统计学与概率论的产生与结合
统计学和概率论
统计学和概率论
统计学和概率论是数学领域中的两个重要分支，它们互相关联、相辅相成。
以下是统计学和概率论的主要内容：
统计学：统计学是通过收集、整理、分析和解释数据来推断和预测现象的科学。
统计学的主要内容包括以下几个方面：
数据收集与整理：包括样本的选择、调查问卷设计、数据收集方法和数据清洗等。
描述性统计分析：通过图表、统计指标和描述性统计量来对数据进行总结和描述。
推断统计分析：利用样本数据推断总体特征，包括参数估计、假设检验和置信区间等。
回归分析与预测：建立数学模型来研究变量之间的关系，进行预测和决策分析。
概率论：概率论是研究随机现象及其概率规律的数学分支。
概率论的主要内容包括以下几个方面：
概率基础：包括随机试验、事件、样本空间、概率公理、条件概率和独立性等基本概念。
随机变量与概率分布：定义和性质、离散和连续随机变量、概率密度函数和累积分布函数等。
大数定律与中心极限定理：研究随机变量序列的收敛性质和极限分布。
统计推断中的概率：概率模型的参数估计、假设检验和置信区间的基础理论。
统计学和概率论在现实生活和科学研究中具有广泛的应用，在数据分析、决策制定、风险评估、财务管理、生物医学研究、人工智能等领域发挥重要作用。
高等数学中的概率论与统计学
概率论和统计学是高等数学中的重要分支，也是现代科学发展中不可或缺的一部分。
概率论研究随机现象的规律性，统计学则关注通过对数据进行分析和解释来推断总体的特征。
概率论是研究随机现象的工具和方法，它的基本概念是事件与其发生的可能性之间的关系。
在高等数学中，我们研究的随机现象可以是一次投掷硬币的结果，也可以是下一次雨天的概率。
概率论不仅帮助我们计量和预测事件发生的可能性，还能够通过概率模型解释一些现实世界的现象。
统计学则关注通过对数据进行抽样和分析来推断总体特征的科学。
在高等数学中，我们学习了概率分布和统计推断等方法。
例如，在研究市场需求时，我们可以通过对消费者的调查抽样来了解市场的需求情况，并通过统计推断方法估计总体市场的需求。
概率论和统计学在现实生活中有着广泛的应用。
在金融领域，概率论可以帮助我们计算投资组合的风险和收益，统计学可以通过对股票市场数据的分析来预测未来的趋势。
在医学研究中，概率论可以帮助我们评估一种新药的疗效，统计学可以通过对患者数据的分析来推断总体的治疗效果。
在社会科学中，概率论和统计学可以帮助我们了解人类行为和社会现象的规律性。
在实际应用中，概率论和统计学不仅可以用来进行研究和分析，还可以用来做出决策。
例如，在工程领域，概率论可以帮助我们评估一个新产品的质量，统计学可以通过对产品数据的分析来控制生产过程。
此外，概率论和统计学还与其他学科有着紧密的联系。
例如，概率论和微积分有着深刻的关系，通过概率论的方法我们可以计算随机变量的概率密度函数。
统计学与线性代数有着密切的联系，通过统计推断方法我们可以估计总体的参数。
最后，概率论和统计学的学习不仅仅是对知识的掌握，更是一种思维方式的培养。
学习概率论和统计学可以培养我们的逻辑思维和分析能力，使我们能够更加理性地面对问题并做出科学的决策。
总而言之，高等数学中的概率论与统计学是一门重要的学科，它们不仅帮助我们理解随机现象的规律性，还能够通过数据的分析和解释来进行推断和决策。
概率与统计的关系及应用
概率与统计的关系及应用概率与统计是数学中两个重要的分支，它们在日常生活和各个领域都有广泛的应用。
本文将从概率和统计的基本概念入手，探讨它们之间的关系以及具体的应用。
一、概率与统计的基本概念概率是研究随机现象的可能性的数学分支，它通过对可能结果的量化，来描述事件发生的概率大小。
在概率论中，我们用事件的概率来表示事件发生的可能性，概率的取值范围在0到1之间，其中0表示不可能事件，1表示必然事件。
