本書是一本面向計算機科學專業學生的概率統計教材。書中全面介紹了定性和定量數據分析、概率論、隨機變量以及包括機器學習在內的統計方法。 全書包含豐富的圖示，重點章節都包含大量的實例，以及許多其素，如流程、定義、有用的事實及注記（小技巧）。部分章節末尾附有“問題”和“編程練習”，幫助讀者鞏固應該掌握的要點。本書特色 ·側重介紹離散情形的隨機變量和期望。 ·以實用的方式介紹仿真，表明有多少感興趣的概率和期望可以被提取，並著重介紹馬爾可夫鏈。 ·簡明而清晰地闡釋簡單情形的點推斷策略（極大似然、貝等

●前言
致謝
作者簡介
符號和約定
第一部分 數據集的描述
第1章 查看數據的第一個工具
1.1 數據集
1.2 正在發生什麼？繪制數據的圖形
1.2.1 條形圖
1.2.2 直方圖
1.2.3 如何制作直方圖
1.2.4 條件直方圖
1.3 彙總一維數據
1.3.1 均值
1.3.2 標準差
1.3.3 在線計算均值和標準差
1.3.4 方差
1.3.5 中位數
1.3.6 四分位距
1.3.7 合理使用彙總數據
1.4 圖形和總結
1.4.1 直方圖的一些性質
1.4.2 標準坐標和正態數據
1.4.3 箱形圖
1.5 誰的更大？澳大利亞比薩調查
問題
編程練習
第2章 關注關繫
2.1 二維數據繪圖
2.1.1 分類數據、計數和圖表
2.1.2 序列
2.1.3 空間數據散點圖
2.1.4 用散點圖揭示關繫
2.2 相關
2.2.1 相關繫數
2.2.2 用相關性預測
2.2.3 相關性帶來的困惑
2.3 野生馬群中的不育公馬
問題
編程練習
第二部分 概率
第3章 概率論基礎
3.1 實驗、結果和概率
3.2 事件
3.2.1 通過計數結果來計算事件
3.2.2 事件概率
3.2.3 通過對集合的推理來計算概率
3.3 獨立性
3.4 條件概率
3.4.1 計算條件概率
3.4.2 檢測罕見事件是困難的
……
第三部分 推斷
第四部分 工具
第五部分 其他數學知識

本書面向計算機科學專業的本科生，全面繫統地闡述概率與統計相關知識，旨在揭示概率和統計的思想。全書共分為五部分：第一部分——數據集的描述，涵蓋各種描述性統計量（均值、標準差、方差）、一維數據集的可視化方法，以及散點圖、相關性和二維數據集的描述；第二部分——概率，涵蓋離散型概率、條件概率、連續型概率、馬爾可夫不等式、切比雪夫不等式及弱大數定律等；第三部分——推斷，涵蓋樣本、總體、置信區間、統計顯著性、實驗設計、方差分析和簡單貝葉斯推斷等；第四部分——工具，涵蓋主成分分析、最近鄰分類、樸素貝葉斯分類、k均值聚類、線性回歸、隱馬爾可夫模型等；第五部分——其他數學知識，彙總了一些有用的數學事實。