آمار رشته وسیعی از ریاضی است كه راههای جمع آوری، خلاصه سازی و نتیجه گیری از داده ها را مطالعه می كند. این علم برای طیف وسیعی از علوم دانشگاهی از فیزیك و علوم اجتماعی گرفته تا انسان شناسی و همچنین تجارت، حكومت داری و صنعت كاربرد دارد.
هنگامی كه داده ها جمع آوری شدند چه از طریق یك شیوه نمونه گیری خاص یا به وسیله ثبت پاسخ ها در قبال رفتارها در یك مجموعه آزمایشی ( طرح آزمایشcf  ) یا به وسیله مشاهده مكرر یك فرایند در طی زمان  ( سری های زمانی ) خلاصه های گرافیكی یا عددی را می توان با استفاده از آمار توصیفی به دست آورد.
الگوهای موجه در داده ها سازمان بندی می شوند  تا استنباط در مورد جمعیت های بزرگتر به دست آید كه این كار با استفاده از آمار استنباطی صورت می گیرد و  تصادفی بودن و عدم حتمیت در مشاهدات را شناسایی می كند. این استنباط ها ممكن است به شكل جوابهای بله یا خیر به سؤالات باشد ( آزمون فرض )، مشخصه های عددی را برآورد كند ( تخمین ) ، پیش گویی مشاهدات آتی باشد، توصیف پیوند ها باشد ( همبستگی ) ویا مدل سازی روابط باشد ( رگرسیون ).
 شبكه توصیف شده در بالا گاهی اوقات به عنوان آمار كاربردی اطلاق می شود. در مقابل، آمار ریاضی ( یا ساده تر نظریه آماری ) زیر رشته ای از ریاضی كاربردی است كه از تحلیل و نظریه احتمال برای به كارگیری آمار برروی یك پایه نظری محكم استفاده می كند.

● احتمال
 كلمه احتمال از كلمه لاتین probare  ( به معنی اثبات یا آزمایش كردن ) منشأ می گیرد. در زبان محاوره، احتمال یكی از چندین لغتی است كه برای دانسته یا پیشامدهای غیر حتمی به كار میرود و كم و بیش با لغاتی مثل مشابه، با ریسك، خطرناك، نامطمئن، مشكوك و  بسته به متن قابل معاوضه می باشد. شانس، بخت و شرط بندی از لغات دیگری هستند كه نشان دهنده برداشت های مشابهی هستند. همانگونه كه نظریه مكانیك تعاریف دقیقی از عبارات متداولی مثل كار و نیرو دارد، نظریه احتمال نیز تلاش دارد تا برداشت های احتمال را كمیت سازی كند.

● روش های آماری

۱) مطالعات تجربی و مشاهداتی
ـ هدف كلی برای یك پروژه تحقیقی آماری، بررسی حوادث اتفاقی بوده و به ویژه نتیجه گیری روی تأثیر تغییرات در مقادیر شاخص ها یا متغیر های مستقل روی یك پاسخ یا متغیر وابسته است. دو شیوه اصلی از مطالعات آماری تصادفی وجود دارد : مطالعات تجربی و مطالعات مشاهداتی . در هر دو نوع از این مطالعات، اثر تغییرات در یك یا چند متغیر مستقل روی رفتار متغیر های وابسته مشاهده می شود. اختلاف بین این دو شیوه درچگونگی مطالعه ای است كه عملاً هدایت می شود.
ـ  یك مطالعه تجربی در بردارنده روش های اندازه گیری سیستم تحت مطالعه است كه سیستم را تغییر می دهد و سپس با استفاده از روش مشابه اندازه گیری های اضافی انجام می دهد تا مشخص سازد كه آیا تغییرات انجام شده، مقادیر شاخص ها را تغییر می دهد یا خیر. در مقابل یك مطالعه مشاهداتی، مداخلات تجربی را در بر نمی گیرد. در عوض داده ها جمع آوری می شوند و روابط بین پیش بینی ها و پاسخ بررسی می شوند.
ـ  یك نمونه از مطالعه تجربی، مطالعات Hawthorne مشهور است كه تلاش كرد تا تغییرات در محیط كار را در كمپانی الكتریك غربی Howthorne  بیازماید. محققان علاقه مند بودند كه آیا افزایش نور می تواند كارایی را در كارگران خط تولید افزایش دهد. محققان ابتدا كارایی را در كارخانه اندازه گیری كردند و سپس میزان نور را در یك قسمت از كارخانه  تغییر دادند تا مشاهده كنند كه آیا تغییر در نور می تواند كارایی را تغییر دهد. به واسطه خطا در اقدامات تجربی، به ویژه فقدان یك گروه كنترل، محققان در حالی كه قادر نبودند آنچه را كه طراحی كرده بودند، انجام دهند توانستند كه محیط را با شیوه Hawthorne  آماده سازند.
ـ  یك نمونه از مطالعه مشاهداتی، مطالعه ایست كه رابطه بین سیگار كشیدن و سرطان ریه را بررسی می كند. این نوع از مطالعه به طور اختصاصی از یك آمار گیری ( پیمایش ) استفاده می كند تا مشاهدات مورد علاقه را جمع آوری كند و سپس تجزیه و تحلیل آماری انجام دهد. در این مورد، محققان مشاهدات افراد سیگاری و غیر سیگاری را جمع آوری می كنند و سپس به تعداد موارد سرطان ریه در هر دو گروه توجه می كنند.
 مراحل پایه برای انجام یك تجربه عبارتند از :
ـ  برنامه ریزی تحقیق شامل تعیین منابع اطلاعاتی، انتخاب موضوع تحقیق و ملاحظات اخلاقی برای تحقیق و روش پیشنهادی.
ـ   طراحی آزمون شامل تمركز روی مدل سیستم و اثر متقابل متغیر های مستقل و وابسته.
ـ  خلاصه سازی از مجموعه مشاهدات برای جامعیت بخشیدن به آنها با حذف جزئیات ( آمار توصیفی ).
ـ   رسیدن به اجماع در مورد آنچه مشاهدات درباره دنیایی كه مشاهده می كنیم به ما می گویند ( استنباط آماری ).
ـ  ثبت و ارائه نتایج مطالعه.

