下载文档原格式
统计学的发展历史从统计学的产生和发展过程来看，可以把统计学大致分为古典统计学、近代统计学、现代统计学三个时期。
（1）古典统计学时期。
17世纪中叶至18世纪中叶统计学的萌芽时期，当时主要有国势学派和政治算术学派。
（2）近代统计学时期。
18世纪末到19世纪末期，主要是数理统计学派和社会统计学派。
（3）现代统计学时期。
20世纪迄今的统计学发展时期，数理统计学发展的主流从描述统计学转向推断统计学。
统计发展史标明，统计学是从设置指标研究现象的数量变化开始的，随着社会的发展和实践需要，统计学也在不断发展和演变。
它的作用与功能已从描述事物现状、反映事物规律向抽样推断、预测未来变化的方向发展。
统计学发展概述由于人类的统计实践是随着计数活动而产生的，因此，统计发展史可以追溯到远古的原始社会，也就是距今有5000多年的漫长岁月。
但是，能使人类的统计实践上升到理论上予以概括总结的程度，即开始成为一门系统的科学统计学，却是近代的事情，距今只有300余年的短暂历史。
统计学发展的概貌，大致可划分为古典记录统计学、近代描述统计学和现代推断统计学三种形态。
古典记录统计学拉普拉斯的主要贡献深入了“概率论”的研究推广了“概率论”在统计中的应用明确了“统计学”的大数法则进行了“大样本”的统计高斯的主要贡献建立最小二乘法发现高斯分布近代描述统计学高尔顿的主要贡献初创生物统计学对统计学的贡献：提出“平均数离差法则”、论述“相关”的统计意义、提出“回归”概念皮尔森的主要贡献变异数据的处理。
首创频率分布表和频率分布直方图分布曲线的选配。
利用相对“斜率”的方法得到12种分布函数型，包括正态分布、矩形分布和U型分布等。
卡方检验的提出。
回归于相关的发展现代推断统计学哥赛特的t检验与小样本思想1908年，哥赛特首次以“学生”的笔名在<生物计量学>杂志上发表了“平均数的概率误差”。
由于这篇文章提供了“学生t检验”的基础，为此，许多科学家把1908年看做是统计推断理论的里程碑。
统计学历史1.起源与发展统计学的起源可以追溯到古代，当时人们已经开始收集并整理数据，尝试理解并预测社会和自然现象。
在古代，统计学最初用于人口普查、土地测量和商业计算。
然而，统计学作为一门科学，其真正的起源和发展是在17世纪和18世纪，当时欧洲的社会和政治环境发生了巨变。
在这个时期，政府开始更多地依赖数据来制定政策，而商业界也开始利用数据来理解市场需求和预测市场趋势。
这个时期标志着统计学的诞生。
2.理论与方法随着统计学的发展，各种理论和方法也相继出现。
从最初描述性统计学的概念，例如平均数、中位数和方差等，到后来更复杂的方法如回归分析和时间序列分析，以及多元统计分析等，这些理论和方法的发展都极大地推动了统计学的发展。
同时，计算机科学的发展也为统计学的进步提供了强大的技术支持。
3.应用的扩展统计学在各个领域都有广泛的应用。
在社会科学中，统计学被用于研究社会现象的分布和趋势，如人口统计学、社会调查等。
在医学中，统计学被用于研究疾病的分布和预测，以及临床试验的设计和数据分析。
在商业中，统计学被用于市场调研、质量控制和风险管理等。
此外，统计学还在物理、化学、生物、环境等领域都有广泛的应用。
4.中国统计学的发展在中国，统计学的历史虽然较短，但发展迅速。
中国统计学的发展始于20世纪初，当时主要是学习西方统计学理论和方法，并进行简单的数据分析和解读。
随着中国的改革开放和现代化进程的加速，统计学得到了越来越广泛的应用和发展。
如今，中国的统计学已经在各个领域都有广泛的应用，并且在一些特定领域如社会调查、市场调研和风险管理等方面已经具有了一定的国际影响力。
5.国际统计学的发展国际统计学的发展也经历了多个阶段。
在20世纪初，国际统计学主要是在欧洲和北美地区发展，当时的统计学研究主要集中在描述性统计学的理论和方法的完善上。
随着时间的推移，越来越多的国家和地区开始发展自己的统计学研究和应用。
例如，在亚洲的日本、印度和中国等地，统计学的应用和发展都得到了高度重视和支持。
简述统计发展的历程统计是一门应用数学的学科，它通过收集、整理、分析和解释数据来揭示事物的规律和变化趋势。
