Статистическая обработка гидрометеорологических данных
Покупка
Основная коллекция
Тематика:
Метеорология. Климатология
Издательство:
Санкт-Петербургский государственный университет
Год издания: 2024
Кол-во страниц: 134
Дополнительно
Вид издания:
Учебно-методическая литература
Уровень образования:
ВО - Бакалавриат
ISBN: 978-5-288-06425-8
Артикул: 876895.01.99
В учебно-методическом пособии рассмотрены основные методы статистического анализа гидрометеорологических данных от их обработки до прогнозирования. Приведены исторические и теоретические аспекты теории вероятностей и математической статистики, даны наиболее важные определения. Рассмотрены методы математической статистики и анализа для решения реальных практических задач, связанных с гидрометеорологическими расчётами и прогнозами. Приведены три практические работы по анализу гидрологических наблюдений. В приложении дан справочный материал, необходимый для решения практических задач.
Предназначено для студентов программ бакалавриата и магистратуры гидрометеорологической специальности.
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 05.03.04: Гидрометеорология
- ВО - Магистратура
- 05.04.04: Гидрометеорология
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
СТАТИСТИЧЕСКАЯ ОБРАБОТКА ГИДРОМЕТЕОРОЛОГИЧЕСКИХ ДАННЫХ ИЗДАТЕЛЬСТВО САНКТ-ПЕТЕРБУРГСКОГО УНИВЕРСИТЕТА САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ А. Э. Сумачёв, С. В. Попов Учебно-методическое пособие
УДК 519.22
ББК 22.172
С89
Рецензенты:
канд. геогр. наук, доц. П. Н. Священников (С.-Петерб. гос. ун-т);
канд. геогр. наук, ст. науч. сотр. Л. С. Банщиков (Гос. гидролог. ин-т)
Рекомендовано к публикации
Учебно-методической комиссией по УГСН 05.00.00 Науки о Земле
Санкт-Петербургского государственного университета
С89
Сумачёв А. Э., Попов С. В.
Статистическая обработка гидрометеорологических данных: учеб.-метод.
пособие. — СПб.: Изд-во С.-Петерб. ун-та, 2024. — 132 с.
ISBN 978-5-288-06425-8
В учебно-методическом пособии рассмотрены основные методы статистического
анализа гидрометеорологических данных от их обработки до прогнозирования. Приведены исторические и теоретические аспекты теории вероятностей и математической
статистики, даны наиболее важные определения. Рассмотрены методы математической
статистики и анализа для решения реальных практических задач, связанных с гидрометеорологическими расчётами и прогнозами. Приведены три практические работы по
