Анализ публикаций в области прикладной статистики показывает, что в настоящее время количество значимых и полезных публикаций составляет более 100 тысяч, а возраст некоторых фундаментальных работ достигает более 200 лет [68]. Так, например, наиболее популярный из используемых в настоящее время статистических методов - метод наименьших квадратов - К.Гаусс разработал в 1795 году. Современный этап развития прикладной статистики принято отсчитывать с 1900 года, когда К. Пирсон основал журнал «Biometriсa», причем, если первая треть 20 века была посвящена разработке методов параметрической статистики (наиболее популярным было нормальное распределение), то в последующие годы были разработаны непараметрические методы (первые работы в этой области принадлежат Ч. Спирмену, М. Кендаллу, А.Н.Колмогорову). Наиболее подробные таблицы непараметрических критериев приведены в работе [69]
Среди направлений развития современной прикладной статистики:
1.непараметрические методы (учитывающие разнообразные законы распред.вероятности),
|
|
2. оценка устойчивости статистических процедур (робастость),
3. замену теоретических исследований вычислительными процедурами, предусматривающую увеличение объема анализируемой статистики за счет «размножения выборок» (бутстреп),
4. математическую статистику интервальных данных, 5.статистику объектов нечисловой природы и т.д.
В соответствии с принятой в настоящее время классификацией [70], статистические методы делятся на Разделы:
1.статистику числовых случайных величин,
2.многомерный статистических анализ,
3. статистику временных рядов и случайных процессов,
4 статистику объектов нечисловой природы (квалиметрия).
Использование того или иного статистического метода для анализа результатов измерения подразумевает использование соответствующего вычислительного приема, желательно, автоматизированного. При этом достаточно обратиться, например, к пакетам Mathcad [71,72] или Mathla b, приобрести электронные учебники по статистике и т.д. Однако данная проблема связана с изучением конкретных методик оценки точности результатов измерения и не рассматривается в учебном пособии.
При решении прикладных метрологических задач анализ статистических данных, основанных на результатах измерения, позволяет:
- определить качественно- количественные закономерности между влияющими факторами и результатами измерений и т.д.,
- возможность или невозможность обменных соотношений между измеряемыми и оцениваемыми параметрами
- значения влияющих факторов, обеспечивающих заданное значение выходного параметра.
Далее рассматриваются такие наиболее часто используемые в метрологии методы, основанные на статистических данных, как дисперсионный и дискриминантный анализ; планирование экспериментов (метод наименьших квадратов, регрессионный анализ); корреляционный анализ; и т.д.