Просмотр кода страницы Статистика

{{другие значения}}
{{Комплексная наука}}
[[Файл:Fisher iris versicolor sepalwidth.svg|thumb|right|280px|{{center|[[Гистограмма]] (метод графических изображений)}}]]
'''Стати́стика''' (от {{lang-la|status}} — состояние дел<ref name="автоссылка1">Райзберг Б. А., Лозовский Л. Ш., Стародубцева Е. Б. Современный экономический словарь. 5-е изд., перераб. и доп. — М.: ИНФРА-М, 2007. — 495 с. — (Библиотека словарей «ИНФРА-М»)</ref>) — отрасль знаний, [[наука]], в которой излагаются общие вопросы сбора, измерения, [[мониторинг]]а, [[анализ]]а массовых статистических (количественных или качественных) [[данные|данных]] и их сравнение; изучение количественной стороны массовых общественных явлений в числовой форме<ref>{{книга|автор= |часть= |ссылка часть= |заглавие=[[Малая советская энциклопедия]] |ссылка= |викитека= |ответственный= |издание= |место=М.|издательство=Советская энциклопедия|год=1960|том=8 |страницы=1090|страниц= |тираж=}}</ref>.

'''Статистик''' — [[wikt:специалист|специалист]] по статистике.

Слово «статистика» происходит от латинского. В науку термин «статистика» ввёл немецкий учёный [[Ахенвалль, Готфрид|Готфрид Ахенвалль]] в 1746 году, предложив заменить название курса «[[Государствоведение]]», преподававшегося в университетах Германии, на «Статистику», положив тем самым начало развитию статистики как науки и учебной дисциплины. Несмотря на это, статистический учёт вёлся намного раньше: проводились [[Перепись|переписи населения]] в [[История Китая|Древнем Китае]], осуществлялось сравнение военного потенциала государств, вёлся учёт [[Имущество|имущества]] граждан в [[Древний Рим|Древнем Риме]] и тому подобное<ref>{{Cite web |url=http://chaliev.narod.ru/statistics/lection1-predmet-i-metod-statistiki.html |title=Лекция по статистике — Предмет и метод статистики |access-date=2009-08-22 |archive-date=2009-09-12 |archive-url=https://web.archive.org/web/20090912221151/http://chaliev.narod.ru/statistics/lection1-predmet-i-metod-statistiki.html |url-status=live }}</ref>.

Статистика разрабатывает специальную методологию исследования и обработки материалов: массовые статистические наблюдения, метод группировок, [[Показатели центра распределения|средних величин]], индексов, балансовый метод, метод графических изображений, [[Кластерный анализ|кластерный]], [[Дискриминантный анализ|дискриминантный]], [[Факторный анализ|факторный]] и компонентный анализы, оптимизацию и другие методы анализа статистических данных. [[Математическая статистика]] — это раздел математики о математических методах систематизации, обработки и использования статистических данных.

В 1954 году [[Гнеденко, Борис Владимирович|Б. В. Гнеденко]] дал следующее определение: «Статистика состоит из трёх разделов:
# сбор статистических сведений, то есть сведений, характеризующих отдельные единицы каких-либо массовых совокупностей;
# статистическое исследование полученных данных, заключающееся в выяснении тех закономерностей, которые могут быть установлены на основе данных массового наблюдения;
# разработка приёмов статистического наблюдения и анализа статистических данных». Последний раздел, собственно, и составляет содержание математической статистики<ref name="Гнеденко Б. В. Очерк по истории теории вероятностей">{{книга
|автор = [[Гнеденко, Борис Владимирович|Гнеденко Б. В.]]
|заглавие = Очерк по истории теории вероятностей
|место = Москва
|издательство = УРСС
|год = 2001
}}</ref>.

Термин «статистика» употребляют ещё в двух смыслах. Во-первых, в обиходе под «статистикой» часто понимают набор количественных данных о каком-либо явлении или процессе. Во-вторых, [[Статистика (функция выборки)|статистикой]] называют функцию от результатов наблюдений, используемую для оценки характеристик и параметров распределений и проверки гипотез.

