Słownik metodologiczny · Ludzie statystyki

Pierre-Simon Laplace (1749–1827) – kim był i co wniósł do statystyki

Laplace udowodnił centralne twierdzenie graniczne, uzasadnił nim metodę najmniejszych kwadratów i szacował ludność Francji z próby i mnożnika urodzeń. Biografia z osią czasu, ciekawostka o sześciu tygodniach w rządzie Napoleona, przykład w R i miejsca, w których spotkasz Laplace’a w pracy dyplomowej.

Strona główna / Słownik / Pierre-Simon Laplace
W skrócie: Pierre-Simon Laplace (1749–1827) – francuski matematyk i astronom, autor Mécanique céleste i Théorie analytique des probabilités (1812). W 1810 r. pokazał, że suma wielu niezależnych błędów ma w przybliżeniu rozkład normalny (centralne twierdzenie graniczne), a już w 1786 r. szacował ludność Francji z próby i mnożnika urodzeń wraz z oceną błędu.

Kim był Pierre-Simon Laplace?

Pierre-Simon Laplace (1749–1827) był francuskim matematykiem, astronomem i fizykiem, autorem pierwszego wielkiego traktatu o rachunku prawdopodobieństwa i jego zastosowaniach. Urodził się 23 marca 1749 r. w Beaumont-en-Auge w Normandii, zmarł 5 marca 1827 r. w Paryżu (Gillispie, 1978). Od 1766 r. studiował na uniwersytecie w Caen, a w 1768 r. przyjechał do Paryża z listem polecającym do d’Alemberta, który załatwił mu posadę nauczyciela matematyki w École Militaire. Tradycja głosi, że Laplace rozwiązał w jedną noc zadanie zadane mu przez d’Alemberta – Gillispie (1978) zaznacza, że ta opowieść może być apokryficzna.

31 marca 1773 r. został adiunktem paryskiej Akademii Nauk. Później był członkiem Instytutu Francji, wykładał w École Normale (1795) i działał w Bureau des Longitudes. Za Napoleona został senatorem, w 1803 r. kanclerzem senatu, a następnie hrabią cesarstwa; Ludwik XVIII nadał mu w 1817 r. tytuł markiza (Gillispie, 1978).

Najważniejsze pomysły

  • Mechanika nieba. W Exposition du système du monde (1796) i pięciotomowej Mécanique céleste (tomy 1–4 w latach 1799–1805, tom 5 w latach 1823–1825) opisał ruchy Układu Słonecznego za pomocą mechaniki Newtona; sam ukuł nazwę „mechanika nieba”.
  • Centralne twierdzenie graniczne. W pamiętniku z 1810 r. o przybliżaniu wzorów zależnych od bardzo dużych liczb pokazał, że suma (i średnia) wielu niezależnych błędów ma w przybliżeniu rozkład normalny – niezależnie od rozkładu pojedynczego błędu. Z tego wyprowadził regułę najmniejszych kwadratów, którą pięć lat wcześniej bez uzasadnienia probabilistycznego opublikował Adrien-Marie Legendre (Gillispie, 1978). Wcześniejszy, szczególny przypadek – przybliżenie rozkładu dwumianowego krzywą normalną – opisuje hasło o Abrahamie de Moivrze.
  • Théorie analytique des probabilités (1812) i popularny Essai philosophique sur les probabilités (1814), który wyrósł z wykładów w École Normale.
  • Statystyka ludności i regresja. Liczył prawdopodobieństwo przewagi urodzeń chłopców nad urodzeniami dziewcząt i szacował liczbę mieszkańców Francji (o tym niżej). Stigler (1975) opisuje, jak w 1787 r. rozwiązał w zagadnieniu astronomicznym problem, który dziś nazwalibyśmy regresją wieloraką, a w badaniu meteorologicznym z lat 1823 i 1827 zmierzył się z obserwacjami skorelowanymi i porównaniami wielokrotnymi.