۲)  سطوح اندازه گیری

     چهار نوع یا مقیاس اندازه گیری در آمار استفاده می شود. چــهار نوع یا سطح اندازه گیری ( ترتیبی، اسمی، بازه ای و نسبی ) دارای درجات متفاوتی از سودمندی در تحقیقات آماری دارند. اندازه گیری نسبی در حالی كه هم یك مقدار صفر و فاصله بین اندازه های متفاوت تعریف می شود بیشترین انعطاف پذیری را در بین روش های آماری دارد كه می تواند برای تحلیل داده ها استفاده شود. مقیاس تناوبی با داشتن فواصل معنی دار بین اندازه ها اما بدون داشتن میزان صفر معنی دار ( مثل اندازه گیری IQ  یا اندازه گیری درجه حرارت در مقیاس سلسیوس ) در تحقیقات آماری استفاده می شود.

۳) تكنیك های آماری
     بعضی از آزمون ها و روش های آماری برای مشاهدات تحقیقی آماری شناخته شده عبارتند از :
▪  آزمون تی استیودنت
▪  آزمون توان دوم كای ( خی دو )
▪  آنالیز واریانس ( ANOVA)
▪  آزمون Mann-Whitney U
▪  تحلیل رگرسیون
▪  همبستگی
▪  آزمون كمترین تفاوت معنی دار ( LSD ) فیشر
▪  ضریب همبستگی حاصل ضرب گشتاوری پیرسون
▪  ضریب همبستگی رتبه ای اسپیرمن

 

نظریه عمومی احتمال به دو اصل وابسته تقسیم می شود :

▪  احتمال كتّره ای : كه نشان دهنده احتمال پیشامدهای آینده است كه به وسیله بعضی از پدیده های فیزیكی تصادفی هدایت می شود. این اصل را می توان به پدیده های فیزیكی كه با اطلاعات كافی اصولاً قابل پیش بینی اند و پدیده هایی كه اساساً قابل پیش بینی نیستند تقسیم بندی كرد.  نمونه هایی از نوع اول شامل پرتاب تاس یا بازی رولت در قمار است و یك مثال از نوع دوم از بین رفتن ماده رادیو اكتیویته است.

▪  احتمال شناختیك : كه نشان دهنده عدم قاطعیت ما در مورد گزاره ای است وقتی كه فرد آگاهی كامل از شرایط اتفاقی ندارد. چنین گزاره هایی ممكن است در مورد پیشامدهای گذشته یا آینده باشد اما نیاز به آن نیست. بعضی مثال ها از احتمال شناختیك آنهایی هستند كه در آن ها یك احتمال به گزاره ای داده می شود كه در آن یك قانون پیشنهادی فیزیك به وقوع پیوسته است و تعیین اینكه چقدر احتمال است كه یك مظنون بر اساس شواهد موجود مرتكب جنایت شده باشد.
 یك سؤال كلی وجود دارد كه آیا احتمال كتره ای به واسطه عدم توانایی ما در پیش بینی دقیق نیروهایی كه ممكن است وقوع مرگ را متأثر سازند به احتمال شناختیك تبدیل شود یا اینكه چنین عدم اطمینانی در ماهیت خود واقعیت وجود دارد به ویژه در پدیده های كوانتومی كه توسط اصل عدم حتمیت هایزنبرگ بیان شده است.هرچند قوانین ریاضی مشابهی صرفنظر از تفسیر انتخاب شده اعمال می شوند، گزینه انتخابی از نظر احتمال مورد استفاده دارای معانی مهمی است كه برای مدل سازی دنیای واقعی به كار می رود.

