раздел …, посвященный

encyclopedias and handbooks devoted to space science and technology

Astrometry. The branch of astronomy dealing with determination of positions of celestial bodies, their dimensions and motions.

1) Biology: allometry (1. изучение относительного роста различных органов или частей организма 2. изменение пропорций с ростом организма)

2) Medicine: allometric growth (неравномерный рост отдельных частей тела), allometry (изменчивость частей тела в период роста организма, раздел медицины, посвящённый изучению изменчивости частей тела в период роста организма), allometry (1. изменчивость частей тела в период роста организма 2. раздел медицины, посвященный изучению изменчивости частей тела в период роста организма)

1) General subject: organology

2) Medicine: splanchnology (раздел анатомии, изучающий внутренние органы), splanchnology (раздел анатомии, посвященный изучению пищеварительной, дыхательной и мочеполовой систем)

3) Makarov: splanchnology (анатомия внутренних органов)

 

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

1) Medicine: neuroanatomy, neuroanatomy (раздел анатомии, посвященный строению нервной системы)

2) Mathematics: neuro-anatomy

med. périnéologie (раздел медицины, посвященный болезням женской промежности)

 

медицинская генетика
Раздел генетики человека, посвященный изучению роли наследственных факторов в патологии человека; основной раздел М.г. клиническая генетика (изучает наследственные болезни человека); к М.г. также относится фармакогенетика (анализ наследственно обусловленных реакций на лекарственные средства).
[Арефьев В.А., Лисовенко Л.А. Англо-русский толковый словарь генетических терминов 1995 407с.]

Тематики

• генетика

EN

• medical genetics

 

дисперсионный анализ
—
[ http://www.dunwoodypress.com/148/PDF/Biotech_Eng-Rus.pdf]

дисперсионный анализ
Раздел математической статистики, посвященный методам выявления влияния отдельных факторов на результат эксперимента (физического, производственного, экономического эксперимента). Д.а. возник как средство обработки результатов агрономических опытов, с помощью которых выявлялись наиболее благоприятные условия для сортов сельскохозяйственных культур. При этом исходят из положения о том, что существенность фактора в определенных условиях характеризуется его вкладом в дисперсию результата. Английский статистик Р.Фишер, разработавший этот метод, определил его как «отделение дисперсии, приписываемой одной группе причин, от дисперсии, приписываемой другим группам». Анализ производится следующим образом. Сначала группируют совокупность наблюдений по факторному признаку, находят среднее значение результата и дисперсию по каждой группе. Затем определяют общую дисперсию и вычисляют, какая доля ее зависит от условий, общих для всех групп, какая — от исследуемого фактора, а какая — от случайных причин. И наконец, с помощью специального критерия определяют, насколько существенны различия между группами наблюдений и, следовательно, можно ли считать ощутимым влияние тех или иных факторов. Д.а. применяется в планировании эксперимента и в ряде областей экономических исследований, где он служит, в частности, предварительным этапом к регрессионному анализу статистических данных, поскольку позволяет выделить относительно небольшое (но достаточное для целей исследования) количество параметров регрессии.
[ http://slovar-lopatnikov.ru/]

Тематики

• биотехнологии
• экономика

EN

• analysis of variance
• variance analyis

3.4 дисперсионный анализ en analysis of variance

Метод, который разделяет общую вариацию набора                    fr analyse de variance

данных на имеющие смысл компоненты, связанные

с конкретными источниками вариации

Источник: Р 50.1.040-2002: Статистические методы. Планирование экспериментов. Термины и определения

3.4 дисперсионный анализ en analysis of variance

Метод, который разделяет общую вариацию набора                    fr analyse de variance

данных на имеющие смысл компоненты, связанные

с конкретными источниками вариации

Источник: 50.1.040-2002: Статистические методы. Планирование экспериментов. Термины и определения

 

многомерный статистический анализ
«раздел математической статистики, посвященный математическим методам построения оптимальных планов сбора, систематизации и обработки данных, направленным на выявление характера и структуры взаимосвязей между компонентами исследуемого многомерного признака и предназначеннным для получения научных и практических выводов»[1]. Включает дискриминантный анализ, кластер-анализ и другие математико-статисти­чес­кие методы, как правило, не опирающиеся на предпосылку о вероятностном характере исследуемых зависмостей (см. Прикладная статистика). В частности, дискриминантный анализ предназначен для решения задач, связанных с разделением совокупностей наблюдений (элементарных данных). Если у исследователя имеется по одной выборке из каждой неизвестной ему генеральной совокупности (такую выборку назвают «обучаю­щей«), то с помощью методов дискриминантного анализа удается приписать некоторый новый элемент (наблюдение x) к своей генеральной совокупности. Кластер-анализ (от слова кластер) позволяет разбивать исследуемую совокупность элементов (координаты которых известны) таким образом, чтобы элементы одного класса находились на небольшом расстоянии друг от друга, в то время как разные классы были бы на достаточном удалении друг от друга и не разбивались бы на столь же взаимоудаленные части. Применяются также модели многомерных экономически рядов. Методы многомерного анализа сложны с вычислительной точки зрения и потому реализуются, как правило, на компьютерах, для которых созданы необходимые типовые программы. [1] Математическая энциклопедия, т. 3. 1982.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• multidimensional
• multivariate statistical analysis