анализу гидрологических наблюдений. В приложении дан справочный материал, необходимый для решения практических задач.
Предназначено для студентов программ бакалавриата и магистратуры гидрометеорологической специальности.
УДК 519.22
ББК 22.172
Проект — победитель
ежегодного открытого конкурса учебных изданий СПбГУ
«Университетский заказ — 2023»
© Санкт-Петербургский
государственный университет, 2024
ISBN 978-5-288-06425-8
ƻǘǎǏǚǐNJǗǒǏ ƹƺƯƮƲƻƵƸƬƲƯ ............................................................................................................. 5 ƬƬƯƮƯƷƲƯ ..................................................................................................................... 6 ƸƻƷƸƬDž ƼƯƸƺƲƲ ƬƯƺƸljƼƷƸƻƼƯƳ ..................................................................... 7 bƲǛǜǘǚǒǡǏǛǔNJǩ ǛǙǚNJnjǔNJ ȃ ƸǛǗǘnjǥ ǔǘǖNjǒǗNJǜǘǚǒǔǒ ƻǘNjǥǜǒǩ njǏǚǘǩǜǗǘǛǜǦ ǎǏǓǛǜnjǒǩ ǗNJǎ ǛǘNjǥǜǒǩǖǒ ƽǛǕǘnjǗNJǩ njǏǚǘǩǜǗǘǛǜǦ ǙǘǕǗNJǩ njǏǚǘǩǜǗǘǛǜǦ ǜǏǘǚǏǖNJ ƫNJǓǏǛNJ 2. ƭƲƮƺƸƶƯƼƯƸƺƸƵƸƭƲǁƯƻƴƲƯ ƮƪƷƷDžƯ ƲbƹƸƮƿƸƮDž ƴbƲƿ ƲƻƻƵƯƮƸƬƪƷƲLj ƸƻƷƸƬDž ƶƪƼƯƶƪƼƲǁƯƻƴƸƳ ƻƼƪƼƲƻƼƲƴƲ ƲbƪƷƪƵƲƱƪ ƮƪƷƷDžƿ.................... 18 bƿNJǚNJǔǜǏǚǒǛǜǒǔNJ ǍǒǎǚǘǖǏǜǏǘǚǘǕǘǍǒǡǏǛǔǒǟ ǎNJǗǗǥǟ ȃ ƶNJǜǏǖNJǜǒǡǏǛǔNJǩ ǛǜNJǜǒǛǜǒǔNJ ǔǚNJǜǔNJǩ ǒǛǜǘǚǒǡǏǛǔNJǩ ǛǙǚNJnjǔNJ ƹǘǗǩǜǒǏ ǑNJǔǘǗNJ ǚNJǛǙǚǏǎǏǕǏǗǒǩ ǒbǖǏǜǘǎǥ ǘǠǏǗǔǒ ǏǍǘ ǙNJǚNJǖǏǜǚǘnj bƸǛǗǘnjǗǥǏ ǛǜNJǜǒǛǜǒǡǏǛǔǒǏ ǔǚǒǜǏǚǒǒ ǎǕǩ ǘǠǏǗǔǒ ǘǎǗǘǚǘǎǗǘǛǜǒ ǒbǛǜNJǠǒǘǗNJǚǗǘǛǜǒ ǚǩǎǘnj ǗNJNjǕǨǎǏǗǒǓ ƸǛǗǘnjǥ ǒbǛǝǜǦ ǔǘǚǚǏǕǩǠǒǘǗǗǘǍǘ ǒbǚǏǍǚǏǛǛǒǘǗǗǘǍǘ NJǗNJǕǒǑǘnj ƸǛǗǘnjǥ ǒbǛǝǜǦ ǖNJǢǒǗǗǘǍǘ ǘNjǝǡǏǗǒǩ ǖǏǜǘǎǥ ǘNjǝǡǏǗǒǩ ǒǛǔǝǛǛǜnjǏǗǗǥǟ ǗǏǓǚǘǗǗǥǟ ǛǏǜǏǓ bƴǕNJǛǜǏǚǗǥǓ NJǗNJǕǒǑ ǒbǑNJǎNJǡǒ ǔǕNJǛǛǒǞǒǔNJǠǒǒ bƾNJǔǜǘǚǗǥǓ NJǗNJǕǒǑ ǒbǖǏǜǘǎ ǍǕNJnjǗǥǟ ǔǘǖǙǘǗǏǗǜ ƬnjǏǎǏǗǒǏ njbǜǏǘǚǒǨ ǛǕǝǡNJǓǗǥǟ ǙǚǘǠǏǛǛǘnj ǒbNJǗNJǕǒǑ njǚǏǖǏǗǗǥ' ǟ ǚǩǎǘnj 3. ƺƪƫƸƼƪ Ζ ƴƸƶƹƵƯƴƻƷDžƳ ƻƼƪƼƲƻƼƲǁƯƻƴƲƳ ƪƷƪƵƲƱ ƭƲƮƺƸƶƯƼƯƸƺƸƵƸƭƲǁƯƻƴƸƳ ƲƷƾƸƺƶƪǀƲƲ ................................................ 47 ƹǘǚǩǎǘǔ njǥǙǘǕǗǏǗǒǩ ǚNJNjǘǜǥ ǒbǘǜǡǪǜǗǥǏ ǖNJǜǏǚǒNJǕǥ ƴǘǗǜǚǘǕǦǗǥǏ njǘǙǚǘǛǥ 4. ƺƪƫƸƼƪ ΖΖ ƹƺƸƭƷƸƱƲƺƸƬƪƷƲƯ LJƴƻƼƺƯƶƪƵdžƷDžƿ ƿƪƺƪƴƼƯƺƲƻƼƲƴ ƬƸƮƷƸƭƸ ƺƯưƲƶƪ ƶƯƼƸƮƪƶƲ ƶƪƼƯƶƪƼƲǁƯƻƴƸƳ ƻƼƪƼƲƻƼƲƴƲ ............ 72 ƹǘǚǩǎǘǔ njǥǙǘǕǗǏǗǒǩ ǚNJNjǘǜǥ ǒbǘǜǡǪǜǗǥǏ ǖNJǜǏǚǒNJǕǥ ȃ ƴǘǗǜǚǘǕǦǗǥǏ njǘǙǚǘǛǥ
ƺƪƫƸƼƪbΖΖΖ ƪƷƪƵƲƱ ƲbƹƺƸƭƷƸƱƲƺƸƬƪƷƲƯ ƬƺƯƶƯƷƷDž' ƿ ƺljƮƸƬ ƻbƲƻƹƸƵdžƱƸƬƪƷƲƯƶ ƶƸƮƯƵƲ ƪƺƹƻƻ ƲbƲƻƴƽƻƻƼƬƯƷƷDžƿ ƷƯƳƺƸƷƷDžƿ ƻƯƼƯƳ ................................................................................................ 84 ƹǘǚǩǎǘǔ njǥǙǘǕǗǏǗǒǩ ǚNJNjǘǜǥ ǒbǘǜǡǪǜǗǥǏ ǖNJǜǏǚǒNJǕǥ ȃ ƴǘǗǜǚǘǕǦǗǥǏ njǘǙǚǘǛǥ ƻƹƲƻƸƴ ƵƲƼƯƺƪƼƽƺDž ................................................................................................ 