统计的发展历程可以追溯到古代，随着人类社会的不断发展，统计逐渐成为一种重要的工具和方法。
本文将简述统计发展的历程。
古代统计：起源与应用统计最早可以追溯到古代社会的人口普查和土地调查。
在古代，人们经常进行人口普查，统计人口数量和分布情况。
同时，土地调查也是古代统计的重要内容，通过统计土地的面积和利用情况，可以了解农业生产的状况。
这些统计数据对于统治者制定政策和管理国家起到了重要的作用。
现代统计的奠基者：高斯与拉普拉斯现代统计学的奠基者可以追溯到18世纪的高斯和拉普拉斯。
高斯是著名的数学家，他提出了正态分布和最小二乘法等重要概念和方法，为统计学的发展奠定了基础。
拉普拉斯则在概率论和统计学领域做出了重要的贡献，他提出了拉普拉斯变换和最大似然估计等概念，为统计学的发展提供了重要的理论支持。
统计学的建立与发展19世纪是统计学发展的关键时期，统计学作为一门独立的学科开始建立起来。
在这一时期，统计学家们开始研究统计数据的收集和分析方法，提出了一系列的统计学理论和方法。
例如，皮尔逊提出了相关系数和卡方检验等概念，费歇尔提出了方差分析和随机化实验设计等方法。
这些理论和方法的提出，为统计学的发展打下了坚实的基础。
统计学的应用领域不断扩展20世纪是统计学蓬勃发展的时期。
随着科学技术的进步和社会经济的发展，统计学的应用领域不断扩展。
在医学领域，统计学被广泛应用于临床试验和流行病学调查，为医学研究提供了重要的方法和工具。
在经济学领域，统计学被用于经济数据的分析和预测，为经济政策的制定和评估提供了依据。
在社会科学领域，统计学也被广泛应用于民意调查和社会调查，为社会问题的研究和解决提供了帮助。
统计学的发展与技术进步随着计算机技术的快速发展，统计学的发展也得到了极大的推动。
计算机的出现使得大规模数据的分析成为可能，统计学家们可以更加高效地处理和分析数据。
统计学的发展历程统计学是研究收集、整理、分析和解释数据的学科。
它的发展历程可以追溯到古希腊和古罗马时期。
随着时间的推移，统计学逐渐演变为一门独立的学科，并在各个领域有着广泛的应用。
本文将按时间顺序介绍统计学的发展历程。
1. 古代统计学在古希腊和古罗马时期，人们开始对人口、土地面积和资源等进行统计。
这些统计数据用于税收、军事和政治管理。
其中，亚里士多德是最早将统计方法引入科学研究的人之一。
他使用统计分析来研究物种分类和社会现象。
2. 概率论的出现17世纪，概率论的出现为统计学的发展提供了新的视角。
布莱兹·帕斯卡和皮埃尔·德费尔马特在解决赌博问题时提出了概率的概念。
这为后来的统计学家们提供了统计推断和估计的理论基础。
3. 统计学的建立18世纪，统计学逐渐成为一门独立的学科。
托马斯·贝叶斯和雅各布·贝尔努利等学者对概率和统计方法进行了深入研究。
他们提出了贝叶斯定理和最大似然估计等重要概念，为统计学的推理和预测建立了基础。
4. 现代统计学的发展20世纪，随着计算机技术的发展，统计学迎来了飞速的发展。
罗纳德·费雪等统计学家提出了许多重要的统计方法和理论，如方差分析、回归分析和抽样理论等。
这些方法不仅广泛应用于实证研究，而且对决策制定和政策评估也有着重要影响。
5. 应用领域的拓展统计学在各个领域都有广泛的应用。
在医学领域，统计学用于临床试验设计和结果分析，帮助医生做出正确的诊断和治疗方案。
在环境科学领域，统计学被用于分析气候变化和环境污染等数据，为环境保护提供科学依据。
在金融领域，统计学被用于风险管理和投资组合优化，帮助投资者做出明智的决策。
总结起来，统计学的发展经历了从古代的数据收集到现代的统计推断和预测的过程。
随着时间的推移，统计学不断丰富和拓展，成为一门重要的学科。
它的应用不仅帮助我们更好地理解数据，还为科学研究和决策制定提供了有力的工具和方法。
我们有理由相信，在未来的发展中，统计学将继续发挥重要的作用，并为人类社会带来更大的进步。
统计学的发展历程统计学是一门研究数据采集、分析和解释的学科。
它起源于古代人类对数据的记录和分析的需求，并在过去几个世纪中不断发展和演变。
以下是统计学的发展历程的详细描述。