Ciekawostka

Laplace był ministrem – choć krótko. Gdy Napoleon przejął władzę, mianował go ministrem spraw wewnętrznych. Laplace utrzymał się na tym stanowisku sześć tygodni; zastąpił go brat Napoleona, Lucien Bonaparte. Gillispie (1978) przytacza dwa listy Laplace’a jako ministra, datowane na 8 i 17 grudnia 1799 r. Kariera polityczna na tym się nie skończyła: Napoleon mianował go senatorem, a w 1803 r. kanclerzem senatu.

Przykład: ludność kraju z próby i mnożnika urodzeń

Francja końca XVIII w. nie miała pełnego spisu ludności, miała za to rejestry urodzeń. Laplace w pamiętniku z 1786 r. zastosował mnożnik 26 (stosunek liczby mieszkańców do rocznej liczby urodzeń, ustalony w próbach) do średniej liczby urodzeń z lat 1781–1782 i otrzymał 25 299 417 mieszkańców. Policzył też, że aby szanse były jak 1000 do 1, że błąd nie przekroczy pół miliona, próba użyta do ustalenia mnożnika powinna liczyć około 771 469 mieszkańców. W 1801 r., na jego prośbę, rząd zarządził częściowy spis (Gillispie, 1978). To jest dzisiejszy estymator ilorazowy z błędem standardowym liczonym z przybliżenia normalnego.

Powtarzamy ten pomysł na fikcyjnym kraju (parametry ustawione ręcznie, set.seed(1786)): 10 000 gmin, łącznie 27 512 361 mieszkańców i 1 058 688 urodzeń rocznie, prawdziwy mnożnik 25.987, przy czym rozrodczość różni się między gminami. „Rząd” zna tylko łączną liczbę urodzeń. Losujemy próbę 20, 80 albo 320 gmin, liczymy w niej mnożnik i mnożymy przez wszystkie urodzenia; każdą wielkość próby powtarzamy 4000 razy (set.seed(1810)).

Przy 20 gminach (mediana 54 tys. mieszkańców w próbie) odchylenie standardowe szacunków to 1.04 mln, a błąd ponad pół miliona zdarza się w 63.2% prób. Przy 80 gminach (219 tys. mieszkańców) – 0.51 mln i 31.9%, przy 320 gminach (878 tys.) – 0.25 mln i 5.1% (błąd Monte Carlo do 0.8 punktu procentowego). Przybliżenie normalne daje prawie te same odsetki: 63.0%, 33.1% i 4.8%. Średni błąd standardowy ze wzoru (0.94, 0.50 i 0.25 mln) dobrze zgadza się z rozrzutem szacunków przy większych próbach, a 95% przedział ufności obejmuje prawdę w 90.4%, 93.1% i 94.9% prób. Nasz wynik nie jest porównywalny wprost z rachunkiem Laplace’a: w fikcyjnym kraju gminy mają różną rozrodczość, więc ta sama liczba mieszkańców w próbie daje tu większy błąd.

Na rysunku

Oś czasu od 1749 do 1827 z dziesięcioma zdarzeniami oznaczonymi kształtami: koło – życie, kwadrat – stanowisko, trójkąt – praca. 1749 urodzony w Beaumont-en-Auge, 1768 Paryż: d’Alembert i École Militaire, 1773 członek Akademii Nauk, 1786 ludność Francji z mnożnika urodzeń, 1796 Exposition du système du monde, 1799 pierwszy tom Mécanique céleste i sześć tygodni jako minister, 1810 centralne twierdzenie graniczne, 1812 Théorie analytique des probabilités, 1817 tytuł markiza, 1827 zmarł w Paryżu
Rysunek 1. Najważniejsze daty z życia Pierre’a-Simona Laplace’a. Daty według Gillispiego (1978). Rysunek: R, pakiet ggplot2.

Co widać. Prace o prawdopodobieństwie i statystyce ludności przeplatają się z mechaniką nieba: pamiętnik o ludności Francji (1786) poprzedza Mécanique céleste, a centralne twierdzenie graniczne (1810) i Théorie analytique (1812) powstały, gdy Laplace był już senatorem.

Na co uważać. To wybór dziesięciu zdarzeń; rok przy pracy to rok publikacji (ostatni tom Mécanique céleste ukazał się w latach 1823–1825).

