概率论的发展史毕业论文

概率论学科历史 三四百年前在欧洲许多国家，贵族之间盛行赌博之风。掷骰子是他们常用的一种赌博方式。因骰子的形状为小正方体，当它被掷到桌面上时，每个面向上的可能性是相等的，即出现1点至6点中任何一个点数的可能性是相等的。有的参赌者就想：如果同时掷两颗骰子，则点数之和为9与点数之和为10，哪种情况出现的可能性较大？ 17世纪中叶，法国有一位热衷于掷骰子游戏的贵族德·梅耳，发现了这样的事实：将一枚骰子连掷四次至少出现一个六点的机会比较多，而同时将两枚骰子掷24次，至少出现一次双六的机会却很少。 这是什么原因呢？后人称此为著名的德·梅耳问题。又有人提出了“分赌注问题”： 两个人决定赌若干局，事先约定谁先赢得6局便算赢家。如果在一个人赢3局，另一人赢4局时因故终止赌博，应如何分赌本？ 诸如此类的需要计算可能性大小的赌博问题提出了不少，但他们自己无法给出答案。 数学家们“参与”赌博。参赌者将他们遇到的上述问题请教当时法国数学家帕斯卡，帕斯卡接受了这些问题，他没有立即回答，而把它交给另一位法国数学家费尔马。他们频频通信，互相交流，围绕着赌博中的数学问题开始了深入细致的研究。这些问题后来被来到巴黎的荷兰科学家惠更斯获悉，回荷兰后，他独立地进行研究。 帕斯卡和费尔马一边亲自做赌博实验，一边仔细分析计算赌博中出现的各种问题，终于完整地解决了“分赌注问题”，并将此题的解法向更一般的情况推广，从而建立了概率论的一个基本概念——数学期望，这是描述随机变量取值的平均水平的一个量。而惠更斯经过多年的潜心研究，解决了掷骰子中的一些数学问题。1657年，他将自己的研究成果写成了专著《论掷骰子游戏中的计算》。这本书迄今为止被认为是概率论中最早的论著。因此可以说早期概率论的真正创立者是帕斯卡、费尔马和惠更斯。这一时期被称为组合概率时期，计算各种古典概率。 在他们之后，对概率论这一学科做出贡献的是瑞士数学家族——贝努利家族的几位成员。雅可布·贝努利在前人研究的基础上，继续分析赌博中的其他问题，给出了“赌徒输光问题”的详尽解法，并证明了被称为“大数定律”的一个定理，这是研究等可能性事件的古典概率论中的极其重要的结果。大数定律证明的发现过程是极其困难的，他做了大量的实验计算，首先猜想到这一事实，然后为了完善这一猜想的证明，雅可布花了20年的时光。雅可布将他的全部心血倾注到这一数学研究之中，从中他发展了不少新方法，取得了许多新成果，终于将此定理证实。 1713年，雅可布的著作《猜度术》出版。遗憾的是在他的大作问世之时，雅可布已谢世8年之久。雅可布的侄子尼古拉·贝努利也真正地参与了“赌博”。他提出了著名的“圣彼得堡问题”：甲乙两人赌博，甲掷一枚硬币到掷出正面为一局。若甲掷一次出现正面，则乙付给甲一个卢布；若甲第一次掷得反面，第二次掷得正面，乙付给甲2个卢布；若甲前两次掷得反面，第三次得到正面，乙付给甲22个卢布。一般地，若甲前n－1次掷得反面，第n次掷得正面，则乙需付给甲2n-1个卢布。问在赌博开始前甲应付给乙多少卢布才有权参加赌博而不致亏损乙方？ 尼古拉同时代的许多数学家研究了这个问题，并给出了一些不同的解法。但其结果是很奇特的，所付的款数竟为无限大。即不管甲事先拿出多少钱给乙，只要赌博不断地进行，乙肯定是要赔钱的。 随着18、19世纪科学的发展，人们注意到某些生物、物理和社会现象与机会游戏相似，从而由机会游戏起源的概率论被应用到这些领域中，同时也大大推动了概率论本身的发展。 法国数学家拉普拉斯将古典概率论向近代概率论进行推进，他首先明确给出了概率的古典定义，并在概率论中引入了更有力的数学分析工具，将概率论推向一个新的发展阶段。他还证明了“煤莫弗——拉普拉斯定理”，把橡莫弗的结论推广到一般场合，还建立了观测误差理论和最小二乘法。拉普拉斯于1812年出版了他的著作《分析的概率理论》，这是一部继往开来的作品。这时候人们最想知道的就是概率论是否会有更大的应用价值？是否能有更大的发展成为严谨的学科。 概率论在20世纪再度迅速地发展起来，则是由于科学技术发展的迫切需要而产生的。1906年，俄国数学家马尔科夫提出了所谓“马尔科夫链”的数学模型。1934年，前苏联数学家辛钦又提出一种在时间中均匀进行着的平稳过程理论。 如何把概率论建立在严格的逻辑基础上，这是从概率诞生时起人们就关注的问题，这些年来，好多数学家进行过尝试，终因条件不成熟，一直拖了三百年才得以解决。 20世纪初完成的勒贝格测度与积分理论及随后发展的抽象测度和积分理论，为概率公理体系的建立奠定了基础。在这种背景下柯尔莫哥洛夫1933年在他的《概率论基础》一书中首次给出了概率的测度论式定义和一套严密的公理体系。他的公理化方法成为现代概率论的基础，使概率论成为严谨的数学分支。 现在，概率论与以它作为基础的数理统计学科一起，在自然科学，社会科学，工程技术，军事科学及工农业生产等诸多领域中都起着不可或缺的作用。 直观地说，卫星上天，导弹巡航，飞机制造，宇宙飞船遨游太空等都有概率论的一份功劳；及时准确的天气预报，海洋探险，考古研究等更离不开概率论与数理统计；电子技术发展，影视文化的进步，人口普查及教育等同概率论与数理统计也是密不可分的。 根据概率论中用投针试验估计π值的思想产生的蒙特卡罗方法，是一种建立在概率论与数理统计基础上的计算方法。借助于电子计算机这一工具，使这种方法在核物理、表面物理、电子学、生物学、高分子化学等学科的研究中起着重要的作用。 概率论作为理论严谨，应用广泛的数学分支正日益受到人们的重视，并将随着科学技术的发展而得到发展。