99 ƹƺƲƵƸưƯƷƲlj .............................................................................................................. 101 ƹǚǒǕǘǐǏǗǒǏ ƱǗNJǡǏǗǒǩ ǛǜNJǜǒǛǜǒǔǒ ƾǒǢǏǚNJ ǎǕǩ ǚNJǑǕǒǡǗǥǟ ǝǚǘnjǗǏǓ ǑǗNJǡǒǖǘǛǜǒ ǒbǛǜǏǙǏǗǏǓ ǛnjǘNjǘǎǥ ƹǚǒǕǘǐǏǗǒǏ ƱǗNJǡǏǗǒǩ ǛǜNJǜǒǛǜǒǔǒ ƻǜǦǨǎǏǗǜNJ ǎǕǩ ǚNJǑǗǥǟ ǝǚǘnjǗǏǓ ǑǗNJǡǒǖǘǛǜǒ ǒbǡǒǛǏǕ ǛǜǏǙǏǗǏǓ ǛnjǘNjǘǎǥ ƹǚǒǕǘǐǏǗǒǏ ƸǚǎǒǗNJǜǥ ǔǚǒnjǥǟ ǘNjǏǛǙǏǡǏǗǗǘǛǜǒ ƴǚǒǠǔǘǍǘbȃ ƶǏǗǔǏǕǩ ǜǚǪǟǙNJǚNJǖǏǜǚǒǡǏǛǔǘǍǘ ǍNJǖǖNJǚNJǛǙǚǏǎǏǕǏǗǒǩ njbǖǘǎǝǕǦǗǥǟ ǔǘǧǞǞǒǠǒǏǗǜNJǟ Kpɋ ɋf(Cv, Cs/Cv, P ƹǚǒǕǘǐǏǗǒǏ ƷǘǚǖǒǚǘnjNJǗǗǥǏ ǘǚǎǒǗNJǜǥ ǚNJǛǙǚǏǎǏǕǏǗǒǩ ƹǒǚǛǘǗNJ ΖΖΖbǜǒǙNJ T3ɋ%ɋ ɋXPɋɋȂɋƿƻƺƐ NjǒǗǘǖǒNJǕǦǗNJǩ ǔǚǒnjNJǩ ǚNJǛǙǚǏǎǏǕǏǗǒǩ ƹǚǒǕǘǐǏǗǒǏ Ɣ2ǚNJǛǙǚǏǎǏǕǏǗǒǏ ǘǚǎǒǗNJǜǥ ǎNJǗǥ njbǑNJnjǒǛǒǖǘǛǜǒ ǘǜ ǡǒǛǕNJ ǛǜǏǙǏǗǏǓ ǛnjǘNjǘǎǥ ǒbǝǚǘnjǗǩ ǑǗNJǡǒǖǘǛǜǒ ƹǚǒǕǘǐǏǗǒǏ ƷǘǖǘǍǚNJǖǖǥ ǎǕǩ ǘǙǚǏǎǏǕǏǗǒǩ ǙNJǚNJǖǏǜǚǘnj ǚNJǛǙǚǏǎǏǕǏǗǒǩ ƴǚǒǠǔǘǍǘ ȃ ƶǏǗǔǏǕǩ ǖǏǜǘǎǘǖ ǙǚǒNjǕǒǐǪǗǗǘǍǘ ǗNJǒNjǘǕǦǢǏǍǘ ǙǚNJnjǎǘǙǘǎǘNjǒǩ
ƹǚǏǎǒǛǕǘnjǒǏ Учебно-методическое пособие состоит из трёх связанных частей. Первая часть охватывает теоретические аспекты математической статистики и анализа данных, приводятся важные определения, иллюстрируемые рисунками и графиками. Вторая часть посвящена практическому применению и закреплению теоретических навыков в ходе решения практических работ, имеющих комплексный характер. В третьей части рассматриваются три практические работы по анализу гидрологических наблюдений. Практические работы направлены как на углубление уже имеющихся базовых знаний и умений обучающихся по статистике, так и на формирование новых компетенций, связанных с использованием методов кластерного, факторного и регрессионного анализов, методов машинного обучения при решении гидрометеорологических задач. Углубление имеющихся знаний связано в первую очередь с использованием специальных статистических программных продуктов и надстроек Excel, которые способны значительно облегчить вычислительные операции, для чего студентам необходимо выполнить комплексную работу по статистическому анализу гидрометеорологической информации. Освоение новых компетенций сопряжено с выполнением ряда практических работ, связанных с расчётом характеристик временны' х рядов и случайных процессов, кластеризации и классификации данных, прогнозирования случайных величин с использованием методов множественной регрессии и машинного обучения. В каждой работе приведены теоретические основы её выполнения, необходимые вычислительные функции, условия и порядок выполнения работы, отчётные материалы и контрольные вопросы. В приложении приведен справочный материал, необходимый для решения практических задач. Настоящее пособие предполагает хорошее знание методологии и источников получения исходных гидрометеорологических данных и в свою очередь является основой, на которой базируются специальные гидрометеорологические дисциплины.