Podpis do pracy:

Rysunek 1. Wybrane wydarzenia z życia i pracy Pierre’a-Simona Laplace’a (1749–1827). Uwaga. Koła – życie, kwadraty – stanowiska, trójkąty – prace. Opracowano na podstawie Gillispie (1978).
Trzy panele z histogramami 4000 szacunków liczby ludności fikcyjnego kraju dla prób 20, 80 i 320 gmin (około 54, 219 i 878 tysięcy mieszkańców). Pomarańczowa linia ciągła w 27.5 mln to prawdziwa liczba ludności, kropkowane linie to granice plus minus pół miliona. Niebieska przerywana krzywa normalna pokrywa się z histogramami; histogram dla 20 gmin jest szeroki (od około 25 do 31 mln), dla 320 gmin wąski i mieści się prawie cały między liniami kropkowanymi
Rysunek 2. Rozkład szacunków liczby ludności z mnożnika urodzeń dla trzech wielkości próby. Dane fikcyjne (set.seed(1786), losowanie prób set.seed(1810)). Rysunek: R, pakiet ggplot2.

Co widać. Szacunki układają się wokół prawdziwej liczby ludności, a ich rozkład jest bliski normalnemu już przy 20 gminach – to centralne twierdzenie graniczne w działaniu. Czterokrotnie większa próba zmniejsza rozrzut mniej więcej o połowę (1.04 → 0.51 → 0.25 mln), zgodnie z pierwiastkiem z liczebności.

Na co uważać. Rysunek pokazuje błąd losowy, nie błąd systematyczny. Jeśli gminy w próbie nie są wylosowane albo rejestry urodzeń są niepełne, szacunek będzie przesunięty bez względu na liczebność. Przy małej liczbie gmin wzór na błąd standardowy jest zbyt optymistyczny (pokrycie 90.4% zamiast 95%).

Podpis do pracy:

Rysunek 2. Rozkład 4000 szacunków liczby ludności uzyskanych estymatorem ilorazowym (mnożnik urodzeń) dla prób 20, 80 i 320 gmin. Uwaga. Linia ciągła – prawdziwa liczba ludności; linie kropkowane – ±0.5 mln; linia przerywana – rozkład normalny o średniej i odchyleniu standardowym szacunków. Dane fikcyjne (10 000 gmin).

Gdzie spotkasz Laplace’a w swojej pracy

  • Przedziały ufności i testy dla średnich. Wartość 1.96 i przedziały „±2 błędy standardowe” działają dla nienormalnych danych dzięki centralnemu twierdzeniu granicznemu. Jak szybko średnie z różnych rozkładów zbliżają się do normalnego, pokazuje wpis Centralne twierdzenie graniczne.
  • Ankiety i sondaże. Margines błędu i liczebność próby w ankiecie liczy się tym samym rozumowaniem, którego Laplace użył w 1786 r.: jaka próba da błąd nie większy niż zadany przy zadanej pewności.
  • Regresja. Przedziały dla współczynników MNK w dużych próbach – nawet przy nienormalnych resztach – opierają się na jego twierdzeniu; patrz Normalność reszt czy zmiennych?

Spory, mity i trudne strony

„Laplace odkrył rozkład normalny”. Krzywa normalna ma dłuższą historię – patrz hasła o de Moivrze i o Carlu Friedrichu Gaussie, który w 1809 r. wyprowadził ją jako rozkład błędów pomiaru. Wkład Laplace’a z 1810 r. jest ogólniejszy: wyjaśnia, dlaczego sumy i średnie wielu błędów mają rozkład bliski normalnemu.

„Nazwa centralne twierdzenie graniczne pochodzi od Laplace’a”. Nie – Gillispie (1978) podkreśla, że sam Laplace tego określenia nie używał.

Granice jego metod. Według Stiglera (1975) zastosowania Laplace’a ujawniają zarówno głębię, jak i ograniczenia jego rozumienia pojęć statystycznych. Stigler (1973) pokazuje też, że Laplace, próbując ulepszyć MNK, był blisko pojęcia dostateczności, które wyodrębnił dopiero Fisher w 1920 r.