概率论是一门研究随机现象规律的数学分支。其起源于十七世纪中叶，当时在误差、人口统计、人寿保险等范畴中，需要整理和研究大量的随机数据资料，这就孕育出一种专门研究大量随机现象的规律性的数学，但当时 *** 数学家们首先思考概率论的问题，却是来自赌博者的问题。数学家费马向一法国数学家帕斯卡提出下列的问题：“现有两个赌徒相约赌若干局，谁先赢s局就算赢了，当赌徒A赢a局[a < s]，而赌徒B赢b局[b < s]时，赌博中止，那赌本应怎样分才合理呢？”于是他们从不同的理由出发，在1654年7月29日给出了正确的解法，而在三年后，即1657年，荷兰的另一数学家惠根斯[1629-1695]亦用自己的方法解决了这一问题，更写成了《论赌博中的计算》一书，这就是概率论最早的论着，他们三人提出的解法中，都首先涉及了数学期望[mathematical expectation]这一概念，并由此奠定了古典概率论的基础。

使概率论成为数学一个分支的另一奠基人是瑞士数学家雅各布-伯努利[1654-1705]。他的主要贡献是建立了概率论中的第一个极限定理，我们称为“伯努利大数定理”，即“在多次重复试验中，频率有越趋稳定的趋势”。这一定理更在他死后，即1713年，发表在他的遗著《猜度术》中。

到了1730年，法国数学家棣莫弗出版其著作《分析杂论》，当中包含了著名的“棣莫弗—拉普拉斯定理”。这就是概率论中第二个基本极限定理的原始初形。而接着拉普拉斯在1812年出版的《概率的分析理论》中，首先明确地对概率作了古典的定义。另外，他又和数个数学家建立了关于“正态分布”及“最小二乘法”的理论。另一在概率论发展史上的代表人物是法国的泊松。他推广了伯努利形式下的大数定律，研究得出了一种新的分布，就是泊松分布。概率论继他们之后，其中心研究课题则集中在推广和改进伯努利大数定律及中心极限定理。

概率论发展到1901年，中心极限定理终于被严格的证明了，及后数学家正利用这一定理第一次科学地解释了为什么实际中遇到的许多随机变量近似服从以正态分布。到了20世纪的30年代，人们开始研究随机过程，而著名的马尔可夫过程的理论在1931年才被奠定其地位。而苏联数学家柯尔莫哥洛夫在概率论发展史上亦作出了重大贡献，到了近代，出现了理论概率及应用概率的分支，及将概率论应用到不同范畴，从而开展了不同学科。因此，现代概率论已经成为一个非常庞大的数学分支。

