《统计学科学家介绍》由会员分享，可在线阅读，更多相关《统计学科学家介绍（11页珍藏版）》请在金锄头文库上搜索。
1、伯努利在科学史上，父子科学家、兄弟科学家并不鲜见，然而，在一个家族跨世纪的几代人中，众多父子兄弟都是科学家的较为罕见，其中，瑞士的伯努利家族最为突出。伯努利家族3代人中产生了8位科学家，出类拔萃的至少有3位；而在他们一代又一代的众多子孙中，至少有一半相继成为杰出人物。伯努利家族的后裔有不少于120位被人们系统地追溯过，他们在数学、科学、技术、工程乃至法律、管理、文学、艺术等方面享有名望，有的甚至声名显赫。最不可思议的是这个家族中有两代人，他们中的大多数数学家，并非有意选择数学为职业，然而却忘情地沉溺于数学之中，有人调侃他们就像酒鬼碰到了烈酒。老尼古拉伯努利（Nicolaus Bernoulli
2、，公元16231708年）生于巴塞尔，受过良好教育，曾在当地政府和司法部门任高级职务。他有3个有成就的儿子。其中长子雅各布（Jocob，公元16541705年）和第三个儿子约翰（Johann，公元16671748年）成为著名的数学家，第二个儿子小尼古拉（Nicolaus I，公元16621716年）在成为彼得堡科学院数学界的一员之前，是伯尔尼的第一个法律学教授。1654年12月27日，雅各布伯努利生于巴塞尔，毕业于巴塞尔大学，1671年17岁时获艺术硕士学位。这里的艺术指“自由艺术”，包括算术、几何学、天文学、数理音乐和文法、修辞、雄辩术共7大门类。遵照父亲的愿望，他于1676年22岁时又取得
3、了神学硕士学位。然而，他也违背父亲的意愿，自学了数学和天文学。1676年，他到日内瓦做家庭教师。从1677年起，他开始在那里写内容丰富的沉思录。1678年和1681年，雅各布伯努利两次外出旅行学习，到过法国、荷兰、英国和德国，接触和交往了许德、玻意耳、胡克、惠更斯等科学家，写有关于彗星理论（1682年）、重力理论（1683年）方面的科技文章。1687年，雅各布在教师学报上发表数学论文用两相互垂直的直线将三角形的面积四等分的方法，同年成为巴塞尔大学的数学教授，直至1705年8月16日逝世。1699年，雅各布当选为巴黎科学院外籍院士；1701年被柏林科学协会（后为柏林科学院）接纳为会员。许多数学成
4、果与雅各布的名字相联系。例如悬链线问题（1690年），曲率半径公式（1694年），“伯努利双纽线”（1694年），“伯努利微分方程”（1695年），“等周问题”（1700年）等。雅各布对数学最重大的贡献是在概率论研究方面。他从1685年起发表关于赌博游戏中输赢次数问题的论文，后来写成巨著猜度术，这本书在他死后8年，即1713年才得以出版。最为人们津津乐道的轶事之一，是雅各布醉心于研究对数螺线，这项研究从1691年就开始了。他发现，对数螺线经过各种变换后仍然是对数螺线，如它的渐屈线和渐伸线是对数螺线，自极点至切线的垂足的轨迹，以极点为发光点经对数螺线反射后得到的反射线，以及与所有这些反射线相切的
5、曲线（回光线）都是对数螺线。他惊叹这种曲线的神奇，竟在遗嘱里要求后人将对数螺线刻在自己的墓碑上，并附以颂词“纵然变化，依然故我”，用以象征死后永生不朽。（二） 雅各布伯努利的弟弟约翰伯努利比哥哥小13岁，1667年8月6日生于巴塞尔，1748年1月1日卒于巴塞尔，享年81岁，而哥哥只活了51岁。约翰于1685年18岁时获巴塞尔大学艺术硕士学位，这点同他的哥哥雅各布一样。他们的父亲老尼古拉要大儿子雅各布学法律，要小儿子约翰从事家庭管理事务。但约翰在雅各布的带领下进行反抗，去学习医学和古典文学。约翰于1690年获医学硕士学位，1694年又获得博士学位。但他发现他骨子里的兴趣是数学。他一直向雅各布学
