Далее продолжение основного текста. 7 страница
Если в терминах математики, то функция распределения случайной величины это — интеграл с переменным верхним пределом функции плотности распределения, взятый на интервале от минимального значения случайной величины до её текущего значения (поэтому её называют «интегральной функцией распределения»). Текущее значение (аргумент функции распределения) может изменяться от минимального до максимального значения случайной величины. Вероятность P ( x ) непревышения случайной величиной избранного значения x это — значение интегральной функции распределения случайной величины при значении её аргумента, равном x.[108] Функция распределения случайной величины — неубывающая функция, которая может принимать только не отрицательные значения, не превышающие 1.
На рисунке слева пример, показывающий соотношение графиков функции плотности распределения вероятности (левый) и интегральной функции распределения (правый). На правом графике показано значение вероятности непревышения случайной величиной значения, равного 2 (на правом графике пунктирная линия связывает значение аргумента и значение функции распределения). Та же самая вероятность непревышения случайной величиной значения, равного 2 (т.е. x ≤ 2), в некотором масштабе равна затенённой площади под кривой плотности распределения вероятности, расположенной слева от значения аргумента функции плотности распределения, равного 2, на левом графике.
|
|
|
В большинстве случаев множества описываются несколькими статистиками одновременно[109]. При этом надо понимать, что при включении элемента в статистику он обезличивается, т.е. он утрачивает все свои идентификационные признаки. В силу этого два элемента, у которых в точности равны значения показателя, на основе которого строится статистика, становятся неразличимыми в ней, а если из одной статистики изъять показатели какой-то группы элементов, то невозможно определить каким элементам в другой статистике, характеризующей то же самое множество, соответствуют их показатели даже в том случае, если между характеристикой, лежащей в основе одной статистики, и характеристикой, лежащей в основе другой, есть причинно-следственная связь.
Если же элементы множества характеризуются сводом показателей и с каждым показателем связана своя статистика, то поскольку в подавляющем большинстве случаев различные характеристические показатели одного и того же элемента не зависят друг от друга, то такое явление как «среднестатистический элемент» — явление крайне редкое. В частности, в задачах социологии и политологии ссылаться на «среднестатистического человека» (в том числе и на среднестатистического пациента) не следует (наиболее убедительная иллюстрация этого положения — в среднем на одного человека приходится одна грудь и одно яичко).
|
|
|
«Не существует никакого среднестатистического мужчины или среднестатистической женщины. Есть мужчины среднего роста или веса, или длины корпуса. Но мужчины, у которых есть хотя бы два средних измерения тела, составляет только 7 процентов населения, и три средних измерения — 3 процента, четыре средних измерения — менее 2 процентов. Не существует людей с 10 средними измерениями. Поэтому концепция «среднестатистического человека» в корне неверна, такого человека просто нет»[110].
Поэтому в задачах управления биосферно-социально-экономическими системами ориентироваться на что-то «среднестатистическое», отчитываться «среднестатистическими» показателями — это идиотизм либо манипулирование невежественными слушателями и «контролёрами». Подход к решению управленческих задач, исходящий из ориентации на «среднестатистические показатели» (как целевые, так и контрольные), это — программирование разнородных, подчас весьма тяжёлых, ошибок управления.
В каждой статистике, характеризующей некое множество элементов биосферно-социально-экономической системы, следует ориентироваться на «основную статистическую массу», сосредоточенную между значениями статистических стандартов, отсекающими «хвосты распределений», и на особое изучение содержимого «хвостов распределений» (об этом далее). А за множеством статистик в характеристическом своде статистик — видеть реальные причинно-следственные связи жизненных явлений, порождающие именно такие статистики.
|
|
|
Но могут быть и взаимосвязанные статистики.