== История ==
Типовые примеры раннего этапа применения статистических методов описаны в Библии, в [[Ветхий Завет|Ветхом Завете]]. Там, в частности, приводится число воинов в различных племенах. Уже с древности правители государств стремились собирать сведения о благосостоянии своих подданных (для налоговых целей и организации других государственных повинностей, таких как формирование войска). Примером такого рода является «[[Книга Страшного суда]]» — материалы всеобщей поземельной [[переписи]], проведённой в [[Королевство Англия|Англии]] в 1085—1086 годах по приказу короля [[Вильгельм I Завоеватель|Вильгельма Завоевателя]].

Первое использование слова «статистика» встречается в работе итальянского историка {{нп4|Гилини, Джироламо|Джироламо Гилини||Girolamo Ghilini}} (1589—1668), который написал «отчёт о гражданской, политической, статистической и военной науке» (Ristretto della civile, politica, statistica e militare scienza). При этом под статистикой первоначально понималось описание тех или иных государств без использования для этих целей каких-либо математических методов. Например, к 1792 году относится определение: «статистика описывает состояние государства в настоящее время или в некоторый известный момент в прошлом». И в настоящее время деятельность государственных статистических служб вполне укладывается в это определение<ref name="Никитина Е. П., Фрейдлина В. Д., Ярхо А. Коллекция определений термина «статистика»">{{книга
|автор = Никитина Е. П., Фрейдлина В. Д., Ярхо А. В.
|заглавие = Коллекция определений термина «статистика»
|место = Москва
|издательство = МГУ
|год = 1972
}}</ref>.

Но уже живший в [[Королевство Англия|Англии]] в XVII веке [[Петти, Уильям|Уильям Петти]], которого [[Маркс, Карл|Карл Маркс]] называл «в некотором роде изобретателем статистики», в своих «Essays in political arithmetic» делал статистические вычисления и сопоставления на основании собранных им цифр, например, о населении земного шара в разные периоды времени, о периодах удвоения населения, о сравнительном богатстве разных стран и т. п. Наряду с Петти начал разрабатывать методы анализа данных о населении живший также в Англии в тот же время [[Граунт, Джон|Джон Граунт]], которого считают основателем [[демография|демографии]]. Благодаря Петти, Граунту, [[Кинг, Грегори|Грегори Кингу]] и [[Давенант, Чарльз|Чарльзу Давенанту]] во второй половине XVII века в Англии сложилась школа так называемой «политической арифметики», задачей которой был анализ социальных явлений на основе количественных показателей<ref>[https://cyberleninka.ru/article/n/charlz-devenant-o-zadachah-i-printsipah-politicheskoy-arifmetiki-kak-orudiya-gosudarstvennogo-upravleniya Чарльз Дэвенант о задачах и принципах «политической арифметики» как орудия государственного управления]</ref>.

Сразу после возникновения [[теория вероятностей|теории вероятностей]] ([[Паскаль, Блез|Паскаль]], [[Ферма, Пьер|Ферма]], XVII век) вероятностные модели стали использоваться при обработке статистических данных. Например, изучалась частота рождения мальчиков и девочек, было установлено отличие вероятности рождения мальчика от 0,5.

Статистические методы постепенно стали применяться в различных сферах для систематизации и анализа массовых данных. Например, для целей [[страхование жизни|страхования жизни]] [[актуарные расчёты|составлялись таблицы продолжительности жизни]], а основанные на статистических подходах арифметические методы устранения ошибок измерений уже с XVIII века использовались в астрономии и механике (в частности, [[Гаусс, Карл Фридрих|Карлом Гауссом]]).

В 1794 году (по другим данным — в 1795) Карл Гаусс формализовал один из методов современной [[математическая статистика|математической статистики]] — [[метод наименьших квадратов]]<ref name="Клейн Ф. Лекции о развитии математики в XIX столетии. Часть I">{{книга
|автор = [[Клейн, Феликс|Клейн Ф.]]
|заглавие = Лекции о развитии математики в XIX столетии. Часть I
|место = Москва, Ленинград
|издательство = Объединенное научно-техническое издательство НКТП СССР
|год = 1937
}}</ref>.

