本书的前身是清华大学自动化系、计算机系开设“随机数学引论”课程时所使用的讲义，此次出版对其做了系统的修改。书中包括：随机事件与概率、随机变量及其分布、多维随机变量及其分布、数字特征、独立随机变量序列的极限定理、泊松信号流、随机游动与马尔可夫链、布朗运动、参数估计、假设检验共10章内容。 本书可供高等院校（特别是信息类专业）的学生作为教材使用，也可供教师和工程技术人员参考。

随机数学涉及4个主要部分：概率论、随机过程、数理统计与随机运筹,概率论是后3者的基础.本书主要介绍初等概率论、统计推断及几个典型随机过程的基本概念、理论、方法及应用.随机数学是研究随机现象统计规律性的一个数学分支，大约在17世纪欧洲的数学家们就开始探索用古典概率来解决赌博提出的一些问题.后来，关于诸如人口统计，天文观测，产品检查和质量控制，以及天气、水文与地震预报等社会问题和自然科学问题的研究，大大促进了随机数学的发展.在17～19世纪，经过伯努利(Bernoulli)，拉普拉斯(Laplace)，马尔可夫(Markov)等著名数学家的努力，随机数学有了长足的发展，但它严格的数学基础却是在20世纪30年代由前苏联数学家柯尔莫哥洛夫(Kolmogorov)发表了名著《概率论的基本概念》(1933年)以后建立的.在这本著作中，他用近代测度论的思想，总结了前人的成果，提出了概率论的公理化体系，从而为近代概率论奠定了严密的理论基础.此后，随机数学的理论研究与广泛应用获得了飞速的发展，至今它的基本理论与思想已渗透到现代科学技术、经济、管理等各个领域.例如： (1) 概率论与随机过程论的研究为统计物理学奠定了数学基础，为布朗（Brown）运动、热噪声、物理现象、信息科学、现代金融等提供了数学模型. （2） 泊松（Poisson）信号流、马尔可夫过程、时间序列、数理统计在信息科学、生物医学、控制与预测等领域均有广泛的应用. （3） 随机运筹与数理统计已成功地应用于管理科学、通信、生产与销售、随机环境与竞争条件中的决策优化等方面. （4） 随机数学与其他数学分支有愈来愈明显的相互渗透，...