● فرموله سازی احتمال

 مانند سایر نظریه ها، نظریه احتمال نمادی از اصول احتمال در عبارات رسمی - عباراتی كه جدا از معنیشان كاربرد داشته باشند – است. این عبارات رسمی به واسطه قوانین ریاضی و منطق متأثر می شوند و هر نتیجه ای از آن بر اساس دامنه مسئله تفسیر و برداشت می شود.
  حداقل دو تلاش موفق برای فرموله كردن احتمال انجام شده است كه به نام فرمول بندی كلموگروف و كاكس نامیده می شوند. در فرمول بندی كلموگروف، مجموعه ها به صورت پیشامدها و احتمال خود به عنوان معیاری روی یك سری از مجموعه ها تفسیر می شود. در فرمول بندی كاكس، احتمال به عنوان یك مقدمه اولیه قلمداد می شود ( به این معنی كه بعداً آنالیز نمی شود ) و تأكید بر روی ساخت یك رابطه سازگار از مقادیر احتمال برای گزاره ها می باشد.
در هر دو مورد، قوانین احتمال مشابه هستند به جز در مورد جزئیات عملی :
 ▪ احتمال عددی بین 0 و 1 می باشد.
▪  مجموع احتمال یك پیشامد یا گزاره و مكمل آن برابر 1 است؛ و
▪ احتمال مشترك دو پیشامد یا گزاره برابر با حاصل ضرب احتمال یكی از آن ها و احتمال دومی است به شرطی كه اولی رخ دهد.

● نمایش و تفسیر مقادیر احتمال

      احتمال یك پیشامد عموماً به صورت یك عدد حقیقی بین 0 و 1 نمایش داده می شود. یك پیشامد غیر محتمل دارای یك احتمال دقیقاً 0 و یك پیشامد حتمی دارای یك احتمال 1 است، اما عكس آن همیشه صادق نیست؛ پیشامدهای با احتمال 0 همیشه غیر ممكن نیستند و همچنین پیشامدهای با احتمال 1 همیشه واقعیت نمی پذیرند.
      اغلب احتمالاتی كه عملاً رخ می دهند اعدادی بین 0 و 1 هستند كه نشان دهنده موقعیت پیشامد روی پیوستگی بین غیر ممكن و حتمیت است. هر چه احتمال پیشامد به 1 نزدیكتر باشد، احتمال وقوع آن بیشتر است.
     مثلاً  اگر احتمال وقوع دو پیشامد متقابلاً ناسازگار یكسان تصور شود مثل رو یا پشت در پرتاب سكه، ما می توانیم احتمال هر پیشامد را به صورت 1 از 2 یا %50 یا ½ نمایش دهیم.
    احتمالات مشابهاً به صورت بخت ها هم نمایش داده می شوند كه نسبت احتمال یك پیشامد به احتمال سایر پیشامدهاست. بخت رو شدن در پرتاب سكه (1/2)/(1 - 1/2) است كه مساوی با 1/1 است كه به صورت بخت 1 به 1 نمایش داده می شود و اغلب به صورت 1:1 نوشته می شود.
     بخت های a:b  برای یك پیشامد معادل با احتمال a/(a+b) است. مثلاً بخت 1:1 معادل با احتمال ½ است و نمایش 3:2 معادل با احتمال 3/5 است.
       این سؤال عملاً باقی می ماند كه از احتمال چه انتظاری می توان داشت و چگونه از اعداد و ارقام می توان استفاده كرد. این سؤال همان تفاسیر و برداشت های از احتمال است. افرادی هستند كه مدعیند احتمال را می توان بر هر نوع از گزاره های منطقی غیر حتمی به كار برد كه همان استنباط بیزی است. در مقابل، افرادی هستند كه با این ایده توافق دارند كه احتمال برای پیشامدهای تصادفی همانند برآمد بعضی آزمایش های تصادفی خاص كاربرد دارد؛ به عنوان مثال نمونه گیری از یك جمعیت كه این تفسیر فراوانی گراست. چندین تفسیر دیگر نیز وجود دارد كه فرم اصلاح شده ای از یكی از این دو تفسیر هستند و در حال حاضر از مقبولیت كمتری برخوردار هستند.

