ряд+наблюдений

astr. Abendreihe (наблюдений)

astr. Morgenreihe (наблюдений)

3.10 уравнение модели (model equation): Математическая модель, с помощью которой ряд наблюдений (повторных) преобразуют в результат измерения.

Источник: ГОСТ Р ИСО 11222-2006: Качество воздуха. Оценка неопределенности измерений характеристик качества воздуха, полученных усреднением по времени оригинал документа

 

регрессионный анализ
Метод оценки, использующий регрессионный способ по измеренным значениям, например, для сортировки по классам.
[Система неразрушающего контроля. Виды (методы) и технология неразрушающего контроля. Термины и определения (справочное пособие). Москва 2003 г.]

регрессионный анализ
Раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости (см. Регрессия) между величинами по данным статистических наблюдений. Итальянский статистик Р.Бенини, как считается, был первым, кто с практической пользой применил в экономике метод множественной регрессии. (1907) Он удачно оценил функцию спроса на кофе в Италии как функцию цен на кофе с одной стороны и на сахар — с другой. История знает, однако, немало ложных выводов, показывающих, что без глубокого анализа доверять обнаруженным регрессионным зависимостям бывает рискованно. Метод Р.а. состоит в выводе уравнения регрессии (включая оценку его параметров), с помощью которого находится средняя величина случайной переменной, если величина другой (или других в случае множественной или многофакторной регрессии) известна. (В отличие от этого корреляционный анализ применяется для нахождения и выражения тесноты связи между случайными величинами)[1]. Практически речь идет о том, чтобы, анализируя множество точек на графике (т.е. множество статистических данных), найти линию, по возможности точно отражающую заключенную в этом множестве закономерность, тенденцию — линию регрессии. Для этого требуется наилучшим образом оценить параметры уравнения. Существует ряд математико-статистических приемов, позволяющих решить эту задачу. В случаях, когда искомая закономерность может быть принята за линейную, наиболее эффективен метод наименьших квадратов. Р.а. применяется в различного рода экономических исследованиях (производственные функции, анализ эластичности спроса от цены и др.), особенно при анализе хозяйственной деятельности предприятий (для определения влияния отдельных факторов на результаты) и во многих других областях экономической науки и хозяйственной практики. Пример: средняя себестоимость поковок в кузнечных цехах московских заводов, по статистическим исследованиям, описывалась уравнением регрессии: Y = 72,8 + 0,605x1 + 0,082x2 + + 0,834x3, где x1 — заработная плата на 1 т поковок; x2 — удельная металлоемкость, x3 — удельные цеховые расходы. Это уравнение означает, что лишний расход одного рубля заработной платы приведет (в среднем в большой массе наблюдений) к повышению себестоимости тонны поковок на 0,605 руб. Соответственно рассчитывается и влияние двух остальных факторов. [1] Впрочем, распространена также более широкая трактовка Р.а., охватывающая и то, что здесь названо корреляционным анализом. И, наконец, ряд авторов считают Р.а. частью теории корреляции как общей теории взаимоотношений между случайными величинами.
[ http://slovar-lopatnikov.ru/]

Тематики

• виды (методы) и технология неразр. контроля
• экономика

EN

• regression analysis

3.3 регрессионный анализ en regression analysis

Набор процедур, связанных с оцениванием моделей                   fr analyse de régression

зависимости отклика от предсказывающих переменных

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

3.3 регрессионный анализ en regression analysis

Набор процедур, связанных с оцениванием моделей                   fr analyse de régression

зависимости отклика от предсказывающих переменных

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

 

геофизика
Комплекс наук, изучающих физические свойства Земли в целом и физические процессы, происходящие в её твёрдых сферах, а также в жидкой (гидросфера) и газовой (атмосфера) оболочках
[БСЭ]

геофизика
Комплекс наук, изучающих физические поля Земли и природные процессы, происходящие в литосфере, гидросфере и атмосфере.
[РД 01.120.00-КТН-228-06]

Различные геофизические науки развивались на протяжении 4 последних столетий (особенно в 19-м и 20-м) неравномерно и в некоторой изоляции одна от другой; их частные методы разнообразны, что определяется своеобразием физических характеристик и процессов в каждой из трёх указанных оболочек Земли. Отдельные геофизические дисциплины, по крайней мере некоторыми своими сторонами, смыкаются с областями геологии и географии. Понятие Г. как науки, объединяющей большую совокупность наук в определённую систему, оформилось лишь в 40—60-х гг. 20 в.

Имеются общие признаки геофизических наук. Всем им свойственна преобладающая роль наблюдения за ходом природных процессов (по сравнению с лабораторным экспериментом) для получения исходной фактической информации, а также количественная интерпретация фактов на основе общих физических законов.

