KNOWECON WIKI

ARTICLE

Karl Pearson

Karl Pearson Karl Pearson（卡尔·皮尔逊，1857--1936）是英国数学家、生物统计学家和科学哲学家，被誉为现代统计学的奠基人之一。他在相关性理论、卡方检验、矩估计法和假设检验等领域的开创性工作，从根本上塑造了二十世纪统计学的方法论体系。Pearson 于 1911 年在伦敦大学学院创立了世界上第一个统计学系，并长期担任《生物计量学

浏览 0 更新 2026-07-12

Karl Pearson

Karl Pearson（卡尔·皮尔逊，1857--1936）是英国数学家、生物统计学家和科学哲学家，被誉为现代统计学的奠基人之一。他在相关性理论、卡方检验、矩估计法和假设检验等领域的开创性工作，从根本上塑造了二十世纪统计学的方法论体系。Pearson 于 1911 年在伦敦大学学院创立了世界上第一个统计学系，并长期担任《生物计量学》(Biometrika) 期刊主编，培养了一代数理统计学家。他所发展的"生物计量学派"以大规模数据分析、频率主义和严格数学化为特征，与后来 R. A. Fisher 的推断范式形成了统计学史上最有影响力的学术竞合。

生平与学术历程

Pearson 生于伦敦，父亲是御用大律师。早年就读于剑桥大学国王学院，师从著名历史学家 Lord Acton，取得数学学士学位后游学德国，深受康德哲学和德国历史批判学派影响。他早年的学术兴趣极为广泛——涵盖物理学、历史学、哲学、法律甚至德国文学——这种跨学科视野后来深深烙印在他的统计方法论中。返回英国后，Pearson 在伦敦大学学院担任应用数学与力学教授，但在 1890 年代转向了生物学和进化论领域，这一转向源于他阅读了弗朗西斯·高尔顿（Francis Galton）的《自然遗传》(Natural Inheritance)；高尔顿关于遗传中回归现象的统计描述令 Pearson 着迷，他随即说服自身将数学能力投入生物数据的定量分析。

1890 至 1910 年代成为 Pearson 最高产的时期，他接连发表了一系列奠定现代数理统计学基础的论文（多收录在其著作《数学对进化论的贡献》(Mathematical Contributions to the Theory of Evolution) 系列中），奠定了包括相关系数、卡方拟合优度检验和主成分分析雏形在内的诸多核心工具。他在 1911 年获得高尔顿遗产资助成立了高尔顿优生学实验室和统计学系，并招募了包括威廉·戈塞特（"Student"）在内的杰出学者。值得一提的是，Pearson 与后来崛起的 R. A. Fisher 之间爆发了长达数十年的统计方法之争，涉及自由度、最大似然法和卡方检验的正确使用等核心议题，这场争论是整个科学史上最著名的学术冲突之一，也推动了统计学理论的快速成熟。

积矩相关系数

Pearson 最广为人知的贡献当属 Pearson 积矩相关系数（Pearson Product-Moment Correlation Coefficient），通常记为 rr。该统计量定义如下：设有 nn 对观测值 (x1,y1),(x2,y2),…,(xn,yn)(x_1, y_1), (x_2, y_2), \dots, (x_n, y_n)，其样本均值为 xˉ,yˉ\bar{x}, \bar{y}，则

r=∑i=1n(xi−xˉ)(yi−yˉ)∑i=1n(xi−xˉ)2⋅∑i=1n(yi−yˉ)2r = \frac{\sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^{n} (x_i - \bar{x})^2} \cdot \sqrt{\sum_{i=1}^{n} (y_i - \bar{y})^2}}

该系数衡量两个连续变量之间线性相关性的强度与方向：r∈[−1,1]r \in [-1, 1]，r=+1r = +1 表示完全正线性相关，r=−1r = -1 表示完全负线性相关，r=0r = 0 表示无线性相关（但可能存在非线性关系）。积矩相关系数是协方差标准化后的表达，其核心思想——将每个变量距离其均值的偏差（残差）乘积加总并除以标准差乘积——源自 Pearson 对高尔顿"回归线"概念的数学形式化。高尔顿用散点图定性描述了回归现象，却未给出精确的统计量；Pearson 则以最小二乘和代数推导赋予其严谨形式，从而将相关性从模糊直觉提升为可计算、可检验的数学概念。这一贡献的重要性远超技术公式本身：它首次为科学提供了统一度量——一个学科中两种现象、两个测量值之间关联程度的通用语言，深刻影响了此后心理学、社会科学、医学和经济学中的实证研究范式。

Pearson 还为相关系数的抽样分布做出了开创性工作：在二元正态、零相关假设下推导了 rr 的分布近似，并提出了检验 H0:ρ=0H_0: \rho = 0 的 t 统计量，奠定了相关性检验的理论基础。

卡方拟合优度检验

Pearson 在 1900 年发表的论文《关于判断给定偏离系统与随机抽样假设之间可合理预期偏差的标准》(On the Criterion\ldots)中提出了卡方检验（Chi-Square Test），这是推断统计学中第一个正式的拟合优度检验。其基本构造为：设观测频数为 OiO_i，根据零假设计算的理论/期望频数为 EiE_i，则检验统计量

