2018许宝騄对概率论与数理统计的卓越贡献

164731

　　摘　要　许宝騄是中国最早在概率论与数理统计研究方面达到世界先进水平的杰出数学家。他奠定了中国概率论与数理统计学科的基础,并为之付出了毕生精力。其研究成果已成为当代概率论与数理统计理论的重要组成部分,至今“许方法”仍被认为是解决检验问题的最实用方法。
;
关键词　许宝騄　概率论　数理统计　假设检验　多元分析
;
许宝騄(1910—1970年)是20世纪中最富有创造性的统计学家之一,是中国最早在概率论与数理统计研究方向达到世界先进水平的杰出数学家。他加强了强大数定律;研究了中心极限定理中误差大小的精确估计;发展了矩阵变换技巧;得到了高斯2马尔科夫(Gauss-Markov)模型中方差的最优估计;揭示了线性假设似然比检验的第一个优良性质等[;1;];。其研究成果已经成为当代概率论与数理统计理论的重要组成部分,至今“许方法”仍被认为是解决检验问题的最实用方法。
少年时代的许宝騄受益于表姐夫徐传元(毕业于美国麻省理工学院)的指导。1928年,许宝騄考入燕京大学化学系,但对数学的浓厚兴趣,促使他改攻数学,并于1930年考入清华大学数学系。期间,深受熊庆来(1893—1969年);、孙光远(1900—1979年)和杨武之(1896—1973年)的教诲。1933年,以优异成绩获得理学士学位。1936年,通过赴英庚子赔款公费留学考试,进入伦敦大学学院(University;College)的高尔顿(;Francis;Galdon,1822—1911)实验室和统计系学习数理统计学。1938年获得哲学博士学位,两年后又获得理学博士学位[;2;];。
1940年,许宝騄回到抗日烽火中的祖国,受聘为北京大学教授,在西南联合大学任教。1945年,应加州伯克利大学和哥伦比亚大学的联合邀请而前往美国。1947年10月,谢绝众多朋友的挽留,毅然回到中国,此后一直在北京大学任教。
许宝騄是中央研究院第一届当选的5名数学所院士之一。;1955年当选为中国科学院学部委员。1979年美国《数理统计学年鉴》高度评价了他对概率论与数理统计学科所做出的卓越贡献。1981年和1983年,科学出版社和德国施普林格(;Sp;ringer2Verlag)出版社分别出版了《许宝騄文集》和《许宝騄选集》。在美国斯坦福大学统计系走廊里至今悬挂着许宝騄的画像。
1984年,为了纪念许宝騄及推进我国统计学的发展,数学家钟开莱、郑清水、徐利治发起设立“许宝騄统计数学奖”,奖励35岁以下研究数理统计与理论统计的青年工作者。这是我国最高的数学奖项之一。
1　问津概率论王国
1880年,英国学者傅兰雅(;John;Fryer,;1839—1928;)和中国数学家华蘅芳(;1833—1902年)合译的《决疑数学》是传入我国的第一部概率论著作。由于种种因素,该书对我国的概率论发展没有产生多大影响。辛亥革命后,微积分、近世代数、近世几何学等相继进入我国的高等教育领域,而概率论尚未进入。1915年1月创刊的中国第一份现代科学杂志《科学》曾刊出一篇文章《最小二乘式》,此为我国第一篇概率论文章。后胡明复(1891—1927年)曾撰写《几率论》、《误差论》等一系列论文探讨概率统计的哲学问题[;3;];。由于受中国传统数学思想的影响,加之近代数学基础薄弱,随机数学在我国发展甚是缓慢。直到20世纪30年代,我国数学家褚一飞、刘炳震、许宝騄、钟开莱等才陆续发表概率论与数理统计的研究论文,拉开了中国对概率论与数理统计研究的序幕。
许宝騄痛感中国数学之落后,怀着满腔的报国热情,决心把自己的事业立足于祖国。;由于概率论与数理统计在中国几乎是空白的学科领域,于是,许宝騄以惊人毅力和无私奉献精神为其奠定了基础,并为之振兴付出了毕生精力。