Przykład reprodukowalny

Laplace w R

Kod rysuje oś czasu, buduje fikcyjny kraj z gminami, powtarza szacunek ludności z mnożnika urodzeń dla trzech wielkości próby i porównuje rozkład szacunków z krzywą normalną. Rysunki na stronie powstały z tych samych obiektów os_czasu i p_szacunki z krojem i tłem serwisu; dane, geometrie i skale są identyczne.

Oś czasu i estymator ilorazowy z błędem standardowym

Dane wejściowe: 10 000 fikcyjnych gmin – liczba mieszkańców z rozkładu lognormalnego (mediana 2000, sdlog = 0.8), urodzenia z rozkładu Poissona przy rozrodczości N(1/26, 0.004), set.seed(1786); 4000 prób losowych dla 20, 80 i 320 gmin, set.seed(1810) (parametry ustawione ręcznie).

Co odczytać: prawdziwą liczbę ludności i mnożnik; odchylenie standardowe szacunków i średni błąd standardowy ze wzoru; odsetek błędów większych niż pół miliona (z symulacji i z przybliżenia normalnego); pokrycie 95% przedziału; błąd Monte Carlo odsetków.

Kod R rysunków 1 i 2
# Pierre-Simon Laplace: oś czasu i szacowanie liczby ludności z próby (mnożnik urodzeń)
suppressPackageStartupMessages(library(ggplot2))
oi <- c(niebieski = "#0072B2", pomaranczowy = "#D55E00", zielony = "#009E73", szary = "grey40")  # Okabe–Ito
motyw <- theme_minimal(base_size = 13) + theme(panel.grid.minor = element_blank(),
                                               plot.title = element_text(face = "bold"))

# 1. Oś czasu (lata według hasła Gillispiego w DSB z 1978 r.)
zdarzenia <- data.frame(
  rok = c(1749, 1768, 1773, 1786, 1796, 1799, 1810, 1812, 1817, 1827),
  opis = c("urodzony w Beaumont-\n-en-Auge", "Paryż: d’Alembert,\nÉcole Militaire", "członek Akademii\nNauk (adiunkt)",
           "ludność Francji\nz mnożnika urodzeń", "Exposition du\nsystème du monde", "Mécanique céleste t. 1;\nminister (6 tygodni)",
           "centralne twierdzenie\ngraniczne", "Théorie analytique\ndes probabilités", "tytuł markiza",
           "zmarł w Paryżu"),
  rodzaj = c("życie", "stanowisko", "stanowisko", "praca", "praca", "stanowisko", "praca", "praca", "życie", "życie"),
  poziom = c(1.3, -1.3, 2.7, -2.7, 1.3, -4, 4, -1.3, 2.7, -2.7))
os_czasu <- ggplot(zdarzenia, aes(rok, 0)) +
  geom_hline(yintercept = 0, colour = oi[["szary"]], linewidth = 0.6) +
  geom_segment(aes(xend = rok, y = 0, yend = poziom - sign(poziom) * 0.55), colour = "grey60", linewidth = 0.4) +
  geom_point(aes(shape = rodzaj, fill = rodzaj), size = 3.4, colour = "black") +
  geom_text(aes(y = poziom, label = paste0(rok, "\n", opis)), size = 3.2, lineheight = 0.9) +
  scale_shape_manual(values = c("życie" = 21, stanowisko = 22, praca = 24)) +
  scale_fill_manual(values = c("życie" = "white", stanowisko = oi[["pomaranczowy"]], praca = oi[["niebieski"]])) +
  scale_x_continuous(breaks = seq(1750, 1830, 10), limits = c(1740, 1836)) +
  scale_y_continuous(limits = c(-4.7, 4.7)) +
  labs(x = NULL, y = NULL, shape = NULL, fill = NULL, title = "Pierre-Simon Laplace (1749–1827)") +
  motyw + theme(axis.text.y = element_blank(), panel.grid.major.y = element_blank(), legend.position = "bottom")

