для анализа временных рядов

экспоненциальное сглаживание временных рядов
Модификация метода наименьших квадратов для анализа временных рядов, при которой более поздним наблюдениям придается больший вес; иными словами, веса точек ряда убывают (экспоненциально) по мере удаления в прошлое.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• exponential series smoothing

выравнивание временных рядов
Выявление основной тенденции развития (временн?го тренда) путем «очистки» временного ряда от искажающих эту тенденцию случайных отклонений. Предполагается, что каждый член ряда состоит из двух компонент: уровня ut и случайного отклонения от него et: ut = ut + et Слагаемое ut отражает существенные и типичные черты развития системы, отражаемые анализируемым временным рядом, т.е. последовательными значениями соответствующего экономического показателя. Случайные же отклонения мешают выявить основную тенденцию развития. Наглядным и простым способом выравнивания ряда является фиксация точек на графике и проведение на глаз плавной кривой между ними (и возле них), выражающей исконную тенденцию (рис.В.6). Такой способ дает приблизительные результаты, иногда все же достаточные для анализа. Однако в сложных случаях применяются математико-статистические методы выравнивания; расчеты при этом ведутся на компьютерах. В частности, с помощью метода наименьших квадратов, сплайн-функции, методов скользящей средней, экспоненциального сглаживания, аналитического выравнивания и др. Рис. В.6 Выравнивание временного ряда
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• time-series smoothing

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

автокорреляция
Корреляционная связь (см. Корреляция) между значениями одного и того же случайного процесса X(t) в моменты времени t1 и t2. Функция, характеризующая эту связь, называется автокорреляционной функцией. При анализе временных рядов автокорреляционная функция характеризует внутреннюю зависимость между временным рядом и тем же рядом, но сдвинутым на некоторый промежуток (сдвиг) времени. Иначе говоря, это корреляция членов ряда и передвинутых на L единиц времени членов того же ряда: x1, x2, x3,… и x1+L, x2+L, x3+L, … Запаздывание L называется лагом и, как правило, является положительным целым числом. Поскольку большое распространение имеют модели с лагом, равным одному году, то в некоторых работах А. определяется как корреляционная зависимость между соседними значениями уровней временного ряда. А. затрудняет применение ряда классических методов анализа временных рядов. В моделях регрессии, описывающих зависимости между случайными значениями взаимосвязанных величин, она снижает эффективность применения метода наименьших квадратов. Поэтому выработаны и применяются специальные статистические приемы для ее выявления (напр. критерий Дарбина — Уотсона) и ее элиминирования (напр., преобразование временного ряда в ряд значений разностей между его соседними членами), а также для модификации самого метода наименьших квадратов.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• autocorrelation
• serial correlation

временной ряд
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

временной ряд
ряд динамики
динамический ряд
Ряд последовательных значений, характеризующих изменение показателя во времени. В.р. разделяются, во-первых, на моментные ряды (данные которых характеризуют величину явления по состоянию на определенные даты) и интервальные ряды (характеризующие определенные периоды), во-вторых, на эволюторные процессы, содержащие тренд, и стационарные процессы, не содержащие тренда. Показателями, характеризующими развитие экономических объектов, описываемое временными рядами, являются абсолютный прирост, темп роста и темп прироста (см. Темп роста). Основные понятия анализа временных рядов: тренд, или длительная, «вековая» тенденция; лаг, или запаздывание одного явления от другого, связанного с ним; периодические колебания (сезонные, циклические и др.). Для выявления тенденций, лагов, колебаний и на этой основе для анализа и прогнозирования экономических явлений применяется ряд приемов математической статистики. Среди них экстраполяция временного ряда — продолжение ряда на будущее по выявленной закономерности его развития, выравнивание В.р. для устранения случайных отклонений, анализ автокорреляций, спектральный анализ. Главное правило в работе с временными статистическими рядами: никогда не включать в один ряд показатели, рассчитанные по разной методологии: это чревато непростительными ошибками, искажениями. Для простоты приведем наглядный пример (не из экономики). Вчера температура на улице была 15 градусов, а сегодня 28. Потеплело? Да, если температура и вчера, и сегодня измерялась по Цельсию (или по Реомюру, или по Фаренгейту). Но если вчера по Цельсию, а сегодня по Фаренгейту, то похолодало (поскольку 28 по Фаренгейту это ноль по Цельсию). Так и в экономике. Известен случай, когда один экономист построил статистический ряд, где показатель государственных расходов в РФ сначала измерялся по методике советского времени, потом по переходной методике, применявшейся в 1992 году, потом по третьей методике, введенной Министерством финансов России в 1993 году. Ясно, что получился конфуз, выводы исследователя, казавшиеся ему чуть ли не сенсационными, были опровергнуты. Еще одно правило. Анализируя временные ряды, надо помнить о таком свойстве экономики, как инерционность. Резкие «скачки» показателей – почти всегда сигнал о том, что к данному временному ряду надо отнестись настороженно, постараться его перепроверить. Когда в середине 60-х годов советская статистика перешла от измерения количества тканей в погонных метрах к измерению в квадратных метрах, получился резкий «рост» объема производства текстильной промышленности. «Экономическая газета» опубликовала график с победным взлетом кривой (что в ту пору приветствовалось!). Лишь с опозданием было обнаружено, что это – ошибка…
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