1. 古代统计学的起源统计学的起源可以追溯到古代文明时期，人们开始对人口、土地和财富等数据进行记录和分析。
古代埃及、巴比伦和中国等文明都有相关的统计记录，例如埃及的人口普查和中国的农业产量统计。
2. 概率论的发展17世纪，概率论的发展为统计学的进一步发展奠定了基础。
数学家布莱兹·帕斯卡和皮埃尔·德费尔马特等人对概率论进行了深入研究，为后来的统计学家提供了理论基础。
3. 统计学的早期发展18世纪末到19世纪初，统计学开始成为一门独立的学科。
德国数学家卡尔·高斯和英国统计学家弗朗西斯·高尔顿等人对统计学的理论和方法进行了重要的贡献。
高斯提出了正态分布曲线和最小二乘法等概念，高尔顿则开创了现代统计学的基本原理。
4. 统计学的应用拓展19世纪中叶，统计学开始在各个领域得到广泛应用。
政府机构开始使用统计学方法进行人口普查和经济数据采集。
同时，统计学也在医学、社会学和心理学等学科中得到应用，为这些学科的研究提供了数据支持。
5. 现代统计学的兴起20世纪，随着计算机技术的发展，统计学进入了一个新的阶段。
数学家罗纳德·费舍尔和杰拉尔德·韦尔斯等人提出了现代统计学的基本原理和方法，例如假设检验、方差分析和回归分析等。
统计学开始广泛应用于科学研究、工程和商业领域。
6. 统计学的发展与创新近年来，随着大数据时代的到来，统计学又面临了新的挑战和机遇。
统计学家们不断创新和发展新的统计方法和模型，以适应大数据分析的需求。
机器学习、数据挖掘和人工智能等技术的发展也为统计学带来了新的发展机遇。
总结：统计学的发展历程经历了数千年的演变和创新。
从古代的数据记录到现代的大数据分析，统计学在科学研究、社会和经济发展中发挥着重要的作用。
统计学发展历程简述
统计学是一门通过搜索、整理、分析数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。
其中用到了大量的数学及其它学科的专业知识，它的使用范围几乎覆盖了社会科学和自然科学的各个领域。
据权威统计学史记载，从17世纪开始就有了“政治算术”、“国势学”，即初级的社会统计学，起源于英国、德国。
几乎同时在意大利出现了“赌博数学”，即初级的概率论。
直到19世纪，由于概率论出现了大数定理和误差理论，才形成了初级的数理统计学。
也就是说，社会统计学的形成早于数理统计学两个世纪。
由于社会统计学广泛地用于经济和政治，所以得到各国历届政府的极大重视，并得到系统的发展。
而数理统计在20世纪40年代以后，由于概率论的发展，而得到飞速发展。
经过近400年的变迁，目前世界上已形成社会统计学和数理统计学两大体系。
两体系争论不休，难分伯仲。
统计学的概念、发展史、研究方法
统计学是一门研究数据收集、分析、解释和展示的学科，它在
各个领域中都有着重要的应用。
统计学的发展可以追溯到古代，但
现代统计学的发展始于19世纪。
统计学的发展历程可以分为两个阶段，即古典统计学和现代统计学。
古典统计学的发展始于19世纪，代表人物有高尔顿、皮尔逊等。
他们主要关注数据的收集和总体参数的估计，提出了许多经典的统
计方法，如t检验、方差分析等。
古典统计学注重概率论和数理统
计学的发展，建立了许多经典的统计模型和方法。
现代统计学的发展始于20世纪，代表人物有费希尔、尼曼等。
他们主要关注数据的分析和推断，提出了许多现代统计学的理论和
方法，如最大似然估计、贝叶斯统计等。
现代统计学注重数据科学
和计算统计学的发展，建立了许多现代的统计模型和方法。
统计学的研究方法主要包括描述统计和推断统计。
描述统计是
通过图表、频数分布等方法对数据进行概括和描述，以便更好地理
解数据的特征和规律。
推断统计是通过抽样调查、假设检验等方法
对总体参数进行推断，以便更好地对总体进行推断和决策。
总的来说，统计学是一门研究数据的科学，它的发展历程可以追溯到古代，经历了古典统计学和现代统计学两个阶段。
统计学的研究方法主要包括描述统计和推断统计，它在各个领域中都有着重要的应用。
简述统计学的发展历程统计学的发展历程就像一段奇妙的旅程，走过的每一步都充满了惊喜和挑战。
想想看，早在古代，咱们的祖先们就开始用数数来解决问题了，生活中碰到的各种事情，都得依靠数量来搞定。