统计学是研究数据收集、分析和解释的学科，它通过对已有数据的处理和分析，来对总体的特征进行推断和预测。
统计学有两个分支：描述统计和推断统计。
描述统计是通过图表、平均数、方差等方法对数据进行总结和描述；推断统计则是通过对样本数据的分析来推断总体的特征。
概率与统计相辅相成，概率提供了统计学的理论基础，而统计学则通过概率的方法对数据进行分析和处理。
二、概率与统计的关系概率与统计有着密切的关系，概率提供了统计学所需的数学工具和理论基础。
1. 概率与随机变量随机变量是概率论和统计学中的重要概念，它是某个随机现象的结果，一般用大写字母表示（如X）。
概率论研究的是随机变量的概率分布，而统计学则通过对随机变量的观测和实验，来对其概率分布进行推断和研究。
2. 概率与统计的推断统计学的核心任务是对总体进行推断，而概率论提供了统计学中的推断方法。
通过对样本数据的分析，统计学可以得出关于总体的推断和结论，这一过程中涉及到概率的计算和推断。
3. 概率在统计学中的应用概率在统计学中有着广泛的应用。
例如，在假设检验中，研究者根据样本数据和一定的概率模型，来对研究假设进行验证和推断。
此外，概率还应用于统计模型的建立和参数的估计。
三、概率与统计的应用概率与统计在各个领域都有着广泛的应用，下面以几个具体的应用领域为例进行介绍。
1. 金融与风险管理概率与统计在金融领域和风险管理中扮演着重要角色。
金融市场的波动性和风险可以通过概率模型和统计方法进行建模和评估。
统计与概率内容主题的整体理解
统计与概率内容主题的整体理解摘要：一、统计与概率的概念1.统计学的基本概念2.概率论的基本概念二、统计与概率的关系1.统计学与概率论的联系2.概率论在统计学中的应用三、统计与概率的应用领域1.统计学的应用领域2.概率论的应用领域四、统计与概率对现实生活的影响1.统计学对现实生活的影响2.概率论对现实生活的影响正文：统计与概率是两个在现实生活和科学研究中具有重要意义的概念。
统计学是收集、整理、分析和解释数据的方法论，而概率论是研究随机现象的理论。
尽管它们有所不同，但它们在很多方面是相辅相成的。
统计学的基本概念包括描述性统计、推断性统计和回归分析等。
描述性统计用于概括和描述数据的基本特征，如均值、中位数、众数等。
推断性统计则通过样本数据来推断总体特征，如置信区间、假设检验等。
回归分析则是研究两个或多个变量之间关系的方法。
概率论的基本概念包括随机事件、概率、条件概率和独立性等。
随机事件是指在一定条件下可能发生也可能不发生的事件，概率则是描述随机事件发生可能性的数值。
条件概率是指在已知某些条件下，事件发生的概率。
独立性是指两个或多个事件之间的发生互不影响。
统计学与概率论之间存在密切的联系。
概率论为统计学提供了理论基础，许多统计方法都是建立在概率论的基础上。
例如，在推断性统计中，我们使用概率分布来描述样本数据的概率结构，从而对总体参数进行估计和推断。
此外，概率论在统计学中的应用还体现在假设检验、置信区间以及回归分析等方面。
统计学和概率论在许多领域都有广泛的应用。
统计学在社会科学、医学、生物学、经济学等领域发挥着重要作用，例如在市场调查、疾病研究、基因分析、经济预测等方面。
概率论在物理学、工程学、计算机科学等领域具有重要应用，如在随机过程、可靠性分析、密码学等方面。
统计与概率对现实生活产生了深刻的影响。
例如，在医学研究中，统计方法被用于分析疾病与基因、环境等因素之间的关系，从而为疾病的预防和治疗提供依据。
在金融领域，概率论被用于风险管理、投资策略以及衍生品定价等方面，有助于金融市场的稳定和发展。
概率论与统计学的基本概念