В разделении геофизических дисциплин нет твёрдо установившейся терминологии. Так, наравне с традиционным термином " метеорология" для науки об атмосфере применяется ещё термин " физика атмосферы", но нередко в более ограниченном значении. В последнем случае рамки, выделяющие физику атмосферы из метеорологии, намечаются разными авторами по-разному. То же относится к соотношению между океанологией и физикой моря и пр. Большая и давно обособившаяся отрасль метеорологии — климатология, учение о климатах земного шара — чаще относится к географическим наукам. Ряд геофизических дисциплин или их разделов имеет прикладной характер.

Наиболее разработанная классификация геофизических наук положена в основу рубрикации реферативного журнала "Геофизика", согласно которой в состав Г. входят: геомагнетизм (учение о земном магнитном поле); аэрономия (учение о высших слоях атмосферы); метеорология (наука об атмосфере) с подразделением на физическую метеорологию (физику атмосферы), динамическую метеорологию (приложение гидромеханики к атмосферным процессам), синоптическую метеорологию (учение о крупномасштабных атмосферных процессах, создающих погоду, и об их прогнозе), климатологию; океанология (учение о Мировом океане, включая и физику моря); гидрология суши (учение о реках, озёрах и других водоёмах суши); г ляциология (учение о всех формах льда в природе); физика недр Земли; сейсмология (учение о землетрясениях и иных колебаниях земной коры); гравиметрия (учение о поле силы тяжести); учение о земных приливах; учение о современных движениях земной коры. Указанные науки, в свою очередь, разделяются на отдельные частные дисциплины. Некоторые из них, например климатологию и гляциологию, большей частью относят к географическим наукам. Кроме того, различаются такие прикладные геофизические науки, как разведочная и промысловая геофизика (см. Геофизические методы разведки).

Современное развитие геофизических наук стимулируется возрастающими потребностями в прогнозе состояния окружающей человека среды, в особенности погоды и гидрологического режима, в освоении природных богатств и в регулировании природных процессов. В определённой мере оно связано и с космическими исследованиями, поскольку космические корабли пролетают земную атмосферу при старте и возвращении на Землю, а искусственные спутники Земли вращаются в верхних слоях атмосферы. С технической стороны это развитие обеспечивается быстро возрастающим числом глобальных наблюдений с использованием новейших методов электроники и автоматики, машинной обработкой огромного количества результатов наблюдений и всё более широким применением математического анализа в теоретических построениях.

С. П. Хромов.

[БСЭ]

Тематики

• геология, геофизика

EN

• geophysics

 

распределение вероятностей (в математической статистике)
Ряд чисел, показывающих, как часто встречается то или иное значение случайной величины, или соответствующая таблица, диаграмма или математическая формула, их заменяющая. Различают эмпирические Р.в., получаемые в результате экспериментов и измерений, и теоретические Р.в. (к которым бывает удобно с той или иной точностью приводить эмпирические Р.). Если, например, при обработке результатов наблюдения получены некоторые числовые данные, то можно сгруппировать их, собрав в каждую группу или одинаковые значения, или значения, попадающие в тот или иной интервал. Обозначая через x1, x2, …, xm последовательность данных наблюдений и через n1, n2, …, nm частоты (числа соответствующих им наблюдений), получим эмпирическое статистическое распределение. Случайная величина считается заданной, если известен закон ее распределения, т.е. известно или может быть определено, какова частота ее тех или иных значений в общей их совокупности. Одной из форм его выражения является функция распределения, равная вероятности того, что случайная величина будет меньше произвольно выбранного значения (или равна ему). Исследование эмпирического Р.в. (см. также Выборочные методы) производится с помощью известных из теории вероятностей свойств Р. вероятностей теоретически возможных значений случайной величины, т.е. теоретических Р.в., среди которых особенно широко применяются: нормальное, логарифмически нормальное, биномиальное. При этом используются математико-статистические характеристики Р. в., например, такие, как мода, медиана, квантили, среднее значение, дисперсия. Если число переменных, характеризующих признак, более одного, то статистическое Р.в. становится многомерным. На него также обобщаются все приведенные выше понятия, связанные с одномерным Р.в.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• probability distribution

вариационный метод в статистике покупательной способности валют.