ƬnjǏǎǏǗǒǏ Статистика — отрасль знаний науки, в которой излагаются общие вопросы сбора, измерения, мониторинга, анализа массовых статистических (количественных или качественных) данных и их сравнение; изучение количественной стороны массовых общественных и природных явлений в числовой форме. В гидрометеорологии великое множество характеристик определяются огромным числом факторов. Согласно центральной предельной теореме в случаях, когда эти факторы по отдельности слабы и ни один из них не является доминирующим, распределение подобных величин является нормальным или стремится к таковому. Наличие как минимум четырёх равнозначных факторов уже приводит к тому, что распределение случайной величины стремится к нормальному. Например, в соответствии с уравнением теплового баланса океана изменение температуры поверхностного слоя воды определяется восемью основными факторами. При этом ценность данных факторов в значительной степени зависит как от масштабов временнóго осреднения процессов формирования теплового баланса, так и от географического района океана. Например, при периоде осреднения, равном 1 мес., для большинства районов океана преобладающим фактором оказывается годовой ход коротковолнового притока солнечной радиации, который может значительно превышать вклад в изменения температуры воды других тепловых процессов. Именно вследствие преобладания этого фактора распределение среднемесячных значений температуры поверхности океана обычно не подчиняется нормальному закону. Если же в качестве масштаба временного осреднения взять один год, то радиационный фактор уже, как правило, не даёт преобладающего вклада в колебания температуры поверхности океана. Поэтому распределение средних годовых значений температуры, в отличие от среднемесячных величин, носит значительно более симметричный характер. Таким образом, статистика является инструментом для количественного анализа и описания каких-либо процессов, происходящих в обществе, природе или в результате опыта. Задача статистического анализа заключается в численно-вероятностном описании сложных процессов, которые не могут быть описаны иными способами. Этим и определяется область применения статистических методов.
