- 说明概率论的研究对象，以及"随机性"与"不确定性"的含义；
- 了解概率概念的起源与公理化进程的历史脉络；
- 列举概率论在保险、统计、物理、计算机与金融等领域的典型应用；
- 掌握本教程的整体结构，了解各章之间的逻辑依赖关系；
- 熟悉全书使用的记号约定（样本空间、事件、概率、期望等）。
1. 概率：刻画不确定性的数学
我们生活在一个充满不确定性的世界里：明天的天气、一场比赛的结果、一台设备还能运转多久、下一分钟到达服务器的请求数——这些现象的共同特点是：个别结果事先无法确切预知，但在大量重复观察之下却呈现出稳定的规律。概率论(probability theory)正是研究这种随机现象(random phenomenon)的数学分支：它为"可能性"提供精确的语言、严格的运算规则，以及从数据中推断规律的理论根基。
概率论的一个基本立场是：随机不等于无规律。单掷一枚硬币，我们无法预言正反；但将硬币掷一万次，正面出现的比例几乎必然接近 \(1/2\)。这种"个别不可预言、整体呈现稳定"的性质称为统计规律性(statistical regularity)，它是整个学科得以建立的经验基础，其理论保证正是本教程第 8 章的大数定律(law of large numbers)。
在一定条件下可以重复进行、全部可能结果事先已知、而单次结果无法确定的试验，称为随机试验(random experiment)，常用字母 \(E\) 表示。试验的每一个可能结果称为一个结果(outcome)，全体结果构成的集合称为样本空间(sample space)，记作 \(S\)。
例如：掷一颗骰子是一个随机试验，样本空间为 \(S=\{1,2,3,4,5,6\}\)；测量一只灯泡的寿命，则 \(S=(0,\infty)\)。样本空间与事件的严格定义将在 2.2 节给出，这里只需建立直观印象。
观察下面两个现象，指出它们分别体现了随机性的哪个侧面：(a) 掷一颗骰子得到的点数；(b) 一条生产线上的产品是否为次品。
2. 历史脉络：从赌桌问题到公理体系
概率论的发端颇具戏剧性：1654 年，法国贵族德·梅雷(De Méré)向数学家帕斯卡(Pascal)提出了一个赌金分配问题——一场进行到中途的比赛应当如何公平地分配赌注？帕斯卡与费马(Fermat)的通信给出了解答，这次通信被公认为概率论的起点。此后，惠更斯(Huygens)于 1657 年出版第一部概率论著作；伯努利(Bernoulli)在 1713 年证明了大数定律的第一个结果（"频率稳定到概率"）；拉普拉斯(Laplace)在 1812 年的《概率的分析理论》中将分析方法系统引入概率论；最终，柯尔莫哥洛夫(Kolmogorov)于 1933 年以三条概率公理(axioms of probability)奠定了现代概率论的严格基础——本教程第 2 章的展开顺序，正是沿着这条"从直观到公理"的路线设计的。
两名水平相当的赌徒约定先胜 \(n\) 局者赢得全部赌金，当比分进行到 \(a:b\)（均未达到 \(n\) 胜）时赌博被迫中断。问题是：赌金应按什么比例分配？直观的"按已胜局数分配"并不公平——帕斯卡指出，应当按"若继续赌下去各自获胜的概率"分配。这一思路第一次把"未来不确定性"量化为可比的数，是期望概念的雏形（期望的严格定义见 4.3 节）。
3. 随机现象无处不在：应用一瞥
今天的概率论早已远离赌桌，成为科学与工程的基础语言。以下列举数端，它们都将在本教程的具体章节中反复出现：
- 保险与风险管理：用二项分布与泊松分布刻画赔案件数（4.6、4.7 节），用中心极限定理估计总赔付风险（8.3 节）；
- 统计物理：把粒子随机分配到能级，本质是第 1 章的计数问题；粒子寿命的指数分布与无记忆性见 5.5 节；
- 通信与排队：呼叫到达的泊松过程、指数到达间隔（5.5、4.7 节）；
