-
1 единица статистической совокупности
Economy: statistical unitУниверсальный русско-английский словарь > единица статистической совокупности
-
2 структура статистической совокупности
Руccко-немецкий медицинский малый словарь > структура статистической совокупности
-
3 cluster
n1. кластер; группа переменных, у которых корреляции друг с другом выше, чем с другими переменными;2. группа, скопление однородных предметов;3. однородные элементы статистической совокупности;4. группа объектов, субъективно воспринимаемых как один класс предметов.* * *сущ.1) кластер; группа переменных, у которых корреляции друг с другом выше, чем с другими переменными;2) группа, скопление однородных предметов;3) однородные элементы статистической совокупности;4) группа объектов, субъективно воспринимаемых как один класс предметов. -
4 mode
nмода; наиболее часто встречающаяся величина в статистической совокупности.* * *сущ.мода; наиболее часто встречающаяся величина в статистической совокупности. -
5 average applies to purchasing power parity
средняя, используемая при определении паритета покупательной способности валют.Показатель типичности свойства качественно однородной социально-экономической совокупности, проявляющейся в виде варьирующего признака в процессе обследования объектов статистического наблюдения. В качестве случайных величин при выявлении достоверности покупательной способности валют {accuracy of purchasing power parity) используются индивидуальные индексы цен стандартного набора товаров и услуг.Типичность варьирующего признака количественно характеризуется, как правило, таким показателем, как средняя арифметическая, взвешенная при любом сочетании произведений случайной величины на число ее проявлений в процессе статистического обследования. Формулы средней арифметической взвешенной используются при международных сопоставлениях для определения показателей рядов распределения (sampling distributing applies to international comparison). При замене случайных величин их средним значением типичность варьирующего признака изучаемой статистической совокупности не изменяется. В ряде распределения средняя не только выражает типичное значение варьирующего признака, но и является центральной точкой концентрации случайных величин. Центральное положение средней в упорядоченном ряде вариантов подтверждается тем, что отклонения случайных величин от их типичного значения взаимно погашаются.English-Russian explanatory dictionary of the external economic terms > average applies to purchasing power parity
-
6 adjustment function
матем. характеристика статистической совокупности функциональнаяБольшой англо-русский и русско-английский словарь > adjustment function
-
7 adjustment function
<math.> характеристика статистической совокупности функциональная -
8 характеристика
1) <comput.> character
2) characteristic
3) curve
4) degree
5) index
6) measure
7) parameter
8) <metal.> pattern
9) <engin.> performance
10) property
11) rating
12) <tech.> response
– амплитудная характеристика
– амплитудно-частотная характеристика
– анодная характеристика
– анодно-сеточная характеристика
– базовая характеристика
– веберамперная характеристика
– вентиляционная характеристика
– влагоразрядная характеристика
– внешняя характеристика
– возрастающая характеристика
– вольт-амперная характеристика
– вольтовая характеристика
– временная характеристика
– времятоковая характеристика
– входная характеристика
– выходная характеристика
– гистерезисная характеристика
– детекторная характеристика
– детонационная характеристика
– зарядная характеристика
– калибровочная характеристика
– квадратичная характеристика
– колесная характеристика
– коллекторная характеристика
– кулон-вольтная характеристика
– кусочно-линейная характеристика
– летные характеристика
– магнитная характеристика
– модуляционная характеристика
– нагрузочная характеристика
– обратная характеристика
– оперативная характеристика
– падающая характеристика
– пассивационная характеристика
– перегрузочная характеристика
– переходная характеристика
– полная характеристика
– пусковая характеристика
– размольная характеристика
– расчетная характеристика
– реальная характеристика
– световая характеристика
– сеточная характеристика
– сеточно-анодная характеристика
– сквозная характеристика
– скоростная характеристика
– собственная характеристика
– срывная характеристика
– стендовая характеристика
– ступенчатая характеристика
– счетная характеристика
– тяговая характеристика
– усредненная характеристика
– усталостная характеристика
– фазово-частотная характеристика
– фоновая характеристика
– характеристика амплитудная
– характеристика амплитудно-частотная
– характеристика без нагрузки
– характеристика вентилятора
– характеристика высотная
– характеристика группирования
– характеристика двигателя
– характеристика добротности
– характеристика задержки
– характеристика зажигания
– характеристика запирания
– характеристика затухания
– характеристика избирательности
– характеристика импульсная
