(в известна среди)

Бактерии, жизнеспособные в очень кислой среде; получают энергию за счёт окисления железа, серы и других веществ; используются для выщелачивания бедных руд с целью получения меди, цинка, никеля, молибдена, урана и в молочной промышленности.

Бактерии, которые при окрашивании по Граму могут окрашиваться как в тёмно-синий, так и в розово-красный цвет.

Бактерии, которые окрашиваются по методу Грама основным красителем в тёмно-фиолетовый цвет и не обесцвечиваются при промывке.

Бактерии, имеющие форму спирально извитых или дугообразных изогнутых палочек; обитают в водоёмах и кишечнике животных.

Группа бактерий, типичными представителями которой являются роды Escherichia, Salmonella и Shigella; обитают в кишечнике животных и человека.

Бактерии группы кишечной палочки; относятся к классу граммотрицательных бактерий, имеют форму палочек, в основном живут и размножаются в нижнем отделе пищеварительного тракта человека и большинства теплокровных животных.

Бактерии, культуры которых в присутствии кислорода светятся белым или голубоватым светом; принадлежат к различным систематическим группам. Распространены в поверхностном слое воды морей. Некоторые виды обитают в органах свечения головоногих моллюсков и рыб.

Бактерии, для которых температурный оптимум для роста лежит в пределах от 20°C до 42°C; к мезофильным бактериям относятся большинство почвенных и водных бактерий.

Бактерии, специализирующиеся на использовании C1-соединений. Относятся к метилотрофным организмам.

Бактерии, окисляющие метан, а также способные использовать метанол, метилированные амины, диметиловый эфир, формальдегид и формиат. Включают роды Methylomonas, Methylococcus, Methylosinus.

Тривиальное название группы бактерий, образующих молочную кислоту при сбраживании углеводов. К молочнокислым бактериям относятся роды Lactobacillus и Streptococcus.

Бактерии, безопасные для человека, животных и растений.

Нитчатые бактерии рода Leptothrix. Естественные места их обитания бедны пригодными для них органическими веществами, но богаты железом, поэтому органические вещества там часто образуют комплексы с железом. Из-за этого чехлы этих бактерий пронизаны и окружены частицами окиси железа.

Бактерии, вызывающие болезни человека, животных и растений.

Бактерии родов Propionibacterium, Veillonella, Clostridium, Selemonas, Micromonospora и другие, выделяющие пропионовую и уксусную кислоты как основные продукты брожения. Обитают в рубце и кишечнике жвачных животных. В промышленности используются, например, при производстве швейцарского сыра.

Общим для всех пурпурных бактерий Rhodospirillales является способность использовать в качестве основного источника энергии свет, но многие растут и в темноте за счёт энергии, образуемой при окислительном фосфорилировании. Их фотосинтетический аппарат находится на внутренних мембранах – тилакоидах. По способности использовать в качестве донора электронов элементарную серу в группе пурпурных бактерий выделяют два семейства: пурпурные серные бактерии и пурпурные несерные бактерии.

Бактерии, которые могут расти на простых средах, содержащих одно вещество в качестве источника углерода и энергии, а также несколько неорганических солей для обеспечения потребности в других элементах. Для многих бактерий предпочтительным источником углерода служит глюкоза.

Бактерии, превращающие органические вещества в неорганические, участвуя тем самым в круговороте веществ в природе; к сапрофитным относятся большинство бактерий.

Бактерии, обладающие способностью образовывать терморезистентные споры. Аэробные и факультативно анаэробные спорообразующие бактерии сведены в роды Sporolactobacillus, Bacillus и Sporosarcina, а анаэробные – роды Clostridium и Desulfotomaculum.

Некоторые широко распространённые бактерии, «сидящие» на стебельках из слизи. К стебельковым бактериям, образующим специальные выросты или простеки, относятся Caulobacter и другие.

Бактерии, ассимилирующие органическое вещество в процессе окисления неорганического донора электронов.

бонусная эмиссия
Распространение сертификатов новых акций среди уже существующих акционеров компании вследствие накопления прибылей в ее резервных фондах. Таким образом, по своей сути это процесс конвертации денег, накопленных в резервных фондах компании, в выпущенный акционерный капитал. Акционеры получают новые акции бесплатно, причем их благосостояние при этом не возрастает. Дело в том, что при бонусной эмиссии, например, 1 к 3 акционер получает на каждые три имеющиеся у него акции одну новую. Это автоматически снижает цену акций на 25 %, что является удовлетворением желания акционеров владеть более дешевыми по сравнению с “тяжелыми” (heavy shares) акциями. Кроме того, растут надежды акционеров на то, что цена акций постепенно достигнет прежнего уровня, что, разумеется, увеличит их благосостояние на 25 %. В США бонусная эмиссия известна под названием “расщепление ценных бумаг” (stock split).
[ http://www.vocable.ru/dictionary/533/symbol/97]

