Цель исследования заключается в том, чтобы, основываясь на синтезе проведенных ранее исследований, разработать новый метод идентификации закона распределения вероятностей с возможностью его программной реализации на машинном языке для автоматизации расчетов, а также сравнения полученного метода с наиболее известными аналогами. В качестве методов использованы разработанные ранее подходы. Общий алгоритм исследования основан на классификации законов распределения по различным параметрам. Определение непрерывности и дискретности проводилось на основе итерационного поиска повторов в совокупностях данных и обнаружении стандартного изменения каждой величины. Оценка симметричности и плосковершиности распределений проводилась при помощи стандартных коэффициентов асимметрии и эксцесса, для чего потребовалось рассчитывать критические значения для обоих коэффициентов применительно к каждому из идентифицированных законов. Оценка тяжести хвоста распределения проведена при помощи оценки Хилла, адаптированной таким образом, чтобы полученное численное решение возможно было использовать при идентификации закона распределения. Также были вычислены характеристики необходимого объема анализируемых данных с учетом вероятности ошибки. Кроме того, изучены случаи, когда идентификация затруднена, и продумал алгоритм принятия решения в этом случае. Программная реализация полученного комплексного метода («Knowlaw») была сравнена с различными программными средствами-аналогами («Настройка распределения» и «Обработка массивов данных»). Данные для исследования были получены при помощи генератора случайных чисел, численность совокупностей варьировалась от 25 до 1000. Анализируемые программные средства сравнивались по функционалу, а также по количеству ошибок первого и второго рода. Отличительными особенностями программного средства «Knowlaw» являются большее количество идентифицируемых законов распределения, а также возможность выбора результата среди нескольких вариантов. Среднее количество находится на уровне других программных средств. Таким образом, разработанное программное средство позволяет идентифицировать 17 законов распределения с большой долей вероятности в автоматизированном режиме, не уступая аналогам и имея несколько более широкий функционал.

The purpose of the study is to develop a new method for identifying the probability distribution law, based on a synthesis of previous studies, with the possibility of its software implementation in machine language to automate calculations, as well as comparing the obtained method with the most well-known analogues. Previously developed approaches were used as methods. The general research algorithm is based on the classification of distribution laws according to various parameters. The determination of continuity and discreteness was carried out on the basis of an iterative search for repetitions in data sets and the detection of a standard change in each value. The evaluation of the symmetry and flatness of distributions was carried out using standard coefficients of asymmetry and kurtosis, for which it was necessary to calculate the critical values ​​for both coefficients in relation to each of the identified laws. The estimate of the severity of the tail of the distribution was carried out using the Hill estimate, adapted in such a way that the obtained numerical solution could be used to identify the distribution law. The characteristics of the required volume of analyzed data were also calculated, taking into account the probability of error. In addition, cases were studied when identification is difficult, and a decision algorithm was thought out in this case. The software implementation of the obtained complex method («Knowlaw») was compared with various analogous software tools («Distribution setting» and «Data array processing»). The data for the study were obtained using a random number generator, the number of populations varied from 25 to 1000. The analyzed software was compared in terms of functionality, as well as in terms of the number of errors of the first and second kind. Distinctive features of the Knowlaw software tool are a greater number of identifiable distribution laws, as well as the ability to select a result among several options. The average number is at the level of other software tools. Thus, the developed software tool allows you to identify 17 distribution laws with a high degree of probability in an automated mode, not inferior to analogues and having a slightly wider functionality.