Прикладная статистика: различия между версиями

Типовые примеры раннего этапа применения [[статистические методы|статистических методов]] описаны в [[Библия|Библии]], в [[Ветхий Завет|Ветхом Завете]] (см., например, Книгу Чисел). Там, в частности, приводится число воинов в различных племенах. С математической точки зрения дело сводилось к подсчетуподсчёту числа попаданий значений наблюдаемых признаков в определенныеопределённые градации.

В дальнейшем результаты обработки статистических данных стали представлять в виде таблиц и диаграмм, как это и сейчас делает [[Федеральная служба государственной статистики России]] (Росстат) РФ. Надо признать, что по сравнению с Ветхим Заветом есть прогресс — в Библии не было таблиц и диаграмм. Однако нет продвижения по сравнению с работами российских [[статистика|статистиков]] конца XIX — начала XX века (типовой монографией тех временвремён можно считать книгу [2]).

В 1794 г. (по другим данным — в 1795 г.) К.Гаусс разработал метод наименьших квадратов, один из наиболее популярных ныне статистических методов, и применил его при расчетерасчёте орбиты астероида Церера — для борьбы с ошибками астрономических наблюдений [4]. В Х1Х веке заметный вклад в развитие практической статистики внесвнёс бельгиец Кетле, на основе анализа большого числа реальных данных показавший устойчивость относительных статистических показателей, таких, как доля самоубийств среди всех смертей [5]. Интересно, что основные идеи статистического приемочногоприёмочного контроля и сертификации продукции обсуждались академиком Петербургской АН М. В. Остроградским (1801—1862) и применялись в российской армии ещё в середине Х1Х в. [3]. Статистические методы управления качеством и сертификации продукции сейчас весьма актуальны [6].

Разработанную в первой трети ХХ в. теорию анализа данных называем параметрической статистикой, поскольку еееё основной объект изучения — это выборки из распределений, описываемых одним или небольшим числом параметров. Наиболее общим является семейство кривых Пирсона, задаваемых четырьмя параметрами. Как правило, нельзя указать каких-либо веских причин, по которым распределение результатов конкретных наблюдений должно входить в то или иное параметрическое семейство. Исключения хорошо известны: если вероятностная модель предусматривает суммирование независимых случайных величин, то сумму естественно описывать нормальным распределением; если же в модели рассматривается произведение таких величин, то итог, видимо, приближается логарифмически нормальным распределением, {{nobr|и т. д.}} Однако подобных моделей нет в подавляющем большинстве реальных ситуаций, и приближение реального распределения с помощью кривых из семейства Пирсона или его подсемейств — чисто формальная операция.

Именно из таких соображений критиковал параметрическую статистику академик АН СССР С. Н. Бернштейн в 1927 г. [7]. Однако эта теория, к сожалению, до сих пор остаетсяостаётся основой преподавания статистических методов и продолжает использоваться основной массой прикладников, далекихдалёких от новых веяний в статистике. Почему так происходит? Чтобы попытаться ответить на этот вопрос, обратимся к наукометрии.