人生就是不斷尋找更優解的過程，

善用數學，就能重新求證我們的人生！

看《甄嬛傳》跟寫好論文有什麼關係？

微軟和蘋果是如何成功的？

股票什麼時候漲，什麼時候跌？

什麼才是好的設計？

把數學智慧，運用於日常人生！

19種數學工具，引領你探尋數與理的浪漫，

把複雜的世界簡單化，解決工作和生活中的大小難題！

小到電鍋為什麼不會糊底，筷子夾不起來豌豆怎麼辦；大到股票的漲跌、如何更好的與人相處、選擇自己的職業……這些看似與數學無關的問題，其實都蘊含著深刻的數學思維。

本書除了以文科生都能懂的方式，讓我們既可以從生活中的知識和經驗理解數學，還可反推以數學思維解釋人生。讀完本書不但能受到啟發，還可練就以理性的視角更深刻地思考問題。

【本書特色】

★一本人人看得懂的有趣數學思維書！不論曖昧的人際關係、懸而未決的經濟問題、你最迫切想知道的投資決策……都能用數學思維輕鬆解決！

人與猴子最大的差別，就是人類發明了數學，讓我們能更看清這個世界，

並且做出精準預測。這本書充滿生活化有趣例子，幫助讀者重拾人類的長處。

──盧希鵬｜台灣科技大學資訊管理系教授

名人推薦

專業推薦

巧妙運用日常故事和經典案例來解釋數學概念，使其易於理解，同時也顯示了數學在我們生活中的重要性。是一本能引起讀者共鳴，以及給予我們編織新想法的書。──洪瀞｜《自己的力學》作者、成大副教授

人與猴子最大的差別，就是人類發明了數學，讓我們能更看清這個世界，並且做出精準預測。這本書充滿生活化有趣例子，幫助讀者重拾人類的長處。──盧希鵬｜台灣科技大學資訊管理系教授

作者用他豐富的研究經驗和對生活的深刻理解，將演算法與生活聯繫起來，讓我們既可以用生活中的知識和經驗理解演算法，也可以用演算法解釋人生。──曹建農｜香港理工大學教授

看《甄嬛傳》和讀學術論文有什麽內在聯繫？作者從「主動預測＋在差距中學習」，引申出「監督式學習」。我讀完本書之後大受啓發，相信你也一定會受益良多。——張琳｜北京市大數據中心主任

透過分解看似複雜的數學公式，發現數學在日常工作和生活的妙用，啟發我們的數學思維，讓我們更理性地生活、更高效率地工作。——李永樂｜人大附中教師、科普影片創作者

本書告訴我們，面對不確定情況，如何用較小的代價達成自我目標，抓住問題的本質，利用機率思維做好決策。——戰隼｜知名自媒體warfalcon、100天行動發起人、時間管理達人

作者

劉雪峰

北京航空航天大學計算機學院副教授，博士生導師。2008年取得英國布里斯托大學博士學位。〈知識星球〉廣受歡迎的計算機大師。主要研究方向包括線性代數、訊號處理、人工智慧等。在全球期刊和國際會議上發表過70多篇學術論文。2018年榮獲中國高等學校科學研究優秀成果獎（科學技術）二等獎。執教的《小波信號與系統》在學院的課程教評中獲得滿分。