ƸƻƷƸƬDž ƼƯƸƺƲƲ ƬƯƺƸljƼƷƸƻƼƯƳ Теория вероятностей — это математическая наука, изучающая закономерности, присущие массовым случайным явлениям. При этом изучаемые явления рассматриваются в абстрактной форме, независимо от их конкретной природы. Иначе говоря, теория вероятностей рассматривает не сами реальные явления, а их упрощённые схемы — математические модели. Предметом теории вероятностей являются математические модели случайных явлений. Под случайным явлением понимают такое явление, исход которого предсказать невозможно, поскольку при неоднократном воспроизведении одного и того же опыта он протекает каждый раз по-разному. В качестве примеров случайных явлений можно назвать выпадение герба при подбрасывании монеты, выигрыш по купленному лотерейному билету, результат измерения какой-либо величины, длительность работы телевизора и т. п. Цель теории вероятностей — осуществление прогноза в области случайных явлений, влияние на ход этих явлений, контроль их, ограничение сферы действия случайности [Письменный, 2004]. bƲǛǜǘǚǒǡǏǛǔNJǩ ǛǙǚNJnjǔNJ У теории вероятностей, в отличие от других разделов математики, не было античных или средневековых предшественников, она целиком является созданием Нового времени, а её строгое обоснование было разработано лишь в 1929 г. В наше время теория вероятностей занимает одно из основных мест в прикладных науках, и нет почти ни одной естественной науки, в которой так или иначе не применялись бы вероятностные методы. Первые задачи вероятностного характера возникли в различных азартных играх. Французский каноник XIII в. Ришар де Фурниваль (1201– 1260) правильно подсчитал все возможные суммы очков после броска трёх костей и указал число способов, которыми может получиться каждая из этих сумм, что можно рассматривать как первую числовую меру ожидаемости события, аналогичную вероятности. В обширной математической энциклопедии «Сумма арифметики, геометрии, отношений и пропорций» итальянца Луки Пачоли (1445–1517) имеется множество оригинальных задач,
например о том, как разделить ставку между игроками, если серия игр прервана досрочно [Реньи, 1980]. Крупный учёный XVI в. Джероламо Кардано (1501–1576) посвятил анализу игры содержательную монографию «Книга об игре в кости» (1576), в которой он провёл полный и безошибочный комбинаторный анализ для значений суммы очков и указал для различных событий степень их вероятности [Майстров, 1967]. Аналогичными вопросами интересовался итальянский алгебраист Никколо Тарталья (1499–1557). Исследованием подобных математических задач занимался и Галилео Галилей (1564–1642), написавший трактат «О выходе очков при игре в кости» (1718). Изложение теории игры у него отличается исчерпывающей полнотой и ясностью. В своём основном трактате «Диалог о двух главнейших системах мира, птолемеевой и коперниковой» автор также указал на возможность оценки погрешности астрономических и иных измерений, допуская при этом, что небольшие ошибки вероятнее, чем значительные, отклонения в обе стороны равновероятны, а средний результат должен быть близок к истинному значению измеряемой величины. Эти качественные рассуждения стали первым в истории предсказанием закона нормального распределения ошибок [Майстров, 1967]. В XVII в. постепенно стало формироваться представление о проблематике теории вероятностей, появились первые математические методы решения вероятностных задач на основе комбинаторики. Основателями математической теории вероятностей стали Блез Паскаль (1623–1662) и Пьер Ферма (1601–1665) [Стройк, 1969]. Б. Паскаль в своих трудах далеко продвинул применение комбинаторных методов, которые систематизировал в книге «Трактат об арифметическом треугольнике» (опубл. 