抬头遥望星空，星空以其独特而神奇的魅力吸引着我们。人类从古至今从未停止过对浩瀚星空的探索。天文学是一门古老的科学，自有人类文明以来就有着重要的地位。天文学家不满足于自己看到的，还要探讨它们是如何形成和演化的，天体物理学随之发展起来。根据研究对象的不同，天文学分为高能天体物理、星系天文学、恒星天文学、太阳物理学、行星物理学等；根据观察波段的不同，又分为光学天文学、射电天文学、紫外天文学、红外天文学、伽马射线天文学、X射线天文学等；根据探测介质的不同，又分为中微子天文学、引力波天文学等，还有许多其他分类方法，如分为天体测量学、天体力学等。
随着不同学科的互相渗透，天文学与其他学科的交叉学科表现出欣欣向荣之势，如：天文生物学、天文统计学、天文信息学、天文地理学、时序天文学等。天文统计学（Astrostatistics）是一门天文学、天体物理学与统计学、机器学习、人工智能等学科交叉的学科。它主要利用统计学及相关学科的原理和方法来处理和分析天文数据，从而限制和促进天体物理理论。天文信息学（Astroinformatics）是一门天文学与信息学、计算机科学、高性能计算等学科交叉的学科。它是研究天文数据的表示、获取、存储、传递、处理、挖掘和利用的规律性的一门新兴学科，主要是指利用计算机及其程序设计来分析问题、解决问题的学科。天文统计学和天文信息学互为姊妹学科，互相促进，共同发展。
天文学与统计学有着密不可分的辉煌历史，可以追溯到12世纪的古希腊。天文学家也是统计学家。天文学的发展离不开数据，数据分析又离不开统计。从零散的观测数据中，求解平均值、中值等；基于有限的数据，用牛顿天体力学估算行星/卫星/彗星的轨道参数；数学家提出了最小二乘回归和正态误差理论，天文学家发展和完善了最小二乘理论。可以说，天文学和统计学协同发展。
但在19世纪末和20世纪天文学与统计学发生了分歧。统计学转向了人文科学（人口学、经济学、心理学、医学、政治学）和工业应用（农业、采矿、制造业）。在此期间，天文学家认识到现代物理学的力量，如：电磁学、热力学、量子力学、相对论。天文学开始与物理学和天体物理学紧密相连。因此，天文学家和统计学家基本上断绝了联系，例如，天文学家的课程主要涉及物理学，但很少涉及统计学，而今天的统计学家对现代天文学也知之甚少。
大型巡天时代的到来，如：SDSS、LAMOST、GAIA、WISE等，天文数据呈井喷式增长，天文学的大数据时代来临。天文学家开始意识到交叉学科合作的契机，面对TBy-PBy-Eby数据集，急需强有力的统计工具！天文统计学和天文信息学应运而生。天文统计学的发展和应用离不开致力于天文学与统计学协同发展的专家们，同理，天文信息学的发展也离不开天文学家与信息学家的精诚合作。在这里值得一提的是美国宾法尼亚州立大学天文学与天体物理系的Eric Feigelson教授和统计系的G. Jogesh Babu教授，他们是天文学家与统计学家合作的楷模，也可以说是天文统计学的开山鼻主；美国约翰-霍普金斯大学物理与天文系和计算机科学系的Alex Szalay教授和美国微软公司的图领奖获得者James Nicholas Gray博士是天文学家与信息学家合作的典范，天文信息学的奠基人，万维网望远镜之父。
图2：致力于发展天文统计学与天文信息学的科学家们
许多天文学研究局限于一系列熟悉的统计方法，或者对一些统计方法的滥用。正是鉴于这种情况，各种会议、组织、工作组的成立和大学课程的设立，致力于改变这一现状，提高天文学家的统计素养，促进天文学家与统计学家的合作。Eric Feigelson和G. Jogesh Babu成立了天文统计系，从1991年到2011年开始每五年举办一次现代天文学中的统计挑战会议，从2005年开始每年举办一次国际性的天文统计暑期班。R语言项目提供了统计软件，如R/CRAN公共领域统计软件环境，具有数千种功能。由Eric Feigelson维护的天文统计与天文信息门户网站http://asaip.psu.edu，提供了与天文统计和天文信息相关的最新论文、会议、工作、课程、论坛等。
国际天体统计学会（ International Astrostatistics Association ，IAA）成立，其他有关的工作组或学会也纷纷成立，如国际统计所天文统计特殊兴趣组（ International Statistical Institute Astrostatistics Special Interest Group，ISI/ASIG)，美国天文学会天文信息与天文统计工作组（ American Astronomical Society Working Group in Astroinformatics and Astrostatistics，AAS/WGAA), 国际天文联合会B3委员会天文信息与天文统计分会（ IAU Commission B3 Astroinformatics and Astrostatistics），LSST信息和统计组（Information and Statistical Sciences Consortium of the planned Large Synoptic Survey Telescope，LSST/ISSC)，美国统计学会天文统计兴趣组（American Statistical Association Interest Group in Astrostatistics，ASA/IGA)和 IEEE Astro Data Miner工作组等。
图3：相关组织、协会纷纷成立
各种天文统计书籍相继问世，如Practical Statistics for Astronomers，由Wall & Jenkins著, 2nd ed, 2012；Modern Statistical Methods for Astronomy with R Applications，由Feigelson & Babu著, 2012；Statistics, Data Mining, and Machine Learning in Astronomy: A Practical Python Guide for the Analysis of Survey Data，由Ivecic, Connolly, VanderPlas & Gray著, 2014。
图4：各种天文统计书籍相继问世
统计用于描述天文图像、光谱和光变曲线，从有限的样本推断潜在某类天体的特性，将天文观测与天体物理理论联系起来，以及与数据和科学分析的许多其他方面相联系。统计学指导科学家计算什么，信息学帮助科学家怎么计算，如计算密集型天文学、数据挖掘、多元回归与分类、机器学习、蒙特卡罗方法、有效算法等。与之匹配的软件和硬件：多处理器机器上的并行处理、云计算、CUDA和GPU计算、数据库管理和发布、软件工程等。越来越多的人认识到社区培训的重要性。统计学基础和信息技术需要从学生时代抓起。随着统计学和信息学的逐步普及，天文学在天文统计学、天文信息学、机器学习、人工智能、高性能计算、云计算与存储等技术的推动和助力下，定会绽放出更加艳丽的花朵，涌现出更多的新发现或新理论，也许下一个诺贝尔物理学奖还会花落天文学界。