百年以前，人们开始严肃地思考这样一个问题：“当存在不确定性时，如何进行推理？”。JamesBer
oulli1713恐怕是第一个构造该问题的人（SamuelKotz吴喜之，2000）。他意识到在可应用于机会游戏的演绎逻辑和每日生活中的归纳逻辑之间的区别。对于他来说，这个未回答的问题在于前者的机理如何能帮助处理后者的推断问题。托马斯贝叶斯（Revere
dThomasBayes17021761）是对归纳推理给出精确定量表达方式的第一人，他死后发表的论文，可以作为科学史上最著名的论文之一（Press，1989：P181）。他在18世纪上半叶欧洲学术界不算一个起眼的人物。在他生前，没有片纸只字的科学论著发表。那时，传播和交流科学成果的一种方式，是学者间的私人通信。这些信件许多都得以保存下来并发表传世，例如Huyge
sPascal通信。但在贝叶斯生前，除在1755年有一篇致Joh
Co
do
的信其中讨论了Simpso
s有关误差理论的工作见Joh
的文件外，历史上也没有记载下他与当时的人有何重要的学术交往。不过，他一定曾以某种方式表现出其学术造诣而为当时的学术界所承认，因为他在1742年就当选为英国皇家学会会员，这个称号相当于今天的英国科学院院士。这篇“遗作”的题目就是《A
essaytowardssolvi
gaproblemi
thedoctri
eofcha
ces》机遇理论中一个问题的解，发表在1764年伦敦皇家学会的《PhilosophicalTra
sactio
s》上。1812年，Laplace在他的概率论教科书第一版中首次将贝叶斯思想以贝叶斯定理的现代形式展示给世人。Laplace本人不仅重新发现了贝叶斯定理，阐述得远比贝叶斯更为清晰，
2
f而且还用它来解决天体力学、医学统计、甚至法学问题（SamuelKotz和吴喜之，2000）。目前被承认的现代贝叶斯统计工具的使用，应归功于Jeffreys1939，Wald1950，Savage1954，Raiffa和Schlaifer1961，Li
dly1972和DeFi
etti19741975。在20世纪90年代，由于高维计算上的困难，贝叶斯方法的应用受到了很大的限制。但随着计算机技术的发展和贝叶斯方法的改进，特别是MCMC方法的发展和Wi
BUGS软件的应用，原来复杂异常的数值计算问题如今变得非常简单，参数后验分布的模拟也趋于方便，所以现代贝叶斯理论和应用得到了迅速的发展（刘乐平、袁卫，2004）。1现代贝叶斯分析经典统计学，它的基本观点是把数据样本看成是来自具有一定概率分布的总体，所研究的对象是这个总体而不局限于数据本身。据现有资料看、这方面最早的工作是Gauss，C．F．（17771855）和Lege
dre，A．M．（17521833）的误差分析、正态分布和最小二乘法。从十九世纪r