比如，谁家的羊多，谁家的庄稼丰收，都是通过数来判断的。
这可真是统计学的雏形啊，简直就像在开荒种地，没想到后面会收获如此丰硕的果实。
再往后发展，到了18世纪，统计学开始变得有点像个小明星了，慢慢地吸引了大家的目光。
那个时候，欧洲正是科学发展的热潮，数学家们就像是披着白大褂的超人，纷纷拿起笔，开始研究数据的收集和分析。
比如，那个有名的统计学家高斯，他就像是一个调皮的孩子，总是想方设法把复杂的问题变得简单明了。
他的“高斯分布”就像是给统计学打了鸡血，让大家看到了数据分析的无穷可能。
快到19世纪，统计学变得更加成熟了。
这个时期，各种各样的调查开始流行，大家都想知道自己的国家、社会到底是什么样子的。
人口普查就像是家长在每年开家长会，看看孩子们的成长情况，数据分析变得越来越重要。
那个时候，数据的使用开始出现在政治、经济、社会各个方面，统计学俨然成了社会发展的“黑科技”。
就像是一个好帮手，无处不在。
进入20世纪，统计学的变化就更为惊人了。
你可以想象，二战后的世界，科学技术的飞速发展给统计学带来了新的机遇。
大数据的概念悄然兴起，大家开始觉得，光靠几个数据就能解开很多秘密。
各种新工具层出不穷，计算机的出现就像是为统计学插上了翅膀，数据的处理速度快得让人眼花缭乱。
统计学家们如同大海中的水手，借助这些新工具，驶向了前所未有的广阔天地。
而如今，统计学简直就像是一位万事通，几乎渗透到我们生活的方方面面。
你看啊，从手机上的应用程序到商业决策，从医学研究到天气预报，统计学都在发挥着关键作用。
数据分析变得像做饭一样简单，谁都能动手尝试，统计工具就像是厨房里的小电器，帮你轻松搞定大菜。
就算是小孩也能用统计学来玩游戏，真是让人感慨科技的进步。
在这个信息爆炸的时代，统计学的角色也变得愈发重要了。
统计学简史统计学简史1统计是初产生于研究对国家，特别是对其经济以及人口的描述。
当时现代数学尚未形成。
因此那时的统计史基本上是经济史的范畴。
现代统计主要起源于研究总体（population），变差（variation）和简化数据（reduction of data）。
第一个经典文献属于John Graunt(1620-1674)，其具有技巧的分析指出了把一些庞杂、令人糊涂的数据化简为几个说明问题的表格的价值。
他注意到在非瘟疫时期，一个大城市每年死亡数有统计规律，而且出生儿的性别比为1.08，即每生13个女孩就有14个男孩。
大城市的死亡率比农村地区要高。
在考虑了已知原因的死亡及不知死亡年龄的情况下, Graunt估计出了六岁之前儿童的死亡率，并相当合理地估计出了母亲的死亡率为1.5％。
因此，他从杂乱无章的材料中得出了重要的结论。
他还给出了一个新的生命表。
Edmond Halley(哈雷)(1656－1742)利用了Breslau的记有死亡年龄的数据，改进了Graunt的生命表并引进了死亡率的定义。
瑞士数学家Leonhard Euler(欧拉)(1717-1783)提出了平稳生命表的概念。
Joha De Witt(1625-1672)等人最早讨论退休金和人寿保险的方案。
ThomasRobert MalthuS(马尔萨斯)(1766-1834),Alfred James Lotke(1881-1949)，Ronald Aylmer Fisher(费歇)(189l-l962)，及William Feller(费勒)(1906-1970)等人用渐趋复杂的数学来研究生命表的理论，这对人类及其它总体的动力学描述具有显著意义。
William Petty(1623－1687)是Graunt同时代的经济学家及朋友。
他认为需要建立中央统计部来利用人口统计学的知识；由行政区利用列出记录年龄，性别，婚姻状况等细节的记录表格来收集数据；要有出生，死亡，婚姻，收入，教育和商业等方面的统计数据。
当时在研究诸如死亡等时间序列时，Graunt注意到了随机的起伏；但他仅以机械的术语加以描述一把这些与钟表运动的忽动忽停相联系。
实际上，这种不规则的变化也影响赌博和天文学。
因此，其后进一步导致了随机误差的误差分布概念的出现。