– характеристика контрольная
– характеристика направления
– характеристика насоса
– характеристика насыщения
– характеристика плоская
– характеристика послесвечения
– характеристика приема
– характеристика регулирования
– характеристика сети
– характеристика сквозная
– характеристика турбины
– характеристика управляемости
– характеристика фазо-частотная
– характеристика частотно-контрастная
– характеристика чувствительности
– характеристика шума
– характеристика эксцесса
– частотная характеристика
– шумовая характеристика
– шунтовая характеристика
– эквивалентная характеристика
логарифмическая амплитудно-частотная характеристика — decibel-log frequency characteristic
передаточная характеристика приемника — receiver transfer characteristic
характеристика качества партии — lot quality
характеристика короткого замыкания — short-circuit characteristic
характеристика обеспеченности гидрологическая — <energ.> hydrological characteristic of probability
характеристика от света до света — overall transfer characteristic
характеристика отражений звука — echoing characteristic
характеристика отражений от почвы — ground echo pattern
характеристика передачи полутонов — gray-tone response
характеристика по соседнему каналу — adjacent-channel response
характеристика ракетного топлива — propellant performance
характеристика реакции системы — response of system
характеристика статистической совокупности функциональная — <math.> adjustment function
характеристика удельной прочности — strength-weight properties
характеристика холодного хода — no-load characteristic
характеристика холостого хода — open-circuit characteristic
частотная характеристика модели — model response
эксплуатационная или рабочая характеристика — operating characteristic
-
9 adjustment function
1) Математика: функциональная характеристика (статистической совокупности)2) Автомобильный термин: функция регулирования -
10 statistical unit
-
11 функциональная характеристика
1) Engineering: resistance variation characteristic (переменного резистора)2) Mathematics: adjustment function (статистической совокупности)3) Information technology: performance4) Advertising: functional characteristicУниверсальный русско-английский словарь > функциональная характеристика
-
12 index-number applies to international comparison
сводный (агрегатный) индекс, применяемый при международных сопоставлениях.Это средняя относительных величин, характеризующих изменение уровня явлений, которые непосредственно не могут быть сравнимы. При международных сопоставлениях строится на основе аналитической и синтетической концепций. Сводный индекс в соответствии с аналитической концепцией (analitic conception of index-number) рассматривается как средняя величина, характеризующая интегральное (обобщенное) изменение индивидуальных при- знаков статистической совокупности. Аналитическая концепция используется в индексной практике, когда на результаты социально-экономических анализов (международные сопоставления) оказывают влияние как величина индивидуального признака (уровень цен товаров-представителей), так и выбор системы взвешивания (структура ВНП (gross national product) соизмеряемой страны, или страны-соизмерителя). Синтетическая концепция индексной теории (synthetic conception of index-number) - это математическая трактовка сводного индекса как средней величины, занимающей центральное положение в ряду распределения (frequnecy distribution). Сводный индекс строится в соответствии с синтетической концепцией, когда для экономического анализа важно знать не только величину случайного признака (изменение уровня цен за произвольно выбранный период), но и частоту его проявления.English-Russian explanatory dictionary of the external economic terms > index-number applies to international comparison
-
13 statistiskā kopuma vienība
▪ Terminilv ekon.ru единица статистической совокупностиLZAlvi▪ EuroTermBank terminiUzņ, Ek, Dokru eдиницa cтaтиcтичecкoй coвoкупнocтиETB -
14 statistische Gesamtstruktur
Deutsch-Russischen Medizin-Wörterbuch > statistische Gesamtstruktur
-
15 adjustment function
The English-Russian dictionary on reliability and quality control > adjustment function
-
16 enumerative induction
перечислительная индукция; индукция, предполагающая обобщение и анализ сходства значительного числа случаев генеральной совокупности, которые служат утверждениями статистической вероятности.* * *перечислительная индукция; индукция, предполагающая обобщение и анализ сходства значительного числа случаев генеральной совокупности, которые служат утверждениями статистической вероятности. -
17 математическая статистика
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
EN
Русско-английский словарь нормативно-технической терминологии > математическая статистика
-
18 проведение оценки
3.8 проведение оценки (estimation): Расчет численных значений (из данных, полученных при анализе пробы) параметров распределения, выбранных в качестве статистической модели для генеральной совокупности, из которой берется эта проба.