1665). Кроме того, опираясь на вероятностный подход, он даже доказывал, что быть верующим выгоднее, чем атеистом (так называемые пари Паскаля). Приведём фрагмент текста ввиду нетривиальности: …скажем так: “Бог либо есть, либо Его нет”. Какой же ответ мы изберём? Разум нам тут не помощник: между нами и Богом — бесконечность хаоса. На самом краю этой бесконечности идёт игра — что выпадет: орёл или решка? На что вы поставите? <…> Давайте подумаем. Поскольку выбор неизбежен, подумаем, что вас меньше затрагивает. Вам грозят два проигрыша: в одном случае проигрыш истины, в другом — блага… Взвесим наш возможный выигрыш или проигрыш, если вы поставите на орла, т. е. на Бога. Сопоставим тот и другой: выиграв — вы выиграете всё, проиграв — не потеряете ничего. Ставьте же, не колеблясь, на Бога! <…> Итак, чем вы рискуете, сделав такой выбор? Вы станете честным, неспособным к измене, смиренным, благодарным, творящим добро человеком, способным к нелицеприятной, искренней дружбе. Да, разумеется, для вас будут заказаны низменные наслаждения: слава, сладострастие, но разве вы ничего не получите взамен? Говорю вам, вы много выиграете даже в этой жизни, и с каждым шагом по избранному пути всё несомненнее будет для вас выигрыш и всё ничтожнее то, против чего вы поставили на несомненное и бесконечное, ничем при этом не пожертвовав [Паскаль, 2020. С. 451].
Над вопросами вероятности выигрыша также размышлял Христиан Гюйгенс (1629–1695), который опубликовал трактат «О расчётах при игре в кости» (1657), по сути первое глубокое исследование по теории вероятностей [Стройк, 1969]. В нём автор подробно изложил вопросы, рассмотренные Ферма и Паскалем, но также поставил и новые. Главным достижением голландского учёного стало введение понятия математического ожидания, а также ставший классическим способ его подсчёта [История математики, 1970]. К этому же периоду относятся публикации английских статистиков Джона Граунта (1620– 1674) и Уильяма Петти (1623–1687). Обработав данные более чем за столетие, они показали, что многие демографические характеристики лондонского населения, несмотря на случайные колебания, имеют достаточно устойчивый характер. Дж. Граунт также впервые составил таблицы смертности, таблицы вероятности смерти как функции возраста [История математики, 1970]. Вопросами теории вероятностей и её применения к демографической статистике занялись также Иоганн Худде (1628–1704) и Ян де Витт (1625–1672), которые в 1671 г. также составили таблицы смертности и использовали их для вычисления размеров пожизненной ренты. Более подробно данный круг вопросов был изложен в 1693 г. Эдмундом Галлеем (1656–1742) [Реньи, 1980]. На трактат Гюйгенса опирались появившиеся в начале XVIII в. работы Пьера де Монмора (1678–1719) «Опыт исследования азартных игр» и Якоба Бернулли (1655–1705) «Искусство предположений», которые имели для теории вероятностей особо важное значение [Реньи, 1980]. Над книгой Я. Бернулли работал 20 лет, и она был первым систематическим изложением теории вероятностей, а одна из вероятностных схем и распределение случайных величин носят его имя. Достойный вклад в этот раздел математики также внесли Абрахам де Муавр (1667–1754) и Пьер-Симон Лаплас (1749–1827). Огромное значение как для теории вероятностей, так и для науки в целом имел доказанный Я. Бернулли первый вариант закона больших чисел (название закону дал позже С. Пуассон), который объясняет, почему статистическая частота при увеличении числа наблюдений сближается с теоретическим её значением. В дальнейшем закон больших чисел трудами многих математиков был значительно обобщён и уточнён [Майстров, 1967]. Трактат Я. Бернулли вызвал резкий подъём интереса к вероятностным проблемам и рост числа исследований новых задач. Абрахам де Муавр опубликовал ряд работ, среди которых