6、习数学，并颇有造诣。1695年，28岁的约翰取得了他的第一个学术职位荷兰格罗宁根大学数学教授。10年后的1705年，约翰接替去世的雅各布任巴塞尔大学数学教授。同他的哥哥一样，他也当选为巴黎科学院外籍院士和柏林科学协会会员。1712、1724和1725年，他还分别当选为英国皇家学会、意大利波伦亚科学院和彼得堡科学院的外籍院士。约翰的数学成果比雅各布还要多。例如解决悬链线问题（1691年），提出洛必达法则（1694年）、最速降线（1696年）和测地线问题（1697年），给出求积分的变量替换法（1699年），研究弦振动问题（1727年），出版积分学教程（1742年）等。约翰与他同时代的110位学者有
7、通信联系，进行学术讨论的信件约有2500封，其中许多已成为珍贵的科学史文献，例如同他的哥哥雅各布以及莱布尼茨、惠更斯等人关于悬链线、最速降线（即旋轮线）和等周问题的通信讨论，虽然相互争论不断，特别是约翰和雅各布互相指责过于尖刻，使兄弟之间时常造成不快，但争论无疑会促进科学的发展，最速降线问题就导致了变分法的诞生。约翰的另一大功绩是培养了一大批出色的数学家，其中包括18世纪最著名的数学家欧拉、瑞士数学家克莱姆、法国数学家洛必达，以及他自己的儿子丹尼尔和侄子尼古拉二世等。 （三） 约翰伯努利想迫使他的第二个儿子丹尼尔去经商，但丹尼尔在不由自主地陷进数学之前，曾宁可选择医学成为医生。丹尼尔(Dani
8、el，公元17001782年)出生于荷兰的格罗宁根，1716年16岁时获艺术硕士学位；1721年又获医学博士学位。他曾申请解剖学和植物学教授职位，但未成功。丹尼尔受父兄影响，一直很喜欢数学。1724年，他在威尼斯旅途中发表数学练习，引起学术界关注，并被邀请到圣彼得堡科学院工作。同年，他还用变量分离法解决了微分方程中的里卡提方程。1725年，25岁的丹尼尔受聘为圣彼得堡的数学教授。1727年，20岁的欧拉(后人将他与阿基米德、艾萨克牛顿、高斯并列为数学史上的“四杰”)，到圣彼得堡成为丹尼尔的助手。然而，丹尼尔认为圣彼得堡那地方的生活比较粗鄙?摇，以至于8年以后的1733年，他找到机会返回巴塞尔，
9、终于在那儿成为解剖学和植物学教授，最后又成为物理学教授。1734年，丹尼尔荣获巴黎科学院奖金，以后又10次获得该奖金。能与丹尼尔媲美的只有大数学家欧拉。丹尼尔和欧拉保持了近40年的学术通信，在科学史上留下一段佳话。在伯努利家族中，丹尼尔是涉及科学领域较多的人。他出版了经典著作流体动力学(1738年)；研究弹性弦的横向振动问题(17411743年)，提出声音在空气中的传播规律(1762年)。他的论著还涉及天文学(1734年)、地球引力(1728年)、湖汐(1740年)、磁学(1743、1746年)，振动理论(1747年)、船体航行的稳定(1753、1757年)和生理学(1721、1728年)等。
10、凡尼尔的博学成为伯努利家族的代表。丹尼尔于1747年当选为柏林科学院院士，1748年当选巴黎科学院院士，1750年当选英国皇家学会会员。他一生获得过多项荣誉称号。著名的伯努利家族曾产生许多传奇和轶事。对于这样一个既有科学天赋然而又语言粗暴的家族来说，这似乎是很自然的事情。一个关于丹尼尔的传说这是样的：有一次在旅途中，年轻的丹尼尔同一个风趣的陌生人闲谈，他谦虚地自我介绍说：“我是丹尼尔伯努利。”陌生人立即带着讥讽的神情回答道：“那我就是艾萨克牛顿！”编辑词条 贝叶斯目录隐藏【理论概述】 【贝叶斯公式】 【贝叶斯决策理论分析】 【贝叶斯决策判据】 编辑本段【理论概述】贝叶斯(1702-1763)
