“概率论与数理统计”是计算机科学、大数据、人工智能的数学基础课程，本书是其Python版的实验教材，可作为高等学校工科、理科概率论与数理统计课程配套的实验教材，也可供计算机科学与技术、大数据分析等相关专业人员参考。本书将经典数学知识与计算机结合，以动态的、面向对象的脚本语言Python为实验工具和操作平台，通过具体的实验引导学生对理论进行深入理解，研究随机数据的特征，从应用角度学习数学知识。通过本书的学习，能够让学生巩固所学的理论知识，学会利用Python及相关功能库解决实际问题的方法，有效锻炼学生的数学思维能力。

第1章 Python基础
1.1 安装和配置Python IDLE
1.2 Python语言简介
1.3 常用的语法和命令
1.4 习题
第2章 随机事件及其概率
2.1 样本空间与随机事件
2.2 概率及其性质
2.3 古典概型和几何概型
2.4 条件概率
2.5 独立性
2.6 习题
2.7 古典概率问题的Python实验
第3章 随机变量及其分布
3.1 随机变量
3.2 随机变量的分布函数
3.3 离散型随机变量及其分布律
3.4 连续型随机变量及其概率密度
3.5 随机变量的函数分布
3.6 习题
3.7 常见分布的Python实验
第4章 多维随机变量及其分布
4.1 二维随机变量
4.2 边缘分布
4.3 条件分布
4.4 相互独立的随机变量
4.5 两个随机变量的函数分布
4.6 习题
4.7 二维随机变量的Python实验
第5章 随机变量的数字特征
5.1 数学期望
5.2 方差
5.3 协方差及相关系数
5.4 矩阵和协方差矩阵
5.5 习题
5.6 常见分布的数字特征的Python实验
第6章 大数定律及中心极限定理
6.1 大数定律
6.2 中心极限定理
6.3 中心极限定理应用实例
6.4 习题
6.5 大数定律及中心极限定理的Python实验
第7章 数理统计的基本概念
7.1 随机样本
7.2 抽样分布
7.3 样本均值与样本方差的应用举例
7.4 习题
7.5 数理统计基本概念的Python实验
第8章 参数估计
8.1 点估计
8.2 估计量的评选标准
8.3 区间估计
8.4 正态总体均值与方差的区间估计
8.5 习题
8.6 参数估计中的Python实现
第9章 假设检验
9.1 假设检验的基本概念
9.2 正态总体均值的假设检验
9.3 正态总体方差的假设检验
9.4 习题
9.5 假设检验的Python实验
参考文献