Fundamentals of Probability¶
课程简介¶
- 机构： MIT
- 课程编号： 6.436J
- 方向： 概率、统计与随机过程
- 评级： A
- 角色： 补充
- 难度： 提供方未标准化（请按先修判断）
- 最近复核： 2026-07-28
MIT 的《Fundamentals of Probability》为概率统计方向提供研究生层次的严格补充；讲义公开，但习题与考试缺少答案，反馈链不完整。
为什么选择这门课
补充课程，核心内容可靠，适合按自身背景作为主课或高质量替代。（审阅记录：A-）
学习前准备
- 建议先完成方向基础：工程数学
可验证的学习成果
- 解释概率、统计与随机过程中的核心模型，并说明主要假设与适用边界
- 独立完成代表性推导与题目，并用量纲、极限情形或数值结果交叉检查
工时与节奏
5 周，每周 4 小时。 这是维护者规划估计，依据课程角色与公开练习、实验密度生成，不是提供方工时承诺。先试学两周，分别记录授课、练习、实验和复盘时间；若实际偏差超过 25%，据实调整剩余计划。
安全等级
仅仿真。 默认实践范围仅限软件、计算或仿真；不得因资源清单中的“实验”标签自行连接实体设备，任何硬件扩展都必须重新核对提供方范围并进行风险评估。
课程资源¶
软件、硬件与成本
软件
- 维护者建议的开源/免费验证路径：Python 3、Jupyter、NumPy、SciPy、pandas、statsmodels 与 Matplotlib
- 资源清单未标注公开代码覆盖；上述工具仅用于维护者建议的独立验证，不代表提供方要求
硬件
- 资源清单未标注公开实体实验覆盖；维护者路径默认采用计算/仿真。只假设可重复运行统计 notebook 并保留数据快照的通用计算机；不假设专用实体硬件。提供方如另列设备或算力要求，以其课程页面为准
成本说明
建议软件栈可开源或免费使用；这只是维护者规划，不是提供方要求。商业许可证、云计算、存储和机构资源如被提供方指定，其费用随方案、地区与机构而变，本文不设固定价格。
公开资源完整度
| 资源类型 | 完整度 |
|---|---|
| 视频 | 无公开材料 |
| 讲义 | 完整 |
| 练习 | 部分 |
| 实验 | 无公开材料 |
| 考试 | 部分 |
| 代码 | 无公开材料 |
资源与访问条件
| 资源 | 访问 | 许可 | 状态 | 复核日期 |
|---|---|---|---|---|
| 课程主页 | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Assignments | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Problem Set 1 (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Problem Set 10 (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Problem Set 11 (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Optional Problem Set 12 (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Problem Set 2 (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Problem Set 3 (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Problem Set 4 (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Problem Set 5 (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Syllabus | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Exams | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Final Exam (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Midterm Exam (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Calendar | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Conditioning and Independence (PDF). | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Discrete Random Variables and Their Expectations (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Abstract Integration I (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Abstract Integration II (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Continous Random Variables I (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Continous Random Variables II (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Derived Distributions (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Convergence of Random Variables (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
| Infinite Markov Chains. Continuous Time Markov Chains (PDF) | 无需注册公开访问 | CC BY-NC-SA 4.0 for site materials; third-party exclusions may apply | 官方页已列出 | 2026-07-28 |
“官方页已列出”表示核验日从成功访问的官方来源页发现该链接，不保证目标文件在所有地区或账号状态下都能直接打开。访问不代表获得再分发权；下载、改编或公开发布前，应重新核对提供方页面、目标链接及其中第三方材料的许可。
实践与验收¶
实践闭环
《Fundamentals of Probability · MIT 6.436J》随机估计器校准与失效研究
这是维护者为《Fundamentals of Probability · MIT 6.436J》建议的自学项目，不是课程官方作业。围绕概率、统计与随机过程构建一个可控随机数据生成器与估计器，检验偏差、方差、覆盖率和分布漂移下的稳健性。
来源： 维护者建议项目
交付物
- 一个明确概率模型、参数真值和独立随机种子的合成数据生成器
- 至少一个基线估计器和一个改进估计器的源代码与复杂度说明
- 不少于 1000 次重复试验的原始样本、估计值、置信区间与汇总表
- 一份报告，比较偏差、RMSE、覆盖率，并分析小样本、重尾或相关噪声失效
验收
- 在标称分布下，1000 次试验的相对偏差低于 2% 或给出理论偏差解释
- 名义 95% 区间的经验覆盖率落在 92% 至 98% 之间
- 用解析矩或第二个统计库交叉核对均值、方差和至少 3 个分位数
- 将噪声改为重尾或相关过程，量化 RMSE 与覆盖率相对基线的退化
复现要求
- 提交生成器、估计器、测试与作图的版本化源文件和 README
- 固定环境、依赖、随机数算法和全部种子，并提供单命令批量试验
- 保存逐次试验原始数据与校验和，报告必须从原始数据自动重建
安全边界： 仅仿真 — 仅使用合成数据；不得把练习得到的统计结论用于真实个体、临床决策或安全关键预测。
风险、缺口与边界
课程严谨度达到研究生层次；公开的习题集与考试均未提供答案。
完成证据
- 按周学习日志：投入时间、问题、错误订正、决策、下一步，并链接本周可复现产物
- 理论推导档案：逐项列出假设、符号、推导、单位与边界条件，并用至少一种独立方法复核
- 仿真包：模型或网表、输入、求解器与版本、参数扫描脚本、基准对照、预期结果及一条重新运行命令