Наряду с математическими методами развивалась и описательная статистика. Так, немецкий учёный [[Конринг, Герман|Герман Конринг]] (1606—1681), который первым начал читать лекции по [[Государствоведение|государствоведению]] в [[Гельмштедтский университет|Гельмштедтском университете]] (с 1660). Конринг стремился научить политических деятелей понимать причины государственно важных явлений, подразделяемых на четыре группы: материальные — описание территории и населения государства, формальные — политическое устройство, конечные (целевые) — благосостояние государства и его граждан, административные — управление государством, его аппарат (чиновники, армия и т. д.)<ref>{{Cite web|url=https://ekonomstat.ru/uchebnoe-posobie-po-istorii-statistiki/477-gosudarstvovedenie.html|title=Государствоведение|publisher=ekonomstat.ru|access-date=2018-12-08|archive-date=2018-12-09|archive-url=https://web.archive.org/web/20181209124457/https://ekonomstat.ru/uchebnoe-posobie-po-istorii-statistiki/477-gosudarstvovedenie.html|url-status=live}}</ref>. Эти четыре части предопределили развитие [[Демография|демографии]], [[Политическая география|политической географии]], бюджетной статистики и административной статистики. Последователь Конринга [[Ахенвалль, Готфрид|Готфрид Ахенвалль]] (1719—1772) широко распространил идеи Конринга, создав школу описательной статистики, безраздельно господствовавшую в Европе до середины XIX века. Численным описаниям как Ахенваль, так и многочисленные его последователи в разных странах Европы придавали совершенно второстепенное значение.

В XIX веке значительный вклад в развитие практической статистики внёс [[Бельгия|бельгиец]] [[Кетле, Адольф|Адольф Кетле]], на основе анализа большого числа реальных данных показавший устойчивость относительных статистических показателей, таких, как доля самоубийств среди всех смертей<ref>{{книга
|автор = [[Плошко, Борис Герасимович|Плошко Б. Г.]], [[Елисеева, Ирина Ильинична|Елисеева И. И.]]
|заглавие = История статистики: Учебное пособие
|место = Москва, Ленинград
|издательство = Финансы и статистика
|год = 1990
}}</ref>. По его инициативе<ref>[https://www.demoscope.ru/weekly/2006/0237/nauka01.php 210 лет со дня рождения Адольфа Кетле]</ref> в [[Брюссель|Брюсселе]] в 1853 году прошёл [[Первый международный статистический конгресс]], основной целью которого была необходимость международной стандартизации приемов и программ статистических исследований<ref>[https://cyberleninka.ru/article/n/mezhdunarodnyy-statisticheskiy-kongress-i-stanovlenie-perepisnogo-ucheta-naseleniya-v-rossii Международный статистический конгресс и становление переписного учета населения в России]</ref>.
[[Файл:Russland BV042535010.jpg|мини|200px|Схематическая карта, показывающая урожай овса с одной [[десятина|десятины]] в 1885 году по [[Уезды России|уездам]] [[Российская империя|Российская империи]]]]
В течение XIX века накопился колоссальный статистический материал, собирание и обработка которого содействовали развитию статистических методов. Из отдельных видов [[прикладная статистика|прикладной статистики]] особенно усердно разрабатывалась статистика населения (демография), хозяйственная статистика и статистика преступности.

Первая треть XX века прошла под знаком [[параметрическая статистика|параметрической статистики]]. Изучались методы, основанные на анализе данных из параметрических семейств распределений, описываемых кривыми семейства [[Пирсон, Карл|Пирсона]]. Наиболее популярным было [[нормальное распределение]]. Для проверки гипотез использовались критерии [[критерий согласия Пирсона|Пирсона]], [[t-критерий Стьюдента|Стьюдента]], [[F-тест|Фишера]]. Были предложены [[метод максимального правдоподобия]], [[дисперсионный анализ]], сформулированы основные идеи планирования эксперимента.

Разработанную в первой трети XX века теорию анализа данных называют параметрической статистикой, поскольку её 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 [[Случайная величина|случайных величин]], то сумму естественно описывать нормальным распределением; если же в модели рассматривается произведение таких величин, то итог, видимо, приближается логарифмически нормальным распределением и так далее.