目錄

推薦序　用日常與數學豐富你的世界觀    洪瀞

推薦序　演算法與人生可互為借鑑    曹建農

前　言　機率的世界觀：靠努力提高成功機運

思維篇　用理性思維看待世界

第1章　雖不能保證結果，但可努力趨近目標──機率

˙平靜接受現實嗎？

˙「事在人為」還是「宿命論」

˙機率的世界觀

第2章　股票什麼時候漲，什麼時候跌？――不要低估「預測」

˙穀神星的發現

˙什麼是一個好的學習模型？

第3章　三個臭皮匠，未必勝過諸葛亮──多樣性紅利

˙多樣性帶來的紅利

˙方程組的多角度視野

˙對雜訊敏感的病態方程組

˙所有直線的交點，就是共識

第4章　頻繁的小確幸與偶爾的大幸福──摺積

˙小確幸與大幸福

˙對外界的輸入，進行輸出

˙用摺積解釋偶爾的大幸福和頻繁的小確幸

˙摺積思考在生活中的其他應用

第5章　像CPU一樣多工思考利與弊──啓發式演算法

˙從三種處理器看利弊

˙五石之瓠，大而無當？

˙NP難題的解決方案

˙用「可控的弊」換取「更大的利」

第6章　複雜現象背後的簡單規律――稀疏性

˙智取櫃的取件碼

˙稀疏的時間訊號和圖像

˙湧現

第7章　龐帝克汽車與香草冰淇淋──條件獨立

˙汽車和冰淇淋

˙條件獨立

˙條件獨立案例

˙穿夾克和車禍發生率

˙「春風吹又生」的邏輯問題

˙火警

˙情緒ABC理論

第8章　空氣清淨機與卡爾曼濾波器──訊息演算

˙如何計算空氣品質？

˙卡爾曼濾波器

方法篇　解決難題的策略和技巧

第9章　微軟和蘋果是如何成功的？──負回饋與正回饋

˙跑步的正向迴圈

˙控制系統中的回饋

˙正回饋

˙好壞正回饋的一線之隔

第 10章　什麼才是好的設計？──好的UI/UX都看重基準

˙如何用筷子夾豌豆？

˙什麼是好的設計？

˙如何設計一把錘子？

˙如何設計一口電鍋？

˙如何解決取票時忘了帶走身分證的問題？

第 11章　抓住本質，擺脫限制──模仿

˙玩具放大鏡

˙飛機和蒸汽帆船       

˙人工智慧的發展方向

˙研究生如何讀科技論文？

第 12章　夾娃娃機的致勝要訣──大數法則

˙大數法則

˙夾娃娃機的發展

第 13章　「執兩用中」的智慧──最小平方估計

˙執兩用中

˙無解的方程組真的無解嗎？

˙最小平方估計和執兩用中

第 14章　把大象裝進冰箱需要幾步？──函數微分

˙解決問題的兩種思路

˙兩種求函數極限值的方法

˙產品開發的兩種模型

˙寫論文的兩種模式

第 15章　怎樣切洋蔥才不會刺激眼睛？──變換的思維

˙如何切洋蔥？

˙「變換」的思維

˙傳輸中的變換

第 16章　為什麼年輕時應該多去闖闖？──類比退火演算法

˙解法1：解析解

˙解法2：梯度法

˙解法3：爬山法

˙爬山法的問題和解決方法

˙如何解決該問題：用隨機的方式接受不完美

˙類比退火演算法

學習篇　如何學習和表達？

第 17章　看《甄嬛傳》跟寫好論文有什麼關係？──主動預測

˙《甄嬛傳》的另類觀賞法

˙如何讀學術論文？

˙監督式學習

˙快速閱讀

第 18章　練就好的學習方法論，成為潛力股──AI學習模式

˙單任務學習3

˙多任務學習

˙遷移學習

˙元學習

第 19章　邏輯清晰的增量式表達力──奇異值分解

˙為什麼需要訓練表達力？

˙傳輸圖像的兩種模式

˙如何由主到次地增量式表達一個矩陣？

˙生活中使用這種表達方式的例子

試閱

第7章　龐帝克汽車與香草冰淇淋──條件獨立

先來講一個很有趣的故事。
汽車和冰淇淋
通用汽車有一個品牌叫龐帝克，相關部門曾經收到某位顧客的郵件投訴，該封信內容如下：
這是我第二次寫信給你，我不怪你不回覆我，因為我知道這聽起來很瘋狂，但它是一個事實。我家有個傳統：晚飯後去吃冰淇淋，每天晚上我們都開車去買不同口味的冰淇淋。我發誓我說的都是真的，我最近購買了一輛龐帝克，但是去買冰淇淋時我發現了一個問題：每當我買香草冰淇淋，汽車都發不動，但如果我買其他口味的冰淇淋，汽車就會很好地啟動。我非常嚴肅地看待這件事，不管你覺得我有多麼愚蠢，我都想知道，為什麼龐帝克每次遇到香草冰淇淋就無法順利發動？
汽車公司的經理雖然很懷疑事情的真實性，但還是派了一位工程師調查這個問題。工程師和車主見了面，約定一起去買香草冰淇淋，他們到了商店，買完冰淇淋，車子果真發不動了。 工程師盡量還原現場，並連著三天晚上開車去買冰淇淋。 第一晚，買巧克力口味的，車子啟動了。 第二晚，買草莓口味的，車子也啟動了。 第三晚，買香草味口味的，車子就不動了。 這到底是怎麼一回事？ 這位工程師非常細心，在這幾次和顧客一起買冰淇淋的過程中，他詳細記錄了過程中的每一個細節，並分析了這些細節，希望找出買香草冰淇淋的過程和買其他口味冰淇淋的過程中所有的不同之處。 真相果然隱藏在細節裡。工程師發現，買香草冰淇淋所用的時間遠比買其他口味的要短。 香草冰淇淋賣得最好，被放在距離商店門口最近的地方，不需要翻找，直接拿起來付錢即可。而其他口味的冰淇淋被放在商店較靠後面的位置，多種口味混合放在一起，不只要走到相應位置，還要翻找想要的口味，所花時間明顯比買香草冰淇淋更久。 購買時間和車子的啟動又有什麼關係？工程師對這個顧客的汽車進行了檢查，發現「氣阻」問題。氣阻通常在引擎較熱時產生，如果汽車的供油系統中出現氣阻，引擎吸燃料時，燃料的供應會變得斷斷續續，汽車會因此無法啟動或在行進間熄火。 這位顧客購買的龐帝克汽車就有氣阻的問題。購買其他口味冰淇淋花費的時間足以讓引擎冷卻，從而讓車順利啟動；而當顧客購買香草冰淇淋時，時間短，引擎過熱，氣阻無法及時消失，汽車因此無法啟動。 工程師解決了顧客汽車的氣阻問題，這位顧客以後在購買任何口味的冰淇淋時，再也沒有出現車子無法啟動的情況。