起源 概率论是一门研究事情发生的可能性的学问，但是最初概率论的起源与赌博问题有关。

16世纪，意大利的学者吉罗拉莫·卡尔达诺（Girolamo Cardano）开始研究掷骰子等赌博中的一些简单问题。 概率与统计的一些概念和简单的方法，早期主要用于赌博和人口统计模型。

随着人类的社会实践，人们需要了解各种不确定现象中隐含的必然规律性，并用数学方法研究各种结果出现的可能性大小，从而产生了概率论，并使之逐步发展成一门严谨的学科。 概率与统计的方法日益渗透到各个领域，并广泛应用于自然科学、经济学、医学、金融保险甚至人文科学中。

发展 随着18、19世纪科学的发展，人们注意到在某些生物、物理和社会现象与机会游戏之间有某种相似性，从而由机会游戏起源的概率论被应用到这些领域中，同时这也大大推动了概率论本身的发展。 使概率论成为数学的一个分支的奠基人是瑞士数学家伯努利，他建立了概率论中第一个极限定理，即伯努利大数定律，阐明了事件的频率稳定于它的概率。

随后棣莫弗和拉普拉斯又导出了第 二个基本极限定理（中心极限定理）的原始形式。 拉普拉斯在系统总结前人工作的基础上写出了《分析的概率理论》，明确给出了概率的古典定义，并在概率论中引入了更有力的分析工具，将概率论推向一个新的发展阶段。

19世纪末，俄国数学家切比雪夫、马尔可夫、李亚普诺夫等人用分析方法建立了大数定律及中心极限定理的一般形式，科学地解释了为什么实际中遇到的许多随机变量近似服从正态分布。 20世纪初受物理学的 *** ，人们开始研究随机过程。

这方面柯尔莫哥洛夫、维纳、马尔可夫、辛钦、莱维及费勒等人作了杰出的贡献。 扩展资料 概率论是研究随机现象数量规律的数学分支。

随机现象是相对于决定性现象而言的。 在一定条件下必然发生某一结果的现象称为决定性现象。

例如在标准大气压下，纯水加热到100℃时水必然会沸腾等。 随机现象则是指在基本条件不变的情况下，每一次试验或观察前，不能肯定会出现哪种结果，呈现出偶然性。

例如，掷一硬币，可能出现正面或反面。随机现象的实现和对它的观察称为随机试验。

随机试验的每一可能结果称为一个基本事件，一个或一组基本事件统称随机事件，或简称事件。典型的随机试验有掷骰子、扔硬币、抽扑克牌以及轮盘游戏等。

事件的概率是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。

参考资料：百度百科-概率论。

概率的历史：

第一个系统地推算概率的人是16世纪的卡尔达诺。记载在他的著作《Liber de Ludo Aleae》中。书中关于概率的内容是由Gould从拉丁文翻译出来的。

卡尔达诺的数学著作中有很多给赌徒的建议。这些建议都写成短文。然而，首次提出系统研究概率的是在帕斯卡和费马来往的一系列信件中。

这些通信最初是由帕斯卡提出的，他想找费马请教几个关于由Chevvalier de Mere提出的问题。Chevvalier de Mere是一知名作家，路易十四宫廷的显要，也是一名狂热的赌徒。问题主要是两个：掷骰子问题和比赛奖金分配问题。

概率是度量偶然事件发生可能性的数值。假如经过多次重复试验，偶然事件出现了若干次（。以X作分母，Y作分子，形成了数值。

在多次试验中，P相对稳定在某一数值上，P就称为A出现的概率。如偶然事件的概率是通过长期观察或大量重复试验来确定，则这种概率为统计概率或经验概率。

扩展资料：

随着人们遇到问题的复杂程度的增加，等可能性逐渐暴露出它的弱点，特别是对于同一事件，可以从不同的等可能性角度算出不同的概率，从而产生了种种悖论。

另一方面，随着经验的积累，人们逐渐认识到，在做大量重复试验时，随着试验次数的增加，一个事件出现的频率，总在一个固定数的附近摆动，显示一定的稳定性。

米泽斯把这个固定数定义为该事件的概率，这就是概率的频率定义。从理论上讲，概率的频率定义是不够严谨的。

参考资料来源：百度百科—概率

概率的历史： 第一个系统地推算概率的人是16世纪的卡尔达诺。

记载在他的著作《Liber de Ludo Aleae》中。书中关于概率的内容是由Gould从拉丁文翻译出来的。

卡尔达诺的数学著作中有很多给赌徒的建议。这些建议都写成短文。

然而，首次提出系统研究概率的是在帕斯卡和费马来往的一系列信件中。 这些通信最初是由帕斯卡提出的，他想找费马请教几个关于由Chevvalier de Mere提出的问题。