По мере того, как росла потребность в адекватной системе оценки экономики, были предприняты попытки создания счетов, связывающих все показатели хозяйственной деятельности. Возникшие проблемы сопоставления на практике макроэкономических показателей экономики различных стран предопределили необходимость разработки унифицированной [[система национальных счетов|системы национальных счетов]].

Исторически для сбора и первоначальной обработки данных использовались [[перепись|переписи]] населения, скота, предприятий и т. д. Подобные переписи проводятся до сих пор, но они слишком дороги и трудоемки, поэтому в первой половине XX века развивались [[Выборка|выборочные методы статистического наблюдения]]. К настоящему времени большинство первичных данных в мире собирается с помощью таких методов.

В настоящее время для статистических целей все больше используются так называемые «[[большие данные]]» (информация, собираемая операторами сотовой связи, системами космического наблюдения, [[поисковая система|поисковыми системами]] интернета).

== Связь статистики с другими дисциплинами ==
Статистика является мультидисциплиной, так как она использует методы и принципы, заимствованные из других дисциплин. Так, в качестве теоретической базы для формирования статистической науки служат знания в области социологии и экономической теории. В рамках этих дисциплин происходит изучение законов общественных явлений. Статистика помогает произвести оценку масштаба того или иного явления, а также разработать систему методов для анализа и изучения. Статистика, несомненно, связана с математикой, так как для выявления закономерностей, оценки и анализа объекта исследования требуется ряд математических операций, методов и законов, а систематизация результатов находит отражения в виде графиков и таблиц. Как отмечает историк науки [[Теодор Портер]], начиная от зарождения дисциплины статистики в девятнадцатом веке, она была не разработана математиками, а затем применена к естественным и социальным наукам, а скорее же возникла благодаря усилиям социологов, которые увидели необходимость в статистических инструментах для изучения общества<ref>{{Cite web |url=https://press.princeton.edu/books/paperback/9780691208428/the-rise-of-statistical-thinking-1820-1900 |title=The Rise of Statistical Thinking, 1820–1900 {{!}} Princeton University Press<!-- Заголовок добавлен ботом --> |access-date=2024-09-09 |archive-date=2024-09-09 |archive-url=https://web.archive.org/web/20240909120327/https://press.princeton.edu/books/paperback/9780691208428/the-rise-of-statistical-thinking-1820-1900 |url-status=live }}</ref>.

== Статистические методы ==
Статистические методы — методы анализа статистических данных. Их разделяют на две большие категории — методы [[описательная статистика|описательной статистики]] (позволяют получить общее представление о имеющихся данных, включая такие показатели, как [[среднее значение]], [[Медиана (статистика)|медиана]] и т. п.) и [[статистический вывод]] (также называемый индуктивной статистикой), то есть обобщение информации из [[выборка|выборки]] для получения представления о свойствах [[генеральная совокупность|генеральной совокупности]].

=== Классификация статистических методов ===
Статистические методы анализа данных применяются практически во всех областях. Их используют всегда, когда необходимо получить и обосновать какие-либо суждения о группе (объектов или субъектов) с некоторой внутренней неоднородностью.

Целесообразно выделить три вида научной и прикладной деятельности в области статистических методов анализа данных (по степени специфичности методов, сопряженной с погруженностью в конкретные проблемы):

а) разработка и исследование методов общего назначения, без учёта специфики области применения;

б) разработка и исследование статистических моделей реальных явлений и процессов в соответствии с потребностями той или иной области деятельности;

в) использование статистических методов и моделей для статистического анализа конкретных данных в решении прикладных задач, например, с целью проведения [[Метод выборочных обследований|выборочных обследований]].

== Прикладная статистика ==
[[Прикладная статистика]] — это наука о том, как обрабатывать данные произвольной природы. Математической основой [[прикладная статистика|прикладной статистики]] и статистических методов анализа является [[теория вероятностей]] и [[математическая статистика]].

