《Introduction to Probability》简评及其学习方法
出于金融工程专业的需要,我不得不补充一部分概率论的知识(作为Ross《应用随机过程导论》的先导内容),出于对MIT《线性代数》课程高质量的信赖,在学习概率论时,我也同样选用了MIT的概率论教材——Bertsekas&Tsitsiklis的《Introduction to Probability 》(《概率导论》)。尽管Ross的书也有前置的概率论初步,但真正学习一本初级概率书籍也是不可缺少的。
如果你也希望未来能够从事quant相关方面的工作,学习概率统计方面的书籍是很有必要的。我也会在文章末尾简要解释一下我将来的学习路径。
首先说明一下,我为什么要采用简评的方式来“复习”《概率导论》,而不是采用笔记的形式。一是使用LaTeX记笔记比较花费时间(本人的码字速度也不是很快);二则是由于水平所限,加上初次学习概率论的内容,如果真的写成笔记也基本上是抄书,很难有自己的见解,反而会产生一种虚假的安心感,这是我不希望看到的。因此我选用简评的方式,简要地谈论自己对于整本书以及部分章节内容的看法,也便以后续的进一步学习修正和交流。
欢迎在评论区留下自己的看法!
- 总评
那么,话不多说,让我们进入正题:
总体来说,《概率导论》是一本很棒的概率论入门书籍,章节设置合理,例子适中,讲解清晰自然,习题质量很高。从内容阐述上看,《概率导论》对于知识点的讲解方式大多数都是通过例子实现的,举例一般比较贴近现实,实在理解概率思想之余,又锻炼了相关的应用能力。从内容设置来看,《概率导论》的内容丰富,不需要预备知识,关于初等概率论的内容几乎都有涉及(哪怕有些只是浅尝辄止),不得不说,通过学习《概率导论》你可能能够了解一些其他教材未能解答的问题。从习题角度上看,《概率导论》的习题质量较高,且对于部分难题给出了解答。这里强烈建议至少认真看懂这些难题的解法或证明,事实上,这些问题中大多蕴含着更深的背景。对于金融工程方向的同学来说,《概率导论》的难度并不是很大,贴近工科应用式的教学也让学生摆脱了传统数学教材“定义-公式-定理”的“不近人情”,十分适合作为入门教材.
2.章节介绍
我只学习了第1-7章(也就是概率部分),统计部分暂时没有学习。
关于章节安排
前两章对于具备高中概率统计基础的学生来说,既是复习也是学习新的知识,应该能够在两天内结束学习(每天学习1.5-2个小时的情况下),再花上一天做习题,总体而言比较轻松。从第三章开始,新的知识密度开始显著增加,但理解上仍然不难,争取在10天内结束第三章及其部分习题。对于后续的几个章节,难度逐渐增大(如果不是很急,统计部分可以暂时不看),总体花一个月左右的时间结束学习。
第一章:样本空间和概率
可以适当跳过部分内容(不过并不建议),可重点看“条件概率”和“全概率定理和贝叶斯准则”两节。在我的印象当中,这两节的内容尽管难度不高,但极易出现理解上的错误。《概率导论》对于“条件概率”的处理值得一看,能够在一定程度上帮助你理清逻辑。
第二章和第三章:随机变量(重要)
具备高中概率统计基础的学生应该不难看懂相关内容,从第三章开始涉及微积分,注重从几何直观进行学习。建议仔细品味书中的插图,多做相关习题,尽量将这一部分做的更加扎实,有助于后续的学习。其中,多个随机变量的相关内容对于多元微积分的要求不低,但是在习题中较少涉及,如果没有完全掌握也不用担心。“条件”部分仍然是重中之重,一定要好好掌握,后续的随机过程还会用到。
第四章:随机变量理论的进一步深入
本章作为选读内容(与后续5-7章没有必然联系),对于一些更深入的内容进行了一定的介绍。我认为概率密度函数和协方差几乎是必看内容,协方差在计量经济学中的重要地位自然不用多说,金融工程几乎必修的“时间序列分析”也会对这一块有一定要求,建议深入学习,对于矩母函数等内容,尽管对某些问题有奇效,但初次学习完全可以暂时跳过。况且本书对于矩母函数的来历和原理都没有一个详细的介绍,很难通过琐碎的内容真正了解矩母函数。
习题一定要认真做(或者认真看解析),你的收获会很大,甚至提前窥见后续的一部分内容。
第五章:极限理论
