Frühe Anfänge und Glücksspiele

Die Geschichte der Wahrscheinlichkeitstheorie beginnt nicht in akademischen Hallen, sondern in den Spielhäusern des 16. und 17. Jahrhunderts. Glücksspiele mit Würfeln, Karten und Roulette waren seit Jahrtausenden populär, aber das mathematische Verständnis der Chancen war praktisch nicht existent. Der erste bekannte Versuch, Glücksspielwahrscheinlichkeiten systematisch zu analysieren, kam von italienischen Mathematikern, Ärzten und Spielern. Girolamo CardanonIn seinem 1564 Werk Liber de Ludo Aleae Die meisten der Leute, die sich mit dem Thema befassen, haben dies getan, und die meisten von ihnen haben es getan, und sie haben es getan, und sie haben es getan, und sie haben es getan, und sie haben es getan, und sie haben es getan, und sie haben es getan, und sie haben es getan, und sie haben es getan, und sie haben es getan.

Trotz Cardanos Einsichten blieb das Glücksspiel ein Bereich des Aberglaubens und der Intuition. Würfelspiele wie "Hazard" und Kartenspiele wie Basset und Primero waren bei der europäischen Elite beliebt, aber es gab keine formale Theorie, um faire Einsätze oder erwartete Auszahlungen zu berechnen. Das Fehlen eines mathematischen Rahmens bedeutete, dass sich die Spieler auf Erfahrung und Glück verließen. Dies änderte sich dramatisch Mitte des 17. Jahrhunderts, als eine Reihe von Korrespondenzen zwischen zwei französischen Mathematikern, Blaise Pascal und Pierre de Fermat, legte den Grundstein für die moderne Wahrscheinlichkeitstheorie.

Das 17. Jahrhundert: Die Geburt der mathematischen Wahrscheinlichkeit

Pascal und Fermats Austausch im Jahre 1654 wird oft als Geburtsstunde der Wahrscheinlichkeitstheorie bezeichnet. Ihre Korrespondenz wurde durch das "Punkteproblem" (auch bekannt als Teilungsproblem) ausgelöst, das vom Spieler und Mathematiker gestellt wurde. Antoine Gombaud, Chevalier de Méré. Das Problem: Wenn ein Glücksspiel vor seiner Fertigstellung unterbrochen wird, wie sollten die Einsätze auf der Grundlage ihrer aktuellen Positionen fair unter den Spielern aufgeteilt werden? Pascal und Fermat lösten dies, indem sie das Konzept des erwarteten Wertes entwickelten und kombinatorische Überlegungen verwendeten. Ihre Lösung führte implizit die Idee der Wahrscheinlichkeit als Maß für die Wahrscheinlichkeit ein und zeigte, wie man sie durch Zählen von günstigen Ergebnissen berechnet.

Kurz danach niederländischer Mathematiker Christiaan Huygens Paris besucht, erfuhr von der Pascal-Fermat-Korrespondenz und veröffentlichte 1657 De Ratiociniis in Ludo Aleae Huygens' Abhandlung war das erste veröffentlichte Buch über Wahrscheinlichkeitstheorie. Es erweiterte die Ideen von Pascal und Fermat, führte das Konzept der Erwartung ein und lieferte einen systematischen Rahmen für die Lösung von Glücksspielproblemen. Huygens' Arbeit beeinflusste spätere Mathematiker und diente als Standardtext für über ein halbes Jahrhundert. Ende des 17. Jahrhunderts war Wahrscheinlichkeit zu einer legitimen mathematischen Disziplin geworden, obwohl sie immer noch eng mit Glücksspielen verbunden war.

Das 18. Jahrhundert: Formalisierung und das Gesetz der großen Zahlen

Jacob Bernoulli und Ars Conjectandi

Im 18. Jahrhundert ging die Wahrscheinlichkeitstheorie über das Glücksspiel hinaus in breitere Anwendungen. Jacob Bernoulli. Sein posthum veröffentlichtes Werk Ars Conjectandi (The Art of Conjecturing, 1713) ist ein Meilenstein in der Geschichte der Wahrscheinlichkeit. Bernoulli formalisiert viele frühere Ideen und führte die Gesetz der großen Zahlen, in dem es heißt, dass mit zunehmender Anzahl von Versuchen der Stichprobenmittelwert dem erwarteten Wert zuläuft.