Описание вида данных и механизма их порождения — начало любого статистического исследования. Для описания данных применяют как детерминированные, так и вероятностные методы. С помощью детерминированных методов можно проанализировать только те данные, которые имеются в распоряжении исследователя. Например, с их помощью получены таблицы, рассчитанные органами официальной государственной статистики на основе представленных предприятиями и организациями статистических отчётов. Перенести полученные результаты на более широкую совокупность, использовать их для предсказания и управления можно лишь на основе вероятностно-статистического моделирования. Поэтому в математическую статистику часто включают лишь методы, опирающиеся на теорию вероятностей.

В простейшей ситуации статистические данные — это значения некоторого признака, свойственного изучаемым объектам. Значения могут быть количественными или представлять собой указание на категорию, к которой можно отнести объект. Во втором случае говорят о качественном признаке.

При измерении по нескольким количественным или качественным признакам в качестве статистических данных об объекте получаем вектор. Его можно рассматривать как новый вид данных. В таком случае [[выборка]] состоит из набора векторов. Есть часть координат — числа, а часть — качественные (категоризованные) данные, то говорим о векторе разнотипных данных.

Одним элементом выборки, то есть одним измерением, может быть и функция в целом. Например, описывающая динамику показателя, то есть его изменение во времени, — электрокардиограмма больного или [[амплитуда]] биений вала двигателя. Или [[временной ряд]], описывающий динамику показателей определённой фирмы. Тогда выборка состоит из набора функций.

Элементами выборки могут быть и иные математические объекты. Например, бинарные отношения. Так, при опросах экспертов часто используют упорядочения (ранжировки) объектов экспертизы — образцов продукции, инвестиционных проектов, вариантов [[Управленческое решение|управленческих решений]]. В зависимости от регламента экспертного исследования элементами выборки могут быть различные виды бинарных отношений (упорядочения, [[Разбиение множества|разбиения]], [[Отношение толерантности|толерантности]]), [[Множество|множества]], [[Нечёткое множество|нечёткие множества]] и т. д.

Математическая природа элементов выборки в различных задачах прикладной статистики может быть самой разной. Однако можно выделить два класса статистических данных — числовые и нечисловые. Соответственно прикладная статистика разбивается на две части — числовую статистику и нечисловую статистику.

Числовые статистические данные — это числа, векторы, функции. Их можно складывать, умножать на коэффициенты. Поэтому в числовой статистике большое значение имеют разнообразные суммы. Математический аппарат анализа сумм случайных элементов выборки — это (классические) законы больших чисел и центральные предельные теоремы.

Нечисловые статистические данные — это категоризованные данные, векторы разнотипных признаков, бинарные отношения, множества, нечёткие множества и др. Их нельзя складывать и умножать на коэффициенты. Поэтому не имеет смысла говорить о суммах нечисловых статистических данных. Они являются элементами нечисловых математических пространств (множеств). Математический аппарат анализа нечисловых статистических данных основан на использовании расстояний между элементами (а также мер близости, показателей различия) в таких пространствах. С помощью расстояний определяются эмпирические и теоретические средние, доказываются законы больших чисел, строятся непараметрические оценки плотности [[Распределение вероятностей|распределения вероятностей]], решаются задачи диагностики и кластерного анализа, и т. д.<ref name="автоссылка1" />

В прикладных исследованиях используют статистические данные различных видов. Это связано, в частности, со способами их получения. Например, если испытания некоторых технических устройств продолжаются до определённого момента времени, то получаем так называемые цензурированные данные, состоящие из набора чисел — продолжительности работы ряда устройств до отказа, и информации о том, что остальные устройства продолжали работать в момент окончания испытания. Цензурированные данные часто используются при оценке и контроле надежности технических устройств.

== Виды группировки ==
Под статистической группировкой понимают разделение совокупности на группы (интервалы изменения параметра) однородные в каком-либо отношении. Число таких интервалов (групп) рассчитывается по формуле [[Правило Стёрджеса|Стёрджеса]]:
: <math>k = 1 + 3,322 \lg n</math>,
где k — число интервалов, n — число наблюдений.