條件獨立
大部分人看完上述故事的收穫是：有時候問題看起來無解，但在冷靜思考後會發現它的確可以被解釋。不過，在本書中我想更深入地分析這個故事。故事中包含了一個數學概念──條件獨立。 條件獨立和條件機率有關。我先介紹什麼是條件機率。條件機率通常寫成P(A|C)的形式，即在事件C發生的情況下，事件A發生的機率。 例如，下雨天通常選擇搭車上班。在這個例子裡，C就是「下雨天」，A就是「搭車」，而P(A|C)就是一個接近1的機率值（下雨天通常會搭計程車）。如果去掉這個條件，P(A)就是一般情況下你搭計程車的機率（可以藉由統計一年有多少次搭計程車去上班得出）。明顯可見，P(A|C)和P(A)是不同的。 知道了什麼是條件機率，就可以給出條件獨立的定義。在數學上，如果事件A和事件B關於事件C條件獨立，那麼有： P(B|A, C ) = P(B|C ) P(A|B, C ) = P(A|C ) P(B|A, C )是在事件A和事件C同時發生的情況下，事件B發生的機率；P(B|C )是在事件C發生的前提下，事件B發生的機率。這個公式告訴我們，在條件獨立的情況下，這兩個機率是相同的。 為了更清楚地解釋這兩個機率相同的含義，我們假設有兩個人，他們都知道事件C發生了，但是第二個人除了知道事件C發生了，還知道事件A發生了。現在這兩個人要根據自己掌握的資訊，推斷出事件B發生的機率。 用數學公式來表達，第一個人要得到P(B|C )，而第二個人要得到P(B|A, C )。 一般來說，第二個人知道的訊息更多，其推斷出來的事件A發生的機率也會和第一個人不同。但是在條件獨立的前提下，P(B|A, C )= P(B|C )，這兩個人得出的結論完全一樣。 也就是說，如果事件A和事件B關於事件C條件獨立，那麼在知道事件C發生的前提下，知道事件A發生並不能幫助我們更好地推斷事件B發生的機率。 同樣有： P(A|B, C ) = P(A|C )
這個公式告訴我們，如果事件A和事件B關於事件C條件獨立，那麼在知道事件C發生的前提下，知道事件B發生並不能幫助我們更好的推斷事件A發生的機率。 總結一下，如果事件A和事件B關於事件C條件獨立，那麼在知道事件C發生的前提下，知道事件A或事件B中的一個是否發生，並不能幫助我們更好地推斷出另外一個事件發生的機率。 這就是條件獨立的核心思想。
條件獨立案例
我們以上文為例，其中事件A是「購買香草冰淇淋」，事件B是「車啟動不了」，事件C是「購買時間短」。 「車啟動不了」的內在原因是「購買時間短」，而不是「購買香草冰淇淋」。如果我們知道這位顧客某次「購買時間短」，那麼不管他這次是否購買香草冰淇淋，我們都可以推斷出這一次「車子發不動」的機率極高。 也就是說，在「購買時間短」這個事件發生的前提下，知道「購買香草冰淇淋」並不能幫助我們更好地推斷「車子發不動」的機率。「車子發不動」和「購買香草冰淇淋」關於「購買時間短」條件獨立。我們用圖7-1來表示這個例子，事件A是「購買香草冰淇淋」，事件B是「車子發不動」，事件C是「購買時間短」。因為事件A很可能導致事件C發生，事件C很可能導致事件B發生，因此A、B、C的關係如圖7-1所示。
從統計意義上來說，事件A（購買香草冰淇淋）和事件B（車子發不動）看似有關係（每次購買香草冰淇淋時，車子都發不動），但是中間隔了一個事件C（購買時間短）。在這種結構下，事件A和事件B在事件C發生的情況下條件獨立。 兩個事件看似相關，實則關於另外一個事件條件獨立的情況非常普遍。如果意識不到這一點，就很容易犯了把「相關性」當成「因果性」的錯誤。我們來舉幾個例子。
穿夾克和車禍發生率
一項調查發現，每當倫敦的計程車司機穿夾克，發生車禍的機率都會大大增加。 很多人猜想是穿夾克導致司機的操作不便，從而增加了事故發生率。這項調查幾乎促成了英國通過立法禁止計程車駕駛員穿夾克。 經過仔細研究才發現，天氣才是背後的根源：下雨時，司機經常穿夾克；下雨時，發生車禍的機率大。 也就是說，我們知道了「下雨天」，自然就可以推斷出「發生車禍」的機率比較高；而「司機穿夾克」實際上並不能幫助我們更好地推測「發生車禍」的機率。因此，「穿夾克」和「發生車禍」這兩個事件關於「下雨天」條件獨立。 這個例子中，事件A是「穿夾克」，事件B是「發生車禍」，事件C是事件背後共同的原因：「下雨天」，三者的關係如圖7-2所示。
「穿夾克」和「發生車禍」具有統計意義上的相關性，但這兩個事件之間沒有因果關係，它們關於「下雨天」這一事件條件獨立。