Er verwendete die Metapher einer Urne mit weißen und schwarzen Kugeln, um zu veranschaulichen, wie wiederholte Probenahmen den wahren Anteil ergeben. Dieser Satz bot eine strenge Grundlage für die Verwendung empirischer Frequenzen zur Schätzung von Wahrscheinlichkeiten - ein Eckpfeiler der statistischen Inferenz.

De Moivre und die Normalverteilung

Ein weiterer wichtiger Beitrag kam von Französisch geborenen Mathematiker Abraham de MoivreIn seinem Buch von 1718, der in London arbeitete. Die Doktrin der ChancenDe Moivre hat die Wahrscheinlichkeitstheorie erweitert und die Formel für die Normalverteilung (später bekannt als Gauß-Verteilung) abgeleitet, um damit die Binomialwahrscheinlichkeiten zu approximieren, insbesondere für eine große Anzahl von Studien. erwarteter Wert und verfeinerte Methoden zur Berechnung von Quoten in verschiedenen Spielen. Seine Arbeit stellte den zentralen Grenzwertsatz vor, obwohl ein vollständiger Beweis bis ins 19. Jahrhundert warten würde. Mitte des Jahrhunderts war die Wahrscheinlichkeitstheorie zu einem Werkzeug für Versicherungen, Annuitäten und Demografie geworden.

Das 19. Jahrhundert: Laplace und die klassische Theorie

Pierre-Simon Laplace Synthese

Das 19. Jahrhundert wird dominiert von Pierre-Simon Laplace, der die Wahrscheinlichkeitstheorie in seinem monumentalen Werk systematisierte und erweiterte Théorie Analytique des Probabilités Laplace baute auf der Arbeit von Bernoulli, de Moivre und Bayes auf (Thomas Bayes' Essay über "inverse Wahrscheinlichkeit" wurde 1763 posthum veröffentlicht). Laplace gab den ersten allgemeinen Beweis für den zentralen Grenzwertsatz, führte Generierungsfunktionen ein und wandte Wahrscheinlichkeit auf die Himmelsmechanik, die Schätztheorie und die Lebenserwartung an. Er formalisierte auch das Konzept der mathematisches Erwarten und entwickelte die Methode der kleinsten Quadrate, die für die Analyse astronomischer Beobachtungen entscheidend ist.

Bayessche Inferenz und Gauß

Der Satz von Bayes, benannt nach Thomas Bayes, wurde von Laplace verfeinert und wurde zu einem grundlegenden Werkzeug für die Aktualisierung von Wahrscheinlichkeiten auf der Grundlage von Beweisen. Der Satz drückt die bedingte Wahrscheinlichkeit eines Ereignisses aus, wenn man Vorkenntnisse und neue Daten erhält. Laplace verwendete ihn ausgiebig in seiner astronomischen und statistischen Arbeit. Carl Friedrich Gauss Die Normalverteilung und die Methode der kleinsten Quadrate wurden unabhängig voneinander entwickelt, wobei sie auf Geodäsie und Astronomie angewandt wurden. Gauss' Arbeit verfestigte die Rolle der Wahrscheinlichkeit in der Fehleranalyse und Messtheorie.

Ende des 19. Jahrhunderts hatte die Wahrscheinlichkeit Anwendungen in der Physik (kinetische Theorie der Gase), der Biologie (Mendelsche Genetik um die Jahrhundertwende) und den Sozialwissenschaften (Statistik). Die Grundlage blieb jedoch etwas ad hoc, wobei sie sich auf intuitive Vorstellungen von gleichermaßen wahrscheinlichen Ergebnissen und unendlicher Wiederholbarkeit stützte.

Das 20. Jahrhundert: Axiomatische Grundlagen und moderne Wahrscheinlichkeit

Kolmogorovs Axiome

Während frühere Mathematiker wie Richard von Mises und Émile Borel versucht hatten, die Wahrscheinlichkeit auf Frequenz- oder Messtheorie zu stützen, wurde die Wahrscheinlichkeit von der Wahrscheinlichkeitstheorie abhängig gemacht. Andrej Kolmogorow der die endgültige Formulierung erreichte. In seiner 1933er Monographie Grundbegriffe der Wahrscheinlichkeitsrechnung (Grundlagen der Wahrscheinlichkeitstheorie) stellte Kolmogorov eine Reihe von Axiomen vor, die Wahrscheinlichkeit als Maß für eine Reihe von Ergebnissen (einen Probenraum) definierten, wobei drei einfache Bedingungen erfüllt wurden: Nicht-Negativität, Normalisierung und zählbare Additivität. Diese gerahmte Wahrscheinlichkeit als einen Zweig der Maßtheorie und ermöglichte die Anwendung der Werkzeuge der realen Analyse. Kolmogorovs Axiome lösten langjährige Paradoxe und stellten die Strenge bereit, die für fortgeschrittene Anwendungen erforderlich war.

