引言#

本系列基于stanford CS109(Spring 2016)和MIT 6.041(Fall 2010)

概率论的主要作用:

1. 描述
2. 推断
3. 预测
4. 决策

建议先修(并不是必需的):

1. 一门计算机科学导论(推荐harvard CS50)
2. 微积分

虽然看起来可能有点奇怪, 不过为了区分概念, 本系列使用结果代指outcome, 使用后果代指result.

目录(待更新)#

1. 计数
   1. 计数原理
   2. 排列与组合
2. 概率初步
   1. 事件和样本空间
   2. 概率论公理
   3. 条件概率
   4. 贝叶斯理论
   5. 独立事件
   6. 随机变量, 期望
3. 分布
   1. 方差
   2. 伯努利分布
   3. 二项分布
   4. 泊松分布
   5. 几何分布
   6. 负二项分布
   7. 超几何分布
   8. 连续型随机变量
   9. 均匀分布
   10. 正态分布
   11. 联合分布函数
   12. 独立随机变量
   13. 条件分布
   14. Beta分布
4. 概率进阶
   1. 事件的方差
   2. 协方差
   3. 样本
   4. 相关性
   5. 条件期望
   6. 中心极限定理
5. 机器学习
   1. 参数与学习
   2. 最大似然估计
   3. 最大后验概率
   4. 朴素贝叶斯
   5. 逻辑回归
   6. 深度学习
   7. 机器学习
   8. 应用机器学习
6. 面向期末的补充内容
   1. (待补充)
   2. 例题详解
7. 面向人工智能领域的补充内容
8. 概率论的后续
   1. 信息论
   2. 组合数学