赌博产生了第一个机会事件的模型：如果硬币就骰子的每一面都有相同概率，则导致估计抛一个均衡的硬币所出现的正面次数或挪一个均衡的骰子的总点数。
更一般地，Abrahamde Moivre(棣美佛)(1667-1754)导出了对二项分布的一个近似；这使每一个概率都等于正态曲线下的一块面积，这是一种的中心极限定理。
Pierre simon Laplace(拉普拉斯)(1749－1827)导出了对男子出生比例的类似的渐近公式。
Jacob Bemonlli(伯努利)(1664-1705)以弱大数定律支持了对大样本均值的使用。
Thomas simpson(辛普森)(1710－1761)计算了同分布随机变量和的精确分布，同样也支持了对大样本均值的使用。
在天文学中，要对一些运动星体位置的未知参数进行估计，通常某种意义上“最好的”估计都是来源于一些注定不和谐的观察值，因为只要观察值在数量上超过参数，就会产生度量误差。
Roger Cotes(1682-1716),Thomas Bayes(贝叶斯)(1702-1761),Euler,Johnson Tobias Mayer(1723-1762)，Rudger Josif Boskovic(1711-1787)，Laplace和Adrien MarieLegendre（勒让德）(1752-1833)都在研究这个问题。
后来被Friedrich Gauss(高斯)(1777-1855)解决。
John Michell(米歇尔)(1724-1793)用统计方法证明了双星的存在。
然而，认定现代统计理论是由精算科学，人口学和天文学的需要而发展来的观点是不正确的；事实上，它是由心理学，医学，人体测量学，遗传学和农业的需要发展出来的。
直到1830年，几乎所有的经验分布都是关于一维误差或一个非数值变量。
在1830年之后，天文学家和社会学家Adolphe Jacques Quetelet（1796－1874）使得诸如身高体重之类的度量值的变量的经验分布通俗化。
他在生物统计研究中大量利用了理论二项分布和正太分布。
后来Ladislaus von Bortkiewicz（1868－1931）报告了在普鲁士兵团中由马踢造成的受伤事故，发现Poisson(普阿松)分布和官方统计学有关。
在计算血红细胞数目上，Poisson分布也被Ernst Ahbe（184O-1905）所用。
从那时起，该分布被大量地用于计数的试验中，比如闪光的计数。
在生物学上，统计方法使得JOhann Gregor Mendel（孟德尔）（1822－1884）认识到某些主要遗传基因的存在，它们在0，l和2三个水平显现，其中水平0(双隐性)能和水平1和2区别开来。
他能确定有相同或不相同的水平的个体之间交配的结果，而且提出了某些生物学事件等价干掷一个硬币的模型；他能对任意交配的结果给出概率并用实验来验证其假设。
虽然经济学没有产生超出用初等理论来求解问题，但在较早的医学统计中却产生了有意思的问题。
Philippe Pinel（1745－1826）和Pierre Charles alexandre Louis（1787－1872）开始了建立疾病分类的困难课题；这些工作人员保存了精确和完整的所有病例的记录，并且能给出和预后有关的统计数字。
Louis能有利用跟踪调查的方法反驳了当时广泛滥用的放血疗法。
他的三个学生是值得一提的：Jules Gavarret（1808－1890）写了一本医学统计的教科书；书中有应用Simeon－Denis Poisson（178O-1840）理论来对两个比例进行检验的许多应用；Oliver Wendell Holmes （1819-1894）和他的不知名的数学顾问对一系列分娩热病例给出了有趣的分析，证明该病是传染的，这优于任何十九世纪的类似研究；William Farr（1807－1883）在官方统计学中建立了新的惯例。
更直接的原动力来自于遗传学（确切地说是优生学）。
