Теперь мы совершим небольшой экскурс в статистику.
Под случайным процессом мы будем понимать процесс, порождающий числовые ряды, значения которых соответствуют случайному распределению. Наиболее известным является гауссово распределение. Оно сообщает нам, с какой вероятностью переменная принимает то или иное возможное значение. Такие распределения можно описать при помощи нескольких характерных величин – среднего и среднеквадратического отклонения.
Среднее значение есть арифметическое среднее всех наблюдений, т. е. в большинстве случаев половина всех полученных в ходе наблюдений результатов ниже среднего, а другая половина – выше1. Годовой и суточный ход на рисунке 1 представляет собой как раз среднюю величину (рассчитанную для каждого календарного месяца / каждого часа в отдельности).
Среднеквадратическое отклонение или его квадрат (дисперсия) показывает меру разброса случайных величин. В двух третях всех случайных выборов мы попадаем в интервал «среднее значение ± среднеквадратическое отклонение», а в одной трети случайных выборов мы получаем значения больше или меньше, чем «среднее значение ± среднеквадратическое отклонение». Частота подобных существенных отклонений от среднего значения измеряется с помощью перцентилей. Перцентиль 90% больше, чем 90% всех наблюдений, перцентиль 10% меньше, чем 10% всех наблюдений. Если в нашем числовом ряду речь идет о максимальной скорости ветра в течение года, то перцентиль 99% описывает максимальную скорость ветра, которая была превышена в среднем один раз в сто лет.
Случайность не означает, что следующие друг за другом числовые показатели абсолютно не зависят друг от друга. Скорее, здесь – именно в климатологическом контексте – мы наблюдаем такую ситуацию, когда значение климатической переменной в какой-то момент времени частично определяется предшествующим моментом времени: «Завтра погода будет в сущности такой же, как сегодня». Отсюда следует, что значение переменной в послеследующий момент времени все еще будет частично детерминировано настоящим значением, однако чем дальше мы продвигаемся по шкале, тем меньше будет эта детерминированность. Так что