概率论与数理统计起源.doc

概率论和数理统计起源 （1）从随机现象谈起 在自然界和现实生活中，一切事物都是相互联系和不断发展的。在它们彼此间的联系和发展中，根据它们是否有必然的因果关系，可以分成截然不同的两大类：一类是确定性的现象。这类现象是在一定条件下，必定会导致某种确定的结果。举例来说，在标准大气压下，水加热到100度，就必然会沸腾。又如，把铁加热到1530度的时候，必然会熔化成液态。事物间这种联系是属于必然性的。通常的自然科学各学科就是专门研究和认识这种必然性，寻求这类必然现象的因果关系，把握它们之间的数量规律，以达到认识世界和改造世界的目的。 另一类是不确定性的现象。这类现象是在一定条件下，它的结果是不确定的。举例来说，同一工人在同一车床上加工同一种零件若干个，它们的尺寸总会有些差异。又如，在同样条件下，进行小麦品种的人工催芽试验，各颗种子的发芽情况也不尽相同，有强弱和早晚之别等等。为什么在相同的一定条件下，会出现这种种不确定的结果呢？这是因为，我们说的“相同条件”是指一些主要条件来说的，除了这些主要条件外，还会有许多次要条件和偶然性因素影响着结果。而这些次要的、偶然起作用的因素又是人们无法事先一一能够掌握的。正因为这样，我们在这一类现象中，就无法用必然性的因果关系，对个别现象的结果事先作出确定的答案。事物间这种关系是属于偶然性的，这种现象叫做偶然现象，或者叫做随机现象。 在自然界，在生产、生活中，随机现象十分普遍，也就是说随机现象是大量存在着的。比如：拿北京地区来说，测量每年七月份的天气平均气温，每年都各有差异，不完全相同，而且也不能准确地预测来年七月份的平均气温。这样，“北京七月份平均气温”就是随机现象。又如，同一名工人，用同一台车床在同一条件下(同材料、同一操作规程)加工一种标准长度150毫米的零件等现象，也是随机现象。因此，我们说随机现象就是：在同样条件下，多次进行同一试验或调查同一现象，所得结果不完全一样，而且无法准确地预测下次所得结果的现象。随机现象这种结果的不确定性，是由于一些次要的、偶然因素影响所造成的。 随机现象表面上看来，似乎是杂乱无章的、没有什么规律的现象。但实践证明，如果同类的随机现象大量重复出现，它的总体就呈现出一定的规律性。 举例采说，掷一枚均匀的五分硬币，有两种可能性，一种是“国徽面”朝上，一种是“伍分面”朝上。每掷一次，很难断定是哪种结果。但是如果多次重复地掷这枚硬币，就会越来越清楚地发现“国徽面”朝上的次数和“伍分面”朝上的次数大体相同这样的规律性。 在同样条件下，同一名工人加工同一种零件，每一件的长和标准长150毫米都有差异，但是如果检验他所加工的许多同一零件的时候，就会发现这些零件中比标准长150毫米大的件数和比标准长150毫米小的件数大体相同，而且和标准长相比，相差过大的占少数，相差不多的占多数。 大量同类随机现象所呈现的这种规律性，随着我们观察次数增多而愈加明显。我们把这种由大量同类随机现象所呈现出来的集体规律性，叫做统计规律性。概率论和数理统计就是研究大量同类随机现象的统计规律性的数学学科。 （2）概率论的产生和发展 概率论产生于十七世纪，本来是由保险事业的发展而产生的，但是来自赌博者的请求，却是数学家们思考概率论的一些特殊问题的源泉。 早在1654年，有一个赌徒梅累向当时的数学家帕斯卡提出一个使他苦恼了很久的问题：“两个赌徒相约赌若干局，谁先赢局就算获胜，全部赌本就归胜者。但是，当其中一个人赢了局，另一个人赢了局的时候，赌博中止。问赌本应当如何分法才合理？”三年后，也就是1657年，荷兰著名的天文、物理兼数学家惠更斯企图自己解决这一问题，结果写成了《论机会游戏的计算》一书，这就是最早的概率论著作。 近几十年来，随着科技的蓬勃发展，概率论大量应用到国民经济、农业生产及各学科领域。许多兴起的应用数学，如信息论、对策论、排队论、控制论等，都是以概率论作为基础的。 概率论和数理统计可以算作一门随机数学分支，它们是联系密切的同类学科，我们现在就是把它们合起来作为一门分支进行介绍的。但是，应该指出，概率论、数理统计、统计方法又各有它们自己所包含的不同内容。 概率论 是根据大量同类随机现象的统计规律，对随机现象出现某一结果的可能性作出一种客观的科学定义，对这种出现的可能性大小作出数量上的描述；比较这些可能性的大小，研究它们之间的联系，从而形成一整套数学理论和方法。 数理统计 是应用概率的理论来研究大量随机现象的规律性，对通过科学安排的一定数量的试验所得到的统计方法给出严格的理论论证，并判定各种方法应用的条件以及方法、公式、结论的可靠程度和局限性。使我们能从一组样本来判定是否能以相当大的概率保证某一判断是正确的，并可以控制发生错误的概率。 统计方法 是以上提供的方法在各种具体问题中的具体应用，它不去注意这些方