从(以测度论为基础的)概率论出发，打着初等概率论的幌子，把高等概率论和随机过程的基本知识讲得差不多了。整本书叙述非常详细，例子特别多，而且不少例子都是在概率论与随机过程中非常非常重要的。

大二学概率论的时候，这本书的第1~5章和第7章前6节就是我们的教材。其他部分则是数学系本科随机过程的教材。整本书习题难度偏大，尤其是有不少需要所谓的“概率直觉”的习题。好在这本书有答案《概率论题解1000例》，里面的方法值得学习。

这本书从离散概率入手，第四章开始讲连续型分布，尤其是正态分布讲的很好。第五章第七章则是偏重分析一些(特征函数，大数定律，中心极限定理)。里面举的例子和习题大部分都是重要的结论，例如7.2节第五题就是Slutsky定理，第七章的problems里面则是有三级数定理，0-1律这样更深的结论。随机过程部分我其实没怎么学过这本书，但经常能在这本书上找到我想要的例子。比如说，2017年丘赛个人赛最后一题事实上就是马氏链那章第12节的一个例题，也是分支过程的一个例子。你如果翻看往年的丘赛题，或者你学到更深层次的概率论，都不可避免碰上这本书的习题或是例子。如果想要深入学习概率论的话，我想这本书几乎所有的题目都应该完成。当然题目难度也有层次，教我概率论的刘党政老师，在他中科大数学学院的个人主页上就列出了不同层次的习题有哪些。尽管难度不小，但数学存在难度小的方向么？

这本书从来不以所谓的高观点、高技术来证明命题。你读的时候会发现每一步都是朴实的计算与变形，除了某些比较“组合学”的思维以外，你会觉得他的证明“就该这么做”，毫无突兀感。我想这是每个学数学的人应该记住的。要知道你光知道那些高大上的东西，学来的只是并无卵用的花架子而已。

刘党政老师曾经告诉我们学习概率论要抽象与直觉并进。显然你不能把概率论等同于摸球抽牌丢骰子，那种组合数学而不是概率论。其次，尽管你知道概率论的建立在测度论上的，期望、收敛性、条件期望、鞅论、布朗运动与随机积分处处都离不开测度论，但你仍然不能把概率论与随机分析当成一门分析去学。深入地学习这本书的确会碰到硬邦邦的分析，但如果没有足够多具体的例子，你也难以理解这套分析究竟在讲什么。

把概率论当作一门分析来学，这也是我犯过的一个错误。这本书曾经让我对概率论产生浓厚的兴趣，但在接触这本书一年之后我也意识到了上面这个错误。自认为缺乏“概率直觉”的自己最终还是选择了放下概率论与随机分析去学PDE，那个时候才理解到“直觉与抽象并进”是多么的重要。而Grimmett这本书，把这一点可以说做到了极致。

因此，强烈推荐这本书，尤其是对本科生的概率论入门。读这本书只需要会数学分析和线性代数即可，最好会一些实变函数((抽象)测度论)。当然，大量做习题是非常重要的，因为很多都是后面会用到的结论。这本书打着初等概率论的幌子，严格地介绍了很多高等概率论的内容，而且齐全，例子丰富，可以说在做到“直觉与抽象并进”这一点上，其他的概率论书籍可能难以望其项背。