概率论与统计学的基本概念概率论与统计学是数学的重要分支，它们研究的是不确定性问题和数据的收集、分析与解释。
本文将介绍概率论与统计学的基本概念，以便读者对这两个领域有一个全面的了解。
一、概率论的基本概念1. 随机试验随机试验是指在相同条件下可以重复进行的实验，其结果无法预知，但却可以确定其可能发生的结果集合。
例如掷一枚硬币或者掷一颗骰子。
2. 样本空间与事件样本空间是指随机试验所有可能结果的集合。
事件是指样本空间中的一个或多个结果的集合。
通过事件的概率，我们可以判断某一特定结果在样本空间中的可能性。
3. 事件的概率事件的概率是指某一事件在随机试验中发生的可能性，其取值范围为0到1。
通过相对频率的方法或基于概率公理化的方法，可以计算出事件的概率。
4. 随机变量与概率密度函数随机变量是指样本空间中的每一个结果赋予一个实数值。
概率密度函数描述了随机变量取值的概率分布情况，通过对概率密度函数的积分，可以得到某个取值范围内的概率。
二、统计学的基本概念1. 参数与统计量参数是指总体的某种特征的数值描述，例如总体的均值或方差。
统计量是从样本中提取的与参数有关的量，例如样本均值或样本方差。
通过统计量的计算，可以对总体的特征进行推断。
2. 抽样与抽样分布抽样是指从总体中选择个别观察值的过程。
抽样分布是指某个统计量在大量重复抽样中的分布情况。
通过抽样分布的性质，可以对总体的参数进行估计。
3. 假设检验假设检验是统计学中的一种推断方法，用于检验关于总体的某些假设。
通过设定原假设和备择假设并计算统计量的观察值，可以判断原假设的合理性。
4. 置信区间置信区间是用样本统计量对总体参数的范围进行估计。
通过计算置信区间，可以在一定置信水平下给出总体参数的估计范围。
三、概率论与统计学的关系概率论和统计学相辅相成，概率论提供了在随机试验中计算事件概率的方法，而统计学则利用抽样和推断的方法对总体参数进行估计和推断，从而使我们能够更好地理解和解读实际数据。
概率论与统计学在高中数学中的应用
概率论与统计学在高中数学中的应用概率论和统计学是数学中非常重要的分支，它们在高中数学中有着广泛的应用。
通过研究和应用概率论和统计学的原理，高中生可以更好地理解和应用这些知识，提高数学水平。
本文将介绍概率论和统计学在高中数学中的应用，并探讨相关概念和实际问题的解决方法。
1. 概率论在高中数学中的应用概率论是研究随机事件发生的可能性及其规律的数学理论。
在高中数学中，概率论广泛应用于以下几个方面。
1.1 事件概率的计算在高中数学中，我们经常遇到计算某个事件发生的概率的问题。
通过概率论的知识，我们可以计算出某个事件发生的可能性。
例如，当我们抛一枚硬币时，正面朝上的概率是多少？当我们掷一个骰子时，掷得点数为6的概率是多少？通过概率的计算，我们可以得到这些问题的答案。
1.2 概率的运算规则在高中数学中，我们需要掌握概率的运算规则，包括加法法则和乘法法则。
通过加法法则，我们可以计算出两个事件中至少发生一个的概率；通过乘法法则，我们可以计算出两个事件同时发生的概率。
这些运算规则在概率统计中发挥着重要的作用。
1.3 概率分布概率分布是描述变量取值可能性的函数或统计规律。
在高中数学中，我们经常遇到某个随机变量的概率分布问题。
例如，某次考试的分数分布是如何的？某批产品的尺寸分布是怎样的？通过分析概率分布，我们可以了解到这些问题的统计规律，并做出相应的判断和决策。
2. 统计学在高中数学中的应用统计学是研究收集、整理、分析和解释数据的科学方法和技术。
在高中数学中，统计学的应用主要包括以下几个方面。
2.1 数据收集和整理在高中数学中，我们需要进行数据的收集和整理，以便对数据进行分析和描述。
通过统计学的方法，我们可以学习到如何有效地收集数据，如何整理数据，并通过图表、表格等形式展示数据。
