本书的内容按当前理工院校同名课程体系展开，涵盖概率论和数理统计的主要课题。全书共分为 8 章：前4 章系统介绍概率论的课题，内容包括随机事件及其概率、随机变量及其分布、随机向量、 随机变量的数字特征，为后4 章讨论进行统计推断的数理统计方法构建一个明晰且严格的语境。后4 章的数理统计内容包括数理统计的基本概念、参数估计、假设检验、方差分析和线性回归，形成统计 推断的基本结构。 本书选择Python 的科学计算应用包，包括用于快速数组处理的numpy、用于统计计算的 scipy.stats、用于积分计算的scipy.integrate 和用于绘制2D 图形的matplotlib 等作为计算工具，对书中 每一节讨论的概率统计的计算问题，都给出详尽的Python 解法。

徐子珊,常年从事高校数学与计算机教学，著有《算法设计、分析与实现》、《从算法到程序》、《趣题学算法》等书籍。

前 言 随着1997年5月11日“深蓝”首次击败了等级分排名世界第一的人类棋手加里·卡斯帕罗夫，人工智能（AI）技术在人们面前渐渐揭开神秘的面纱。一时间，街头巷尾、职场课堂，人们言必称AI。多少青年学子、技术少年从此埋头于研读数据分析和深度学习。 所谓“智能”，笔者认为除了记忆力外，最主要的特征就是逻辑推理能力。人工智能技术就是要让机器具有记忆力和逻辑推理能力。数字存储技术已经解决了机器的记忆力问题，因此，当今的人工智能技术要解决的主要问题就是让机器具有逻辑推理能力。事实上，人们在日常生活中时时刻刻都在运用逻辑推理能力做出各种判断。与以“‘蕴含关系’：由A得B为永真式”为基础的“普通逻辑”不同，真实生活中绝大多数的推理过程是以“概率”为基础的：由A可能得B。这就决定了在当今的人工智能技术中，概率论和数理统计将扮演核心角色之一。这也是每当看到一段机器学习的论文或算法，眼中就会充斥“贝叶斯原理”“回归”“检验”“预测”“控制”等术语的原因。这意味着作为王者的数学将回归信息技术：要弄懂机器学习的算法机理，概率论与数理统计是必需的基础。另一方面，Python语言以其简单易学、表达形式几乎与数学相同且带有丰富的科学计算及机器学习开发软件包成为数据分析计算及人工智能开发业界新宠。无论是概率统计爱上朴实灵巧的Python，还是Python仰慕敦厚可靠的数学，两者一定会碰撞出绚丽的火花。本书是这绚丽的火花中的一点火星：近40年高校教龄的数学老师（徐子珊）教学经验及年轻的高级研发工程师（曼彻斯特大学硕士、勃兰登堡理工大学博士徐若愚）研发技术的结合。 数理和信息类书籍，例题是读者与作者...