[ИСО 3534-1, статья 2.49]
Источник: ГОСТ ИСО 14698-2-2005: Чистые помещения и связанные с ними контролируемые среды. Контроль биозагрязнений. Часть 2. Анализ данных о биозагрязнениях оригинал документа
2.63 проведение оценки (estimation): Расчет численных значений (из данных, полученных при анализе пробы) параметров распределения, выбранных в качестве статистической модели для генеральной совокупности, из которой отбирают пробу.
[ИСО 14698-2:2003, статья 3.8]
Источник: ГОСТ Р ИСО 14644-6-2010: Чистые помещения и связанные с ними контролируемые среды. Часть 6. Термины оригинал документа
Русско-английский словарь нормативно-технической терминологии > проведение оценки
-
19 mathematical statistics
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
EN
Англо-русский словарь нормативно-технической терминологии > mathematical statistics
-
20 estimation
оценка
-
[IEV number 151-16-11]
оценка
Понятие математической статистики, эконометрики, метрологии, квалиметрии и других дисциплин, по-разному определяемое в каждой из них. С помощью экономических О. характеризуется и соизмеряется эффективность различных ресурсов (см. Оценка природных ресурсов, Оценка трудовых ресурсов, а также Объективно-обусловленные оценки, Нормативы). Статистическая О. определяется как «функция от результатов наблюдений, при¬меняемая для оценки неизвестных параметров распределения вероятностей изучаемых случайных величин»[1]. О. применяются для количественного определения параметров экономико-матема¬тических моделей с помощью статистического преобразования выборочной (наблюдае¬мой) информации. Применяются точечная О. и интервальная О. См. также Выборка, Метод наименьших квадратов, Метод максимального правдоподобия, Оценка параметров модели. [1] СЭС, с.1270
[ http://slovar-lopatnikov.ru/]EN
rating
set of rated values and operating conditions
[IEV number 151-16-11]FR
caractéristiques assignées, f, pl
ensemble des valeurs assignées et des conditions de fonctionnement
[IEV number 151-16-11]Тематики
EN
DE
FR
приблизительная оценка
Использование опыта для предоставления приблизительных значений метрик или затрат. Приблизительная оценка также используется в управлении мощностями и управлении доступностью как самая дешевая и наименее точная методика моделирования.
[Словарь терминов ITIL версия 1.0, 29 июля 2011 г.]EN
estimation
The use of experience to provide an approximate value for a metric or cost. Estimation is also used in capacity and availability management as the cheapest and least accurate modelling method.
[Словарь терминов ITIL версия 1.0, 29 июля 2011 г.]Тематики
EN
3.8 проведение оценки (estimation): Расчет численных значений (из данных, полученных при анализе пробы) параметров распределения, выбранных в качестве статистической модели для генеральной совокупности, из которой берется эта проба.
[ИСО 3534-1, статья 2.49]
Источник: ГОСТ ИСО 14698-2-2005: Чистые помещения и связанные с ними контролируемые среды. Контроль биозагрязнений. Часть 2. Анализ данных о биозагрязнениях оригинал документа
2.63 проведение оценки (estimation): Расчет численных значений (из данных, полученных при анализе пробы) параметров распределения, выбранных в качестве статистической модели для генеральной совокупности, из которой отбирают пробу.