2.2 描述统计和推断统计在高中数学中，我们需要对数据进行描述和分析。
通过统计学的方法，我们可以学习到不同的统计指标和方法，如均值、中位数、众数、方差、标准差等，用于对数据进行描述和分析。
概率论与统计学的关系
概率论与统计学的关系概率论和统计学是数学中两个重要的分支，它们在现代科学和社会生活中具有广泛的应用。
概率论研究随机现象的规律性，而统计学则通过对数据的收集、分析和解释来推断总体的特征。
两者紧密相连，相辅相成，构成了现代科学研究的重要基础。
本文将探讨概率论与统计学之间的关系，以及它们在实际应用中的重要性。
一、概率论的基本概念和原理概率论是研究随机现象的规律性的数学理论。
它基于概率这个数学工具，研究事件发生的可能性大小。
概率论的基本概念包括样本空间、随机事件、概率等。
样本空间是指一个随机现象的所有可能结果的集合，随机事件是样本空间的一个子集，概率是指一个随机事件发生的可能性大小。
概率论通过概率的定义和运算规则，研究随机事件的概率分布及其规律。
二、统计学的基本概念和原理统计学是利用数据来推断总体特征的学科。
要了解一个总体的特征，往往不能直接观察到整个总体，而只能通过抽样来获取一部分样本数据。
统计学通过对样本数据的分析，运用统计原理和方法，推断出总体的特征。
统计学的基本概念包括总体、样本、参数和统计量等。
总体是指研究对象的全体个体或事物，样本是从总体中抽取的一部分个体或事物，参数是总体特征的度量，统计量是样本特征的度量。
三、概率论与统计学之间的关系概率论和统计学密切相关，可以说概率论是统计学的基石。
概率论提供了统计学所需的随机模型和概率分布，为统计学的理论和方法提供了理论基础。
在统计学中，我们经常需要做出对总体特征的推断，而概率论提供了一种科学的分析方法。
通过概率的计算、模型的建立和分布的推断，可以对样本数据进行分析，进而推断出总体的特征。
概率论为统计学的推断过程提供了基本的工具和方法。
四、概率论与统计学的应用概率论和统计学的应用非常广泛，几乎涉及到所有科学领域和社会生活中的问题。
在科学研究中，概率论和统计学常常用于实验设计、数据分析、参数估计和假设检验等方面。
在医学研究中，概率论和统计学可以用于药物试验、流行病学调查和临床诊断等。
统计与概率的关系
统计与概率的关系统计与概率是数学中两个重要的概念，它们有着紧密的关系。
统计是通过对已有的数据进行收集、整理和分析，从中得出结论或推断的一门学科。
而概率则是用来描述事件发生的可能性的一种数学工具。
在实际生活和科学研究中，统计与概率常常相互依存，相互补充，共同帮助我们理解和解决问题。
统计与概率之间的关系体现在统计学中的概率论部分。
概率论是研究随机现象的数学理论，它是统计学的理论基础之一。
通过概率论，我们可以计算事件发生的可能性，从而对未知的事物进行预测和推断。
例如，我们可以通过概率论来计算掷骰子时每个点数出现的概率，或者计算在一批产品中出现次品的概率。
这些概率计算是统计学中常用的方法，可以帮助我们做出合理的决策。
统计与概率之间的关系还体现在统计推断中。
统计推断是通过对样本数据进行分析和推断，来对总体特征进行估计的方法。
在进行统计推断时，我们需要根据样本数据的分布情况，结合概率论的知识，对总体参数进行估计。
例如，在进行调查时，我们可以通过对一部分人的调查结果进行统计推断，来估计整个人群的特征。
这其中就涉及到了概率论中的概率分布和抽样分布等知识。
统计与概率的关系还可以从实际问题的解决中得到体现。
在现实生活中，我们经常需要通过统计和概率来解决问题。
例如，在医学研究中，我们可以通过统计方法来分析一种药物的疗效，或者预测某种疾病的发生概率。
在金融领域，我们可以通过统计方法来分析股票的涨跌概率，或者估计某种投资产品的风险。