● توزیع ها

     توزیع احتمال، تابعی است كه احتمال را به پیشامدها یا گزاره ها تخصیص می دهد. برای هر مجموعه از پیشامدها یا گزاره ها راه های مختلفی برای تخصیص احتمالات وجود دارد به طوری كه شانس یك توزیع یا دیگری معادل با داشتن تصورات متفاوت درباره پیشامدها یا گزاره های مورد سؤال می باشد.
راه های گوناگون معادلی برای نمایش توزیع احتمال وجود دارد. شاید متداولترین آن ها تابع چگالی احتمال باشد؛ به این معنی كه احتمال پیشامد یا گزاره به وسیله انتگرال تابع چگالی به دست می آید. تابع توزیع را می توان همچنین مستقیماً نمایش داد. از یك بعد، تابع توزیع، تابع توزیع تجمعی نامیده می شود. توزیع های احتمال را می توان از طریق گشتاورها یا تابع مشخصه یا به روش های دیگر نیز نمایش داد.
      یك توزیع، توزیع گسسته نامیده می شود اگر آن روی یك مجموعه گسسته شمارش پذیر مثل زیر مجموعه ای از اعداد صحیح تعریف شود. یك توزیع، توزیع پیوسته نامیده می شود اگر دارای یك تابع توزیع پیوسته باشد مثل تابع چند جمله ای یا تابع نمایی. اغلب توزیع های با اهمیت كاربردی از نوع گسسته یا پیوسته هستند اما نمونه هایی از توزیع ها هستند كه شامل هیچكدام از اینها نمی شوند.
     توزیع های مهم گسسته شامل توزیع گسسته یكنواخت، توزیع پواسون،‍ توزیع دو جمله ای، توزیع دو جمله ای منفی و توزیع ماكسول-بولتزمن می باشند.
     توزیع های مهم پیوسته شامل توزیع نرمال، توزیع گاما، توزیع تی استیودنت و توزیع نمایی هستند.

▪  احتمال در ریاضیات
     اصول موضوع احتمال، اساس نظریه احتمال ریاضیات را تشكیل می دهند. محاسبه احتمالات را اغلب می توان با استفاده از تركیبات یا مستقیماً با كاربرد  اصول موضوع تعیین كرد.كاربردهای احتمال حتی بیشتر از آمار است كه معمولاً بر روی ایده توزیع های احتمال و قضیه حد مركزی پایه ریزی شده است.
   برای به دست آوردن یك مفهوم ریاضی از احتمال، پرتاب یك سكه را در نظر بگیرید. بدیهی است كه احتمال آن كه در هر پرتاب سكه رو بیاید %50 است اما این وضعیت به تنهایی فاقد صلابت ریاضی است؛ به این معنی كه ما باید چنین انتظار داشته باشیم كه با پرتاب 10 بار سكه 5 رو و 5 پشت به دست آید اما هیچ تضمینی كه این رخ دهد وجود ندارد. برای مثال این احتمال است كه پشت سر هم 10 بار رو بیاید. پس مفهوم %50 در این متن چیست ؟
     یك راه، استفاده از قانون اعداد بزرگ است. در این مورد، ما تصور می كنیم كه می توانیم هر تعداد پرتاب سكه را انجام دهیم و هر پرتاب سكه مستقل است یعنی كه برآمد هر پرتاب سكه به وسیله پرتاب قبلی تحت تأثیر قرار ندارد. اما ما N مرتبه پرتاب سكه داشته باشیم  و اگر Nн تعداد مرتبه هایی باشد كه رو بیاید پس ما می توانیم برای هر N نسبت  Nн/N را در نظر بگیریم.
     هر قدر N بزرگ و بزرگ تر شود، ما انتظار داریم كه نسبت Nн/N به ½ نزدیك و نزدیك تر شود. این به ما اجازه می دهد كه احتمال Pr(H)

 رو های سكه را به صورت حد ( ریاضی ) تعریف كنیم، هنگامی كه N به سمت بی نهایت میل میكند : 
 البته در كاربرد عملی، ما نمی توانیم یك سكه را به تعداد بی نهایت پرتاب كنیم بنابراین عملاً این فرمول باید در موقعیت هایی به كار گرفته شود كه در آن ها از قبل یك احتمال اولیه ای برای یك برآمد خاص تعیین كرده ایم ( در این مورد فرض ما این است كه سكه  سالم است ). قانون اعداد بزرگ به ما می گوید كه Pr(H) داده شده و یا به ازای هر عدد كوچـك اختیاری є، عدد n ای وجود دارد كه برای تمام N > nداریم :       

