《从掷骰子到阿尔法狗：趣谈概率》读后感精选

　　《从掷骰子到阿尔法狗：趣谈概率》是一本由张天蓉著作，清华大学出版社出版的平装图书，本书定价：45.00元，页数：230，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《从掷骰子到阿尔法狗：趣谈概率》精选点评：

　　●之前的概率没学好，看了这本才有点感觉

　　●原创科普里很牛的作者

　　●该补的一课，多了解些概率

　　●看这本书的时候都在想，如果课本能写得这么有趣，就不会学不好概率了(*^▽^*)

　　●张老师的书每本必买，难得的华人科普作家。

　　●还行，好多概念只有引入，没有准确的名词解释和例子，没有到位，需要配合维基、知乎一起看才能理解。

　　●讲了概率论的发展史，深入浅出，讲的比较深，也比较易懂，学派之争说的也很清楚，终于把见过很多次的贝叶斯的核心思想给搞懂了，冲这一点就要给五星

　　●概率论科普

　　●概率的有些定义和定理都挺“反常识”，所以才有趣。本书涉及的面挺广，从传统概率论到图论到人工智能，但就是叙述说明有些生硬，条理性差些。本科也学过《概率论与数理统计》，不能说都忘光，但也仅记得一些公式和定理的大致思想而已。许多学过的课程就是这样，学过不用很容易忘。但其实学习恰恰就是为了“忘记”，忘记那些细节，因为知识更新很快；记住那些思想，因为方法论的东西还能用上。只要学过，再次拾起也比从零开始的快。

　　●有时候引入了概念却再也没有填坑……

　　《从掷骰子到阿尔法狗：趣谈概率》读后感(一)：好科普书

　　深入浅出，老少皆宜，理论通俗，实例丰富。如今的社会，处处皆为变数，事事都谈概率，此书从通俗的实例出发，将读者带进概率统计的大门，值得大家一读。该书也深入探究随机过程及其应用，从最简单的掷骰子等赌博游戏，一直到如今热门的人工智能，都有概率论和统计学的身影。书中也谈到统计中的频率学派和贝叶斯学派，以及两派观点在其他领域的影响和应用。

　　《从掷骰子到阿尔法狗：趣谈概率》读后感(二)：作为科普，也不妨读读

　　1. 这本书启发了我的一个思考：原来概率并不只能以客观物体为研究对象，也可以以从事这个客观物体的动作为研究对象，比如抛硬币，既可以研究出现正面的概率——这是以硬币这个客观物体为研究对象，也可以研究人抛出正面的概率——这是以人的行为为研究对象。当然，在这个最简单的例子中，二者是等价的，但在一些稍微复杂的情况中，二者可以产生不同的结果，或者产生一些乍看起来很难解释的悖论，这也是书里所谓的“概率学派”和“贝叶斯学派”的区别(我是这样理解的，并不一定正确)。

　　2. 我们实际生活中，很难完全照搬书上的一些结论，毕竟那更多是理想情况下的，典型例子便是所谓的“首位数定律”：一堆数字，从概率上来说，0-9这十个数字出现的概率是相等的，但实际上这9个数字出现的概率并不相等。

　　3. 原来登录账号时，填写图片中的字母或数字，叫做“图灵测试”，是图灵发明的、为了检测你是否是机器人的一个应用。

　　4. 虽说赌徒谬误很容易理解：你连输9场，并不代表第10场赢的概率就变大了。但赌钱等行为活动中，又并不是真想完全按照理性行事啊。

　　5. 没有读完，暂时没继续读下去的兴趣了。

　　《从掷骰子到阿尔法狗：趣谈概率》读后感(三)：文章汇集，读完有点收获，但是缺乏系统性

　　本书读上去像是文章汇集，缺乏成书的系统性。要么纯粹科普讲故事，要么成系统性简明但是讲透部分知识。定位不清，有点四不像。不过从内容上读完还是蛮有收获的。

　　以下附上我的Kindle阅读标记：

　　赌徒谬误的来源是因为将前后互相独立的随机事件当成有关联而产生的。

　　大数定律就是说：当随机事件发生的次数足够多时，发生的频率趋近于预期的概率。

　　不得不承认中心极限定理的奇妙。在一定条件下，各种随意形状概率分布生成的随机变量，它们加在一起的总效应，是符合正态分布的。这点在统计学实验中特别有用，因为实际上的随机生物过程或物理过程，都不是只由一个单独的原因产生的，它们受到各种各样随机因素的影响。然而，中心极限定理告诉我们：无论引起过程的各种效应的基本分布是什么样的，当实验次数n充分大时，所有这些随机分量之和近似是一个正态分布的随机变量

　　中心极限定理从理论上证明了，在一定的条件下，对于大量独立随机变量来说，只要每个随机变量在总和中所占比重很小，那么不论其中各个随机变量的分布函数是什么形状，也不论它们是已知还是未知，当独立随机变量的个数充分大时，它们的和的分布函数都可以用正态分布来近似。这就是为什么实际中遇到的随机变量，很多都服从正态分布的原因，

　　“组成我们的客观世界，有三大基本要素：除了物质和能量之外，还有信息。” 美国学者、哈佛大学的A.G．欧廷格（A.G.Oettinger）对这三大基本要素作了精辟的诠释：“没有物质，什么都不存在；没有能量，什么都不会发生；没有信息，什么都没有意义。