статья «Об измерении случайности, или вероятностях результатов в азартных играх» (1711) и трактат «Учение о случаях» (1718). В трактате автор решил так называемую задачу о разорении игрока. Суть игры в следующем. Некто играет в орлянку. У него одна монета, а у его противника иное количество. Каковы шансы у игроков на выигрыш и на разорение? И какое количество партий до разорения одного из игроков? В другой работе («Аналитическая смесь») автор дал первый вариант теоремы Муавра — Лапласа, исследующей распределение возможных отклонений статистической частоты от вероятности. Ещё одним достижением А. де Муавра стало введение в науку нормального распределения (1733), которое появилось у него как ап
проксимация биномиального распределения [Стройк, 1984]. Даниил Бернулли (1700–1782), племянник Я. Бернулли, также внёс вклад в эту науку. Он независимо от А. де Муавра исследовал нормальное распределение для ошибок наблюдений и первым применил к вероятностным задачам методы математического анализа. Следующий важный шаг в теории вероятностей сделал английский математик Томас Симпсон (1710–1761), который в своей монографии «Природа и законы случая» (1740) использовал третье (наряду с классическим и статистическим) определение вероятности: геометрическое. Подход Симпсона развил Жорж-Луи де Бюффон (1707–1788), который в 1777 г. привёл классический пример подобного рода задач, так называемую задачу Бюффона о бросании иглы: плоскость разграфлена «в линейку», на неё наудачу бросается игла, требуется найти вероятность того, что игла пересечёт линию. В 1901 г. итальянский математик Марио Лаццарини использовал её для опытного определения числа π. Английским математиком Томасом Байесом (1702–1761) была решена важнейшая и фундаментальная задача о сложении вероятностей для нескольких несовместимых событий и получена основополагающая в теории вероятностей и статистике «формула Байеса» (опубл. 1763). К середине XVIII в. анализ игр всё ещё был привлекателен. В частности, Леонард Эйлер (1707–1783) дал подробный анализ разных типов лотерей, но центром внимания математиков всё в большей степени становятся демографическая статистика, страхование и оценка ошибок. Этим вопросам Эйлер посвятил множество работ, в частности решил задачу оценки вероятности того, что человек в возрасте m лет проживёт ещё n лет [Майстров, 1967]. В XIX в. число работ по теории вероятностей продолжало расти, а её математический аппарат продолжал совершенствоваться. Основной сферой её применения в тот период была математическая обработка данных, содержащих случайные погрешности, а также расчёты рисков в страховом деле и других статистических параметров. Уже к середине XIX в. формируется вероятностная теория артиллерийской стрельбы, а в большинстве крупных стран Европы создаются национальные статистические организации. В конце века область применения вероятностных методов начала успешно распространяться на физику, биологию, экономику, социологию [Стройк, 1969]. Карл Фридрих Гаусс (1777–1855) разработал вероятностную методику работы с измерениями, содержащими погрешности (1809). Он обосновал применение метода наименьших квадратов, а также глубоко изучил нормальное распределение и показал, что оно во многих практических ситуациях является предельным для случайных значений. Его вклад в теорию этого важнейшего распределения столь велик, что долгое время оно носило его имя. Основные достижения теории вероятностей подытожены в капитальном научном труде Лапласа «Аналитическая теория вероятностей», изданном в 1812 г. Симеон Дени Пуассон (1781–1840) в 1837 г. обобщил закон больших чисел. Он же опубликовал формулу Пуассона, удобную для описания схемы Бернулли в том случае, когда вероятность события близка к нулю или к еди