Chevvalier de Mere是一知名作家，路易十四宫廷的显要，也是一名狂热的赌徒。问题主要是两个：掷骰子问题和比赛奖金分配问题。

概率是度量偶然事件发生可能性的数值。假如经过多次重复试验，偶然事件出现了若干次（。

以X作分母，Y作分子，形成了数值。 在多次试验中，P相对稳定在某一数值上，P就称为A出现的概率。

如偶然事件的概率是通过长期观察或大量重复试验来确定，则这种概率为统计概率或经验概率。 扩展资料： 随着人们遇到问题的复杂程度的增加，等可能性逐渐暴露出它的弱点，特别是对于同一事件，可以从不同的等可能性角度算出不同的概率，从而产生了种种悖论。

另一方面，随着经验的积累，人们逐渐认识到，在做大量重复试验时，随着试验次数的增加，一个事件出现的频率，总在一个固定数的附近摆动，显示一定的稳定性。 米泽斯把这个固定数定义为该事件的概率，这就是概率的频率定义。

从理论上讲，概率的频率定义是不够严谨的。 参考资料来源：百度百科—概率。

概率论是研究随机现象数量规律的数学分支。

随机现象是指这样的客观现象，当人们观察它时，所得的结果不能预先确定，而只是多种可能结果中的一种。在自然界和人类社会中，存在着大量的随机现象。

例如，掷一硬币，可能出现正面或反面；测量一物体长度，由于仪器及观察受到环境的影响，每次测量结果可能有差异；在同一工艺条件下生产出的灯泡，其寿命长短参差不齐；等等。这些都是随机现象。

随机现象的实现和对它的观察称为随机试验，随机试验的每一可能结果称为一个基本事件，一个或一组基本事件又通称随机事件，或简称事件。事件的概率则是衡量该事件发生的可能性的量度。

虽然在一次随机试验中发生某个事件是带有偶然性的，但那些可以在相同条件下大量重复的随机试验却往往呈现出明显的数量规律性。人们在长期实践中已逐步觉察到某些这样的规律性，并在实际中应用它。

例如，连续多次掷一均匀的硬币，出现正面的频率（出现次数与投掷次数之比）随着投掷次数的增加逐渐稳定于1/2。又如，多次测量一物体的长度，其测量结果的平均值随着测量次数的增加，逐渐稳定于一常数，并且诸测量值大都落在此常数的近旁，越远则越少，因之其分布状况呈现“中间大、两头小”及某种程度的对称性（即近似于正态分布）。

大数律及中心极限定理就是描述和论证这些规律性的。在实际中，人们往往还需要研究在时间推进中某一特定随机现象的演变情况，描述这种演变的就是概率论中的随机过程。

例如，某一电话交换台从一确定时刻起到其后的每一时刻为止所收到的呼唤次数便是一随机过程。又如，微小粒子在液体中因受周围分子的随机碰撞而形成不规则的运动（即布朗运动）也是一随机过程。

研究随机过程的统计特性，计算与过程有关的某些事件的概率，特别是研究与过程样本轨道（即过程的一次实现）有关的问题，是现代概率论的主要课题。总之，概率论与实际有着密切的联系，它在自然科学、技术科学、社会科学、军事和工农业生产中都有广泛的应用。

概率论还是数理统计学的理论基础。 发展简史 概率论有悠久的历史，它的起源与博弈问题有关。

16世纪，意大利的一些学者开始研究掷骰子等赌博中的一些简单问题，例如比较掷两个骰子出现总点数为9或10的可能性大小。17世纪中叶，法国数学家b.帕斯卡、p. de.费马及荷兰数学家c.惠更斯基于排列组合的方法（见组合数学）研究了一些较复杂的赌博问题，他们解决了“合理分配赌注问题”（即“得分问题”，见概率）、“输光问题”等等。

其方法不是直接计算赌徒赢局的概率，而是计算期望的赢值，从而导致了现今称之为数学期望的概念（由惠更斯明确提出）。使概率论成为数学的一个分支的真正奠基人则是瑞士数学家雅各布第一·伯努利，他建立了概率论中第一个极限定理，即伯努利大数律；该定理断言：设事件a的概率p(a)=p(0概率，应理解为事件发生的机会的一个测度，即公理化概率测度（详见后）。