Если мы построим две статистики: распределение легковых автомобилей по массе и распределение легковых автомобилей по количеству мест, то обе статистики будут связаны по той причине, что масса автомобиля некоторым образом конструктивно-технологически обусловлена количеством мест: 4-местные будут группироваться вокруг своего среднего значения массы, а 7-местные (минивэны, большие джипы и лимузины) — вокруг средних значений массы, соответственно их конструктивному типу. Статистики, характеризующие распределение людей по массе тела и по росту, тоже будут взаимосвязаны. Но такого рода взаимосвязи статистик, которые можно выявить методами математики (корреляционный анализ, регрессионный анализ, корреляционно-регрессионный анализ), не всегда отображают реальные причинно-следственные связи, действующие в жизни:
|
|
|
· так в приведённом примере с автомобилями есть причинно-следственные связи между количеством мест в автомобиле и его массой, в силу чего массово производимые 7‑местные автомобили не будут обладать меньшей массой, чем массово производимые 4‑местные[111] (лимузин не может обладать массой, меньшей, чем «Ока»);
· но низкорослые люди могут быть толстыми и иметь большую массу тела, а высокорослый человек может быть худым и уступать по массе тела людям с меньшим ростом, т.е. хотя связи статистик роста и массы есть, но за этими связями статистик в жизни нет причинно следственных связей самих явлений, лежащих в основе статистик.
В применении аппарата теории вероятностей и математической статистики к решению разного рода жизненных задач возникло понятие «репрезентативная выборка». Репрезентативная выборка — это подмножество исследуемого множества, статистические характеристики которой идентичны статистическим характеристикам полного множества. Если в жизни удаётся выявить критерии, на основании которых можно осуществить репрезентативную выборку, то работа с репрезентативной выборкой существенно сокращает время и расходы прочих ресурсов на сбор и обработку статистических данных. Если же критерии, по которым предполагается сделать репрезентативную выборку, избраны ошибочно, то статистические характеристики такой псевдорепрезентативной выборки и полного множества будут отличаться, и эти отличия могут быть недопустимыми по отношению к качеству решения тех задач, в которые исходные данные или целевые показатели построены на основе такой ошибочной статистики.
В теории вероятностей и математической статистике выявлены разного рода аналитические функции, получившие наименования «законов распределения случайной величины», которые с приемлемой для практики точностью описывают реальные процессы. Наиболее широко известный — закон нормального распределения (распределение Гаусса). Однако надо иметь в виду, что хотя многое в реальной жизни описывается законом нормального распределения, но есть процессы, которые описываются другими аналитическими функциями (так морское волнение во многих задачах хорошо описывается законом Рэлея); а есть и такие, которые не описываются известными математике аналитическими функциями, что требует для анализа такого рода статистик, выявляемых в реальной жизни, применения численных методов.
Необходимо пояснить ещё один вопрос. Если у нас имеются несколько экземпляров однокачественных по своей природе статистик, то минимальные и максимальные значения случайной величины, зарегистрированные в каждом из экземпляров, могут существенно отличаться от зарегистрированных в других экземплярах, хотя в остальном характер плотности распределения случайной величины и само распределение будут идентичными друг другу с приемлемой для практики точностью. Это обстоятельство приводит к понятиям «основная статистическая масса» и «хвосты статистического распределения». Суть в том, что максимальные и минимальные значения случайной величины и примыкающие к ним диапазоны (интервалы) значений случайной величины исключаются из рассмотрения как нехарактерные для процесса («вдвойне случайные»). То, что остаётся, — это основная статистическая масса; то, что исключается из рассмотрения, это — хвосты распределения. Хвосты распределения отсекаются статистическими стандартами, определяющими ту долю статистики, которая исключается из рассмотрения.
Какую долю статистики отнести к хвостам распределения, это определяется субъективными оценками потребностей практики.
Соответственно, если статистика представлена в виде «основной статистической массы», то для сопоставления её с другими статистиками, характеризующими аналогичные по их природе процессы, необходимо знать статистические стандарты, на основе которых хвосты распределения были исключены из полной статистики.
Есть задачи, в которых можно пренебречь тем, что попало в хвосты распределения, а есть задачи, в которых такое пренебрежение недопустимо (так эпидемия может начаться с одного заболевшего). Это касается многих социологических и политологических задач, поскольку в жизни обществ к такого рода статистически «невесомым» причинам (в их сопоставлении с основной статистической массой) принадлежит всё то, что стоит за словами «роль личности в истории», а также и то, что стоит за словами «роль идей в истории». Поэтому во многих управленческих задачах то, что попало в хвосты распределений, подлежит особому изучению и управлению.
Процессы во множествах, включая и процессы в биосферно-социально-экономических системах, выражаются двояко:
· в изменении статистик, характеризующих их состояние в те или иные моменты времени (на определённых интервалах времени), т.е. в изменении графиков плотностей распределения и распределений;
· в изменении длины хвостов распределений при одних и тех же статистических стандартах, отсекающих хвосты от основной статистической массы;
· в изменении «персонального состава» элементов, из которых состоят множества, характеризуемые статистиками;
· в изменении объёма основной статистической массы и объёма хвостов в их фактическом учёте.