                                                    
  به عبارت دیگر، منظور ما از گفتن « احتمال رو ها ½ است » این است كه اگر ما سكه را به اندازه كافی پرتاب كنیم نهایتاً تعداد رو ها نسبت به تعداد كل پرتاب به ½ نزدیك می شود و سپس به هر اندازه كه تعداد بیشتری پرتاب انجام دهیم ما به ½ نزدیك تر می شویم.
توجه كنید كه یك تعریف كامل، مستلزم نظریه اندازه است كه قادر به حذف مواردی است كه مقادیر بالاتر از محدوده جواب درست نمی دهند یا حتی با نمایش مواردی كه دارای میزان صفر هستند نیز محدود نشده است.
 جنبه اولیه این روش كاربرد احتمال، گاهی در هنگام مواجهه با موقعیت های دنیای واقعی با مشكل روبه رو می شود. برای مثال اگر شما یك سكه را پرتاب كنید و پشت سر هم رو بیاید برای صد مرتبه شما نمی توانید تصمیم بگیرید كه آیا این تنها یك پیشامد تصادفی محض است اگر چه ممكن است ( هرچند بعید ) كه یك سكه سالم این نتیجه را بدهد یا اینكه تصور شما این خواهد بود كه سكه سالم دچار اشكال می باشد.

▪  نكات قابل توجه در محاسبات احتمال
 سختی محاسبات احتمال در تعیین تعداد پیشامدهای ممكن، شمارش رخدادهای هر پیشامد و شمارش تعداد كل پیشامدهای ممكن است. اشكال خاص در به دست آوردن نتایج معنی دار از احتمالات محاسبه شده است. یك معمای سرگرم كننده احتمال به نام مسئله Monty Hall به زیبایی چالش های موجود را نشان می دهد.
▪  كاربرد های نظریه احتمال در زندگی روزمره
     یك تأثیر مهم نظریه احتمال در زندگی روزمره در ارزیابی ریسك پذیری و در تجارت در مورد خرید و فروش اجناس می باشد. حكومت ها به طور خاص روشهای احتمال را در تنظیم جوامع اعمال می كنند كه به عنوان « آنالیز خط مشی » نامیده می شود و غالباً سطح رفاه را با استفاده از متدهایی كه در طبیعت تصادفیند اندازه می گیرند و برنامه هایی را انتخاب می كنند تا اثر احتمال آن ها را روی جمعیت به صورت كلی از نظر آماری ارزیابی كنند. این گفته صحیح نیست كه آمار، خود در مدل سازی درگیر هست زیرا كه ارزیابی های میزان ریسك وابسته به زمان هستند و بنابراین مستلزم مـدل های احتمال قوی تر هستند؛ مثلاً  « احتمال9/11 دیگری »؛ قانون اعداد كوچك در جنین مواردی اعمال می شود و برداشت اثر چنین انتخاب هایی است كه روش های آماری را به صورت یك موضوع سیاسی در می آورد.
 یك مثال خوب اثر احتمال قلمداد شده از مجادلات خاورمیانه بر روی قیمت نفت است كه دارای اثرات متلاطمی از لحظ آماری روی اقتصاد كلی دارد. یك ارزیابی توسط یك واحد تجاری در مورد این كه احتمال وقوع یك جنگ زیاد است یا كم باعث نوسان قیمت ها می شود و سایر تجار را برای انجام كار مشابه تشویق می كند. مطابق با این اصل، احتمالات به طور مستقل ارزیابی نمی شوند و ضرورتاً به طور منطقی برخورد صورت نمی گیرد. نظریه اعتبارات رفتاری، به وجود آمده است تا اثر این تفكرات گروهی را روی قیمت ها، سیاست ها و روی صلح و مجادله توضیح دهد.
 به طور استدلالی می توان گفت كه كشف روش های جدی برای ارزیابی و تركیب ارزیابی های احتمالی دارای اثر شدیدی روی جامعه مدرن داشته است. یك مثال خوب كاربرد نظریه بازی ها كه به طور بنیادین بر پایه احتمال ریخته شده است در مورد جنگ سرد و دكترین انهدام با اطمینان بخشی متقابل است. مشابهاً ممكن است برای اغلب شهروندان دارای اهمیت باشد كه بفهمند چگونه بخت ها و ارزیابی های احتمال صورت می گیرد و چگونه آن ها می توانند در تصمیم گیری ها به ویژه در زمینه دموكراسی دخالت كنند.
كاربرد مهم دیگر نظریه احتمال در زندگی روزمره، اعتبار است. اغلب تولیدات مصرفی مثل اتومبیل و وسایل الكترونیكی در طراحی آن ها از نظریه اعتبار استفاده می شود به نحوی كه احتمال نقص آن ها كاهش یابد. احتمال نقص با مدت ضمانت فرآورده معمولاً ارتباط نزدیك دارد.

