Вероятностные модели
Вероятностные модели¶
С понятием вероятность мы сталкивались при анализе распределения. Распределение показывает, как совокупность значений, которую мы рассматриваем как некое целое, распределяется в диапазоне от минимальных до максимальных.
Площадь под кривой вероятностного распределения всегда равна 1 (100%). Чтобы обозначить часть от этого целого мы должны указать позиции на шкале или пометить часть значений по принадлежности к какой-то категории.
В этом отношении все статические модели в какой-то мере вероятностные.
Когда мы имеем дело с объектами разных категорий и пытаемся описать математически соотношение между числом разных объектов, то исходными данными для анализа будут не измерения, а подсчёты (в штуках). Число посчитанных объектов (случаев) несет полезную информацию, если при этом учтено число объектов других категорий. Например, количество больных пациентов информативно для оценки эпидемической обстановки только, если рядом указать общее количество обследованных.
Когда мы считаем долю случаев определенного типа к общему числу случаев мы получаем вероятности. Оценки вероятности по определению находятся между 0 и 1, и это накладывает специфику к методам статистического анализа таких данных.
Область науки, которая занимается изучением вероятностных моделей называется дискретная математика. Под множеством математики понимают соединение каких-либо объектов в одно целое. Создатель теории множеств немецкий математик Георг Кантор (1845-1918) определил множество как «объединение в одно целое объектов, хорошо различаемых нашей интуицией или нашей мыслью».
В этой практической работе Вы освоите:
частотный анализ данных;
оценку доверительных интервалов для пропорций;
основы эпидемиологической статистики.