在实际工作及理论问题中,概率接近于1或0的随机事件具有重要意义。概率论的一个基本问题就是探索概率接近于1的规律,特别是大量独立或弱相依因素累积结果所发生的规律。大数定律就是研究这种规律的命题之一。许宝騄对大数定律进行了深入探讨。
强大数定律和弱大数定律取决于收敛的类型。第一个弱大数定律由雅可布·伯努利(Jacob;Bernoulli,;1654—1705;);提出,;刻画了大量经验观测中呈现的稳定性。后泊松(;Siméon;Denis;Poisson,;1781—1840)又提出了一个条件更宽的陈述,即泊松大数定律。
切比雪夫(;P.;L.;Chebyshev,;1821—1894)第一次严格地证明了伯努利大数定律,并把结果推广到泊松大数定律。1866年,切比雪夫给出著名的切比雪夫不等式,并由此导出切比雪夫大数定律。
第一个强大数定律由法国数学家博雷尔(;Email;Borel,;1871—1956)在1909年对伯努利试验场合建立。他证得若试验次数无限增加时,频率将趋于概率。博雷尔的工作激起了数学家沿这一崭新方向的一系列探索,其中尤以柯尔莫戈罗夫(A.;H.;Kolmogorov,;1903—1987)的研究最为卓著。他在1926年推导了弱大数定律成立的充分必要条件,后又对博雷尔提出的强大数定律给出了一般结果。
许宝騄进一步加强了强大数定律的结论。其结果为:设X1;,;X2;,;,;Xn;,;是独立同分布均值为零、方差有限的随机变量序列,任给ε=1P;1n|;X1;+;X2;+;|;ε;4;];。
概率论中的极限定理研究的是随机变量序列的某种收敛性,对随机变量收敛性的不同定义将导致不同的极限定理。许宝騄在“依分布收敛”、“依概率收敛”、“r2阶收敛”和“依概率1收敛”的基础上,创造性地提出“完全收敛性”概念,开辟了概率论极限理论研究的新局面。直到今天,对完全收敛性的讨论仍是一个有意义的课题,这就足以表明该文的开创性价值。正如许宝騄所说:“一篇论文不能因为获得发表就有了价值。其真正价值要看发表后被引用的状况来评价。”[;1;];许宝騄对中心极限定理也进行了较为深入的研究。“中心极限定理”这个术语是由波利亚(G.;Polya,;1887—1985);1920年引入的。;该定理断言在适当条件下,大量独立随机变量和的概率分布近似于正态分布。在长达两个世纪的时间内极限定理成了概率论的中心课题。
1733年,棣莫弗(A.;De;Moivre,;1667—1754)由二项分布的渐进分布推导出正态分布。较一般的极限定理由拉普拉斯(;Pierre2Simon;Marquis;de;Lap;lace,;1749—1827)给出,但其证明不完善。
误差分析是概率论的生长点之一。如果把随机变量总和中的每项看作是小的“基本误差”,那么中心极限定理就为观察误差中正态分布的发生给出一个解释。19世纪初高斯(C.;F.;Gauss,;1777—1855)在研究测量误差时引进了正态分布,并发展了具有广泛应用的最小二乘法。
在许多数学家为给出中心极限定理严格证明所做的努力均告失败后,切比雪夫使用矩方法的尝试相当令人鼓舞。马尔科夫(A.;A.;Markov,;1856—1922)于1887年第一个用矩方法给出了中心极限定理的严格证明。切比雪夫的另一个弟子李雅普诺夫(A.;M.;Lyapunov,;1857—1918)则从一个全新角度去考察中心极限定理,引入特征函数这一有力工具,避免了矩方法所要求的高阶矩存在的苛刻条件,在1901年给出了定理的完善证明,其证明方法与现在素数理论中的方法相类似。特征函数实现了数学方法的革命,为极限定理的进一步精确化提供了条件。
一个从理论和应用上都应当关心的问题是,仅知道某个概率分布渐近正态分布是不够的,还必须知道换成正态分布后误差有多大。李雅普诺夫给出这个误差的一个上限。瑞典数学家克拉美(H.;Cramér,;1893—1985)发现李雅普诺夫所给余数的估计在风险问题中是远远不够的,并于1928年改进了结果。1941年,贝莱(A.;C.;Berry)再次改进了李雅普诺夫的结果。