11、Thomas Bayes，英国数学家.1702年出生于伦敦，做过神甫。1742年成为英国皇家学会会员。1763年4月7日逝世。贝叶斯在数学方面主要研究概率论。他首先将归纳推理法用于概率论基础理论，并创立了贝叶斯统计理论，对于统计决策函数、统计推断、统计的估算等做出了贡献.1763年发表了这方面的论著，对于现代概率论和数理统计都有很重要的作用。贝叶斯的另一著作机会的学说概论发表于1758年。贝叶斯所采用的许多术语被沿用至今。贝叶斯决策理论是主观贝叶斯派归纳理论的重要组成部分。贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概
12、率做出最优决策。贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是：1、已知类条件概率密度参数表达式和先验概率。2、利用贝叶斯公式转换成后验概率。3、根据后验概率大小进行决策分类。他对统计推理的主要贡献是使用了逆概率这个概念，并把它作为一种普遍的推理方法提出来。贝叶斯定理原本是概率论中的一个定理，这一定理可用一个数学公式来表达，这个公式就是著名的贝叶斯公式。 贝叶斯公式是他在1763年提出来的：假定B1,B2,是某个过程的若干可能的前提，则P(Bi)是人们事先对各前提条件出现可能性大小的估计，称之为先验概率。如果这个过程得到了一个结果A，那么贝叶斯公式提供了我们根据A的出现而对前提
13、条件做出新评价的方法。P(BiA)既是对以A为前提下Bi的出现概率的重新认识，称 P(BiA)为后验概率。经过多年的发展与完善，贝叶斯公式以及由此发展起来的一整套理论与方法，已经成为概率统计中的一个冠以“贝叶斯”名字的学派，在自然科学及国民经济的许多领域中有着广泛应用。 编辑本段【贝叶斯公式】设D1，D2，Dn为样本空间S的一个划分，如果以P(Di)表示事件Di发生的概率，且P(Di)0(i=1，2，n)。对于任一事件x，P(x)0，则有： nP(Dj/x)=p(x/Dj)P(Dj)/P(X/Di)P(Di)i=1 贝叶斯公式编辑本段【贝叶斯决策理论分析】（1）如果我们已知被分类类别概率分布的
14、形式和已经标记类别的训练样本集合，那我们就需要从训练样本集合中来估计概率分布的参数。在现实世界中有时会出现这种情况。（如已知为正态分布了，根据标记好类别的样本来估计参数，常见的是极大似然率和贝叶斯参数估计方法）（2）如果我们不知道任何有关被分类类别概率分布的知识，已知已经标记类别的训练样本集合和判别式函数的形式，那我们就需要从训练样本集合中来估计判别式函数的参数。在现实世界中有时会出现这种情况。（如已知判别式函数为线性或二次的，那么就要根据训练样本来估计判别式的参数，常见的是线性判别式和神经网络）（3）如果我们既不知道任何有关被分类类别概率分布的知识，也不知道判别式函数的形式，只有已经标记类别
15、的训练样本集合。那我们就需要从训练样本集合中来估计概率分布函数的参数。在现实世界中经常出现这种情况。（如首先要估计是什么分布，再估计参数。常见的是非参数估计）（4）只有没有标记类别的训练样本集合。这是经常发生的情形。我们需要对训练样本集合进行聚类，从而估计它们概率分布的参数。（这是无监督的学习）（5）如果我们已知被分类类别的概率分布，那么，我们不需要训练样本集合，利用贝叶斯决策理论就可以设计最优分类器。但是，在现实世界中从没有出现过这种情况。这里是贝叶斯决策理论常用的地方。问题：假设我们将根据特征矢量x 提供的证据来分类某个物体，那么我们进行分类的标准是什么？decide wj， if（p(wj|x)p(wi|x)）(i不等于j)应用贝叶斯展开后可以得到p(x|wj)p(wj)p(x|wi)p(wi)即或然率p(x|wj)/p(x|wi)p(wi)/p(wj)，决策规则就是似然率测试规则。结论：对于任何给定问题，可以通过似然率测试决策规则得到最小的错误概率。这个错误概率称为贝叶斯错误率，且是所有分类器中可以得到的最好结果。最小化错误概率的决策规则就是最大化后验概率判据。 编辑本段【贝叶斯决策判据】贝叶斯决