● رشته های اختصاصی
    بعضی علوم آن چنان به طور وسیع از آمار كاربردی استفاده می كنند كه برای خود دارای اصطلاحات خاص شده اند. این رشته ها عبارتند از :
▪  زیست آمار
▪  آمار بازرگانی
▪  داده كاوی ( كاربرد آمار و شناسایی الگوها برای كشف علم از داده ها )
▪  آمار اقتصادی ( اقتصاد سنجی )
▪  آمار مهندسی
▪  فیزیك آماری
▪  جمعیت شناسی
▪  آمار روان شناسی
▪ آمار اجتماعی ( برای تمام علوم اجتماعی )
▪  سواد آموزی آماری
▪  آنالیز فرایند و شیمی سنجی ( برای تحلیل داده ها از شیمی تحلیلی و مهندسی شیمی)
▪  مهندسی اعتبار
▪  آمار در ورزش های گوناگون به ویژه بیسبال و كریكت
آمار یك ابزار پایه ای كلیدی در تجارت و تولید است و  برای درك تغییر پذیری سیستم های اندازه گیری، فرایند های كنترل ( مثلاً در كنترل آماری فرایند یا SPC )، برای خلاصه سازی داده ها و برای ساخت تصمیمات بر اساس داده ها مورد استفاده قرار می گیرد. در این نقش ها به آمار یك ابزار كلیدی و شاید تنها ابزار مورد اعتماد باشد.

● نرم افزار
▪  آمار مدرن  برای انجام بعضی از محاسبات خیلی پیچیده و بزرگ به وسیله كامپیوترها استفاده می شود.
▪  تمامی شاخه های آمار با استفاده از محاسبات كامپیوتری انجام پذیر شده اند، به عنوان مثال شبكه های عصبی.
▪  انقلاب كامپیوتری  با یك توجه نو به آمار « آزمایشی » و « تجربی » رویكردهایی برای آینده آمار داشته است  .
 شبیه سازی نسخه ای از بعضی وسایل واقعی یا موقعیت های كاری است. شبیه سازی تلاش دارد تا بعضی جنبه های رفتاری یك سیستم فیزیكی یا انتزاعی را به وسیله رفتار سیستم دیگری نمایش دهد.
 شبیه سازی در بسیاری از متون شامل مدل سازی سیستم های طبیعی و سیستم های انسانی استفاده می شود. برای به دست آوردن بینش به كاركرد این سیستم ها و همچنین در تكنولوژی و مهندسی ایمنی كه هدف، آزمون بعضی سناریوهای عملی در دنیای واقعی است از شبیه سازی استفاده می شود. در شبیه سازی با استفاده از یك شبیه ساز یا وسیله دیگری در یك موقعیت ساختگی می توان اثرات واقعی بعضی شرایط احتمالی را بازسازی كرد.
▪  شبیه سازی فیزیكی و متقابل
ـ  شبیه سازی فیزیكی ، به شبیه سازی اطلاق می شود كه در آن اشیای فیزیكی به جای شی حقیقی جایگزین می شوند و این اجسام فیزیكی اغلب به این خاطر استفاده می شوند كه كوچكتر یا ارزان تر از شی یا سیستم واقعی هستند.
ـ   شبیه سازی متقابل كه شكل خاصی از شبیه سازی فیزیكی است و غالباً به انسان در شبیه سازی های حلقه ای اطلاق می شود یعنی شبیه سازی های فیزیكی كه شامل انسان می شوند مثل مدل استفاده شده در شبیه ساز پرواز.
▪ شبیه سازی در آموزش
  شبیه سازی اغلب در آموزش پرسنل شهری و نظامی استفاده می شود و معمولاً هنگامی رخ می دهد كه استفاده از تجهیزات در دنیای واقعی از لحاظ هزینه كمرشكن یا بسیار خطرناك است تا بتوان به كارآموزان اجازه استفاده از آن ها را داد . در چنین موقعیت هایی كارآموزان وقت خود را با آموزش دروس ارزشمند در یك محیط مجازی « ایمن » می گذرانند. غالباً این اطمینان وجود دارد تا اجازه خطا را به كارآموزان در طی آموزش داد تا ارزیابی سیستم ایمنی– بحران صورت گیرد.
شبیه سازی های آموزشی به طور خاص در یكی از چهار گروه زیر قرار می گیرند :
ـ  شبیه سازی زنده ( جایی كه افراد حقیقی از تجهیزات شبیه سازی شده ( یا آدمك ) در دنیای واقعی استفاده می كنند. )
ـ  شبیه سازی مجازی ( جایی كه افراد حقیقی از تجهیزات شبیه سازی شده در دنیای شبیه سازی شده ( یا محیط مجازی ) استفاده می كنند. )  یا
ـ  شبیه سازی ساختاری ( جایی كه افراد شبیه سازی شده از تجهیزات شبیه سازی شده در یك محیط شبیه سازی شده استفاده می كنند. ) شبیه سازی ساختاری اغلب به عنوان بازی جنگی نامیده می شود  زیرا كه شباهتهایی با بازی های جنگی رومیزی دارد كه در آن ها بازیكنان،  ارتش سربازان و تجهیزات را اطراف یك میز هدایت می كنند .
ـ  شبیه سازی ایفای نقش ( جایی كه افراد حقیقی نقش یك شخصیت با كاری مجازی را بازی می كنند. )