Существует три вида группировки: аналитическая, типологическая, структурная.
: Аналитическая группировка — позволяет выявить связь между группировками.
: Типологическая группировка — разделение исследуемой совокупности на однородные группы.
: Структурная группировка — в которой происходит разделение однородной совокупности на группы, по определённому признаку.

Типические группы: максимально однородные внутри и разнородные снаружи.
Группировки бывают первичными и вторичными.
Первичные группировки получаются в ходе статистических наблюдений. А вторичные осуществляются на основании первичной.

== Статистический анализ конкретных данных ==

=== Перспективы развития ===
Теория статистических методов нацелена на решение реальных задач. Поэтому в ней постоянно возникают новые постановки математических задач анализа статистических данных, развиваются и обосновываются новые методы. Обоснование часто проводится математическими средствами, то есть путём доказательства теорем. Большую роль играет методологическая составляющая — как именно ставить задачи, какие предположения принять с целью дальнейшего математического изучения. Велика роль современных [[Информационные технологии|информационных технологий]], в частности, компьютерного эксперимента.

Актуальной является задача анализа истории статистических методов с целью выявления тенденций развития и применения их для прогнозирования.

== Вычислительная статистика ==
Развитие [[компьютер|вычислительной техники]] во второй половине [[XX век]]а оказало значительное влияние на статистику. Ранее [[Статистическое моделирование|статистические модели]] были представлены преимущественно [[основная линейная модель|линейными моделями]]. Увеличение быстродействия ЭВМ и разработка соответствующих численных [[алгоритм]]ов послужило причиной повышенного интереса к нелинейным моделям таким, как [[Искусственная нейронная сеть|искусственные нейронные сети]], и привело к разработке сложных статистических моделей, например [[обобщённая линейная модель]] и [[Иерархическая модель данных|иерархическая модель]].

Получили широкое распространение вычислительные методы, основанные на [[повторная выборка|повторной выборке]] как [[критерий перестановок]] и [[бутстреппинг (статистика)|бутстреппинг]], наряду методы как [[семплирование по Гиббсу]] позволили более доступно использовать байесовские алгоритмы. В настоящее время существует разнообразное статистическое программное обеспечение общего и специализированного назначения.

== Некорректная интерпретация статистических исследований ==
Бытует мнение, что данные статистических исследований всё чаще намеренно искажают или неправильно интерпретируют, выбирая только те данные, которые являются благоприятными для ведущего конкретное исследование<ref name="Huff">Huff, Darrell, How to Lie With Statistics, WW Norton & Company, Inc. New York, NY, 1954. ISBN 0-393-31072-8</ref>. Неправильное использование статистических данных может быть как случайным, так и преднамеренным. В книге Даррелла Хаффа (1954) «[[Как лгать при помощи статистики]]» излагается ряд соображений по поводу использования и неправильного применения статистических данных. Некоторые авторы также проводят обзор статистических методов, используемых в определённых областях (например, Варн, Лазо, Рамос, и Риттер (2012))<ref>Warne, R. Lazo, M., Ramos, T. and Ritter, N. (2012). Statistical Methods Used in Gifted Education Journals, 2006—2010. Gifted Child Quarterly, 56(3) 134—149. doi: 10.1177/0016986212444122</ref>. Способы, позволяющие избежать неправильного толкования статистических данных включают в себя использование надлежащей схемы и исключение предвзятости при проведении исследований<ref name="Statistics in Archaeology">{{книга |заглавие=Encyclopedia of Archaeology |год=2008 |издательство=Oxford: Elsevier Science |место=Credo Reference |язык=}}</ref>. Злоупотребление происходит тогда, когда такие выводы «заказываются» определёнными структурами, которые намеренно или бессознательно выводят на отбор предвзятых данных или проб<ref name="Misuse of Statistics">{{статья |заглавие=Misuse of Statistics |издание=[[Журнал американской статистической ассоциации|Journal of the American Statistical Association]] |том=33 |номер=204 |страницы=657—674 |access-date=2012-09-19 |место=JSTOR |язык=en |автор=Cohen, Jerome B. |месяц=12 |год=1938 |тип=journal}}</ref>. При этом гистограммы, как самый простой для использования и понимания (восприятия) вид диаграммы, могут быть сделаны либо с применением обычных программ для компьютера или просто нарисованы<ref name="Statistics in Archaeology"/>. Большинство людей не делают попыток искать ошибки или заблуждаются сами, поэтому и не видят ошибок. Таким образом, по мнению авторов, статистические данные, чтобы быть правдой, должны быть «не причёсаны» (то есть достоверные данные не должны выглядеть идеальными)<ref name="Misuse of Statistics"/>. Для того, чтобы полученные статистические данные оказались правдоподобными и точными, проба должна быть репрезентативной в целом<ref name="Modern Elementary Statistics">{{статья |заглавие=Modern Elementary Statistics |издание=Credo Reference |access-date=2012-09-21 |язык= |автор=Freund, J. F. |год=1988}}</ref>.<!-- что-то непонятное и дубль сноски: Как пишет Huff, Darrell (1954) в книге ''How to Lie With Statistics'' ,"The dependability of a sample can be destroyed by [bias]… allow yourself some degree of skepticism" «надёжность исследования может быть уничтожена [пропущено]… допустив некоторую степень скептицизма»<ref name="How to Lie with Statistics">{{cite book|last=Huff|first=Darrell|title=How to Lie with Statistics|ссылка=https://archive.org/details/howtoliewithstat0000huff|year=1954|publisher=Norton|location=New York|coauthors=Irving Geis|quote=The dependability of a sample can be destroyed by [bias]… allow yourself some degree of skepticism.}}</ref>.-->