许宝騄有一本翻破了的克拉美概率著作,书上几乎写满了批注。他认为该书包含了所有概率论的基础。1945年,许宝騄改进了克拉美定理和贝莱定理,并给出克拉美定理的一个初等证明[;5;];。他以特征函数为工具,通过12个引理,给出了上述定理的证明。但影响更深远的结果是他将相应的样本均值代之以样本方差。许宝騄说:“关于均值的渐近分布,已知结果如此之多。考尼斯(Cornish)和费希尔(R.;A.Fisher,;1890—1962)通过半不变量获得了逐步近似于任何随机变量分布的各项。若把考尼斯和费希尔的形式结果转化为一条渐近展开的数学定理,它能给出剩余项大小的阶。在本文中,样本方差就做到了这一步。”[;5;]
这里许宝騄第一个讨论了样本方差的渐近展开,给出余项阶的估计。他直接引进了一个新维数,用特征函数来近似随机向量的分布,其难点是用特征函数来近似两个高度相关的随机变量的分布。他对特征函数的应用已经达到炉火纯青的境界,在不少论文中对这一技巧信手拈来,应用自如。
许宝騄所采用的方法具有普遍意义,还可以用于解决样本高阶中心矩、样本相关系数及样本统计量的类似问题。他的这一工作在20世纪70年代以后引起了进一步的研究。此后,许宝騄开始研究费勒(W.;Feller,;1906—1970)对中心极限定理一般形式的充要条件。1947年5月,他得到每行独立的无限小随机变量三角阵列的行和,依分布收敛于一给定的无穷可分律的充要条件。当时一些著名的概率专家,如柯尔莫戈罗夫、辛钦(A.Ya.;Khintchine,;1894—1959);、格涅坚科(B.;V.;Gnedenko,;1912—1995);、莱维(;Paul;Lévy,1886—1971)和费勒等,都在寻找这一答案,所以许宝騄在给钟开莱的信中说,担心正在进行的工作会和别人相重复。
许宝騄的条件与格涅坚科的不同,后者的“两个尾巴”是并在一起的,而许宝騄则利用核(;sint;/;t);3;直接证明。但得知格涅坚科的研究成果已经发表时,许宝騄立即承认了其优先权[;6;];。因此,在格涅坚科和柯尔莫戈罗夫合著的相关专著英译本再版时,添加了许宝騄的这一论文作为附录。
20世纪50年代中期,许宝騄对马尔科夫过程产生了兴趣,他用分析的方法讨论了关于转移概率函数的可微性。这一工作暗示了分析结构和概率结构的内在联系,为进一步研究奠定了基础。
2　涉足统计推断领域
贝叶斯(;T.;Bayes,;1702—1761)的论文《论机会学说问题的求解》可看作最早的一种统计推断程序。拉普拉斯和高斯等利用贝叶斯公式估计参数的研究,促使统计学摆脱观测数据的单纯描述而向强调推断的阶段过渡。
19世纪末,皮尔逊(K.;Pearson,;1857—1936);明确指出,统计学不是研究样本本身而是要根据样本对总体进行推断,并引进一个分布族,包含正态分布及现在已知的一些重要非正态分布,还提出矩估计法,用来估计分布族中的参数[;7;];。皮尔逊所提出的检验拟合优度统计量,为大样本统计的先驱性工作。戈塞特(W.;S.;Gosset,;1876—1937);1908年导出的t分布,则开了小样本理论的先河。小样本理论强调样本必须从总体中随机抽取,从而使统计学研究对象从群体现象转变为随机现象。
20世纪20年代费希尔对现代数理统计学的形成和发展做出了卓越贡献。他发展了正态总体下种种统计量的抽样分布理论,建立了以最大似然估计为中心的点估计理论,创立了实验设计,并发展了相应的数据分析方法———方差分析。
1911年,皮尔逊应聘为伦敦大学学院优生学教授,并任生物统计系主任,而费希尔自1933年起任伦敦大学学院教授。他们共同建立和领导了一个有世界影响的数理统计学派,使伦敦大学学院的高尔顿实验室和统计系成为世界数理统计学的研究中心。