Stochastische Prozesse und der Aufstieg der modernen Wahrscheinlichkeit

Mit einer soliden axiomatischen Basis, die Wahrscheinlichkeitstheorie schnell erweitert in stochastische Prozesse. Im frühen 20. Jahrhundert, Andrej Markow Markov-Ketten, die Systeme beschreiben, die zwischen Zuständen wechseln, mit Wahrscheinlichkeiten, die nur vom aktuellen Zustand abhängen. Dieses Konzept wurde in Physik, Biologie und Informatik essentiell. Norbert Wiener entwickelte die mathematische Theorie der Brownschen Bewegung, die zum Wiener-Prozess und zum stochastischen Kalkül führte.

Paul Lévy Mitte des Jahrhunderts war die Wahrscheinlichkeit ein wesentlicher Bestandteil der Informationstheorie (Claude Shannon), der Warteschlangentheorie, der Zuverlässigkeitstechnik und der Ökonometrie.

Verbindungen zu anderen Feldern

Die Wahrscheinlichkeitstheorie kreuzte sich auch mit der statistischen Mechanik, der Quantenmechanik und der mathematischen Finanzwelt. Louis Bachelier Brownian Bewegung auf Modellaktienkurse in seiner Doktorarbeit angewandt, die Grundlage für das Black-Scholes-Modell Jahrzehnte später zu legen. Der mathematische Rahmen der maßtheoretischen Wahrscheinlichkeit ermöglichte die Entwicklung von bedingten Erwartung und Martingale Theorie, Pionierarbeit durch Joseph Doob Diese Werkzeuge wurden für moderne Finanzmathematik und Risikomanagement unerlässlich.

Moderne Anwendungen und laufende Entwicklungen

Heute ist die Wahrscheinlichkeitstheorie für praktisch jedes quantitative Feld von grundlegender Bedeutung. Machine Learning und Künstliche IntelligenzProbabilistische Modelle wie Bayessche Netzwerke, versteckte Markov-Modelle und Gaußsche Prozesse ermöglichen das Denken unter Unsicherheit. Datenwissenschaft stützt sich auf Wahrscheinlichkeit für Hypothesentests, Konfidenzintervalle und prädiktive Modellierung. FinanzausstattungOptionspreisgestaltung, Portfoliooptimierung und Risikoanalyse hängen von stochastischen Kalkül und probabilistischen Simulationen ab. Quantenmechanik verwendet Wahrscheinlichkeiten intrinsisch, um das Verhalten von Partikeln zu beschreiben.

Risikobewertung In den Bereichen Technik, Versicherung und öffentliche Gesundheit werden Wahrscheinlichkeiten verwendet, um seltene Ereignisse und Ausfallraten zu modellieren.

Zu den jüngsten Entwicklungen gehört der Aufstieg der probabilistische Programmierung Sprachen (z.B. Stan, Pyro), die Bayessche Inferenz automatisieren, und die Anwendung der Wahrscheinlichkeit auf Kausalschluss (Arbeit von Judea Pearl). Die Quantenwahrscheinlichkeitstheorie erweitert die klassische Wahrscheinlichkeit auf nichtkommutative Strukturen, während die algorithmische Informationstheorie die Wahrscheinlichkeit mit Zufälligkeit und Rechenkomplexität verknüpft. Die Entwicklung von Würfelspielen zu diesen ausgeklügelten Frameworks unterstreicht die anhaltende Fähigkeit der Wahrscheinlichkeit, Unsicherheit zu quantifizieren und zu verwalten.

Für weitere Lektüre, erkunden Sie die Stanford Encyclopedia of Philosophy Eintrag zur Geschichte der Wahrscheinlichkeit, Encyclopædia Britannica Überblickoder den klassischen Text Klassische Wahrscheinlichkeit in der Aufklärung von Lothringen Daston.