== Крылатая фраза ==
{{main|Ложь, наглая ложь и статистика}}
Наиболее известная (и одна из лучших{{sfn|Уайт|1964}}) критика [[Прикладная статистика|прикладной статистики]], «Существуют три вида обмана: ложь, наглая ложь и статистика», {{lang-en|There are three kinds of lies: lies, damned lies, and statistics}}) традиционно приписывается [[Премьер-министр Великобритании|премьер-министру Великобритании]] [[Бенджамин Дизраэли|Бенджамину Дизраэли]], после атрибуции [[Марк Твен|Марка Твена]] в публикации «[[Главы моей автобиографии]]» (журнал ''North American Review'' 5 июля 1907 года)<ref>{{cite web|url=http://www.gutenberg.org/files/19987/19987.txt|title=Chapters from My Autobiography|author=Mark Twain|author-link=Mark Twain|date=1906-09-07|work=[[North American Review]]|publisher=[[Project Gutenberg]]|access-date=2007-05-23|archive-url=https://www.webcitation.org/66khlWsOZ?url=http://www.gutenberg.org/files/19987/19987.txt|archive-date=2012-04-07|url-status=live}}</ref>: «Цифры обманчивы, — писал он, — я убедился в этом на собственном опыте; по этому поводу справедливо высказался Дизраэли: „Существует три вида лжи: ложь, наглая ложь и статистика“». Однако этой фразы нет в работах Дизраэли, её происхождение спорно. В 1964 году К. Уайт ({{lang-en|Colin White}}){{sfn|Уайт|1964}} предположил авторство [[Франсуа Мажанди]] (1783—1855), который сказал фразу по-французски: {{lang-fr|Ainsi l’altération de la vérité qui se manifeste déjà sous la forme progressive du mensonge et du parjure, nous offre-t-elle au superlatif, la statistique}} («Модификация правды, которая проявляется в [[Сравнительная степень|сравнительной степени]] неправды и лжесвидетельства, имеет и [[суперлатив]], статистику»). По словам Уайта, «мир нуждался в этой фразе, и несколько человек могли бы гордиться, придумав её».