1716年前后，a.棣莫弗对p =1/2情形，用他导出的关于n！的渐近公式（，即所谓斯特林公式）进一步证明了 渐近地服从正态分布（德国数学家.高斯于1809年研究测量误差理论时重新导出正态分布，所以也称为高斯分布）。棣莫弗的这一结果后来被法国数学家.拉普拉斯推广到一般的p(0概率论中第二个基本极限定理（见中心极限定理）的原始形式。

拉普拉斯对概率论的发展贡献很大。他在系统总结前人工作的基础上，写出了《概率的分析理论》（1812年出版，后又再版6次）。

在这一著作中，他首次明确规定了概率的古典定义（通常称为古典概率，见概率），并在概率论中引入了更有力的分析工具，如差分方程、母函数等，从而实现了概率论由单纯的组合计算到分析方法的过渡，将概率论推向一个新的发展阶段。拉普拉斯非常重视概率论的实际应用，对人口统计学尤其感兴趣。

继拉普拉斯以后，概率论的中心研究课题是推广和改进伯努利大数律及棣莫弗-拉普拉斯极限定理。在这方面，俄国数学家∏.Л.切比雪夫迈出了决定性的一步，1866年他用他所创立的切比雪夫不等式建立了有关独立随机变量序列的大数律。

次年，又建立了有关各阶绝对矩一致有界的独立随机变量序列的中心极限定理；但其证明不严格，后来由.马尔可夫于1898年补证。1901年Α.М.李亚普诺夫利用特征函数方法，对一类相当广泛的独立随机变量序列，证明了中心极限定理。

他还利用这一定理第一次科学地解释了为什么实际中遇到的许多随机变量近似服从正态分布。继李亚普诺夫之后，Α.Я.辛钦、Α.Η.柯尔莫哥洛夫、p.莱维及w.费勒等人在随机变量序列的极限理论方面作出了重要贡献。

到20世纪30年代，有关独立随机变量序列的极限理论已臻完备。在此期间，由于实际问题的需要，特别是受物理学的 *** ，人们开始研究随机过。

“统计”一词，英语为statistics，用作复数名词时，意思是统计资料，作单数名词时，指的是统计学。

一般来说，统计这个词包括三个含义：统计工作、统计资料和统计学。这三者之间存在着密切的联系，统计资料是统计工作的成果，统计学来源于统计工作。

原始的统计工作即人们收集数据的原始形态已经有几千年的历史，而它作为一门科学，还是从17世纪开始的。英语中统计学家和统计员是同一个（statistician），但统计学并不是直接产生于统计工作的经验总结。

每一门科学都有其建立、发展和客观条件，统计科学则是统计工作经验、社会经济理论、计量经济方法融合、提炼、发展而来的一种边缘性学科。 1，关于单词statistics 起源于国情调查，最早意为国情学。

十 七世纪，在英格兰人们对“政治算术”感兴趣。1662年，John Graunt发表了他第一本也是唯一一本手稿，《natural and politics observations upon the bills of mortality》， 分析了生男孩和女孩的比例，发展了现在保险公司所用的那种类型的死亡率表。

英文的statistics大约在十八世纪中叶由德国学者 Gottfried Achenwall所创造，是由状态status和德文的政治算术联合推导得出的，第一次由John Sinclair所使用，即1797年出现在Encyclopaedia Britannica。（早期还有一个单词publicitics和statistics竞争“统计”这一含义，如果得胜，现在就开始流行 publicitical learning了）。

2，关于高斯分布或正态分布 1733年，德-莫佛（De Moivre）在给友人分发的一篇文章中给出了正态曲线（这一历史开始被人们忽略） 1783年，拉普拉斯建议正态曲线方程适合于表示误差分布的概率。 1809年，高斯发表了他的关于天体运行论的伟大著作，在这一著作的第二卷第三节中，他导出正态曲线适宜于表示误差规律，同时承认拉普拉斯较早的推导。

正态分布在十九世纪前叶因高斯的工作而加以推广，所以通常称作高斯分布。卡尔-皮尔逊指出德-莫佛是正态曲线的创始人，第一个称它为正态分布，但人们仍习惯称之高斯分布。

3，关于最小二乘法 1805年，Legendre提出最小二乘法，Gauss声称自己在1794年用过，并在1809年基于误差的高斯分布假设，给出了严格推导。 4，其它 在十九世纪中叶，三个不同领域产生的重要发展都是基于随机性是自然界固有的这个前提上的。