Соответственно, поскольку такого рода изменения могут быть как объективно полезными для обеспечения общественного развития, так и вредоносными, то с каждой статистикой (кривой распределения или плотности распределения), включаемой в свод характеристических статистик, должен быть связан набор критериев её оценки как нормальной, допустимой, недопустимой (угрожающей бедствиями), реально бедственной.
Задание набора критериев по отношению к функции плотность распределения и интегральной функции распределения случайной величины означает, что должны быть определены:
· статистические стандарты, отсекающие хвосты распределения;
· интервалы, в которых должны находиться минимальное и максимальное значения случайной величины, соответствующие статистическим стандартам, отсекающим хвосты распределения;
· полосы, в которых должны лежать графики функций плотность распределения и распределение случайной величины.
Эти критерии могут быть зримо показаны в координатных осях графиков функций плотность распределения и распределение случайной величины, и соответственно — могут отображаться на дисплеях компьютеров при наличии соответствующего программного обеспечения.
· Но кроме того, могут быть заданы ограничения на численные характеристики функций плотности распределения и распределения случайной величины, выработанные в теории вероятностей и математической статистике (математическое ожидание, дисперсия и др.), значения которых должны быть согласованы с названными выше критериями, графическое отображение которых возможно.
Соответственно в управлении биосферно-социально-экономическими системами целеполагание должно включать в себя задание желательных параметров изменения характеристических статистик, а само управление предполагает воздействие на факторы, изменение которых влечёт за собой желаемые изменения характеристических статистик.
Поскольку целеполагание должно быть жизненно состоятельным (реалистичным), то умышленное искажение статистических данных, на основе которых должно осуществляться целеполагание, — тяжкое преступление, которое следует квалифицировать как одну из разновидностей государственной измены (ст. 275 УК РФ). И то же касается искажения отчётных статистик, на основе которых следует оценивать результаты реализации прошлых управленческих решений и возможности управления в будущем.
Кроме того, «ручное управление» (директивно-адресное управление какими-то элементами множеств, характеризуемых статистиками) может быть полезным в некоторых ситуациях, но оно не может подменить собой управления множеством в целом, т.е. управления статистиками, характеризующими это множество.
Так же надо понимать:
· Ни один факт не может подменить собой статистику аналогичных фактов. Любой факт всегда занимает в соответствующей статистике какое-то место и при этом обезличивается.
Этого не понимают большинство управленцев, но именно это чуют граждане и потому отвергают пропаганду, пытающуюся представить как норму жизни «красивые» факты, взятые из «красивых» диапазонов в целом «некрасивой» статистики.
· Фальсификация статистик во многих случаях может быть выявлена на основе применения разного рода математических методов анализа статистических данных, которые позволяют вычислить несоответствия фальсифицированной статистики статистическим закономерностям, характерным для рассматриваемого класса явлений.
· Методы анализа статистических данных в некоторых случаях позволяют «вычислить» скрываемую информацию, если она связана теми или иными статистическими закономерностями или причинно-следственными связями с опубликованной информацией.
Далее продолжение основного текста.
* *
*
Соотносясь с представленным выше минимумом сведений об аппарате теории вероятностей и математической статистики и пользовании им в выявлении проблем общества, в постановке и решении управленческих задач, можно дать ответ на вопрос: какие вредные для здоровья людей и общества последствия прививок не попали в перечни приведённых ранее Приложений 1 и 2?
В аспекте здоровья жизнь общества и социальных групп в его составе характеризуется статистиками заболеваний. Всё множество зарегистрированных заболеваний распадается на две группы:
· основная статистическая масса болезней — достаточно часто встречающиеся диагнозы;
· хвосты статистического распределения — диагнозы единичные и редко регистрируемые, изучение которых и изучение роли которых в жизни общества и эволюционном процессе человечества — отдельный вопрос.
Каждому из диагнозов, отнесённых к основной статистической массе болезней (достаточно часто встречающимся), соответствует статистическое распределение по возрастным группам населения с учётом признака пола[112] (т.е. для мужского пола — одно распределение заболеваемости по возрастным группам, для женского пола — другое). Если мы изучаем вопрос о воздействии прививок на здоровье населения, то обе эти статистики по каждому из учитываемых в такого рода исследовании диагнозов разделяются на две: статистическое распределение, характеризующее заболеваемость непривитых, и статистическое распределение, характеризующее заболеваемость привитых.
