Основу понятийного (терминологического) аппарата составляют понятия классической математики и некоторых новых ее разделов (величина, функция, уравнение, система уравнений и т. п.).
На базе аналитических представлений возникли и развиваются математические теории различной сложности — от аппарата классического математического анализа (методов исследования экстремумов функций, вариационного исчисления и т.п.) до таких разделов современной математики, как математическое программирование (линейное, нелинейное, динамическое и т. п.), теория игр (матричные игры с чистыми стратегиями, дифференциальные игры).
Аналитическиеметоды применяются в тех случаях, когда свойства системы можно отобразить с помощью детерминированныхвеличин или зависимостей, т. е. когда знания о процессах и событиях в некотором интервале времени позволяют полностью определить поведение их вне этого интервала. Эти методы используются при решении задач движения и устойчивости, оптимального размещения, распределения работ и ресурсов, выбора наилучшего пути, оптимальной стратегии поведения в конфликтных ситуациях и т. п.
Математические теории, развивающиеся на базе аналитических представлений, явились основой ряда прикладных теорий (теории автоматического управления, теории оптимальных решений и др.).
НО!!! При практическом применении аналитических представлений для отображения сложных систем следует иметь в виду, что они требуют установления всех детерминированныхвзаимосвязей между учитываемыми компонентами и целями системы в виде аналитических зависимостей. Для сложных многокомпонентных, многокритериальных систем получить требуемые аналитические зависимости очень трудно. Более того, если даже это и удается, то практически невозможно доказать правомерность применения этих аналитических выражений, т. е. адекватность модели рассматриваемой задаче.
Втех случаях, когда не удается представить систему с помощью детерминированных категорий, можно применить отображение ее с помощью случайных (стохастических) событий, процессов, которые описываются соответствующими вероятностными (статистическими) характеристиками и статистическими закономерностями.
На статистических отображениях базируются теории математической статистики, теория статистических испытаний или статистического имитационного моделирования (частным случаем которой является метод Монте-Карло), теория выдвижения и проверки статистических гипотез (частным случаем которой является байесовский подход к исследованию процессов передачи информации в процессах общения, обучения и других ситуациях, характерных для сложных развивающихся систем).
Статистические отображения позволили расширить области применения ряда дисциплин, возникших на базе аналитических представлений. Так возникли статистическая теория распознавания образов, стохастическое программирование, новые разделы теории игр и др. На базе статистических представлений возникли и развиваются такие прикладные направления, как теория массового обслуживания, теория статистического анализа и др.
Расширение возможностей отображения сложных систем и процессов по сравнению с аналитическими методами можно объяснить тем , что при применении статистических представлений процесс постановки задачи как бы частично заменяется статистическими исследованиями, позволяющими, не выявляя все детерминированные связи между изучаемыми событиями или учитываемыми компонентами сложной системы, на основе выборочного исследования (исследования представительной выборки) получать статистические закономерности и распространять их с какой-то вероятностью на поведение системы в целом.
НО!!! Однако не всегда можно получить статистические закономерности, не всегда может быть определена представительная (репрезентативная) выборка, доказана правомерность применения статистических закономерностей. В ряде случаев для получения статистических закономерностей требуются недопустимо большие затраты времени, что также ограничивает возможности их применения.