== См. также ==
{{кол|4}}
* [[Прикладная статистика]]
* [[Математическая статистика]]
* [[Демография]]
* [[Правовая статистика]]
* [[Статистика запросов]]
* [[Центральное статистическое управление]]
* [[Ложь, наглая ложь и статистика]]
* [[Непараметрическая статистика]]
{{конец кол}}

== Примечания ==
{{Примечания|2}}

== Литература ==
* {{БРЭ|автор=В. Г. Минашкин|статья=Анализ статистический|ссылка=https://old.bigenc.ru/economics/text/1819943|архив=https://web.archive.org/web/20230120094523/https://bigenc.ru/economics/text/1819943|архив дата=2023-01-20}}
* {{книга |автор= Карасёва Л. А.|часть= Статистика|ссылка часть= http://www.booksite.ru/fulltext/mys/lye/cjn/omik/17.htm#103|заглавие= [[Всемирная история экономической мысли]]: В 6 томах|оригинал= |ссылка= |викитека= |ответственный= Гл. ред. В. Н. Черковец|издание= |место= {{М.}}|издательство= [[Мысль (издательство, Москва)|Мысль]]|год= 1987|том= I. От зарождения экономической мысли до первых теоретических систем политической жизни|страницы= 484—494|столбцы= |страниц= 606|серия= |isbn= 5-244-00038-1|тираж= 20000|ref= Черковец}}
* {{ВТ-ЭСБЕ|Статистика теоретическая|[[Миклашевский, Иван Николаевич|Миклашевский И. Н.]]}}
* {{книга|автор = Норман Дрейпер, Гарри Смит.|заглавие = Прикладной регрессионный анализ. Множественная регрессия|оригинал = Applied Regression Analysis|ссылка =|издание = 3-е изд|место =  М.|издательство = «[[Диалектика (издательство)|Диалектика]]»|год = 2007|страницы = 912|isbn = 0-471-17082-8}}
* [[Орлов, Александр Иванович (учёный)|Орлов А. И.]] [http://orlovs.pp.ru/stat.php#k1 Прикладная статистика. Учебник. — М.: Экзамен, 2006. — 671 с.]
* {{книга|автор= Дарелл Хафф|заглавие= Как лгать при помощи статистики |оригинал= How to Lie with Statistics|издательство= [[Альпина Паблишер]]|год= 2015 |место = М.|серия= |страниц= 163|isbn= 978-5-9614-5212-9|ref= }}
* {{книга|автор= Глинский В. В., Ионин В. Г.|заглавие= Статистический анализ |издательство= [[Инфра-М]]|год= 2002 |место = М.|серия= Высшее образование |страниц= 241|isbn= 5-16-001293-1|тираж=5000|ref= }}
* {{книга|автор= [[Кендалл, Морис Джордж|Кендалл М.]], Стьюарт А.|заглавие= Многомерный статистический анализ и временные ряды |оригинал= |издательство= [[Наука (издательство)|Наука]]|год= 1976 |место = М.|серия= |страниц= 736|isbn= |ref= }}
* Энциклопедия статистических терминов: Федеральная служба государственной статистики (в 8 томах)— М.: Эксмо, 2011. ([https://rosstat.gov.ru/folder/528 онлайн-версии на сайте Росстата]).
* {{статья
 |автор         = White C.
 |заглавие      = Unkind cuts at statisticians
 |ссылка        = http://www.tandfonline.com/doi/abs/10.1080/00031305.1964.10482634?journalCode=utas20
 |язык          = en
 |ответственный =
 |издание       = The American Statistician
 |тип           =
 |место         =
 |издательство  =
 |год           = 1964
 |месяц         =
 |число         =
 |том           = 18
 |выпуск        =
 |номер         = 5
 |страницы      = 15—17
 |isbn          =
 |issn          =
 |doi           =
 |bibcode       =
 |arxiv         =
 |pmid          =
 |ref           = Уайт
 |archive-url    =
 |archive-date   =
}}
{{Навигация
|Портал = Статистика
|Викисловарь = статистика
|Викицитатник = Статистика
|Проект = Статистика
|Тема = Статистика
}}

== Ссылки ==
* {{Из БСЭ|заглавие=Статистика}}
* Статистика // [[Советская историческая энциклопедия]]
* [http://www.gks.ru/ Федеральная служба государственной статистики Российской Федерации — Росстат]
* [http://www.economist.com/news/christmas-specials/21636589-how-statisticians-changed-war-and-war-changed-statistics-they-also-served «Statisticians in World War II: They also served».] [[The Economist]], Dec 20th 2014
{{ВС}}

[[Категория:Статистика| ]]