χ2=∑i=1k(Oi−Ei)2Ei\chi^2 = \sum_{i=1}^{k} \frac{(O_i - E_i)^2}{E_i}

在大样本下近似服从自由度为 ν=k−1−d\nu = k - 1 - d 的卡方分布（其中 dd 为从数据估计的参数个数）。Pearson 不仅构造了该统计量，还论证了其在零假设下的极限分布就是 χ2\chi^2 分布——这是统计推断史上的里程碑，因为它首次提供了一个通用的、分布导向的检验框架：研究者只需对比观测与期望的差异，查表即可做出概率判断。

卡方检验的革命性在于其普适性：无论是检验遗传学中的孟德尔比例 3:1、评估骰子是否公平、检测两个分类变量间的独立性（列联表），还是后续发展的卡方自动交互检测，均可统一纳入该框架。Pearson 本人将其率先应用于多项实验数据的分析，包括著名的随机行走、骰子实验和灵学（心灵现象）的统计批判。

值得注意的是，Pearson 与 Fisher 围绕卡方检验的自由度问题爆发了著名争论：Pearson 坚持自由度为 k−1k - 1，而 Fisher 指出当参数从数据估计时需进一步扣除被估参数个数 dd，从而自由度应取 k−1−dk - 1 - d。Fisher 的修正在统计实践中被广泛采纳，但 Pearson 的原初构造和分布推导依然是整个框架的逻辑起点。

矩估计法

Pearson 在 1894--1902 年间系统发展了矩估计法（Method of Moments），用以从样本数据估计概率分布的参数。其基本思想简洁而有力：令样本矩等于对应的总体矩，从而建立关于未知参数的方程组。例如，若总体分布有参数 θ\theta，其一阶总体矩 E[X]=μ(θ)E[X] = \mu(\theta)、二阶总体矩 E[X2]=μ2(θ)E[X^2] = \mu_2(\theta)，则求解

1n∑i=1nXi=μ(θ^),1n∑i=1nXi2=μ2(θ^)\frac{1}{n}\sum_{i=1}^{n} X_i = \mu(\hat{\theta}), \quad \frac{1}{n}\sum_{i=1}^{n} X_i^2 = \mu_2(\hat{\theta})

即可获得参数估计 θ^\hat{\theta}。矩估计法的优势在于：无需完整指定分布形式的繁琐推导，计算直接，且在大样本下一致。尽管 R. A. Fisher 后来提出的最大似然估计在效率上通常更优（似然估计的渐近方差达到 Cramér-Rao 下界），矩估计却在以下场景中保持了不可替代的实用性：作为似然估计的迭代初值；当日志似然函数难以解析求解时提供近似解；以及作为经济学中广义矩方法（Hansen, 1982）的思想先驱——后者构成了现代宏观经济学和金融学计量估计的核心框架，GMM 本质上正是矩条件思想的泛化。

Pearson 分布族

为应对实际数据中存在偏度和峰度的非正态分布，Pearson 提出了著名的Pearson 分布族——通过微分方程

dfdx=(x−a)fb0+b1x+b2x2\frac{df}{dx} = \frac{(x - a)f}{b_0 + b_1 x + b_2 x^2}

统一描述了包括正态分布、伽马分布、贝塔分布和 t 分布等在内的十二种分布类型。该体系为 Excel、SPSS 等后继软件中的自动分布拟合功能提供了理论基石。

科学哲学：《科学的语法》

Pearson 的统计学框架并非纯技术性的，而是植根于其深刻的科学哲学信念。他在 1892 年出版的《科学的语法》(The Grammar of Science)中系统阐述了反形而上学、经验主义和频率主义的认识论立场：科学不是对某种不可知的"物自体"的推测，而是对感觉经验的系统化描述与经济化概括；科学定律本质上是对现象序列的概括，而非宿命论的因果法则。这一立场直接引向了其统计学的核心信条——概率是经验频率的极限，统计规律不是确定性的，而是对集体现象的概括——这与当时物理学中出现的统计力学方向相呼应，后来由罗纳德·费舍尔和杰尔吉·内曼等人进一步发展为频率学派的完整体系。

争议与遗产

Pearson 的学术遗产复杂而多面：他既是现代统计方法的缔造者，也是争议缠身的人物。他与高尔顿一样，是优生学的积极倡导者，用其统计工具论证遗传改良论，这在其身后受到广泛批判。他与 R. A. Fisher 的长期学术对立——涉及卡方自由度、最大似然与矩估计的优劣——虽充满个人恩怨，却在客观上加速了统计推断理论的分化和成熟。他执掌《生物计量学》期刊长达 35 年，保持着几乎一人审稿的风格，在保护统计严谨性的同时也不可避免地压制了部分新思想。

然而，Pearson 为后世留下的工具——相关系数 rr、卡方检验 χ2\chi^2、矩估计、Pearson 分布族——至今仍是世界各地统计课程的核心内容，也是实证经济学、心理学、医学和机器学习的日常操作。正如现代统计学家所公认的：如果说 Gauss 和 Laplace 为十九世纪的误差理论确立了基础，那么 Karl Pearson 则使统计学成为二十世纪所有经验科学不可或缺的方法论支柱。