# 2. Fikcyjny kraj: 10 000 gmin, liczba mieszkańców i urodzeń w roku (parametry ustawione ręcznie)
set.seed(1786)
gminy <- data.frame(ludnosc = round(rlnorm(10000, meanlog = log(2000), sdlog = 0.8)))
gminy$urodzenia <- rpois(10000, gminy$ludnosc * rnorm(10000, mean = 1 / 26, sd = 0.004))
L <- sum(gminy$ludnosc)    # prawdziwa liczba ludności (nieznana „rządowi”)
U <- sum(gminy$urodzenia)  # łączna liczba urodzeń z rejestrów parafialnych (znana)
data.frame(ludnosc = L, urodzenia = U, mnoznik_prawdziwy = round(L / U, 3))

# 3. Estymator Laplace’a: mnożnik z próby gmin × wszystkie urodzenia; błąd standardowy z przybliżenia normalnego
szacuj <- function(n) {
  p <- gminy[sample(nrow(gminy), n), ]
  R <- sum(p$ludnosc) / sum(p$urodzenia)
  d <- p$ludnosc - R * p$urodzenia
  se <- U * sqrt((1 - n / nrow(gminy)) / n * var(d)) / mean(p$urodzenia)
  c(n = n, mieszkancy_w_probie = sum(p$ludnosc), szacunek = U * R, se = se)
}
set.seed(1810)
sym <- as.data.frame(do.call(rbind, lapply(rep(c(20, 80, 320), each = 4000), szacuj)))
sym$blad <- sym$szacunek - L
podsum <- do.call(rbind, lapply(split(sym, sym$n), function(s) data.frame(
  gminy_w_probie = s$n[1],
  mieszkancy_mediana = median(s$mieszkancy_w_probie),
  sd_szacunkow = round(sd(s$szacunek)),
  sredni_se_wzor = round(mean(s$se)),
  p_blad_ponad_pol_mln = mean(abs(s$blad) > 5e5),
  p_normalne = round(2 * pnorm(-5e5 / sd(s$szacunek)), 4),
  pokrycie_95 = mean(abs(s$blad) <= 1.96 * s$se))))
podsum
round(sqrt(podsum$p_blad_ponad_pol_mln * (1 - podsum$p_blad_ponad_pol_mln) / 4000), 4)  # błąd Monte Carlo

# 4. Rysunek: rozkład szacunków i krzywa normalna dla trzech wielkości próby
etykiety <- paste0(podsum$gminy_w_probie, " gmin (ok. ", round(podsum$mieszkancy_mediana / 1000), " tys. mieszkańców)")
sym$panel <- factor(etykiety[match(sym$n, podsum$gminy_w_probie)], levels = etykiety)
krzywe <- do.call(rbind, lapply(split(sym, sym$panel), function(s) {
  x <- seq(L - 4e6, L + 4e6, length.out = 300) / 1e6
  data.frame(panel = s$panel[1], x = x, y = dnorm(x, mean(s$szacunek) / 1e6, sd(s$szacunek) / 1e6))
}))
p_szacunki <- ggplot(sym, aes(szacunek / 1e6)) +
  geom_histogram(aes(y = after_stat(density)), binwidth = 0.2, fill = "grey80", colour = "grey35") +
  geom_line(data = krzywe, aes(x, y), colour = oi[["niebieski"]], linewidth = 0.9, linetype = "dashed") +
  geom_vline(xintercept = L / 1e6, colour = oi[["pomaranczowy"]], linewidth = 0.8) +
  geom_vline(xintercept = (L + c(-5e5, 5e5)) / 1e6, colour = oi[["pomaranczowy"]], linewidth = 0.5, linetype = "dotted") +
  facet_wrap(~ panel, nrow = 1) +
  coord_cartesian(xlim = (L + c(-4e6, 4e6)) / 1e6) +
  labs(x = "Szacowana liczba ludności (mln)", y = "Gęstość",
       title = "Szacunki z 4000 prób: histogram i krzywa normalna") + motyw
os_czasu
p_szacunki
Wynik w R
   ludnosc urodzenia mnoznik_prawdziwy
1 27512361   1058688            25.987
    gminy_w_probie mieszkancy_mediana sd_szacunkow sredni_se_wzor
20              20            54264.0      1036466         938351
80              80           218916.5       513857         495317
320            320           878455.5       252240         250893
    p_blad_ponad_pol_mln p_normalne pokrycie_95
20               0.63175     0.6295     0.90375
80               0.31875     0.3305     0.93075
320              0.05050     0.0475     0.94875
[1] 0.0076 0.0074 0.0035

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (symulacja – funkcje bazowe rlnorm(), rpois(), sample(), pnorm(); rysunki – pakiet ggplot2). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org

Najczęstsze pytania

Kim był Pierre-Simon Laplace?