阿道夫·凯特莱特（A. Quetlet,1869）利用概率性的概念来描述社会学和生物学现象（正态曲线从观察误差推广到各种数据） 孟德尔（）通过简单的随机性结构公式化了他的遗传法则 玻尔兹曼（Boltzmann,1866）对理论物理中最重要的基本命题之一的热力学第二定律给出了一个统计学的解释。 1859 年，达尔文发表了《物种起源》，达尔文的工作对他的表兄弟高尔登爵士有深远影响，高尔登比达尔文更有数学素养，他开始利用概率工具分析生物现象，对生物计 量学的基础做出了重要贡献（可以称他为生物信息学之父吧），高尔登爵士是第一个使用相关和回归这两个重要概念的人，他还是中位数和百分位数这种概念的创始 人。

受高尔登工作影响，在伦敦的大学学院工作的卡尔-皮尔逊开始把数学和概率论应用于达尔文进化论，从而开创了现代统计时代，赢得了统计之父的称号，1901年Biometrika第一期出版（卡-皮尔逊是创始人之一）。 5，关于总体和样本 在早期文献中可找到由某个总体中抽样的明确例子，然而从总体中只能取得样本的认识常常是缺乏的。

----K.皮尔逊时代 到十九世纪末，对样本和总体的区别已普遍知道，然而这种区分并不一定总被坚持。----1910年Yule在自己的教科书中指出。

在 1900年代的早期，区分变的更清楚，并在1922年被Fisher特别强调。----Fisher在1922年发表的一篇重要论文中《On the mathematical foundation of theoretical statistics》，说明了总体和样本的联系和区别，以及其他概念，奠定了“理论统计学”的基础。

6，期望、标准差和方差 期望是一个比概率更原始的概念，在十七世纪帕斯卡和费马时代，期望概念已被公认了。K.皮尔逊最早定义了标准差的概念。

1918年，Fisher引入方差的概念。 力学中的矩和统计学中的中数两者之间的相似性已被概率领域的早期工作者注意到，而K.皮尔逊在1893年第一次在统计意义下使用“矩”。

7，卡方统计量 卡方统计量，是卡-皮尔逊提出用于检验已知数据是否来自某一特定的随机模型，或已知数据是否与已给定的假设一致。卡方检验被誉为自1900年以来在科学技术所有分支中20个尖端发明之一，甚至敌人Fisher都对此有极高评价。

8，矩估计与最大似然 卡-皮尔逊提出了使用矩来估计参数的方法。 Fisher则在1912年到1922年间提出了最大似然估计方法，基于直觉，提出了估计的一致性、有效性和充分性的概念。

9，概率的公理化 1933年，前苏联数学家柯尔莫格洛夫（Kolmogorov）发表了《概率论的基本概念》，奠定了概率论的严格数学基础。 10，贝叶斯定理 贝叶斯对统计学几乎没有什么贡献，然而贝叶斯的一篇文章成为贝叶斯学派统计学的思想模式的焦点，这一篇文章发表于1763年，由贝叶斯的朋友、著名人寿保险原理的开拓者Richard Pri。

