Метод математического моделирования, сводящий исследование явлений внешнего мира к математическим задачам, занимает ведущее место среди других методов исследования, особенно в связи с появлением ЭВМ. Он позволяет проектировать новые технические средства, работающие в оптимальных режимах, для решения сложных задач науки и техники; проектировать новые явления. М. м. проявили себя как важное средство управления. Они применяются в самых различных областях знания, стали необходимым аппаратом в области экономического планирования и являются важным элементом автоматизированных систем управления.

  А. Н. Тихонов.

Математическая статистика

Математи'ческая стати'стика , раздел математики, посвященный математическим методам систематизации, обработки и использования статистических данных для научных и практических выводов. При этом статистическими данными называются сведения о числе объектов в какой-либо более или менее обширной совокупности, обладающих теми или иными признаками (таковы, например, данные таблиц 1а и 2а).

Таблица 1а. — Распределение диаметра детали в мм , обнаруженное при статистическом исследовании массовой продукции (объяснение обозначений

, S , s см. в статье).

Диаметр	Основная выборка	1-я выборка	2-я выборка	3-я выборка
13,05—13,09	—	—	1	1
13,10—13,14	2	—	—	—
13,15—13,19	1	—	1	1
13,20—13,24	8	—	—	—
13,25—13,29	17	1	2	1
13,30—13,34	27	1	1	2
13,35—13,39	30	2	3	1
13,40—13,44	37	2	1	1
13,45—13,49	27	1	—	—
13,50—13,54	25	2	1	—
13,55—13,59	17	—	—	—
13,60—13,64	7	1	—	2
13,65—13,69	2	—	—	1
Всего	200	10	10	10
	13,416	13,430	13,315	13,385
S2	2,3910	0,0990	0,1472	0,3602
s	0,110	0,105	0,128	0,200

Таблица 1б. — Распределение диаметра детали основной выборки (из таблицы 1а) при более крупных интервалах группировки

Диаметр	Число деталей
13,00—13,24	11
13,25—13,49	138
13,50—13,74	51
Всего	200

  Предмет и метод математической статистики. Статистическое описание совокупности объектов занимает промежуточное положение между индивидуальным описанием каждого из объектов совокупности, с одной стороны, и описанием совокупности по её общим свойствам, совсем не требующим её расчленения на отдельные объекты, — с другой. По сравнению с первым способом статистические данные всегда в большей или меньшей степени обезличены и имеют лишь ограниченную ценность в случаях, когда существенны именно индивидуальные данные (например, учитель, знакомясь с классом, получит лишь весьма предварительную ориентировку о положении дела из одной статистики числа выставленных его предшественником отличных, хороших, удовлетворительных и неудовлетворительных оценок). С другой стороны, по сравнению с данными о наблюдаемых извне суммарных свойствах совокупности статистические данные позволяют глубже проникнуть в существо дела. Например, данные гранулометрического анализа породы (то есть данные о распределении образующих породу частиц по размерам) дают ценную дополнительную информацию по сравнению с испытанием нерасчленённых образцов породы, позволяя в некоторой мере объяснить свойства породы, условия её образования и прочее.

  Метод исследования, опирающийся на рассмотрение статистических данных о тех или иных совокупностях объектов, называется статистическим. Статистический метод применяется в самых различных областях знания. Однако черты статистического метода в применении к объектам различной природы столь своеобразны, что было бы бессмысленно объединять, например, социально-экономическую статистику , физическую статистику (см. Статистическая физика ), звёздную статистику и тому подобное в одну науку.

  Общие черты статистического метода в различных областях знания сводятся к подсчёту числа объектов, входящих в те или иные группы, рассмотрению распределения количеств, признаков, применению выборочного метода (в случаях, когда детальное исследование всех объектов обширной совокупности затруднительно), использованию теории вероятностей при оценке достаточности числа наблюдений для тех или иных выводов и т. п. Эта формальная математическая сторона статистических методов исследования, безразличная к специфической природе изучаемых объектов, и составляет предмет М. с.

  Связь математической статистики с теорией вероятностей. Связь М. с. с теорией вероятностей имеет в разных случаях различный характер. Вероятностей теория изучает не любые явления, а явления случайные и именно «вероятностно случайные», то есть такие, для которых имеет смысл говорить о соответствующих им распределениях вероятностей. Тем не менее, теория вероятностей играет определённую роль и при статистическом изучении массовых явлений любой природы, которые могут не относиться к категории вероятностно случайных. Это осуществляется через основанные на теории вероятностей теорию выборочного метода и теорию ошибок измерений (см. Ошибок теория ). В этих случаях вероятностным закономерностям подчинены не сами изучаемые явления, а приёмы их исследования.

  Более важную роль играет теория вероятностей при статистическом исследовании вероятностных явлений. Здесь в полной мере находят применение такие основанные на теории вероятностей разделы М. с., как теория статистической проверки вероятностных гипотез, теория статистической оценки распределений вероятностей и входящих в них параметров и так далее. Область же применения этих более глубоких статистических методов значительно уже, так как здесь требуется, чтобы сами изучаемые явления были подчинены достаточно определённым вероятностным закономерностям. Например, статистическое изучение режима турбулентных водных потоков или флюктуаций в радиоприёмных устройствах производится на основе теории стационарных случайных процессов . Однако применение той же теории к анализу экономических временных рядов может привести к грубым ошибкам ввиду того, что входящее в определение стационарного процесса допущение наличия сохраняющихся в течение длительного времени неизменных распределений вероятностей в этом случае, как правило, совершенно неприемлемо.

  Вероятностные закономерности получают статистическое выражение (вероятности осуществляются приближённо в виде частот, а математические ожидания — в виде средних) в силу больших чисел закона .

  Простейшие приёмы статистического описания. Изучаемая совокупность из n объектов может по какому-либо качественному признаку А разбиваться на классы A₁ , A₂ , ..., A_r . Соответствующее этому разбиению статистическое распределение задаётся при помощи указания численностей (частот) n₁ , n₂ , ..., n_r , (где

) отдельных классов. Вместо численностей n_i часто указывают соответствующие относительные частоты (частости) h_i = n_i/n (удовлетворяющие, очевидно, соотношению). Если изучению подлежит некоторый количественный признак, то его распределение в совокупности из n объектов можно задать, перечислив непосредственно наблюдённые значения признака: х₁ , x₂ , ..., x_n , например, в порядке их возрастания. Однако при больших n такой способ громоздок и в то же время не выявляет отчётливо существенных свойств распределения (подробнее о способах изображения и простейших характеристиках распределения одного количественного признака см. Распределения ). При сколько-либо больших n на практике обычно совсем не составляют полных таблиц наблюдённых значений x_i , а исходят во всей дальнейшей работе из таблиц, содержащих лишь численности классов, получающихся при группировке наблюдённых значений по надлежаще выбранным интервалам.