Francis Galton（1822一19ll）在1886 年研究了两代豌豆重量之间的相关时发现了Y关于一个正态变量X的线性回归及类似于椭圆的等概率线；由此James douglas Hamilton dickson（1849－1931）导出了密度与exp（－1/2 x*TAx）成比例的联合正态形式；按标准记号,x*TAx应为x+（y一ρxx）/(1-ρρ).ρ为y对x的回归直线的斜率。
从此，多元正态分布就经常出现在文献之中；而两个和三个变量的正态分布在Laplace 时就已经知道了。
该联合分布能够由互相独立的正态随机变量的线性变换而构造，例如Giovanni Antonio amedeo Plana（1781－1863）和lrenee－Jules Bravais（1811-1863）所做，而且，反过来它能分解为互相独立的正整随机变量的积，如Auguste Bravais（1811 -1865）和Ire－nee －Jules Bravais（1811－1863）所做。
Idsaac odhunter（1820- 1884）在最小二乘理论上导出了一般形式的多元正态分布，即exp（－xTAx）乘以一个常数；Arthur Cayley（1821－1895）把xTAx化简为平方和并确定了该常数值。
这些人都未对A－1=v的非对角线元素感兴趣，这里v是协方差矩阵。
Galton后来说"这些误差或偏差正是我想要研究并了解的。
”正态分布在理论统计中扮演了一个非常重要角色。
有许多理由来说明这一点；一般来说成果一个模型包含着正态分布的几个非平凡特性，则它必须具备所有的特性。
在1895年，Karl Pearson（皮尔森）（1857-1936）认识到对更理论的统计分布的需要，并且得到作为微分方（Pearson方程组）解的密度函数；和另外一些统计学家一样，Andrei andree －viC Markov(马尔科夫）（1856-1922）不愿用Pearson分布方程组，因为即使得了皮尔森τ曲线作为一个极限分布，也没有明显的模型来产生它们。
Markov进一步证明Pearson xx统计量为样本尺寸乘以Wihelm Hector Richard albrcht Lexis （1837－1914）的离散系数。
Walter Frank，Raphael Weldon（1860-1906）利用取独立初第二项变量和的方法得到二项变量的联合分布。
许多作者，比如Alexander Claig Aitken（1895－1967），已经参与了发展该思想；但是许多其它思想已经被用来获得联合分布。
在Karl Pearson的方法不能产生更多的联合分布之后，Sergei Natanovic Bernstein(1880-1968)认为一个更具有生产价值的方法可能存在于随机过程的领域中。
统计学简史2Karl Pearson 时代，1890-1920到1920年为止的英国生物统计学派的主要就为（i）收集并化简了许多经验数据；（ii）定义了具有多重和总相关系数p的联合正态分布，还定义了估计误差的联合分布；（iii）关于拟合度的f检验，比较观察分布和理论分布，包括由Herbert Edward Soper（1865－1930）引进的条件Poisso变量；（iv）分析列联表，特别是利用f统计量；（V）当边缘分布充分细分时由最大似然法估计p；（Vi）当边缘分布没有充分定义时估计p；（vii）由一个统一的参数估计系统来描述一组曲线，即矩方法；（viii）利用正态定理到遗传选择问题；（ix）通往独立性一般定理的某些进展；（X）通往估计和检验估计精确性的一个理论的进展；（xi）构造了适当的表。
与此同时，在法国的Felix Edouard Ｊustin Ｅmile Ｂorel（1871-1956），Maurice Frenchet （1878－1973）及Jules Henri Poincare（1854-1912），和在俄国的Alekandr Aleksandrovic Cuprov（1874-1926），A．A．Markov Vsevolod Ivanovic Romanovsky( 1879－1954)作出许多贡献，特别是把数据的数学处理严格化。
A. FISHER 时代，1921－1936所有的皮尔森的方法都可以应用于大样本，而且可以对方差作出较精确的估计。