随机过程的发展 随时间推进的随机现象的数学抽象。例如，某地第n年的年降水量xn由于受许多随机因素的影响,它本身具有随机性,因此{xn,n=1,2,…}便是一个随机过程。类似地，森林中某种动物的头数，液体中受分子碰撞而作布朗运动的粒子位置，百货公司每天的顾客数，等等，都随时间变化而形成随机过程。严格说来，现实中大多数过程都具有程度不同的随机性。 气体分子运动时，由于相互碰撞等原因而迅速改变自己的位置与速度,其运动的过程是随机的。人们希望知道，运动的轨道有什么性质(是否连续、可微等等)？分子从一点出发能达到某区域的概率有多大？如果有两类分子同时运动，由于扩散而互相渗透，那么扩散是如何进行的,要经过多久其混合才会变得均匀？又如,在一定时间内，放射性物质中有多少原子会分裂或转化？电话交换台将收到多少次呼唤？机器会出现多少次故障？物价如何波动？这些实际问题的数学抽象为随机过程论提供了研究的课题。 一些特殊的随机过程早已引起注意，例如1907年前后，Α.Α.马尔可夫研究过一列有特定相依性的随机变量，后人称之为马尔可夫链（见马尔可夫过程）；又如1923年N.维纳给出了布朗运动的数学定义（后人也称数学上的布朗运动为维纳过程），这种过程至今仍是重要的研究对象。虽然如此，随机过程一般理论的研究通常认为开始于30年代。1931年，Α.Η.柯尔莫哥洛夫发表了《概率论的解析方法》；三年后，Α.Я.辛钦发表了《平稳过程的相关理论》。这两篇重要论文为马尔可夫过程与平稳过程奠定了理论基础。稍后，P.莱维出版了关于布朗运动与可加过程的两本书，其中蕴含着丰富的概率思想。1953年，.杜布的名著《随机过程论》问世，它系统且严格地叙述了随机过程的基本理论。1951年伊藤清建立了关于布朗运动的随机微分方程的理论(见随机积分)，为研究马尔可夫过程开辟了新的道路；近年来由于鞅论的进展，人们讨论了关于半鞅的随机微分方程；而流形上的随机微分方程的理论，正方兴未艾。60年代，法国学派基于马尔可夫过程和位势理论中的一些思想与结果，在相当大的程度上发展了随机过程的一般理论，包括截口定理与过程的投影理论等，中国学者在平稳过程、马尔可夫过程、鞅论、极限定理、随机微分方程等方面也做出了较好的工作。 研究随机过程的方法是多样的，主要可分为两大类：一是概率方法，其中用到轨道性质、停时、随机微分方程等；另一是分析方法，工具是测度论、微分方程、半群理论、函数论、希尔伯特空间等。但许多重要结果往往是由两者并用而取得的。此外，组合方法、代数方法在某些特殊随机过程的研究中也起一定的作用。研究的主要课题有：多指标随机过程、流形上的随机过程与随机微分方程以及它们与微分几何的关系、无穷质点马尔可夫过程、概率与位势、各种特殊过程的专题讨论等。 随机过程论的强大生命力来源于理论本身的内部，来源于其他数学分支如位势论、微分方程、力学、复变函数论等与随机过程论的相互渗透和彼此促进，而更重要的是来源于生产活动、科学研究和工程技术中的大量实际问题所提出的要求。目前随机过程论已得到广泛的应用，特别是对统计物理、放射性问题、原子反应、天体物理、化学反应、生物中的群体生长、遗传、传染病问题、排队论、信息论、可靠性、经济数学以及自动控制、无线电技术等的作用更为显著。 随机过程的定义 设 (Ω,F,p)为概率空间（见概率），T为指标t的集合（通常视t为时间）,如果对每个t∈T,有定义在Ω上的实随机变量x(t)与之对应，就称随机变量族x＝{x(t),t∈T}为一随机过程（简称过程）。研究得最多的是T 为实数集R＝(-∞，∞)的子集的情形；如果T为整数n的集,也称{xn}为随机序列。如果T是d维欧几里得空间Rd（d为大于1的正整数）的子集，则称x为多指标随机过程。 过程x实际上是两个变元(t,ω)(t∈T,ω ∈Ω)的函数，当t固定时，它是一个随机变量；当ω固定时,它是t的函数,称此函数为随机过程（对应于ω）的轨道或样本函数。 如不限于实值情况，可将随机变量与随机过程的概念作如下一般化:设(E,ε)为可测空间（即E为任意非空集,ε为E的某些子集组成的σ域）,称x=(x(ω), ω∈Ω)为取值于E的随机元,如果对任一B∈ε,{ω:x(ω)∈B}∈F。特别,如果为Rd中全体波莱尔集所成的σ域（称波莱尔域）,则取值于Rd中的随机元即d维随机向量。如果其中RT为全体实值函数ƒ=(ƒ(t),t∈T)的集,而为包含一切RT中有限维柱集 的最小σ域，则取值于E的随机元x 即为上述的(实值)随机过程。如对每个t∈T，有取值于E 的随机元x(t)与之对应，则称{x(t),t∈T}为取值于E的随机过程。 以下如无特别声明，只讨论取值于(R 1,B1)的随机过程。 