Достоверность паритета покупательной способности валют (accuracy of purchasing power parity) до недавнего времени определялась эмпирическим способом, т.е. путем сознательно организуемого статистического обследования уровня цен представительного набора товаров, типичных для сравниваемых стран. Специально сформированная "корзина" товаров - представителей для целей международных сопоставлений является, по существу, выборкой по отношению к общему списку продуктов, на основании данных об уровне индивидуальных цен которых определяются показатели инфляции (inflation). В Программе международных социально-экономических сравнений ООН (International Comparison Programme) предусматривается максимально большой объем согласованной выборки. Способ дисперсионного анализа позволяет определить предельно малый объем набора товаров-представителей, на основе цен которых можно выявить паритет валют с высокой степенью достоверности. Для этих целей результаты выборочных, как и сплошных, наблюдений за изменением уровня индивидуальных цен должны быть сгруппированы по возрастающей или убывающей величине случайного признака (см. sampling distribution applies to international comparison). Итогом такого статистического обобщения по отношению к величине дефлятора (общей средней ) являются три ряда числовой последовательности: ряд числовой последовательности выборки, представленный с достаточной степенью представительности; ряд числовой последовательности выборки, представленный с недостаточной степенью представительности; множество вариантов, неохваченных выборкой, завершает числовую последовательность общего ряда распределения. Математически доказано, что разница абсолютной величины дефлятора Хо и средней третьей числовой последовательности хв выражается примерно той же величиной, что и размах отклонения средних двух первых числовых последовательностей (). Отсюда степень представительности н'в набора товаров-представителей, по ценам которых определяется паритет покупательной способности валют, алгебраически можно выразить так:

 

система национальных счетов
СНС
Международные рекомендации ООН по обобщению и систематизации данных сплошных и выборочных статистических наблюдений. Представляет собой комплекс взаимосвязанных балансовых таблиц, показатели которых предназначены для определения размера дохода, потребления, накопления и величины капитальных затрат.
[ http://www.lexikon.ru/dict/buh/index.html]

система национальных счетов
СНС
Система таблиц в форме бухгалтерских счетов, характеризующих процесс производства, распределения и конечного использования совокупного общественного продукта и валового внутреннего продукта, обычно за год. Система национальных счетов имеет всемирное распространение. (Сам этот термин введен Эд. ван Клиффом). Существует ряд систем Н.с. Среди них известны норвежская система REFI (RE — real, FI — financial) и английская SAM (social accounting matrix), разработанная лауреатом Нобелевской премии Р.Стоуном. На основе последней ООН приняла упрощенную стандартную систему Н.с. Она применяется более чем в ста странах (в ЕЭС — в несколько модифицированной версии, называемой «Европейской системой интегрированных экономических счетов»). В 1993 г. ООН приняла новую стандартную систему Н.с., сближенную с ЕСИЭС. В нее включаются не только финансовые потоки, но и таблица «затраты-выпуск» (см. статью Межотраслевой баланс), а также балансы имущества в реальной и денежной форме. Такое объединение называется интеграцией, а сама система — интегрированной системой Н.с. Ныне действующая система появилась в 2008. Она включает все сферы производства, за исключением некоторых бытовых услуг, учитывать которые практически невозможно. В национальном счетоводстве применяются основные принципы бухгалтерского учета: стоимостное выражение всех показателей, метод баланса, метод двойной записи. Как и в бухгалтерских счетах, здесь строятся разнообразные балансы. Например, сравниваются доходы и расходы различных хозяйственных единиц (агентов), участвующих в многообразном процессе хозяйственной жизни. Все эти счета, вместе взятые и упорядоченные, в принципе способны зафиксировать каждую элементарную экономическую операцию, состоящую в передаче стоимости в определенной форме от одного агента к другому. Так, продажа партии сырья — это операция, которая фиксируется на счетах поставщика и потребителя; уплата налогов населением города — операция, которая фиксируется на счетах городского и государственного бюджетов, и т.д. В результате можно получить сводные данные о доходах, потреблении, капиталовложениях и других сторонах экономической деятельности по стране в целом. В Европейской системе хозяйственные единицы (хозяйственные субъекты) подразделяются на две группы. Первая группировка — по «чистым» отраслям; вторая — по секторам экономики, где рассматриваются институционные хозяйственные единицы и анализируется их поведение при операциях с доходами, расходами и др.. В отличие от группировки хозяйственных единиц, классификация экономических операций имеет лишь одну основу: та или иная операция (например, субсидия) одновременно фиксируется по отраслям и по секторам. Следовательно, в приведенном случае, итог субсидий, полученных отраслями, будет равен итогу субсидий, полученных различными секторами. Приведем (в упрощенном виде) наиболее важные из счетов СНС: Счет образования доходов Счет распределения доходов Счет использования доходов Счет капитальных затрат В целом же система Н.с. включает следующие основные общенациональные счета (включая перечисленные четыре счета): 1. Счета внутренней экономики: товаров и услуг, производства, образования доходов, распределения доходов, использования доходов, капитальных затрат, финансовый счет. 2. Счета «остального мира»: текущих операций с другими странами, капитальных затрат, финансовый (внешние долги и кредиты). Кроме того, выделяются счета секторов и субсекторов, таблицы межотраслевого баланса и ряд других. Все счета и таблицы оцениваются в текущих ценах соответствующего периода, а также в постоянных ценах. Строится интегрированная система индексов цен и физического объема продукции (товаров и услуг). Переход Российской Федерации на систему Н.с. начавшийся в 1993 году, требует перестроить всю первичную статистическую информацию, бухгалтерский, финансовый и банковский учет в стране. Система межотраслевых балансов также должна быть перестроена на основе международных стандартов по схеме СНС. Подобные задачи решаются и рядом других стран — бывших республик СССР. В систему национальных счетов входят основные макроэкономические показатели страны. (рассматриваемые и в нашем словаре). Их соотношение хорошо отражено в таблице, которую приводят практически все современные учебники экономики. Рис. Н.3 Соотношение основных показателей системы национальных счетов Сюда таблица, Источник: С.Фишер, Р.Дорнбуш, Д.Шмалензи. Экономика, с.443
[ http://slovar-lopatnikov.ru/]