　　用通俗的话来说，最大信息熵原理就是当你对一个随机过程不够了解时，你对概率分布的猜测要使得信息熵最大。熵最大就是事物可能的状态数最多，复杂程度最大。换句话说，对随机事件的预测要在满足全部约束条件下，保留各种可能性。

　　另一个例子是买股票投资的时候，专家会建议你买各种类型的不同股票。“不要把鸡蛋放在一个篮子里！”投资专家这样解释。这句话的意思，其实就是警告你要遵循最大熵原理，对难以预测的股票市场，最好的策略是尽可能多地保留各种可能性，才能降低预测的风险。

　　如果我们只掌握关于分布的部分知识，应该选取符合这些知识，但熵值最大的概率分布。因为符合已知条件的概率分布一般有好几个，熵最大的那一个是我们可以做出的最随机、最符合客观情况的一种选择。杰恩斯从数学上证明了：对随机事件的所有预测中，熵最大的预测出现的概率占绝对优势。

　　接下来的问题是：什么样的分布熵值最大？对完全未知的离散变量而言，等概率事件（均衡分布）的熵最大。

　　《从掷骰子到阿尔法狗：趣谈概率》读后感(四)：人人都有必要了解点概率

　　这是一本写给对概率统计及应用有兴趣的非专业读者的书，目的是帮助他们理解高科技发展中概率统计等概念的意义。本书写作中以悖论、谬误、以及一些饶有趣味的数学案例作先导，引起读者的兴趣和思考，在解答问题的过程中讲述概率论中的基本知识和原理，及其在物理学、信息论、网络、人工智能等技术中的应用。书中介绍的著名趣味概率问题包括赌博点数分配问题、赌徒谬误、高尔顿钉板、几何概型悖论、酒鬼漫步、德国坦克问题、博士相亲、中国餐馆过程等。通过讨论这些简单有趣的例子，让读者了解概率统计中的重要概念，诸如随机变量、期望值、贝叶斯定理、大数定律、中心极限定理、马尔可夫过程、深度学习等等。

　　针对概率论，有法国牛顿之称的拉普拉斯（1749年-1827年）曾说： “这门源自赌博机运之科学，必将成为人类知识中最重要的一部分，生活中大多数问题，都将只是概率的问题。”

　　两百多年之后的当今文明社会，证实了拉普拉斯的预言。这个世界充满了不确定性，作为数学领域的一个重要分支，概率的基本概念早已渗透到人们的工作和生活当中，小到人人都可以买到的彩票，大到如今热度不减的各种大数据，还有近年来突飞猛进的人工智能技术，包括打败人类顶级围棋手的“阿尔法狗”和自动车辆使用的“深度机器学习”算法，都与概率论密切相关。

　　因此，人人都有必要学点概率论，了解一下概率与统计有哪些基本理论？世界是随机的吗？它们是如何被应用到现代科学及人工智能中的？然而，因涉及到复杂的数学计算等问题，这个领域使公众望而生畏。本书目的旨在尽可能地跳出数学公式，用平铺直述的话语将概率与统计中一些艰深的概念转为公众更容易理解的实际案例。

　　历史启迪思考，阅读使人受益。概率论本来就是从多种赌博游戏中诞生的，因此，本书第一章从概率论的诞生历史开始，继而通过介绍经典概率论中几个著名悖论，让公众了解大数定律、中心极限定理、贝叶斯定理等概率论中的基本概念及应用。

　　第二章主要介绍在现代概率论及应用中极其重要的贝叶斯学派。有趣的三门问题是一个经典问题，但却由此启发我们思考概率之本质，从而有利于介绍概率论中“频率学派和贝叶斯学派”的两派之争。多数概率论书籍均仅仅基于频率学派之观点而写成，而本书只在第一章中涉及古典概率论（即频率学派）的基本概念，之后便将贝叶斯学派颇为不同的思考方法，贯穿于本书的叙述中，这也是本书的特色之一。

　　概率描述的随机变量如何随时间而演化？这类由一系列随机变量而构成的“随机过程”，是在第三章中介绍的内容。随机过程这个听起来生涩的数学专业词汇，也被作者用“酒鬼漫步”的通俗例子解读得一目了然。

　　之后的第4、5、6章，分别简要地介绍概率论在统计物理、信息论、网络理论中的应用。同样地，作者努力避开说教式的言辞，把知识融入故事中，在讲解知识的同时，带给读者阅读故事、解读趣题的乐趣。紧接着，在最后一章中，提纲挈领地介绍人工智能中热门的深度卷积神经网络，尽管只能管窥蠡测，但从几个关键算法，也使读者对机器学习之奥秘能略知一二。

　　本书既可浅读，也能深究，尽量做到满足各个教育水平大众的阅读趣味。涉猎的知识范围广泛，将数学、物理、通讯、信息、计算机、人工智能多个领域，通过“概率”而串通到了一起。希望本书可以帮助读者更快速、更深刻地理解概率统计，将其应用于生活和社会，也可以让年轻人从游戏和趣题中学到知识，吸引他们踏进基础科学、人工智能、信息技术的大门。

　　当今社会：处处是概率，万物皆随机，悖论知多少，趣题相与析。大家都来读书解惑，玩玩有趣的概率游戏吧！

　　（作者自序）