- 统计推断与机器学习：样本均值与样本方差的分布性质（7.7 节）是一切统计推断的基石，贝叶斯公式（3.3 节）是贝叶斯学派的命名来源；
- 可靠性与系统设计：串联/并联系统的可靠度（3.4、6.6 节）；
- 计算机模拟：蒙特卡洛方法以大数定律为合法性依据（8.4 节）。
4. 本教程的结构与使用方法
本教程严格依据 Sheldon M. Ross《概率论基础教程》(A First Course in Probability)的章节体系展开，共八章：前两章搭建"数样本点 + 公理化"的地基，第 3 章引入最重要的条件概率观点，第 4、5 章分别研究单个离散型与连续型随机变量，第 6 章转向多个随机变量的联合行为，第 7 章系统挖掘期望的性质，最后第 8 章以极限定理收束全书——为"频率稳定""正态普适""模拟可信"提供终极解释。
如何使用本教程：每一节都包含"学习目标—正文（定义、定理与证明、例题、插图）—小结—练习"。例题与练习取材于 Ross 原书的经典问题风格，练习的答案与提示可点击展开。记号约定如下表，全书统一使用。
| 记号 | 含义 | 首次出现 |
|---|---|---|
| \(S\) | 样本空间 | 2.2 节 |
| \(E, F\) | 事件 | 2.2 节 |
| \(P(E)\) | 事件 \(E\) 的概率 | 2.3 节 |
| \(EF\), \(E\cup F\), \(E^c\) | 交、并、补 | 2.2 节 |
| \(P(E\,|\,F)\) | 条件概率 | 3.2 节 |
| \(X, Y\) | 随机变量 | 4.1 节 |
| \(p(x)\), \(f(x)\) | 分布列 / 密度函数 | 4.2 / 5.1 节 |
| \(F(x)\) | 分布函数 | 4.1 节 |
| \(E[X]\), \(\mathrm{Var}(X)\) | 期望与方差 | 4.3 / 4.5 节 |
| \(\sim\) | "服从（某分布）" | 4.6 节 |
5. 本节小结
- 概率论研究个别结果不可预知、整体呈现统计规律性的随机现象；"随机不等于无规律"。
- 学科起源于 1654 年帕斯卡–费马关于赌金分配的通信，1933 年由柯尔莫哥洛夫公理化。
- 概率论是保险、物理、通信、统计推断、可靠性与模拟等领域的共同语言。
- 全书沿"计数 → 公理 → 条件概率 → 离散 → 连续 → 联合 → 期望性质 → 极限定理"的路线展开。
- 进入下一节之前，请熟悉表 1 的记号——它们将贯穿全书。
练习
练习 1-1-1
举出你所在专业中的两个随机现象，说明哪一个适合用"等可能结果"模型，哪一个需要通过数据估计概率。
答案与提示等可能需要对称性支撑（如抽签、掷骰、随机分组）；需估计的如及格率、故障率、转化率。关键判据：是否有人在结构上保证了"对称"。
练习 1-1-2
赌金分配问题：甲乙各押 32 枚金币，约定先胜 3 局者赢得全部 64 枚。甲已胜 2 局、乙已胜 1 局时中断，按帕斯卡的观点应如何分配？
答案与提示继续比赛最多再赛 2 局，枚举四种等可能结局，甲最终获胜的情形占 \(3/4\)（乙必须连胜两局才逆转，概率 \(1/4\)）。故甲分 \(64\times 3/4=48\)，乙分 \(16\)——而不是按当前比分 2:1 分成 \(42.7\) 与 \(21.3\)。
练习 1-1-3
"抛一枚硬币 10 次全部正面，第 11 次更可能是反面"，这一说法错在哪里？
答案与提示若硬币均匀且各次独立（第 3 章），每次正反概率均为 \(1/2\)，历史结果不改变未来。人们的直觉错误在于把"小概率事件已发生"误当作"补偿机制"启动。若怀疑硬币不均匀，那恰是贝叶斯推断（3.3 节）的用武之地。