Abstract: 本文是数理统计学的第一篇文章，从数理统计学的发展过程来了解我们要研究什么
Keywords: 数学统计学简史
数理统计学简史 介绍
开篇废话
经济市场和国际形势天天都有新情况，没有谁对谁错，你的利益在哪边，哪边就是正义，但是别当傻子，更多的知识，才能有更读到有观点的见解
知识是两个词的组合知者，信息也，也就是你所获得的先验信息，识为判断能力，类似于predict过程，也就是你对一件未知事物的判断。
希望大家知识越来越多。
序
“统计思想，包含世界观——他是看待世间万物的一种方法或技术”
导言
本系列的博客的全部主要信息都来自陈希孺老师的《数理统计学简史》
本系列写历史，是想给大家讲述下学科内涵，毕竟研究机器学习就是在研究数理统计，从数理统计的逻辑里，也能找到不少机器学习的新思路，个人认为，机器学习人工智能的未来突破只能在数学和生理学中寻找，自然界给出的智慧并不是我们调参数改模型能达到的。所以我们更需要学习写能启发我们灵感，解放思想的东西，学习历史能使所有知识得到连贯，也能对整个学科有更深刻的认识。
《不列颠百科全书》的说法，统计学，也就是数理统计，“是搜集和分析数据的科学与艺术”。说是艺术，也不是让你唱歌跳舞，就像高德纳的那一摞计算机程序设计的艺术，我们并没有看到程序里有歌舞画作，而是算法本身的美感，这个仁者见仁智者见智，没有必要统一口径。
所以想要记住公式方法然后遇到问题套上去的人，可能就没法掌握精髓了。
我们的数理统计就是别的国家的统计，因为语言问题，我们的统计学是社会科学的学科，数学学科的只能改名叫数理统计了。西方的数理统计学的定义是概率数学理论基础的那一部分，也就是纯粹数学的部分。
收集分析数据
收集和分析数据，通常是指有效的方法，我们平时做机器学习的时候数据总是最重要的，数据从哪来，误差是什么，是否全部有效，无效的数据占多少，这些我们其实很少去了解，多半都是上来就清理数据，数字化，然后做特征，做分类。。。其实这是很机械化的，获取数据的方法有时候能使得数据呈现不同的信息，而这些信息有时候要使用不同的模型，分析数据指的的是精度和准确度，当你预测一个人的年龄，精度是指你给出的范围，如果你说一个人的年龄是0到1000岁，那么准确性肯定是百分之百，这种分析结果没意义，因为精度太低了，如果你说这个人在10到12岁之间，这显然精度就提高很多很多，但是你又没办法保证，随意你说他在10到12岁之间的概率是90%，这就是一个有效的分析，精度是 $[10,12]$ 准确度是 $90\%$ 显然这个比那个一千岁靠谱多了，并且一千岁可以理解为一个无效的分析。
预测不确定性
有人认为数理统计是处理随机和非随机数据的学科，陈老师说他不敢苟同，原因是统计学的一些方法利用到非随机数据的时候，比如你记录了你一个月的开销，你用平均数来表示多少，这里有统计学的方法——均值，但是没有统计学的问题，统计学的问题是要预测的，这个必须要深深的刻在脑子里，我们研究数理统计的对象：就是为了预测！
专业知识
我们收集和分析数据的目的是解决特定问题，必须得到一些结论，作为某些行动的依据和建议，但是必须指出，给出这些行动依据和建议完全只基于数据，数据来自的知识背景无关，比如新药试验，某种药A数据比B更漂亮，但是专业的医生说，不对啊，B中的某某成分更有效啊。。。这时候有两种选择，重新采集数据，做实验，或者再去研究你的专业知识，我们的数据并不能推到出那些成分有效，只能给出统计结果，A更有效，至于你接受与否，那是另一会儿事。
发生上述争端，做数理统计的人需要立刻离场，因为别事与你无关，你不走他就要跟你讨论，你又不懂别人的知识，所以还是离开，让他自己冷静冷静。
两点意义
- 数理统计方法是中立的，不偏向任何一方的工具，只根据数据说话，并且给出可信程度，信不信你说了算。任何人可以把数理统计运用到任何学科或者任何工程任何事情中去，当然你也可以对其进行否定，那你大可不用，但是如果任何人决定相信和使用数理统计这个工具，那么，请必须遵守数理统计的规则，包括数据采集分析等全部过程，这样得出的结论才会被数理统计学的定理所支持。
- 数理统计只是数据表面的关系，不能证明事情的因果。著名的例子就是吸烟和肺癌的关系，数字层面只能说统计出来的结果是有关系，但实际有没有关系需要医学给出严格的理论，这个只能说是数字上的，因为我们无法排除其他所有的影响，因为每个人都是不同的，环境，基因等，这些数据是没有考虑到数理统计过程中的。
不想说什么了
数理统计一直被批判，西欧有人从道德层面批评，说他抹杀了事物的本质
我们的特殊时期，就是那段疯狂的日子，说数理统计学抹杀事物本质，美化资本主义和丑化社会主义。
我想说，这都哪跟哪啊，当时说这话的人脑子里的东西到底是什么。
用上面的两点意义可以回应这些（不过当时似乎没人听你说什么），使数理统计学者能够站在一个超然的立场，避免陷入无畏的争论。
数理统计是数学
有人说统计不是数学，我刚开始学的时候也有这种感觉，数学证明，计算没有说给出哪个结论说这个可能是这样的，这明显就是没解决问题啊，但是数理统计比较例外，他就是这样给出结论的，机器学习和深度学习也是，给出个结果，还有可信度，但是从另一个角度，数理统计学不研究数据背后的知识，如医学，或者其他的，他只研究数字，抽象的数据。
数学研究数和形，本身就是虚无缥缈的问题，数学也不属于自然科学，如果说统计学不属于数学也行，不过数学和数理统计学共有的研究抽象性被否定，反正说数理统计学是数学的分支，问题不大，起码现在来看问题不大
本书（博客）的简介
第一章
早期发展，伯努利的《推测术》，主要说概率的基本概念和产生，惠更斯，帕斯卡和费马的通信，然后介绍伯努利的大数定理，作为数理统计的基础，这段历史很有意思。
第二章
依旧是概率论：二项分布正太逼近工作，但是引入了正态分布和中心极限定理！这个是数理统计的基石.怎么强调都不过分，所以我们来换个颜色。
第三章
贝叶斯学派的故事
第四章
最小二乘法的相关故事和重要作用
第五章
正态分布的历史，偏态分布的历史
第六章
社会统计，这个是国内的统计学习，在数理统计里面说这个，因为还是有些关系的。
第七章
回归的历史
第八章
小样本理论，和线性模型的发展
第九章
假设检验的历史
第十章
参数估计的历史
卷尾语
陈老师关于过去和未来的思考
总结
本系列以小短文的形式给出，字数会少很多，但是前后关联，应该很有趣。
巨人已逝，馈如此著作名篇，站在巨人之肩，我辈自当奋进。
原文地址：https://www.face2ai.com/Math-Statistics-History-Introduction转载请标明出处