Тематики

• финансы

EN

• scrip issue
• bonus issue
• capitalization issue
• free issue

математическая статистика
Раздел математики, посвященный методам и правилам обработки и анализа статистических данных (т.е. сведений о числе объектов, обладающих определенными признаками, в какой-либо более или менее обширной совокупности). Сами методы и правила строятся безотносительно к тому, какие статистические данные обрабатываются (физические, экономические и др.), однако обращение с ними требует обязательного понимания сущности явления, изучаемого с помощью этих правил. К экономике М.с. применима по той причине, что экономические данные всегда представляют собой статистические сведения, т.е. сведения об однородных совокупностях объектов и явлений. Такими однородными совокупностями могут быть выпускаемые промышленностью изделия, персонал промышленности, данные о прибылях предприятий и т.д. В настоящее время существуют разные определения сущности М.с., и не следует удивляться, если вы увидите в одной книге, вопреки сказанному выше, утверждение, что М.с. — это «наука о принятии решений в условиях неопределенности», а в другой — что это «наука, объясняющая данные статистических наблюдений при помощи вероятностных моделей». Некоторые авторы считают, что она — раздел теории вероятностей, а другие, — что она лишь связана с этой теорией, представляя собой отдельную от нее науку. Наконец, распространено расширенное понимание предмета М.с. как охватывающей не только вероятностные аспекты, но и так называемую прикладную статистику («анализ данных«), включающую и объекты не обязательно вероятностной природы. В общем случае, анализ статистических данных методами М.с. позволяет сделать два вывода: либо вынести искомое суждение о характере и свойствах этих данных или взаимосвязей между ними, либо доказать, что собранных данных недостаточно для такого суждения. Причем выводы могут делаться не из сплошного рассмотрения всей совокупности данных, а из ее выборки, как правило, случайной (последнее означает, что каждая единица, включенная в выборку, могла быть с равными шансами, т.е. с равной вероятностью заменена любой другой). Центральное понятие М.с. — случайная величина — всякая наблюдаемая величина, изменяющаяся при повторениях общего комплекса условий, в которых она возникает. Если сам по себе набор, перечень значений этой величины неудобен для их изучения (поскольку их много), М.с. дает возможность получить необходимые сведения о случайной величине с существенно меньшим количеством чисел. Это объясняется тем, что статистические данные подчиняются таким законам распределения (или приводятся к ним порою искусственными приемами), которые характеризуются всего лишь несколькими параметрами, т.е. характеристиками. Зная их, можно получить столь же полное представление о значениях случайной величины, какое дается их подробным перечислением в очень длинной таблице. (Характеристиками распределения являются среднее, медиана, мода и т.д.). Если изучаются взаимосвязи между значениями разных случайных величин, то необходимые сведения для этого дают коэффициенты корреляции между ними. Когда совокупность анализируется по одному признаку, имеем дело с так называемой одномерной статистикой, когда же рассматривается несколько признаков — с многомерным статистическим анализом. М.с. охватывает широкий круг одномерных и многомерных методов и правил обработки статистических данных: от простых приемов статистического описания (выведение средней, а также степени и характера разброса исследуемых признаков вокруг нее, группировка данных по классам и сопоставление их характеристик и т.д.), правил отбора фактов при выборочном их рассмотрении до сложных методов исследования зависимостей между случайными величинами. Среди последних: выявление связей между случайнами величинами — корреляционный анализ, оценка величины случайной переменной, если величина другой или других известна — регрессионный анализ, выявление наиболее важных скрытых факторов, влияющих на изучаемые величины, — факторный анализ, определение степени влияния отдельных неколичественных факторов на общие результаты их действия (например, в научном эксперименте) — дисперсионный анализ. Перечисленные области составляют основные дисциплины, входящие в М.с. К ним примыкают также быстро развивающиеся упоминавшиеся выше методы «анализа данных», не основанные на традиционной для М.с. предпосылке вероятностной природы обрабатываемых данных. Для экономических исследований большое значение имеет также анализ стохастических процессов, в том числе «марковских процессов«. Задачи М.с. в экономике можно разделить на пять основных типов: а) оценка статистических данных; б) сравнение этих данных с каким-то стандартом и между собой (оно применяется при эксперименте или, например, в контроле качества на предприятиях); в) исследование связей между статистическими данными и их группами. Эти три типа позволяют вынести суждение описательного характера об изучаемых явлениях, подверженных по каким-то причинам искажающим случайным воздействиям. Следующий, четвертый тип задач связан с нахождением наилучшего варианта измерения изучаемых данных. И наконец, пятый тип задач связан с проблемами предвидения и развития, здесь важное место занимают задачи анализа временных рядов. Для экономики особенно ценно то, что М.с. позволяет на основании анализа течения событий в прошлом, т. е. изучения выбранных на определенные даты сведений о характерных чертах системы, предсказать (см. Прогнозирование) вероятное развитие изучаемого явления в будущем (если не изменятся существенно внешние или внутренние условия). В управлении хозяйственными и производственными процессами применяются различные математико-статистические методы. На них основаны многие методы исследования операций, в том числе — методы теории массового обслуживания, позволяющие наиболее эффективно организовывать ряд процессов производства и обслуживания населения, теории расписаний, предназначенной для выработки оптимальной последовательности производственных, транспортных и других операций, теории решений, теории управления запасами, а также теории планирования эксперимента и выборочного контроля качества продукции, сетевые методы планирования и управления. В эконометрических исследованиях на основе математико-статистической обработки данных строятся экономико-математические (экономико-статистические) модели экономических процессов, производятся экономические и технико-экономические прогнозы. Широкое распространение математико-статистических методов в общественном производстве, а также в других областях социально-экономической жизни общества (здравоохранение, экология, естественные науки) опирается на развитие электронно-вычислительной техники. Для решения типовых задач математико-статистической обработки данных созданы и применяются многочисленные стандартные прикладные компьютерные программы и системы.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• mathematical statistics