▪ شبیه ساز های پزشكی
شبیه ساز های پزشكی به طور فزاینده ای در حال توسعه و كاربرد هستند تا روشهای درمانی و تشخیص و همچنین اصول پزشكی و تصمیم گیری به پرسنل بهداشتی آموزش داده شو د. طیف شبیه ساز ها برای آموزش روش ها از پایه مثل خونگیری تا جراحی لاپاراسكوپی و مراقبت از بیمار دچار ضربه، وسیع و گسترده است. بسیاری از شبیه ساز های پزشكی دارای یك كامپیوتر می باشند كه به یك ماكت پلاستیكی با آناتومی مشابه واقعی متصل است. در سایر آنها، ترسیم های كامپیوتری، تمام اجزای قابل رؤیت را به دست می دهد و با دستكاری در دستگاه می توان جنبه های شبیه سازی شده كار ر ا تولید كرد. بعضی از این دستگاه ها دارای       شبیه سازهای گرافیكی كامپیوتری برای تصویر برداری هستند مثل اشعه ایكس یا سایر تصاویر پزشكی. بعضی از شبیه سازهای بیمار، دارای یك مانكن انسان نما هستند كه به داروهای تزریق شده واكنش می دهد و می توان آن را برای خلق صحنه های مشابه اورژانس های خطرناك برنامه ریزی كرد. بعضی از شبیه ساز های پزشكی از طریق شبكه اینترنت قابل گسترش می باشند و با استفاده از جستجوگرهای استاندارد شبكه به تغییرات جواب می دهند. در حال حاضر، شبیه سازی ها به موارد غربال گری پایه محدود شده اند به نحوی كه استفاده كنندگان از طریق وسایل امتیازدهی استاندارد با شبیه سازی در ارتباط هستند.

▪ شبیه ساز های پرواز

 یك شبیه ساز پرواز برای آموزش خلبانان روی زمین مورد استفاده قرار می گیرد. در این شبیه سازی، به خلبان اجازه داده می شود تا به هواپیمای شبیه سازی شده اش آسیب برساند بدون آن كه خود دچار آسیب شود. شبیه سازهای پرواز اغلب برای آموزش خلبانان استفاه می شوند تا هواپیما را در موقعیت های بسیار خطرناك مثل زمین نشستن بدون داشتن موتور یا نقص كامل الكتریكی یا هیدرولیكی هدایت كنند. پیشرفته ترین شبیه سازها دارای سیستم بصری با كیفیت بالا و سیستم حركت هیدرولیك هستند. كار با شبیه ساز به طور معمول نسبت به هواپیمای واقعی ارزان تر است.

▪ شبیه سازی و بازی ها
 بسیاری از بازی های ویدئویی نیز شبیه ساز هستند كه به طور ارزان تر آماده سازی شده اند. بعضی اوقات از این ها به عنوان بازیهای شبیه سازی ( sim ) نامبرده می شود. چنین بازیهایی جنبه های گوناگون واقعی را شبیه سازی می كنند از اقتصاد گرفته تا وسایل هوانوردی مثل شبیه سازهای پرواز.

▪ شبیه سازی مهندسی
 شبیه سازی یك مشخصه مهم در سیستم های مهندسی است. به عنوان مثال در مهندسی برق، از خطوط تأخیری استفاده می شود تا تأخیر تشدید شده و شیفت فاز ناشی از خط انتقال واقعی را شبیه سازی كنند. مشابهاً، از بارهای ظاهری می توان برای شبیه سازی مقاومت بدون شبیه سازی تشدید استفاده كرد و از این حالت در مواقعی استفاده می شود كه تشدید ناخواسته باشد. یك شبیه ساز ممكن است تنها چند تا از توابع و  عملكرد های واحد را شبیه سازی كند كه  در مقابل با عملی است كه تقلید نامیده می شود.
  اغلب شبیه سازی های مهندسی مستلزم مدل سازی ریاضی و بررسی های رایانه یار هستند. به هر حال موارد زیادی وجود دارد كه مدل سازی ریاضی قابل اعتماد نمی باشد. شبیه سازی مشكلات مكانیك سیالات اغلب مستلزم شبیه سازی های ریاضی و نیز فیزیكی است. در این موارد، مدل های فیزیكی نیاز به شبیه سازی دینامیك دارند.

