Дальнейшие задачи математической статистики. Упоминавшиеся выше способы оценки параметров и проверки гипотез основаны на предположении, что число наблюдений, необходимых для достижения заданной точности выводов, определяют заранее (до проведения испытаний). Однако часто априорное определение числа наблюдений нецелесообразно, так как, не фиксируя число опытов заранее, а определяя его в ходе эксперимента, можно уменьшить его математическое ожидание. Сначала это обстоятельство было подмечено на примере выбора одной из двух гипотез по последовательности независимых испытаний. Соответствующая процедура (впервые предложенная в связи с задачами приёмочного статистического контроля ) состоит в следующем: на каждом шаге по результатам уже проведённых наблюдений решают а) провести ли следующее испытание, или б) прекратить испытания и принять первую гипотезу, или в) прекратить испытания и принять вторую гипотезу. При надлежащем подборе количеств, характеристик подобной процедуры можно добиться (при той же точности выводов) сокращения числа наблюдений в среднем почти вдвое по сравнению с процедурой выборки фиксированного объёма (см. Последовательный анализ ). Развитие методов последовательного анализа привело, с одной стороны, к изучению управляемых случайных процессов , с другой — к появлению общей теории статистических решений. Эта теория исходит из того, что результаты последовательно проводимых наблюдений служат основой принятия некоторых решений (промежуточных — продолжать испытания или нет, и окончательных — в случае прекращения испытаний). В задачах оценки параметров окончательные решения суть числа (значение оценок), в задачах проверки гипотез — принимаемые гипотезы. Цель теории — указать правила принятия решений, минимизирующих средний риск или убыток (риск зависит и от вероятностных распределений результатов наблюдений, и от принимаемого окончательного решения, и от расходов на проведение испытаний и т. п.).

  Вопросы целесообразного распределения усилий при проведении статистического анализа явлений рассматриваются в теории планирования эксперимента , ставшей важной частью современной М. с.

  Наряду с развитием и уточнением общих понятий М. с. развиваются и её отдельные разделы, такие, как дисперсионный анализ , статистический анализ случайных процессов , статистический анализ многомерный . Появились новые оценки в регрессионном анализе (см. также Стохастическая аппроксимация ). Большую роль в задачах М. с. играет так называемый байесовский подход (см. Статистические решения ).

  Историческая справка. Первые начала М. с. можно найти уже в сочинениях создателей теории вероятностей — Я. Бернулли (конец 17 — начало 18 веков), П. Лапласа (2-я половина 18 — начало 19 веков) и С. Пуассона (1-я половина 19 века). В России методы М. с. в применении к демографии и страховому делу развивал на основе теории вероятностей В. Я. Буняковский (1846). Решающее значение для всего дальнейшего развития М. с. имели работы русской классической школы теории вероятностей 2-й половины 19 — начала 20 веков (П. Л. Чебышев , А. А. Марков , А. М. Ляпунов , С. Н. Бернштейн ). Многие вопросы теории статистических оценок были по существу разработаны на основе теории ошибок и метода наименьших квадратов [К. Гаусс (1-я половина 19 века) и А. А. Марков (конец 19 — начало 20 веков)]. Работы А. Кетле (19 век, Бельгия), Ф. Гальтона (19 век, Великобритания) и К. Пирсона (конец 19 — начало 20 веков, Великобритания) имели большое значение, но по уровню использования достижений теории вероятностей отставали от работ русской школы. К. Пирсоном была широко развёрнута работа по составлению таблиц функций, необходимых для применения методов М. с. В создании теории малых выборок, общей теории статистических оценок и проверки гипотез (освобожденной от предположений о наличии априорных распределений), последовательного анализа весьма значительна роль представителей англо-американской школы [Стьюдент (псевдоним У. Госсета), Р. Фишер, Э. Пирсон — Великобритания, Ю. Нейман, А. Вальд — США], деятельность которых началась в 20-х годах 20 века. В СССР значительные результаты в области М. с. получены В. И. Романовским, Е. Е. Слуцким, которому принадлежат важные работы по статистике связанных стационарных рядов, Н. В. Смирновым, заложившим основы теории непараметрических методов М. с., Ю. В. Линником, обогатившим аналитический аппарат М. с. новыми методами. На основе М. с. особенно интенсивно разрабатываются статистические методы исследования и контроля массового производства, статистические методы в области физики, гидрологии, климатологии, звёздной астрономии, биологии, медицины и другие.