Синонимы

• динамический ряд
• ряд динамики

EN

• time series
• time-series

производственная функция
Описание возможных вариантов продуктов системы, в зависимости от различных видов исходных компонентов системы
[ http://www.dunwoodypress.com/148/PDF/Biotech_Eng-Rus.pdf]

производственная функция
функция производства
ПФ
Экономико-математическое уравнение, связывающее переменные величины затрат (ресурсов) с величинами продукции (выпуска). ПФ применяются для анализа влияния различных сочетаний факторов производства на объем выпуска в определенный момент времени (статический вариант) и для анализа, а также прогнозирования соотношения объемов факторов и объема выпуска в разные моменты времени (динамический вариант) на различных уровнях экономики — от фирмы (предприятия) до народного хозяйства в целом (агрегированная ПФ, в которой «выпуском» служит показатель совокупного общественного продукта или национального дохода и т.п.). В отдельной фирме, корпорации и т.п. ПФ описывает максимальный объем выпуска продукции, которую они в состоянии произвести при каждом сочетании используемых факторов производства. Она может быть представлена группой изоквант, связанных с различными уровнями объема производства. Такой вид ПФ, когда устанавливается зависимость объема производства продукции от наличия или потребления ресурсов, называется функцией выпуска. В частности, широко используются функции выпуска в сельском хозяйстве, где с их помощью изучается влияние на урожайность таких факторов, как, например, разные виды и составы удобрений, методы обработки почвы. Наряду с подобными ПФ используются как бы обратные к ним функции производственных затрат. Они характеризуют зависимость затрат ресурсов от объемов выпуска продукции (строго говоря, они обратны только к ПФ с взаимозаменяемыми ресурсами). Частными случаями ПФ можно считать функцию издержек (связь объема продукции и издержек производства), инвестиционную функцию (зависимость потребных капиталовложений от производственной мощности будущего предприятия) и др. Математически ПФ могут быть представлены в различных формах — от столь простых, как линейная зависимость результата производства от одного исследуемого фактора, до весьма сложных систем уравнений, включающих рекуррентные соотношения, которыми связываются состояния изучаемого объекта в разные периоды времени. Наиболее широко распространены мультипликативные формы представления ПФ. Их преимущество состоит в следующем: если один из сомножителей равен нулю, то результат обращается в нуль. Легко заметить, что это реалистично отражает тот факт, что в большинстве случаев в производстве участвуют все анализируемые первичные ресурсы и без любого из них выпуск продукции оказывается невозможным. В самой общей форме (она называется канонической) эта функция записывается так: или Здесь коэффициент А, стоящий перед знаком умножения, означает размерность, он зависит от избранной единицы измерений затрат и выпуска. Сомножители от первого до n-го могут иметь различное содержание в зависимости от того, какие факторы оказывают влияние на общий результат (выпуск). Например, в ПФ, которая применяется для изучения экономики в целом, можно в качестве результативного показателя принять объем конечного продукта, а сомножителей — численность занятого населения x1, сумму основных и оборотных фондов x2, площадь используемой земли x3. Только два сомножителя у функции Кобба — Дугласа, с помощью которой была сделана попытка оценить связь таких факторов, как труд и капитал, с ростом национального дохода США в 20-30- гг. ХХ века: N = A • L? • K?, где N — национальный доход, L и K — соответственно, объемы приложенного труда и капитала (подробнее см.: Кобба — Дугласа функция). Степенные коэффициенты (параметры) показывают ту долю в приросте конечного продукта, которую вносит каждый из сомножителей (или на сколько процентов возрастет продукт, если затраты соответствующего ресурса увеличить на один процент); они называются коэффициентами эластичности производства относительно затрат соответствующего ресурса. Если сумма коэффициентов составляет единицу, это означает однородность функции: она возрастает пропорционально росту количества ресурсов. Но возможны и такие случаи, когда сумма параметров больше или меньше единицы; это показывает, что увеличение затрат приводит к непропорционально большему или непропорционально меньшему росту выпуска (см. Эффект масштаба). В динамическом варианте применяются разные формы П.