数理统计和数据分析核心数学家

一、理论基础（Probability & Foundations）

奠定统计学和数据分析数学基础的人物。

1. 安德烈·柯尔莫哥洛夫 (Andrey Kolmogorov, 1903–1987)

• 公理化概率论，建立严格数学基础。
• 为统计推断和数据分析提供理论支撑。

2. 约翰·冯·诺依曼 (John von Neumann, 1903–1957)

• 概率论和统计决策的数学化方法；随机过程和矩阵理论应用于统计。
• 推动统计理论与数学方法结合，奠定统计决策基础。

二、推断方法（Inference Methods）

发展参数估计、假设检验和统计推断的人物。

3. 卡尔·皮尔逊 (Karl Pearson, 1857–1936)

• 皮尔逊相关系数、卡方检验。
• 建立变量关系分析和拟合检验的数学工具。

4. 罗纳德·费舍尔 (Ronald A. Fisher, 1890–1962)

• 最大似然估计（MLE）、方差分析（ANOVA）、Fisher信息量。
• 奠定现代统计推断理论基础。

5. 杰克·尼曼 (Jerzy Neyman, 1894–1981)

• Neyman–Pearson引理（最优假设检验）、置信区间。
• 规范假设检验与参数估计方法。

6. 埃贡·皮尔逊 (Egon Pearson, 1895–1980)

• Neyman–Pearson引理共同提出者。
• 强化假设检验系统化和最优性理论。

7. 威廉·高塞特 (William Gosset, 1876–1937)

• t检验（Student’s t-test），解决小样本统计推断问题。
• 扩展小样本数据分析能力。

三、数据分析工具（Data Analysis Tools）

发展探索性数据分析和可视化方法的人物。

8. 约翰·图基 (John Tukey, 1915–2000)

• 探索性数据分析（EDA）、箱型图（Boxplot）、回归诊断方法。
• 为现代数据科学提供直观、灵活的数据分析工具。