Важно добавить, что случайный разброс множества событий охватывается статистическим законом в форме интегральной необходимости. По существу, такой закон выступает протоформой системной детерминации, в пределах которой отдельные случайные колебания признаков не разрушают упорядоченности статистической системы и не ведут к резким изменениям ее интегральных параметров. Соответствующая протоформа обладает сложным динамичным поведением. Однако это поведение качественно отличается от того, которым обладают, например, развитые функционально организованные системы. Стохастичность дает особый тип системной детерминации.
Специфика стохастически упорядоченных систем связана с тем, что они имеют целый ряд степеней свободы и весьма чувствительны ·к малым возмущениям. Для характеристики их детерминированного поведения существенное значение имеет начальное распределение случайных признаков. Кроме того, такие системы принципиально не изолированы от внешних условий. Вместе с тем, особую роль в детерминации их изменений играют специфические внутренние условия, которые включают «бесконечную» сумму взаимных влияний элементов. Поэтому в отношении таких систем неприменимы приемы разложения на изолированные составляющие, их нельзя сводить к механической сумме элементов [10].
Модели стохастической детерминации охватывают диффузные, нечеткие организации и системы. Применение таких моделей существенно расширяет сферу строгого научного исследования сложных объектов. В частности, их использование показывает, что наличие слабых, нечетко выраженных связей между многими элементами не является препятствием для выводов и обобщений о характере их совместного поведения, о детерминации их состояний.
Показательно, что стохастическое моделирование связано с особым упрощением неопределенностной ситуации. При этом используется прием расчленения неопределенности на регулярную и случайную компоненты. Однако в ходе статистического исследования такое разделение провести до конца не удается, прежде Всего потому, что случайность рассматривается как условие равновероятности событий. Но равновероятность — это уже регулярность, абстрактное выражение закономерности. В то же время выход за рамки случайного процесса оценивается со статистических позиций, как свидетельство влияния побочной причины. А такая причина, в свою очередь, характеризуется законом статистической погрешности.
Известно также, что статистическое описание строится на предположении о возможности случайных результатов в длинных рядах испытаний. Однако генерирование случайности не представляется здесь как основная функция статистической системы. Для обеспечения такой функции требуется самостоятельная структура. Но если она будет реализована, тогда данный процесс не может служить источником необходимого разнообразия системы, будет полностью определенным, т. е. неслучайным. Вместе с тем, статистический подход показывает, что неопределенность может быть выражена в параметрах самой системы. Статистические модели строятся таким образом, что языки описания регулярных процессов системы и неопределенностного процесса по существу совпадают, однако описание последнего не расшифровывается полностью на языке основных параметров системы.
Рассмотренный материал позволяет сделать вывод, что разработка идей и методов статистического описания осуществляется в русле методологической концепции, в которой закономерность и системность берутся в гибкой форме, они тесно связаны с категориями взаимодействия и становления. Здесь преодолевается трактовка номологической концепции жестких запретов и ограничений. В статистическом подходе необходимость берется как гибкая связь, которая может обладать разной степенью значимости в процессах функционирования и преобразования поведения системы. При этом необходимость описывается с помощью уровневых ограничений, в пределах которых сохраняется устойчивость сложной системы. Одновременно фиксируется вероятностное распределение необходимости среди групп явлений в соответствии с их реальным значением в целокупной связи.