развитие характера

находящийся в развитии — dynamic

опережать в развитии, опережать в росте — outgrow

относящийся к развитию — developmental

жизнеподдерживающее развитие
-

Специалисты, следящие за новинками зарубежной техники, не могли не обратить внимания на новое понятие Sustainable Development. Под таким названием в мире проходят десятки международных конференций, издаются труды. В Канаде, например, в 1998 г. в рамках Министерства по природным ресурсам был создан Международный центр Sustainable Development of Cement and Concrete Industry, целью работы которого являются исследования, разработки и пропаганда природосохраняющих, энергоэффективных цементных материалов для устойчивого развития промышленности цемента и бетона.

В отечественной технической литературе по строительству термин Sustainable Development еще мало известен и, естественно, пока не прижился.

Всемирная Комиссия по окружающей среде и развитию дала ему следующее фундаментальное определение: "развитие, которое удовлетворяет потребности настоящего без компромиссов с возможностями для будущих поколений удовлетворять их потребности". Это понятие содержит в себе аспекты политического, социального, экономического и технического характера. Под "потребностями" подразумевается удовлетворение того минимального уровня, который не должен угрожать природной системе, поддерживающей жизнь на Земле. В глобальном аспекте Sustainable World Economy - это такая экономическая система, которую наша планета может сохранять бесконечно долго.

[ http://podves.com/stati/2568-novyj-beton-novye-terminy.html]

EN

• sustainable development

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

прогнозирование (экономическое)
Система научных исследований качественного и количественного характера, направленных на выяснение тенденций развития народного хозяйства или его частей (отраслей, регионов и т.п.) и поиск оптимальных путей достижения целей этого развития. П. применяется обычно на предварительной (предплановой) стадии разработки крупных хозяйственных решений и способствует выработке концепции экономического развития (экономической стратегии) на перспективу. Оно играет определенную роль и на стадии осуществления планов, в оценке на том или ином этапе состояния дел, и в поиске возможностей и направлений дополнительных управляющих воздействий, предназначенных для ликвидации отклонений от намеченной траектории развития экономического объекта (системы). Экономическое П. охватывает три основные области: 1) рост (а также истощение) ресурсов (естественных, демографических, национального богатства), развитие научно-технического прогресса; 2) народнохозяйственную динамику (темпы и факторы роста, структурные сдвиги, развитие отдельных отраслей); 3) общест потребности (производственные, личные, общегосударственные). Одна из важных задач П. — предсказывание так называемых пороговых величин процессов развития: выявление возможных сроков крупных сдвигов, знаменующих качественное изменение изучаемых процессов; например, в П. развития энергетики такими порогами могут быть появление и распространение качественно новых способов получения энергии (термоядерные электростанции, топливные элементы и т.д.). Существует два принципиально различных подхода. Первый — прогнозировать, начиная от сегодняшнего дня, постепенно проникая от имеющегося базиса информации в будущее. Второй — определить будущие цели и ориентиры, а уже от них постепенно двигаться к настоящему. В первом случае имеем поисковое (генетическое) П., во втором — нормативно-целевое П. С удлинением периода П., как правило, нормативный его характер усиливается, поскольку на развитии в отдаленные сроки меньше сказываются сложившиеся на сегодня условия. Методы разработки прогнозов подразделяются на методы тренда, т.е. экстраполяции, продолжения в будущее тех тенденций, которые сложились в прошлом; методы анализа причинных связей, которые используют кроме данных о прошлом, также некоторые экономико-математические модели, т.е. модели, увязывающие в прогнозе различные показатели, полученные из анализа общих тенденций и выявления причин взаимосвязей между этими показателями. Совокупность условий, в которых происходит развитие объекта и существенных для прогноза, называется прогнозным фоном. Экономическое П. опирается на развитый математико-статистический инструментарий, использование ЭВМ. Насчитываются сотни моделей П. См. также Активный (условный) статистический прогноз, «Барометры», Вариантные прогнозы, Горизонт прогнозирования, Демографический прогноз, Диапазон осуществимости прогноза, Долгосрочное прогнозирование, Зона неопределенности, Интервальный прогноз, Комплексное прогнозирование, Морфологический анализ, Научно-технический комплексный прогноз, Нормативный прогноз, Ошибки в прогнозировании, Параметризация процесса, Пассивный (безусловный) статистический прогноз, Поисковый прогноз, Порог, Прогноз, Прогнозирование спроса, Ретроспективный прогноз, Сценарий, Целевой прогноз.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• forecasting
• prognostique