▪ شبیه سازی كامپیوتری
 شبیه سازی رایانه ای ، جزو مفیدی برای مدل سازی بسیاری از سیستم های طبیعی در فیزیك، شیمی و زیست شناسی و نیز برای سیستم های انسانی در اقتصاد و علوم اجتماعی ( جامعه شناسی محاسباتی ) و همچنین در مهندسی برای به دست آوردن بینش نسبت به عمل این سیستم ها شده است. یك نمونه خوب از سودمندی استفاده از رایانه ها در شبیه سازی را می توان در حیطه شبیه سازی ترافیك شبكه یافت. در چنین شبیه سازی هایی رفتار مدل هر شبیه سازی را مطابق با مجموعه پارامترهای اولیه منظور شده برای محیط تغییر خواهد داد. شبیه سازی های رایانه ای اغلب به این منظور به كار گرفته می شوند تا انسان از شبیه سازی های حلقه ای در امان باشد.
    به طور سنتی، مدل برداری رسمی سیستم ها از طریق یك مدل ریاضی بوده است به نحوی كه تلاش در جهت یافتن راه حل تحلیلی برای مشكلات بوده است كه پیش بینی رفتار سیستم را با استفاده از یك سری پارامترها و شرایط اولیه ممكن ساخته است. شبیه سازی رایانه ای اغلب به عنوان یك ضمیمه یا جانشین برای سیستم های مدل سازی می باشد كه در آن ها راه حل های تحلیلی بسته ساده ممكن نمی باشد. انواع مختلفی از شبیه سازی رایانه ای وجود دارد كه وجه مشترك همه آن ها در این است كه تلاش می كند تا یك نمونه از سناریوهای نمایانگر برای یك مدل تولید كنند كه در آن امكان محاسبه كامل تمام حالات ممكن مدل كه مشكل یا غیر ممكن بوده وجود داشته باشد.
 به طور رو به افزونی معمول شده است كه نام انواع مختلفی از شبیه سازی شنیده می شود كه به عنوان   « محیط های صناعی » اطلاق می شوند. این عنوان اتخاذ شده است تا تعریف شبیه سازی عملاً به تمام دستاوردهای حاصل از كامپیوتر تعمیم داده شود

.
▪ شبیه سازی در علم كامپیوتر

  در برنامه نویسی كامپیوتر، یك شبیه ساز اغلب برای اجرای برنامه ای مورد استفاده قرار می گیرد كه انجام آن برای كامپیوتر با مقداری دشواری همراه است. مثلاً، شبیه سازها معمولاً برای رفع عیب یك ریزبرنامه استفاده می شوند. از آن جایی كه كار كامپیوتر شبیه سازی شده است، تمام اطلاعات در مورد كار كامپیوتر مستقیماً در دسترس برنامه دهنده است و سرعت و اجرای شبیه سازی را می توان تغییر داد.
شبیه سازها همچنین برای تفسیر درخت های عیب یا تست كردن طراحی های منطقی VLSI قبل از ساخت مورد استفاده قرار می گیرند. در علم نظری كامپیوتر، عبارت شبیه سازی نشان دهنده یك رابطه بین سیستم های انتقال وضعیت است كه در مطالعه مفاهیم اجرایی سودمند می باشد.

▪ شبیه سازی در تعلیم و تربیت

 شبیه سازی ها در تعلیم و تربیت گاهی مثل شبیه سازی های آموزشی هستند. آن ها روی وظایف خاص متمركز می شوند. در گذشته از ویدئو برای معلمین و دانش آموزان استفاده می شده تا مشاهده كنند، مسائل را حل كنند و نقش بازی كنند؛ هرچند یك استفاده جدید تر از شبیه سازی ها در تعلیم و تربیت شامل فیلم های انیمیشن است ( ANV ). ANV ها نوعی فیلم ویدئویی كارتون مانند با داستان های تخیلی یا واقعی هستند كه برای آموزش و یادگیری كلاس استفاده می شوند.ANV ها برای ارزیابی آگاهی، مهارت های حل مسئله و نظم بچه ها و معلمین قبل و حین اشتغال كارایی دارند.
شكل دیگری از شبیه سازی در سال های اخیر با اقبال در آموزش تجارت مواجه شده است.  شبیه سازی های تجاری كه یك مدل پویا را به كار می برند، آزمون استراتژی های تجارت را در محیط فاقد خطر مهیا می سازند و محیط مساعدی برای بررسی موردی مباحث ارائه می دهند.