  Существует несколько журналов, публикующих работы по М. с., в том числе «Annals of Statistics» (до 1973 «Annals of Mathematical Statistics»), «International Statistical Institute Review», «Biometrika», «Journal of the Royal Statistical Society». Имеются научные ассоциации, поддерживающие исследования по М. с. и её применениям. Важную роль играет Международный статистический институт (ISI) с центром в Амстердаме и созданная при нём Международная ассоциация по статистическим методам в естественых науках (IASPS).

  Лит.: Крамер Г., Математические методы статистики, перевод с английского, М., 1948; Ван-дер-Варден Б. Л., Математическая статистика, перевод с немецкого, М., 1960; Смирнов Н. В., Дунин-Барковский И. В., Курс теории вероятностей и математической статистики для технических приложений, 3 изд., М., 1969; Большев Л. Н., Смирнов Н. В., Таблицы математической статистики, М., 1968; Линник Ю. В., Метод наименьших квадратов ..., 2 изд., М., 1962; Хальд А., Математическая статистика с техническими приложениями, перевод с английского, М., 1956; Андерсон Т., Введение в многомерный статистический анализ, перевод с английского, М., 1963; Кендалл М. Дж., Стьюарт А., Теория распределений, перевод с английского, М., 1966.

  А. Н. Колмогоров, Ю. В. Прохоров.

Рис. 2. Гистограмма распределения диаметров 200 деталей. Длина интервала группировки 0,25 мм .

Рис. 3. Гистограмма распределения диаметров 200 деталей. Длина интервала группировки 0,01 мм .

Рис. 1. Гистограмма распределения диаметров 200 деталей. Длина интервала группировки 0,05 мм .

Математи'ческая фи'зика , теория математических моделей физических явлений; занимает особое положение и в математике, и в физике, находясь на стыке этих наук.

  М. ф. тесно связана с физикой в той части, которая касается построения математической модели, и в то же время — раздел математики, поскольку методы исследования моделей являются математическими. В понятие методов М. ф. включаются те математические методы, которые применяются для построения и изучения математических моделей, описывающих большие классы физических явлений.

  Методы М. ф. как теории математических моделей физики начали интенсивно разрабатываться в трудах И. Ньютона по созданию основ классической механики, всемирного тяготения, теории света. Дальнейшее развитие методов М. ф. и их успешное применение к изучению математических моделей огромного круга различных физических явлений связаны с именами Ж. Лагранжа , Л. Эйлера , П. Лапласа , Ж. Фурье , К. Гаусса , Б. Римана , М. В. Остроградского и многих других учёных. Большой вклад в развитие методов М. ф. внесли А. М. Ляпунов и В. А. Стеклов . Начиная со 2-й половины 19 века методы М. ф. успешно применялись для изучения математических моделей физических явлений, связанных с различными физическими полями и волновыми функциями в электродинамике, акустике, теории упругости, гидро- и аэродинамике и ряде других направлений исследования физических явлений в сплошных средах. Математические модели этого класса явлений наиболее часто описываются при помощи дифференциальных уравнений с частными производными, получивших название уравнений математической физики . Помимо дифференциальных уравнений М. ф., при описании математических моделей физики применение находят интегральные уравнения и интегро-дифференциальные уравнения, вариационные и теоретико-вероятностные методы, теория потенциала, методы теории функций комплексного переменного и ряд других разделов математики. В связи с бурным развитием вычислительной математики особое значение для исследования математических моделей физики приобретают прямые численные методы, использующие ЭВМ, и в первую очередь конечно-разностные методы решения краевых задач. Теоретические исследования в области квантовой электродинамики, аксиоматической теории поля и ряде других направлений современной физики привели к созданию нового класса математических моделей, составивших важную отрасль М. ф. (например, теория обобщённых функций, теория операторов с непрерывным спектром).