差　　196
5．1．2　協方差的性質　　199
5．1．3　分布傾嚮的明顯程度與相關係數　　200
5．1．4　協方差與相關係數的局限性　　206
5．2　協方差矩陣　　208
5．2．1　協方差矩陣=方差與協方差的一覽錶　　208
5．2．2　協方差矩陣的嚮量形式錶述　　209
5．2．3　嚮量與矩陣的運算及期望值　　212
5．2．4　嚮量值隨機變量的補充說明　　215
5．2．5　協方差矩陣的變量變換　　217
5．2．6　任意方嚮的發散程度　　218
5．3　多元正態分布　　220
5．3．1　多元標準正態分布　　220
5．3．2　多元一般正態分布　　223
5．3．3　多元正態分布的概率密度函數　　228
5．3．4　多元正態分布的性質　　230
5．3．5　截麵與投影　　232
5．3．6　補充知識：卡方分布　　239
5．4　協方差矩陣與橢圓的關係　　242
5．4．1　（實例一）單位矩陣與圓　　242
5．4．2　（實例二）對角矩陣與橢圓　　244
5．4．3　（實例三）一般矩陣與傾斜的橢圓　　247
5．4．4　協方差矩陣的局限性　　251
第2部分　探討概率的應用
第6章　估計與檢驗　　257
6．1　估計理論　　257
6．1．1　描述統計與推斷統計　　257
6．1．2　描述統計　　258
6．1．3　如何理解推斷統計中的一些概念　　260
6．1．4　問題設定　　264
6．1．5　期望罰款金額　　265
6．1．6　多目標優化　　266
6．1．7　（策略一）減少候選項——最小方差無偏估計　　267
6．1．8　（策略二）弱化最優定義——最大似然估計　　269
6．1．9　（策略三）以單一數值作為評價基準——貝葉斯估計　　272
6．1．10　策略選擇的相關注意事項　　275
6．2　檢驗理論　　276
6．2．1　檢驗理論中的邏輯　　276
6．2．2　檢驗理論概述　　278
6．2．3　簡單假設　　279
6．2．4　復閤假設　　282
第7章　僞隨機數　　285
7．1　僞隨機數的基礎知識　　285
7．1．1　隨機數序列　　285
7．1．2　僞隨機數序列　　286
7．1．3　典型應用：濛特卡羅方法　　287
7．1．4　相關主題：密碼理論中的僞隨機數序列·低差異序列　　289
7．2　遵從特定分布的隨機數的生成　　291
7．2．1　遵從離散值分布的隨機數的生成　　292
7．2．2　遵從連續值分布的隨機數的生成　　293
7．2．3　遵從正態分布的隨機數的生成　　296
7．2．4　補充知識：三角形內及球麵上的均勻分布　　298
第8章　概率論的各類應用　　305
8．1　迴歸分析與多變量分析　　305
8．1．1　通過最小二乘法擬閤直綫　　305
8．1．2　主成分分析　　312
8．2　隨機過程　　319
8．2．1　隨機遊走　　321
8．2．2　卡爾曼濾波器　　326
8．2．3　馬爾可夫鏈　　331
8．2．4　關於隨機過程的一些補充說明　　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　本書涉及的數學基礎知識　　359
A．1　希臘字母　　359
A．2　數　　359
A．2．1　自然數·整數　　359
A．2．2　有理數·實數　　359
A．2．3　復數　　360
A．3　集閤　　360
A．3．1　集閤的錶述方式　　360
A．3．2　無限集的大小　　361
A．3．3　強化練習　　361
A．4　求和符號?　　362
A．4．1　定義與基本性質　　362
A．4．2　雙重求和　　364
A．4．3　範圍指定　　366
A．4．4　等比數列　　366
A．5　指數與對數　　368
A．5．1　指數函數　　368
A．5．2　高斯積分　　371
A．5．3　對數函數　　374
A．6　內積與長度　　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

精彩書摘

　　1.5為什麼非要使用平行世界這樣誇張的說法？會場與飛艇的比喻更加容易理解嘛　　之所以這麼做，是為瞭準備無限多的備選情況。例如，飛行距離與捕魚量（重量）都是連續量，我們無法逐個數齣這些值所有的可能情況。此時，無論我們準備多少會場，都無法對應所有的備選情況，因而無法模擬原本的概率。此外，如果概率是1／√2這樣的無理數值（無法以整數／整數的形式錶示的值），即使我們準備再多的會場，也不能準確錶現這一概率。因此，我們必須改用更加通用的形式。　　1.6我不太理解由所有平行世界組成的集閤Q是什麼概念。請再解釋一下吧　　讀者隻需暫且按照插圖示例，將其理解為麵積為1的正方形即可。1.7節將作更詳細的解答。　　1.7感覺我們是不是把問題過分簡化瞭？去除瞭一些關鍵的要素後，還有討論的價值嗎　　這不正是數學常用的解決方式嗎？　　例如，行星探測器與星體的距離時刻都在變化，如果我們以時間為橫軸，以距離為縱軸作圖，就能通過一張靜態圖像錶示探測器從過去到未來的運動情況。於是，時間這種特殊概念，也能轉換為數學形式，藉助普通的數字與函數錶述。　　本節的內容也是如此。概率存在多種可能，如果我們以（Ω，F，P）錶述概率，就能以一種靜態的方式呈現所有的可能情況。於是，概率這種特殊概念就像這樣轉換為瞭數學形式，能通過普通的集閤、數字與函數錶述。　　……