在工程领域，我们可以通过统计方法来分析产品的可靠性，或者预测设备的寿命。
这些实际问题的解决都离不开统计与概率的知识和方法。
统计与概率是数学中两个紧密相关的学科，它们相互依存，相互补充，共同帮助我们理解和解决问题。
统计通过对已有数据的收集和分析，可以得出结论和推断；概率则是描述事件发生可能性的数学工具。
统计与概率在统计学中的概率论部分以及统计推断中起着重要的作用，并在实际问题的解决中得到广泛应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
统计学与概率论的产生与结合统计与概率问题的历史可以追溯到遥远的过去，从科学史的角度看，它们一开始完全是独立发展的。
统计学的发展经历了计数→统计→统计学的阶段。
而概率论却是在数学家解答赌博中出现的大量问题后产生的。
18世纪中后期，统计学由于吸收了概率论的观念与方法，才使统计的水平真正提到了科学的、相对成熟和完善的程度，而概率论，由于和统计学的结合，走出了纯数学的圈子，获得了广泛的应用。
一. 统计学的产生人类的统计实践是随着计数活动而产生的，因此统计史可以追溯到远古的原始社会，距今足有4000多年的漫长岁月，但是，能使人类的统计实践上升到从理论上予以概括总结的程度，即开始成为一门系统的科学——统计学，却是近代的事情，距今只有三百多年的历史。
例如，人们很早就注意到收集农业，战争等各种人类活动中具体的数据材料的必要性。
如居民的支付能力，他们的生育能力与战争潜力。
“统计”一词最通常的含义就是指收集有关某一问题的数据资料。
在古印度，古埃及，古希腊都已有了各种数据资料的记载，而在中国，从公元前21世纪夏禹立国开始就已有了关于土地收入额及人口等统计数字的记录。
不过，人们对记述社会生活各方面数据的兴趣在很长时期纯粹只是实践上的，对统计资料的科学兴趣大概是在17世纪才开始的.17世纪末，“统计学”这个术语在科学的某些领域开始采用，当时德国和其他欧洲国家的一些大学已开始设置统计学这门课。
他们将统计学称为staatenkunde,原意是对各个国家的情况的比较叙述。
日本人将之称为“国势学”，可见当时统计的研究对象主要是“国家的形势”，这时的统计学只具有记述性这个特征，与研究有实践意义的个别问题有关，所以可把此时的统计学称为“记述性统计学”，它以各国社会政治情况的文字叙述为主，具有浓厚的哲学、历史学、地理学、政治学和社会学色彩，它不重视，甚至轻视数量的分析。
国势学派为这门新兴的学科起了一个至今仍未世界公认的名词“统计学”－Statistics,并提出了一些至今仍为统计学者采用的术语。
如“统计数字资料”，“数字对比”，“显著事项”等，还使用对比，图标加以文字说明较清晰地反映出统计内容的一般特征，促使政府逐步建立起独立的统计部门。
统计学发展的另一个支系的代表人物是英国的J.格龙特（J.Graunt,1620-1674）和W.配弟（W.Petty,1623-1687）。
1662年格龙特出版了一本书分析了60年来伦敦居民死亡的原因及人口变动的关系。
书中说对伦敦居民来说，男女性别比例存在着稳定的关系，大约14个男孩对13个女孩。
每个婚姻平均生育4个男孩，体弱的和不幸偶然死亡的人数也具有稳定的比例，其中男人比女人死得多一点，儿童在死亡人数中占的比例最大等等。
格龙特的很多崭新观点和有说服力的数字使人们目瞪口呆，他的研究和结论甚至接近发现统计学中最重要的大数定律。
他首先注意到，充分大量的观察可使事物的发展中非本质的偶然因素的影响互相抵消或削弱，从而显示出整个现象稳定的、一般的特征。
格龙特的工作又由于他的朋友——英国经济学家，数学家配弟的工作而大大发展了。
他的特点是，在解决经济和国内外事物的各种问题中广泛使用数字材料。