[ИСО 14698-2:2003, статья 3.8]
Источник: ГОСТ Р ИСО 14644-6-2010: Чистые помещения и связанные с ними контролируемые среды. Часть 6. Термины оригинал документа
Англо-русский словарь нормативно-технической терминологии > estimation
- 1
- 2
См. также в других словарях:
СТАТИСТИЧЕСКОЙ МЕХАНИКИ МАТЕМАТИЧЕСКИЕ ЗАДАЧИ — совокупность общих проблем математич. физики, возникших из стремления четко осмыслить основные концепции и факты статистич. механики. Эти проблемы можно условно разделить на следующие группы: 1) обоснование основных принципов статистич. механики … Математическая энциклопедия
МЕТОДЫ СТАТИСТИЧЕСКОЙ ОЦЕНКИ — (англ. methods of statistical assessment) – приемы и правила статистических исследований для целей оценочной деятельности количественной стороны социально экономических процессов в неразрывной связи с их качественной стороной. М.с.о. используют:… … Финансово-кредитный энциклопедический словарь
стабильный процесс, процесс в состоянии статистической управляемости — 3.1.1.6 стабильный процесс, процесс в состоянии статистической управляемости (stable process, process in a state of statistical control): Процесс с постоянным средним, изменчивость которого вызвана только случайными причинами (3.1.1.5).… … Словарь-справочник терминов нормативно-технической документации
состояние статистической управляемости — 3.1.5 состояние статистической управляемости Состояние, в котором вариации среди полученных выборочных результатов можно отнести к системе случайных причин, которая не изменяется со временем. Примечание Такая система случайных причин в общем… … Словарь-справочник терминов нормативно-технической документации
СТАТИСТИКА — СТАТИСТИКА. 1. Краткая история, предмет и основные понятия общей статистики. Предметом С. являет ся изучение совокупностей внутренне связанных хотя и внешне обособленных элементов. Внутренняя закономерность последних находит свое проявление… … Большая медицинская энциклопедия
ВАРИАЦИОННАЯ СТАТИСТИКА — ВАРИАЦИОННАЯ СТАТИСТИКА, термин, объединяющий группу приемов статистического анализа, применяющихся преимущественно в естественных науках. Во второй половине XIX в. Кетле (Quetelet, «Anthro pometrie ou mesure des differentes facultes de 1… … Большая медицинская энциклопедия
Математи́ческие ме́тоды — в медицине совокупность методов количественного изучения и анализа состояния и (или) поведения объектов и систем, относящихся к медицине и здравоохранению. В биологии, медицине и здравоохранении в круг явлений, изучаемых с помощью М.м., входят… … Медицинская энциклопедия
Статистическая сводка — На основе информации, собранной в результате статистического наблюдения, как правило, нельзя непосредственно выявить и охарактеризовать закономерности социально экономических явлений. Это связано с тем, что наблюдение дает данные по каждой… … Википедия
МЕТАЛЛОВЕДЕНИЕ ФИЗИЧЕСКОЕ — применение физических принципов и экспериментальных методов для изучения и целенаправленного улучшения характеристик металлов и сплавов. Среди экспериментальных методов, применяемых к металлам и сплавам, ведущим является микроскопия.… … Энциклопедия Кольера
Величина Средняя — количественная характеристика признака в статистической совокупности. В.с. определяет величину признака, отнесенную к единице совокупности и абстрагированную от индивидуальных особенностей отдельных единиц. Средняя величина рассчитывается на… … Словарь бизнес-терминов
ВЕЛИЧИНА, СРЕДНЯЯ — форма статистических показателей. Под средней величиной понимается обобщенная количественная характеристика уровня признака в статистической совокупности. Средняя величина выражает величину признака, отнесенную к единице совокупности и… … Большой экономический словарь
