《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：

　　●对于一个喜欢数学的人来说，这本书就跟小说一样好看，大数定理(墨菲定律)、学派之争、酒鬼漫步、老鼠与毒药 & so on，顺便捡回了老师教的

　　●概率论科普

　　●内容一般，

　　●有时候引入了概念却再也没有填坑……

　　●epub

　　●三门问题，醉酒回家。。。。好多有趣的内容

　　●文章汇集吧，缺乏成书的系统性，四不像

　　●【Kindle】看了写电子产业得到书过来了的，说实话其实一般，懂得人觉得太浅，不懂的其实也看不大懂吧

　　●作为科普书，内容广度是够了，但总觉得书中内容给人一种欲言又止的感觉，明明都说到点子上了，为何不往里再走走。案例举得很是丰富多彩，物理的、数学的、生活的，但有点杂碎了……

　　●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(*^▽^*)

　　《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）

　　《从掷骰子到阿尔法狗：趣谈概率》读后感(五)：寻找上帝的“随机变量”——读《从掷骰子到阿尔法狗：趣谈概率》

寻找上帝的“随机变量”——读《从掷骰子到阿尔法狗：趣谈概率》

1、引子

这本书挺有趣，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。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。

2、处处是概率，万物皆随机

在人类对世界规律的未知领域还在苦苦探索的部分，常常会将不可预测的现象归为随机（概率）事件，而影响这些事件发生的因子就是各种随机变量和随机过程。研究随机变量及其概率的数学理论，就叫做“概率论”。

在古典概率论的观点来看，概率就可以被粗糙地定义为事件发生的频率，即发生次数与总次数的比值。更准确地说，是总次数趋于无限时，这个比值趋近的极限。（典型的事件就是抛硬币）。

而作为现代人工智能及深度学习的理论奠基，贝叶斯学派却认为：概率一词所描述的并不是“对随机事件重复的频率”，而更像是对某种“不确定性”的度量。

思考概率的本质，认识到概率有其客观性，也有其主观性。这是频率学派与贝叶斯学派的重要分歧之一。

3、随机过程及马尔科夫链

我们知道了世界上有两类变量：确定变量和随机变量。确定变量遵循经典的物理规律：牛顿力学或麦克斯韦方程。

单粒子系统中粒子在三维空间运动的轨迹x（t），是牛顿第二定律所决定的与时间有关的运动方程的解。

电磁波遵循的规律是麦克斯韦方程的解。

而当随机变量的概率性质，涉及时间的概念，即随机变量随时间而动起来，便成为“随机过程”。

——我大致理解就是不同的随机变量，存在相互的依赖关系，这个关系用马尔科夫的方式来表示的离散随机过程，就是马尔科夫链。如深圳今天低温5摄氏度，明天继续低温和明天高温的概率就和今天的低温有依赖关系，且概率会大不相同。

4、熵理论

第四章又讲到我最感兴趣的热力学甚至哲学思想中最重要的概念：熵。

熵不是一个人人皆知的名词，却是物理学上很重要、很基本的概念。它诞生于热力学，但它的定义和意义被扩展到远远与热力学，甚至与物理学都完全不相干的领域，比如生物学和信息学。，“熵”诞生于热力学，亮相于物理世界，后来又走得远远的，来到宇宙学、黑洞物理、生物学、信息论、计算机学、生态、心理、社会、金融等领域，成为一个至今仍然十分令人迷惘的造成许多混乱的值得深究的科学概念。

——有兴趣的朋友可以自行思考这个哲学命题，我个人觉得很有意义：世界是熵增的，而有意义的人生应该是熵减的。（薛定谔语，此处不再展开）

那概率和熵有什么关系？

香农给出公式，不仅仅针对语言句子，而是针对一般的所谓“信息源”，用随机变量中所有可能事件信息量的平均值，来度量这个随机变量“信源”的信息，称之为“信息熵”，也叫信源熵、自信息熵等。

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。

——类比，股票市场的操作，就是因为它难以预测，所以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。

5、人工智能

第6、7章终于进入到人工智能和机器学习的领域，原来现代机器学习的理论基础就是马尔科夫、贝叶斯等人的理论基础所构建的多层卷积神经网络。

6、结语

总体来看，本书作者尽量用浅显的语言和生活中的实例如赌场、相亲、二战坦克生产量的评估等等，讲深奥的概率背后的数学理论通俗化，甚至还引出了苏格拉底关于婚姻和爱情的哲学问题，在学科上，串联起了古典概率论、量子理论、热力学“熵理论“，以及现在热的如火如荼的人工智能。

是一本不多见的、跨越多领域多学科的中级科普读物，对于部分专业领域的知识，完全可以跳过阅读，适合有一定工科背景的读者阅读。

三个石头

2021.1.10