有穷维分布族 一维分布函数描述了随机变量取值的概率规律（见概率分布）,对随机过程x={x(t),t∈T}起类似作用的是它的全体有穷维分布函数：对任意 n个tj∈T,i＝1，2,…,n,考虑的联合分布函数，,全体联合分布称为x 的有穷维分布族,它显然满足下列相容性条件： ① 对(1,2,…，n)的任一排列(λ1,λ2,…,λn)， ； ② 若m0，ε>0，с≥0,使得对任意的t∈【α,b】,t+Δt∈【α,b】，有,则过程的轨道以概率1在【α,b】上一致连续。设可分过程{x(t)，t∈【α,b】}随机连续，而且存在常数p>0，q>0，r>0，с≥0,使得对任意的α≤t1≤t2≤t3≤b，有 则过程的轨道以概率 1无第二类断点。正态过程的轨道性质有更好的结果:对均值函数m(t)呏0的可分正态过程{x(t),t∈【α,b】}，只要存在с≥0,α>0，使得 ,x的轨道就以概率1连续。 停时 这一概念的引进是随机过程论发展史中的一件大事,它带来了许多新的研究课题,而且扩大了理论的应用范围。早在1945年，.杜布关于马尔可夫链的文章中已经有了停时的思想。60年代杜布、Ε.Б.登金（又译邓肯）、.布卢门塔尔等应用停时于鞅及强马尔可夫过程的研究；70年代，由于法国概率论学派的工作而使停时的理论更加完善。 直观上，停时是描述某种随机现象发生的时刻，它是普通时间变量t的随机化。例如,灯泡的寿命、一场球赛持续的时间都可看成是停时。又如，作随机运动的粒子首次到达某集A 的时刻τ,τ(ω)=inf{t>0,x(t,ω)∈A}，且约定inf═＝∞，当x 的轨道连续而且A是一个闭集时，τ就是一个停时，它是一个随机变量，而且对任何t≥0，{τ≤t}∈σ{x(u),u≤t}。 一般地，设在可测空间(Ω,F)中已给F的一族单调、右连续、完备的子σ 域族{,t∈R+},称定义在Ω上的非负可测函数τ=τ(ω)（可取+∞为值）为 停时，如果对任意 t≥0，总有{τ≤t}∈。这一定义的直观背景是：把理解为到t为止的全部信息，一个可观测的随机现象发生的时刻τ是否不迟于t这一信息应包含在之中。 类似于，对停时τ可以定义σ域,其中为包含一切的最小σ域。Fτ可理解为过程到τ为止的全部信息。 停时有许多好的性质,例如,若τ1、τ2是停时,则τ1∨τ2、τ1∧τ2也是停时，其中,;还有，这里表示包含、的最小σ域；进一步，若{τn}是一列停时，则也是停时。更细致地研究停时，需要对其进行分类，重要的类型有可料时、绝不可及时等。 二阶过程 均值和方差都有限的实值或复值随机过程称为二阶过程。二阶过程理论的重要结果之一是它的积分表示。设F是可测空间(∧,A)上的有限测度，如果对每一A∈A,有一复值随机变量Z(A)与它对应,且满足：①E|Z(A)|2< ∞；②则称Z＝{Z(A)，A∈A}为(∧，A)上的正交随机测度。定义在∧上、关于A可测而且关于F平方可积的函数全体记为L2（∧，A，F）。给了一个正交随机测度Z，一族函数,， 就可以产生一个二阶过程,满足 (1)它的二阶矩为 。 (2)反之，对给定的二阶过程，只要它的二阶矩有积分表示(2)，就一定存在一个正交随机测度Z，使过程本身有积分表示(1)。(1)和(2)分别称为过程x和它的二阶矩的谱表示。对均方连续的实二阶过程{x(t),t∈【α,b)】},则有级数展开式 其中{ηn}是标准正交实随机变量序列,即；δnm=0，n=m时,δnm=1)，λn是积分方程的本征值，ψn是相应的本征函数 Γ(t,s)=Ex(t)x(s)。 特殊随机过程类 对过程的概率结构作各种假设,便得到各类特殊的随机过程。除上述正态过程、二阶过程外，重要的还有独立增量过程、马尔可夫过程、平稳过程、鞅点过程和分支过程等。贯穿这些过程类的有两个最重要最基本的过程，布朗运动和泊松过程，它们的结构比较简单,便于研究而应用又很广泛。从它们出发,可以构造出许多其他过程。这两种过程的轨道性质不同,前者连续而后者则是上升的阶梯函数。 广义过程 正如从普通函数发展到广义函数一样，随机过程也可发展到广义过程。设D为R上全体无穷次可微且支集有界的实值函数φ的集，定义在D上的连续线性泛函称为广义函数、全体广义函数的集记为Dx。考虑D×Ω上的二元函数x(φ,ω),如果对固定的ω,x(·,ω)∈Dx是广义函数,而对固定的φ,x(φ，·)是随机变量,则称{x(φ,ω):φ∈D}为定义在(Ω,F,p)上的广义过程。它在φ1,φ2,…,φn上的联合分布为 全体这种联合分布构成了广义过程x的"有穷维分布族"。前两阶矩分别称为均值泛函 和相关泛函 根据有穷维分布族的性质，也可以定义特殊的广义过程类，象广义平稳过程、广义正态过程等。例如，若对D中任意有限个线性独立函数φ1,φ2,…,φn，有限维分布都是正态分布，则称x＝{x(φ,ω)}为广义正态过程。