Francuskim matematykiem, astronomem i fizykiem (1749–1827), członkiem paryskiej Akademii Nauk od 1773 r., autorem Mécanique céleste i Théorie analytique des probabilités. Za Napoleona był krótko ministrem spraw wewnętrznych, potem senatorem; w 1817 r. otrzymał tytuł markiza.

Co Laplace wniósł do statystyki?

Przede wszystkim centralne twierdzenie graniczne (1810): sumy i średnie wielu niezależnych błędów mają w przybliżeniu rozkład normalny. Wyprowadził z niego regułę najmniejszych kwadratów, zebrał rachunek prawdopodobieństwa w traktacie z 1812 r. i szacował liczbę ludności Francji z próby, licząc, jak duża próba da zadaną dokładność.

Jak Laplace oszacował liczbę ludności Francji?

Pomnożył średnią roczną liczbę urodzeń przez mnożnik – stosunek liczby mieszkańców do liczby urodzeń ustalony w próbach. W pamiętniku z 1786 r. mnożnik 26 dał 25 299 417 mieszkańców; Laplace policzył też, jak dużej próby trzeba, by błąd był mniejszy niż pół miliona. To dzisiejszy estymator ilorazowy.

Czy Laplace był ministrem Napoleona?

Tak, ale tylko przez sześć tygodni pod koniec 1799 r.: Napoleon po przejęciu władzy mianował go ministrem spraw wewnętrznych, a potem zastąpił go swoim bratem Lucienem Bonaparte. Laplace został następnie senatorem i kanclerzem senatu.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Gillispie, C. C. (1978). Laplace, Pierre-Simon, Marquis de. In C. C. Gillispie (Ed.), Dictionary of scientific biography (Vol. 15, Suppl. 1). Charles Scribner’s Sons. https://www.encyclopedia.com/people/science-and-technology/astronomy-biographies/pierre-simon-marquis-de-laplace ● Otwarty dostęp
  2. Stigler, S. M. (1973). Studies in the history of probability and statistics. XXXII: Laplace, Fisher and the discovery of the concept of sufficiency. Biometrika, 60(3), 439–445. https://doi.org/10.1093/biomet/60.3.439
  3. Stigler, S. M. (1975). Studies in the history of probability and statistics. XXXIV: Napoleonic statistics: The work of Laplace. Biometrika, 62(2), 503–517. https://doi.org/10.1093/biomet/62.2.503

Cytowania BibTeX

@incollection{gillispie1978laplace, author={Gillispie, Charles Coulston}, title={{Laplace, Pierre-Simon, Marquis de}}, booktitle={Dictionary of scientific biography (Vol. 15, Suppl. 1)}, year={1978}, publisher={Charles Scribner’s Sons}, url={https://www.encyclopedia.com/people/science-and-technology/astronomy-biographies/pierre-simon-marquis-de-laplace}}
@article{stigler1973sufficiency, author={Stigler, Stephen M.}, title={{Studies in the history of probability and statistics. XXXII: Laplace, Fisher and the discovery of the concept of sufficiency}}, journal={Biometrika}, year={1973}, volume={60}, number={3}, pages={439--445}, doi={10.1093/biomet/60.3.439}}
@article{stigler1975napoleonic, author={Stigler, Stephen M.}, title={{Studies in the history of probability and statistics. XXXIV: Napoleonic statistics: The work of Laplace}}, journal={Biometrika}, year={1975}, volume={62}, number={2}, pages={503--517}, doi={10.1093/biomet/62.2.503}}
R