了解概率的基础及其与统计和数据科学的关系。 我们将学习计算概率、独立和从属结果以及条件事件的含义。 我们将学习离散和连续随机变量，并了解这与数据收集的关系。 在课程的最后，我们将学习高斯（正态）随机变量和中心极限定理，并了解其对所有统计学和数据科学的根本重要性。

条件概率 "的概念是概率论中一个非常有用的概念，在本单元中我们将介绍 "条件 "的概念和贝叶斯公式。因此，"独立事件 "的基本概念自然产生于条件概念。条件事件和独立事件是理解统计结果的基本概念。

随机变量"（r.v.）的概念是统计学中经常使用的基本概念。在本模块中，我们将学习各种命名的离散型随机变量。 我们将学习它们的一些性质以及它们为何重要。 我们还将计算这些随机变量的期望和方差。

在本单元中，我们将把随机变量的定义扩展到连续随机变量。本单元中的概念至关重要，因为统计学的很大一部分内容都与连续随机变量的分析有关。 我们将从均匀和指数随机变量开始，然后研究高斯或正态随机变量。

统计学的力量在于能够研究多个随机变量（即有时称为 "数据"）的结果和影响。 因此，在本模块中，我们将学习 "联合分布 "的概念，它使我们能够将概率论推广到多元情况。

中心极限定理（CLT）是数据分析中使用的一个重要结果。 在本模块中，我们将介绍中心极限定理及其应用，例如描述大型数据集的均值分布。 这将为下一课程奠定基础。