Представлено системное обоснование методики и даны примеры решения ряда задач традиционных направлений гидрогеологических исследований: изучения многолетнего режима подземных вод, фильтрационных свойств водовмещающих пород и формирования химического состава подземных вод. На примере тест-моделей раскрыто содержание моделей и методов статистического анализа с использованием пакета стандартных программ (дескриптивные программы, факторный, регрессионный, кластерный анализ), входящего в математическое обеспечение ЕС ЭВМ

Для гидрогеологов, использующих в практической работе ЭВМ, а также специалистов, осваивающих современные методы исследования гидросферы

Для определения механических свойств необходимо провести лабораторные испытания отобранных образцов горных пород, как правило, керна, реже - штуфов. Чтобы получить представительные оценки свойств, необходимо испытать достаточное количество образцов. Чтобы по результатам испытаний сделать выводы, необходимо провести статистическую обработку результатов испытаний. Это связано с природной изменчивостью свойств горных пород и наличием большого количества разного рода факторов, влияющих на результаты экспериментов. Ниже изложены только некоторые процедуры, важные для статистической обработки результатов испытаний свойств пород <...>

A requirement in geostatistical modeling is to find an appropriate and stable variogram. The traditional variogram is sensitive to outliers and sparse data. A number of robust alternatives have been proposed. Although the correlogram, indicator variogram and normal scores variograms sometimes work, the pairwise relative variogram is a remarkably robust estimator of the true underlying spatial structure. The variogram is adjusted by the squared mean of each data pair. A challenge in the interpretation of the pairwise relative variogram is that the sill of the pairwise relative variogram has not been well documented. The goal of this paper is to understand the sill of the pairwise relative variogram in order to standardize it for improved interpretation. <...>

As the need grows for conceptualization, formalization, and abstraction in biology,so too does math- ematics’relevance to the field (Fagerström et al. 1996).Math- ematics is particularly important for analyzing and characterizing random variation of, for example,size and weight of individuals in populations,their sensitivity to chemicals, and time-to-event cases, such as the amount of time an individ- ual needs to recover from illness.The frequency distribution of such data is a major factor determining the type of statistical analysis that can be validly carried out on any data set. Many widely used statistical methods,such as ANOVA (analysis of variance) and regression analysis,require that the data be normally distributed, but only rarely is the frequency distribution of data tested when these techniques are used. <...>

Фундаментальным свойством литосферы, возникающим в процессе формирования, является изменчивость состава, структуры, состояния, свойств. Особенности изменчивости свойств множества слагающих ее разнообразных грунтов изучаются в процессе инженерно – геологических изысканий и исследований. Формирующие литосферу многочисленные разнонаправленные факторы обуславливают случайные и детерминированные особенности изменчивости ее свойств, характеристик слагающих ее грунтов.

Книга представляет собой учебное пособие по курсу вариационной статистики для студентов биологических факультетов университетов и других вузов биологического профиля, о также может быть использована научными и практическими работниками—биологами различных специальностей.

Книга посвящена непараметрическим методам исследования. Кратко излагается теория вероятностей. Последовательно рассматриваются непараметрическне критерии проверки гипотез при различных выборках. Техника вычислений показана детально. Даются задания для самостоятельной работы.
Для экономистов, статистиков, математиков.

В монографии предлагаются новые приемы статистической обработки цифрового материала, получаемого при разведке месторождений различных полезных ископаемых и инженерно-геологических объектов. Параметры, получаемые в результате такой обработки, используются при подсчете запасов и оценке погрешности подсчета запасов. Сравнение результатов оценки точности подсчета запасов с фактическими погрешностями показывает, что предлагаемые методы оценки точности вполне приемлемы для использования на практике.

зложены основные понятия теории вероятностей и математической статистики, используемые при обработке геологоразведочной ннформации. Дана характеристика математических методов, применяемых при прогнозе, поисках и разведке месторождений полезных ископаемых. Приведены практические рекомендации по использованию этих методов в геологических исследованиях. Рассмотрены вопросы устойчивости и достоверности получаемых статистических выводов.