Bibliografía: p. 607-608.

Preface -- 1. Probability and counting -- 2. Conditional probability -- 3. Random variables and their distributions -- 4. Expectation -- 5. Continuous random variables -- 6. Moments -- 7. Joint distributions -- 8. Tranformations -- 9. Conditional expecttion -- 10. Inequalities and limit theorems -- 11. Markov chains -- 12. Markov chain Monte Carlo -- 13. Poisson processes -- A: Math -- B: R -- C: table of distributions.

Desarrollado a partir de célebres conferencias en Harvard, Introducción a la probabilidad proporciona el lenguaje y las herramientas esenciales para entender la estadística, la aleatoriedad y la incertidumbre. El libro explora una amplia variedad de aplicaciones y ejemplos, que van desde las coincidencias y las paradojas hasta el PageRank de Google y la cadena de Markov Monte Carlo (MCMC). Otras áreas de aplicación exploradas son la genética, la medicina, la informática y la teoría de la información.　
Los autores presentan el material en un estilo accesible con conceptos del mundo real. A lo largo de todo el libro, utilizan historias para descubrir las conexiones entre las distribuciones fundamentales de la estadística y el condicionamiento para reducir los problemas complicados a piezas manejables.
La segunda edición añade muchos ejemplos, ejercicios y explicaciones nuevos, para profundizar en la comprensión de las ideas, aclarar conceptos sutiles y responder a los comentarios de muchos estudiantes y lectores. Se han desarrollado nuevos recursos complementarios en línea, que incluyen animaciones y visualizaciones interactivas.

Traducción realizada con la versión gratuita del traductor www.DeepL.com/Translator