他将自己的学说称为“政治算术”，在他看来，不仅仅自然界的书是用数学语言写成的，而且社会现象最重要的方面也具有数量的特征。
他开创了用数学方法研究社会现象的先河。
人们称这个学派为“政治算术学派”。
显然，统计学在漫长的历史时期内处于记述事物的阶段，直到政治算术学派的出现，人们才有意识地对事物数量进行分析，并摸索出了如何表述与发现事物数量的各种关系的方法。
故把政治算术学派的出现作为现代统计学的开端是合理的。
马克思曾指出“威廉.配弟——政治经济学之父，在某种程度上也是统计学的创始人”。
然后，当时政治算术学派的统计核算，在很大程度上只是简单的，粗略的算术方法，对事物规律的认识，除部分是靠统计实证归纳外，大部分仍是依靠经验和常识来凑合。
这一切表明，统计学发展到这个阶段迫切需要新的数学手段，才能使其获得真正的突破，而这一新的数学手段——概率论——正在另一个领域独立地酝酿着，发展着。
二. 概率论的产生概率论的历史同样可以追溯到遥远的过去，当民间运用抽签来解决人们彼此间的争端，便是最早的概率论应用。
人们还在实践活动中发现了许多今天被称为“概率”的经济规律。
如人们记录下在某一航线上船舶的失事，发现可以用一些稳定的数字加以表达。
这类事实的实践意义得到了古希腊人的充分评估并反映在他们整理出的有关海洋保险系统的材料中，因而在包括不确定性因素的情境中，努力寻找行为的理性规则，使理性服从于机遇的愿望是古希腊学者醉心研究的课题之一。
不过，作为研究随机现象的概率论却是出现在15世纪后，当时欧洲进入了封建制度瓦解和资本原始积累的时期，投机商业和保险事业的赔款问题是这一时期商品发展必然产生的问题。
例如当时的商业，特别是最刺激人的航海商业就是极其冒风险的. 中国清朝门户刚开放时，妄图捷足先登的英国商人运来了大批睡帽和饭叉，结果连运费都捞不回去，在商业活动中最令人担心的是，靠发行股票筹集资金是否有利可图、有多大保障、怎样估计出现海难或遇到海盗等不幸事件的可能性问题，都迫切需要作出某些判断。
另一方面，由于物价变化多端，商人买空卖空的投机活动越来越多，突然致富或顷刻破产则成为家常便饭，这就使商业活动形同赌博。
又比如，人寿保险最初发生于中世纪的修道院，但是一个人一次付出一笔钱后就可以终生在修道院享受膳宿。
不过保险者和被保险者双方都为“寿命”的长短担有一定风险。
因此，保险业当时只是一种完全靠估计形势而出现的赌博性事业。
随着保险业的发展，老板们发现，参加保险的人数越多自己获得的利润也就越有保障，保险业的发展渴望能有“保险”的计算工具的出现。
这一切“渴望”戏剧性地表现在15世纪末赌博现象的大量出现，其最普遍的形式是玩纸牌与转铜币。
中国的印刷术早在14世纪就传入欧洲，还未正式印书前，印纸牌的工厂已经在利用印刷术进行生产了，到15世纪后半叶才开始印刷书籍，参加赌博的人，特别是那些专门从事以赢利为生的职业赌徒，鏖战赌场，天长地久逐渐悟出了一些道理：在少数几次赌博中无法预料到输赢的结果，若反复赌下去，就可能有所预料，这并不完全是碰巧，这无意中向学者们提供了一个比较简单而又非常典型的具有等可能性与有限性的随机模型——古典模型。
从中不难看出，如果没有社会的需要，概率论恐怕至今仍然是只能在牌桌上显神通；反之，没有一系列赌博“实验”，要概率论直接产生于社会经济领域也只能是一句空话。
为此英国统计学家肯德尔指出：“赌博工具的存在已有几千年的历史，但概率论作为总结机遇原理的一个抽象概念乃是到16世纪才形成的”。