Тематики

• бухгалтерский учет
• экономика

Синонимы

• СНС

EN

• national accounts

 

качество обслуживания
Стандарт QoS — это ряд мер, призванных обеспечить определенный уровень качества конкретного ресурса для указанного трафика в сети. Качество определяется, например, поддерживаемым уровнем пропускной способности сети, низким уровнем задержки, отсутствием случаев потери пакетов и т. д. Стандарт QoS в отношении продукции компании Axis для сетевого видеонаблюдения определяет пакеты данных для различных типов сетевого трафика исходя из характеристик конкретного устройства. Это позволяет сетевым маршрутизаторам и коммутаторам резервировать определенный объем полосы пропускания для используемого типа трафика.
[ http://www.alltso.ru/publ/glossarij_setevoe_videonabljudenie_terminy/1-1-0-34]

качество обслуживания
качество и класс предоставляемых услуг передачи данных
QoS обычно описывает сеть в терминах задержки, полосы и дрожи сигнала [http://www.citforum.ru/nets/glossary/_terms.shtml].
Рекомендация МСЭ Y.1541 определяет значения параметров, которые должны обеспечиваться в сетях IP на международных трактах, соединяющих терминалы пользователей. Нормативы разделены по "классам обслуживания" (QoS).

Характеристики сети

Классы качества обслуживания (QoS)

 

 

 

 

 

 

0

1

2

3

4

5

Задержка доставки пакета IP, IPTD

100 мс

400 мс

100 мс

400 мс

1с

--

Вариация задержки пакета IP, IPDV (джиттер

50 мс

50 мс

--

--

--

--

Коэффициент потери пакетов IP, IPLR

1E-3

1E-3

1E-3

1E-3

1E-3

--

Коэффициент ошибок пакетов IP, IPER

1E-4

1E-4

1E-4

1E-4

1E-4

--

В таблице приведены верхние границы для средних значений параметров. Также в Рекомендации Y.1541 представлены спецификации набора параметров, которые связаны с измерением реальных значений сетевых характеристик: периода наблюдений, длины тестовых пакетов, их числа. Например, при оценке качества передачи пакетов речи в IP-телефонии минимальный интервал наблюдения должен быть порядка 1-20 секунд при типовой скорости передачи 50 пакетов в секунду. Рекомендуемый интервал измерений для задержки, джиттера и потерь, должен составлять не менее 60 секунд.
Рекомендация также устанавливает соответствие между классами качества обслуживания и приложениями:
Класс 0. Приложения реального времени, чувствительные к джиттеру, характеризуемые высоким уровнем интерактивности (VoIP, видеоконференции).
Класс 1. Приложения реального времени, чувствительные к джиттеру, интерактивные приложения (VoIP, видеоконференции)
Класс 2. Транзакции данных, характеризуемые высоким уровнем интерактивности, например, сигнализация
Класс 3. Транзакции данных, интерактивные.
Класс 4. Приложения, допускающие низкий уровень потерь (короткие транзакции, массивы данных, потоковое видео)
Класс 5. Традиционные применения сетей IP.
[www.mforum.ru ]
[ http://www.morepc.ru/dict/]

Тематики

• информационные технологии в целом

Синонимы

• качество и класс предоставляемых услуг передачи данных

EN

• QoS
• Quality of Service

 

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