統計學發展史地圖

法國貴族梅雷騎士 (Chevalier de Méré) 是個職業賭徒，遇到一個煩人問題：兩人賭骰子打到 5:3 局中斷，錢怎麼分？他寫信問當時數學圈的天才帕斯卡 (Blaise Pascal)。帕斯卡也答不出來，轉頭寫信給費馬 (Pierre de Fermat)。兩人通了一系列信，這些信被視為現代機率論 (Probability Theory) 的正典起源。

他們的解法是「不要按比數分，要按未來贏的可能性分」。算出「如果繼續打，雙方贏的機率 (Probability) 各是多少」，按這個比例分錢。這個分錢的數字就是史上第一個期望值 (Expected Value, E(X))——你長期下來平均能拿到多少。

瑞士數學家，伯努利數學家族的長兄。寫了《猜測的藝術 (Ars Conjectandi)》，但在 1705 過世時還沒完成，由侄子 Nicolaus Bernoulli 在 1713 整理出版。他和弟弟約翰 (Johann Bernoulli) 長期內鬥、互搶問題——這個家族是天才+互相罵戰的代表。

他做了三件事——(1) 把賭博抽象成「伯努利試驗 (Bernoulli Trial)」：一次試驗、兩個結果、機率固定；(2) 把 n 次伯努利試驗加總，得到「二項分佈 (Binomial Distribution)」；(3) 證明「大數法則 (Law of Large Numbers, LLN)」——重複多次後，樣本平均會趨近期望值。這是統計學「樣本→母體」對偶結構的源頭。

法國新教徒，因宗教迫害逃到英國。在倫敦過得很窮，靠在咖啡館裡幫貴族算賭博機率、當數學家教為生。牛頓 (Isaac Newton) 很賞識他但他始終進不了學術圈。據說他預測自己的死期——發現自己每天多睡 15 分鐘，算到睡滿 24 小時那天，真的應驗。

他研究「二項分佈 (Binomial Distribution) 在 n 很大時長什麼樣」，得出一個近似公式，畫出來就是鐘形曲線 (Bell Curve)。但他沒意識到這個曲線的重要性，只當它是個快速計算工具。這就是後來被稱為「棣莫弗–拉普拉斯定理 (de Moivre–Laplace Theorem)」的雛形，也是 CLT 最早的特例。

英國長老會牧師，業餘數學家，住在鄉村。生前發表的論文不多，他關於「逆機率 (Inverse Probability)」的核心論文 An Essay towards solving a Problem in the Doctrine of Chances 是在他 1761 過世後，由朋友 Richard Price 整理發表的。論文發表後幾乎沒人理，要等 200 年後（20 世紀）才被翻出來變成顯學。

Pascal 問「已知原因→算結果機率」（已知骰子公平，算丟出 6 的機率）；Bayes 反過來問「已知結果→反推原因機率」（看到 10 次擲骰結果，這顆骰子是公平的機率多大？）。這個反方向的問題催生了「貝氏定理 (Bayes' Theorem)」，後來成為機器學習 (Machine Learning) 與所有「用資料推斷未知參數」方法的核心。

被稱為「數學王子 (Princeps Mathematicorum)」。1801 年，天文學家發現了小行星穀神星 (Ceres)，但很快又因軌道計算困難失蹤。高斯用他發明的方法算出軌道，幾個月後天文學家照他的預測真的找到了穀神星——這讓他一夜成名。為了讓這套方法在數學上有嚴謹基礎，他在 1809 出版《天體運動論 (Theoria Motus Corporum Coelestium)》。

他從「天文觀測誤差 (Observational Errors) 應該長什麼樣」這個問題出發，獨立地推導出鐘形曲線——比棣莫弗晚 76 年但動機完全不同。他證明：如果你用「最小平方法 (Least Squares)」找最佳估計，誤差分佈剛好就是鐘形。從此鐘形曲線從「二項分佈的近似工具」升格為「自然界誤差的通用語言」，也被稱為「高斯分佈 (Gaussian Distribution)」。

法國數學家，跨越法國大革命、拿破崙時代與波旁王朝復辟，三朝都得意。拿破崙曾經親自任命他為內政部長，雖然只做了六週就被解職（拿破崙嫌他「把無限小帶進政府」）。他一個人撐起 18 世紀後半到 19 世紀初的整個機率論發展。