Ф. Например (в 2-х-факторном случае): Y(t) = A(t) La(t) Kb(t), где множитель A(t) обычно возрастает во времени, отражая общий рост эффективности производственных факторов в динамике(См. Совокупная факторная продуктивность). Логарифмируя, а затем дифференцируя по t указанную функцию, можно получить соотношения между темпами прироста конечного продукта (национального дохода) и прироста производственных факторов (темпы прироста переменных принято здесь описывать в процентах). Дальнейшая “динамизация” ПФ может заключаться в использовании переменных коэффициентов эластичности. Описываемые ПФ соотношения носят статистический характер, т.е. проявляются только в среднем, в большой массе наблюдений, поскольку реально на результат производства воздействуют не только анализируемые факторы, но и множество неучитываемых. Кроме того, применяемые показатели как затрат, так и результатов неизбежно являются продуктами сложного агрегирования (например, обобщенный показатель трудовых затрат в макроэкономической функции вбирает в себя затраты труда разной производительности, интенсивности, квалификации и т.д.). Особая проблема — учет в макроэкономических ПФ фактора технического прогресса (подробнее см. в статье «Научно-технический прогресс»). С помощью ПФ изучается также эквивалентная взаимозаменяемость факторов производства (см. Эластичность замещения ресурсов), которая может быть либо неизменной, либо переменной (т.е. зависимой от объемов ресурсов). Соответственно функции делят на два вида: с постоянной эластичностью замены, CES (Constant Elasticity of Substitution) и с переменной, VES (Variable Elasticity of Substitution) (см. ниже). На практике применяются три основных метода определения параметров макроэкономических ПФ: на основе обработки временных рядов, на основе данных о структурных элементах агрегатов и о распределении национального дохода. Последний метод называется распределительным. При построении ПФ необходимо избавляться от явлений мультиколлинеарности параметров и автокорреляции — без этого неизбежны грубые ошибки. • Приведем некоторые важные П. ф. (см. также Кобба — Дугласа функция). Линейная производственная функция: P = a1x1 + … + anxn, где a1, … an — оцениваемые параметры модели: здесь факторы производства, замещаемые в любых пропорциях. Производственнаяфункция CES (constant elasticity of substitution): P = A [(1 — a) K-в + aL-в] -c/в, в этом случае эластичность замещения ресурсов не зависит ни от K, ни от L и, следовательно, постоянна: Отсюда и происходит название функции. Функция CES, как и функция Кобба — Дугласа, исходит из допущения о постоянном убывании предельной нормы замещения используемых ресурсов. Между тем, эластичность замещения капитала трудом и наоборот, в функции К-D равная единице, здесь может принимать различные значения, не равные единице, хотя и является постоянной. Наконец, в отличие от функции K-D, логарифмирование функции CES не приводит ее к линейному виду, что вынуждает использовать для оценки параметров более сложные методы нелинейного регрессионного анализа. Производственная функция VES (variable elasticity of substitution) (один из вариантов): P = Aeat ? Ka ? L b ? exp [c (K/L)] Здесь эластичность замещения принимает различные значения в зависимости от уровня капиталовооруженности труда K/L, откуда и происходит название функции. См. также: Взаимозаменяемость ресурсов, Изокоста, Изокванта, Изоклиналь, Кобба — Дугласа функция, Коэффициент эластичности производства, Предельная норма замещения, Предельные издержки, Предельный эффект затрат, Предельный продукт, Факторная производительность (продуктивность), Эластичность замещения ресурсов.
[ http://slovar-lopatnikov.ru/]