很遗憾,作为一本工科性的教材,《概率导论》将概率论最“核心”的几个重要定理和不等式进行了一定压缩,深入学习这部分内容可能需要一些数学分析的背景,而这一部分在实际当中的应用又往往不是特别多,我的建议是:尽量理解定理的“精髓”,不要过分纠结于细节和证明。习题也可以少做一些。
这里实际上谈到一个问题,金融工程专业是否应该学习数学分析呢?据我了解,一部分学校的经管专业学生是要求学习数学分析的,数学分析在面对很多后续知识时,确实会有一定帮助,但是作为经管专业的学生来说,可能没有特别多的时间去研读数学分析,且很容易消磨自己的计算能力,建议量力而行。也可以在学习完高数之后对于数学分析进行一定的背景补充(详细可以看文章末尾的路径规划)。
第六章:随机过程入门
作为随机过程的导入部分,作者很贴心地安排了Poisson过程和Bernoulli过程两个基础模型,难度不大,与随机过程“灵巧多变”(也就是恶心)的特点有所差异,是很好的启蒙章节。不过本章习题的灵活性较强,虽然很多习题都标了星号,但还是有少部分比较难处理,也不必过于担心。
同时,习题中的很多问题的解答都很直觉化,建议仔细研读,培养对于随机过程的直觉。
第七章:Markov链
这一部分应该是最激动人心的一章,也是难度最高的一章。幸运的是,高三的时候为了研究高考“概率”压轴题,曾经自学过一部分Markov链,初步接触了转移矩阵,状态空间之类的概念,倒也不算完全陌生。与此同时,我也要指出,作为一本概率论的入门书籍,《概率导论》对于Markov链的讲解并不是非常完美,是具备一定难度的,学习时可以在知乎或者其他网站上找一些文章帮助理解(买一本随机过程就没有必要了)。当然也不需要过分纠结这一部分内容,毕竟只是作为Ross的应用随机过程的先导内容,有关随机过程的知识在Ross当中会有超多的例子帮助理解(Ross的书例子真的超级丰富)。
另外,最近在学习动态规划的时候,发现动态规划和Markov链这一块好像有一定的联系。
3.总结与建议
读这本书一定要注重对于概率直觉的培养,多去看看插图,多计算,多做题。经过长时间的学习,我相信你能够建立起一个不错的概率论基础,并接着向随机过程迈进。
另外对于翻译问题,我自己读的就是中文版,总体来说,并没有很多明显的错误,翻译风格总体来说还是平易近人,在追求“性价比”的情况下可以阅读中文版。
但是如果你是学习Ross的《应用随机过程》,强烈建议阅读英文原版。
最后的最后,来简单谈论一下金融工程我计划的学习路径:(虽然我现在也才大一下)
大一上:
1.龚升《简明微积分》+《陶哲轩实分析》(学有余力的情况下)
2.平狄克《微观经济学》(一定要学好)
寒假:
1.MIT Linear Algebra课程+Sheldon Axler《Linear Algebra Done Right》(其实对于一般学生可能Lay的《线性代数及其应用》更好)
2.背六级单词(以便后续背TOEFL单词,仅限于希望出国的同学)
大一下:
1.《Introduction to Probability》,补充概率论基础知识。
2.学习一部分Python的基础语法和应用,推荐《Python编程:从入门到实践》(更有追求的同学可以考虑《C++Primer》或者听Brauch的C++课程)
3.出于自己的函数式编程的兴趣,买了《SICP》(已经学习了基础的Scheme语言)
4.保持3.8以上的GPA(期末早点开始准备)
暑假:
1.找几个简单的Python实践项目,多写代码,提高自己的实战能力
2. 背TOEFL单词,相关的考试模块进行一定的训练,争取大二考一个不错的成绩用于交换。
3.(可以开始读John Hull的《Options, Futures and Other Derivatives》)
大二上:
1.读Ross的《应用随机过程》(看完核心部分即可,如果没有完成延续到寒假)
2.继续训练TOEFL
3.看时间松紧,可以学习C++
大二下开始修双学位的话,可能考虑数学或计算机双学位吧…
暂时规划到这里,毕竟往后的事情难以预料,仅作为一个参考~
祝大家都能申一个好学校或者找到属于自己的那一份工作!