据资料记载，1654年巴黎一个名叫梅雷的赌徒要求当时著名的数学家帕斯卡（B.Pascal 1623-1662）解决一个赌博中产生的实际问题，即所谓“得分问题”：两个赌技相当的赌徒预先约定，每赢一局得一分，谁先赢得三分就是胜者，胜者获得全部赌资（事先由两赌徒对半出），如果当两人都没赢得三分而中断赌博时，问赌资应当如何分配才算公平？帕斯卡和当时另外两位著名数学家费玛（P.Fermae 1601-1665）和惠更斯（C.Huygens 1629-1695）多次以通信形式讨论此类问题。
1657年惠更斯发表了《论赌博中的计算》一书，该书尽管以数学语言讲述玩纸牌，掷骰子输赢的计算问题。
但作者指出：“在任何场合，我认为如果读者仔细考虑这些研究对象，就会注意到，所处理的决不仅仅是赌博问题而已，其中实际包含了很有趣，很深刻的理论基础”。
.正如不少概率史学家指出得分问题和上述著名数学家的解题方法本身并不重要，重要的是他们的研究（用不同的方法得出相同的结果）把这类问题提高到了一般化的高度和总结为一种原则。
同时他们的研究还吸引了更多的学者投入研究，由此把赌博的数理讨论推向了新的境地：逐步严格地建立起概率，数学模型等重要概念及运算法则，从而使这类研究从对机遇性游戏的分析发展上升为一门新的数学学科。
17世纪末，著名瑞士数学家J.伯努利（J.Bernoulli 1654-1705）写出了巨著《推测术》，把赌博中的现象从数学上予以理论化，书中他提出了在概率论发展史上极为重要的伯努利定理，它是在概率论与数理统计学上起重要作用的“大数定律”的最初形式。
伯努利定理第一次用数学公式的形式描述了事物必然性和偶然性之间的辨证关系。
1733年法国著名数学家棣莫弗（Abraham de Moivre 1667-1754）提出了中心极限定理，它的重要性不仅表现在概率统计理论上，而且还在自然科学与社会科学实践中对观察误差的处理也充分表现出来，就在同一时期，英国学者贝叶斯（Thomas Bayes 1702-1761）提出了独特的贝氏统计理论。
贝叶斯运用概率来解决从特殊推断一般的问题，由此开辟了概率论发展的一个新领域。
他提出的“贝叶斯公式”被认为是使用主观概率的第一个公式。
在传统上，统计学界所用的概率是根据反复多次实验研究而得到的，而贝叶斯则给出了根据新的信息对关于某个参数（或某个命题）的信念度进行修改或更新的方法，即已知先验概率P(Bi)和近似概率P(A|Bi),反过来求在A条件下Bi的后验概率。
美国学者S.詹姆士.普雷斯在他的《贝叶斯统计学》中称赞贝叶斯公式，指出：“这是一个将经验知识或随机过程的理论上的理解与观察数据加以综合的过程。
所以它是一个向经验学习的规范性理论”。
在应用贝叶斯定理时，困难之点在于如何得到先验概率，这就免不了根据主观推断，在科学和哲学上，只要涉及到“主观推断”似乎就染上了唯心的色彩，因此贝叶斯定理在概率论史上始终成为争论的焦点。
这就如当代美国哲学家乔治.桑塔耶纳在其《美感》一书中所说：“人对自己抱有一种成见：凡是他心灵的产物，他总认为不真实或比较不重要。
只有当我们想到自己周围不以人性为转移的客观事物和规律时，我们才心满意足”。
问题在于，实践中对许多事物由于所考虑的过程还没进行，因而往往无法得到概率，但实际上，如果人们根据以往的经验数据，甚至根据主观或客观上的某一要求而对得到的数据予以分析，估计出一个最优值，作为研究总体的假设概率，最后在得到新的信息的基础上对假设概率重新予以修正，这样做是无可非议的。
在现代的各种经济活动中情况愈来愈复杂，如果因为贝叶斯定理具有主观色彩而拒绝将它作为决策工具，那就大错特错了。
可以说关于贝叶斯定理的争论给我们如何看待人类行为中的主观因素的作用提供了一个新的视角。
我们看到，当对赌徒难题的解答发展成独立的研究专题后，它就具有了高度的数理特点，对数学家来说，这一点充满了魅力。
1812年法国著名数学家拉普拉斯发表了《概率的分析基础》，这是对概率论发展到这个时期的经典总结，他本人则被看成是经典概率论的集大成者。