他證明了一件石破天驚的事——「任何分佈的樣本平均，在 n 夠大時都會趨近常態分佈 (Normal Distribution)」。這就是「中央極限定理 (Central Limit Theorem, CLT)」的一般化版本。棣莫弗只敢說「二項分佈的鐘形」，拉普拉斯敢說「所有分佈的鐘形」——這讓常態分佈一躍成為統計學的中心。

法國數學家、物理學家。研究稀有事件 (Rare Events) 機率時用了一個出名的資料集——「普魯士騎兵被馬踢死人數」。這個資料展現了完美的稀有獨立事件分佈。

當二項分佈 (Binomial) 的試驗次數 n 很大、成功機率 p 很小、但 np = λ 維持中等時，會收斂到「泊松分佈 (Poisson Distribution)」。它描述「固定區間內某事件發生幾次」的機率——客服中心 1 小時來幾通電話、網站 1 秒收幾個請求、十字路口 1 天發生幾次車禍。

英國科學家，達爾文 (Charles Darwin) 的表弟。研究遺傳，量了好幾百對父子的身高。他發現一件令他意外的事——高個父親的兒子平均比父親矮，矮個父親的兒子平均比父親高。

他把這個現象命名為「向平均值回歸 (Regression to the Mean)」，也誕生了「回歸 (Regression)」這個詞。同時他發明了「相關 (Correlation)」概念，量化兩個變數的關聯強度。這是後來所有迴歸模型（線性迴歸、邏輯迴歸）的源頭。

高爾頓 (Galton) 的學生，性格強硬。創辦了世界上第一本統計學期刊 Biometrika，也跟費雪 (R. A. Fisher) 大吵過好幾次學術仇恨。建立了倫敦大學學院 (UCL) 的應用統計系——這是世界上第一個正式的統計系。

他發明了「卡方檢定 (Chi-square Test)」——第一個正式可重複的「假設檢定」工具。也把高爾頓的相關概念形式化為「皮爾森相關係數 (Pearson's r)」。從此統計學從「算機率」進入了「驗證假設」的時代。

在愛爾蘭 Guinness 啤酒廠 (Guinness Brewery) 當化學家。要從少量樣本判斷麥芽品質，但傳統 z 檢定需要大樣本。他發明了能處理小樣本的 t 檢定，但 Guinness 公司禁止員工發表論文（怕洩漏商業機密），他只好用筆名 'Student' 在 Biometrika 投稿。一直到他過世，公司外大多數人都不知道 'Student' 真名是誰。

當樣本數 n 很小（n < 30）、母體標準差未知時，「樣本平均 (Sample Mean)」不會剛好服從常態分佈，而是「t 分佈 (t-distribution)」——形狀像鐘形但尾巴更厚（反映小樣本的不確定性）。t 分佈是 t 檢定 (t-test) 的數學基礎，現在你做 A/B 測試、藥物臨床試驗都還在用它。

英國農業試驗站 Rothamsted 的統計學家。一邊種田一邊發明統計學——農業試驗（哪種肥料較好、哪種品種收成多）是檢定方法的天然實驗場。他出版《研究工作者的統計方法 (Statistical Methods for Research Workers)》，幾乎是現代統計學的聖經。他跟皮爾森 (Karl Pearson)、奈曼 (Neyman) 都吵過架，個性出名地難搞。

他把假設檢定 (Hypothesis Testing) 正式化為一套程序：(1) 設「虛無假設 (Null Hypothesis, H₀)」；(2) 算「檢定統計量 (Test Statistic)」；(3) 對照分佈算「p 值 (p-value)」；(4) 若 p 值 < 顯著水準 α (Significance Level)，拒絕 H₀。同時發明了「變異數分析 (ANOVA)」——比較三組以上平均值是否有差異。也發明了「最大概似法 (Maximum Likelihood Estimation, MLE)」。

Egon Pearson 是 Karl Pearson 的兒子，但跟父親學派決裂，與波蘭數學家奈曼 (Jerzy Neyman) 合作。他們跟費雪 (Fisher) 有嚴重學術衝突——費雪認為「不存在型二錯誤」「拒絕 H₀ 就好」；他們堅持「檢定是一種決策框架，必須同時考慮兩種錯誤」。

他們把費雪的單向檢定擴展為「決策框架 (Decision Framework)」：明確定義「型一錯誤 (Type I Error, α)」（H₀ 為真卻拒絕）和「型二錯誤 (Type II Error, β)」（H₀ 為假卻沒拒絕），並提出「信賴區間 (Confidence Interval)」——用一個範圍表達估計的不確定性。今天統計學教科書教的「假設檢定」其實是費雪 + 奈曼皮爾森的混合版本。