Если вакцина, используемая в массовой вакцинации, добротная, то в результате вакцинации:
· статистика заболеваемости во всех возрастных группах с учётом признака пола по болезни, от которой делается эта прививка, должна быть значительно ниже среди привитых, нежели среди непривитых (если существенной разницы нет, то вакцина в качестве средства профилактики эпидемий этого заболевания не состоялась);
· статистики других заболеваний во всех возрастных группах с учётом признака пола при этом не должны существенно вырасти в среде привитых в сопоставлении со статистиками этих же заболеваний среди непривитых (при этом могут быть и вакцины, применение которых может повлечь снижение статистик некоторых других заболеваний среди привитых в сопоставлении со статистиками среди непривитых).
· Кроме того, необходимо указать на то обстоятельство, что каждая из названных в двух предыдущих абзацах статистик, складывается из частных статистик, характеризующих заболеваемость на следующих интервалах времени:
Ø первые несколько дней после прививки;
Ø период времени после прививки, в течение которого происходит формирование иммунитета;
Ø первые несколько месяцев после прививки;
Ø первый и последующие годы после прививки.
Надо помнить, что для России на протяжении всего обозримого прошлого характерно существенное различие в качестве установочных партий продукции и той же продукции после начала её массового производства.
Применительно к рассматриваемой нами теме это означает, что если установочные партии вакцин высококачественны и это подтверждается результатами их клинических испытаний, то в силу господства в стране порочной трудовой этики, выражающейся в неразвитости в стране субкультуры управления качеством продукции при её производстве и доведении до конечного потребителя,[113] массово выпускаемые партии тех же вакцин могут быть редкостной дрянью — как неэффективной по отношению к достижению целей вакцинации, так и наряду с неэффективностью опасной для здоровья в иных аспектах, если не подавляющего большинства вакцинированных, то многих.
Кроме того, в России общепринятая практика — фальсифицировать данные, на основе которых строятся статистики, и при необходимости — фальсифицировать сами статистики. Поэтому в случае политического задания показать эффективность вакцины против COVID‑19 всем, после вакцинации заболевшим COVID‑19, будут писать диагноз ОРВИ без каких-либо микробиологических исследований, как в прошлом многим писали COVID‑19 также без каких-либо микробиологических исследований, когда надо было показать реальность пандемии.
И история вакцинации знает не единичные случаи, когда спустя некоторое время после начала массового использования вакцин, успешно прошедших краткосрочные нефальсифицированные испытания на псевдорепрезентативных выборках, среди привитых ими выявлялся рост статистик иных заболеваний.
«Так, в 1976 году в США, обнаружился новый штамм свиного гриппа. Вакцину изобрели менее чем за год. Позже выяснилось, что она провоцирует острую аутоиммунную реакцию с летальным исходом...»[114].
«Негативную причинно-следственную связь между вакцинацией беременных женщин и здоровья их плода привели эксперты National Center for Biotechnology Information. Указывается, что те женщины, которые вакцинировались на ранних сроках беременности, в 80% случаев пережили выкидыши или самопроизвольные аборты, передает «Накануне.Ru».
Согласно исследованию, проводимому с 14 декабря 2020 года по 28 февраля 2021 года на базе официальной Системы отчетности о нежелательных явлениях вакцины, почти 80% беременных женщин, привитых препаратами Pfizer-BioNTech и Moderna, получили серьезное побочное осложнение в виде выкидыша или самопроизвольного аборта. Указывается, что количество наблюдаемых женщин составило около 30 тысяч человек — все они получили вакцину на ранних сроках беременности»[115].
Ещё один пример негативных последствий массовой вакцинации.
«11 июня 2009 года генеральный директор Всемирной организации здравоохранения (ВОЗ) Маргарет Чан объявила о начале пандемии гриппа H1N1 (свиного гриппа). К концу года были лицензированы вакцины от свиного гриппа, производимые 22 компаниями. Почти все эти вакцины были разрешены к применению для всего населения в возрасте старше одного года, включая беременных женщин. Некоторые из них регистрировались в ускоренном порядке.
Дата добавления: 2021-12-10; просмотров: 15; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!