Тематики

• биотехнологии
• экономика

Синонимы

• ПФ
• функция производства

EN

• production function

эконометрика
Научная дисциплина, предметом которой является изучение количественной стороны экономических явлений и процессов средствами математического и статистического анализа. (близкое, но не тождественное значение имеет термин «эконометрия», под которым обычно понимается наука,. которая тесно связана с математической экономией и отличается от последней в основном применением конкретного числового материала). В Э. как бы синтезируются достижения теоретического анализа экономики с достижениями математики и статистики (прежде всего математической статистики). Сам термин «Э.» происходит от двух слов: экономия и метрика, т.е. измерение. Он введен в науку норвежским ученым Р.Фришем, лауреатом Нобелевской премии по экономике. Широко известный международный журнал этого направления тоже называется «Econometrica» (основан в 1933 г. Р.Фришем). Есть много определений Э. По нашему мнению, Э. — одно из ответвлений комплекса научных дисциплин, объединяемого понятием — «экономико-математические методы». Ее главным инструментом является эконометрическая модель (как определенный тип экономико-математических моделей), задачей — проверка экономических теорий на фактическом (эмпирическом) материале при помощи методов математической статистики. Среди конечных прикладных задач Э. выделяют две: прогноз экономических и социально-экономических показателей анализируемой экономической системы, имитацию различных возможных сценариев развития этой системы. По уровню иерархии анализируемой экономической системы выделяют макроуровень (т.е. страны в целом), мезоуровень (регионы, отрасли, корпорации) и микроуровень (домашние хозяйства, фирмы). Э. применяет такие методы, как регрессионный анализ, анализ временных рядов, системы одновременных уравнений, статистические методы классификации и снижения размерности, а также другие методы и инструментарий теории вероятностей и математической статистики.1 1 Айвазян С.А. Основы эконометрики. М.: Юнити-«Дана». 2001. С.19-20 Эконометрические методы применяются для построения крупных эконометрических систем моделей, описывающих экономику той или иной страны и включающих в качестве составных элементов производственную функцию, инвестиционную функцию, а также уравнения, характеризующие движение занятости, доходов, цен и процентных ставок и другие блоки. Среди наиболее известных эконометрических систем подобного рода, по которым ведутся расчеты на ЭВМ, — так называемые Брукингская модель, Уортонская модель (США). Приемы и методы Э. применяются также в анализе спроса и потребления. Э. как наука возникла в начале- середине прошлого века, хотя истоки ее восходят к В.Петти (XVII век) с его «политической арифметикой», О.Курно и Э.Энгелю (ХIХ в.) и др. В ХIХ в. были разработаны и началось использование в Э. таких статистических методов, как множественная регрессия, статистическая проверка гипотез, теория ошибок, выборочные методы ( Р.Фишер, К. Пирсон, Э.Пирсон и др.). В первой половине ХХ в. появился интерес к моделированию структур спроса и потребительских расходов и их эмпирической оценке (Р.Аллен, А.Маршалл и др.). В этот же период формулируется задача идентификации (Е.Уоркинг), начинается изучение производственной функции (Ч.Кобб, П.Дуглас), статистическое моделирование делового цикла (Н.Кондратьев, Е.Слуцкий, Р.Фриш). Макроэконометрические исследования начали Я.Тинберген и Р.Фриш, ставшие первыми в истории лауреатами Нобелевской премии по экономике (1968 г.). После второй мировой войны важным центром развития Э. стала Комиссия Коулса (США). Новый инструментарий Э. получила в результате разработки моделей одновременных уравнений (Т.Хаавельмо, Т.Купманс, Г.Тейл и др.) В последние десятилетия методы Э. сыграли решающую роль в освоении и развитии использования компьютерной техники в экономических расчетах разного уровня и назначения. Определенный вклад в развитие Э. внесли и отечественные экономисты (Е.Е.Слуцкий, Л.В.Канторович и др.), несмотря на длительное официальное третирование эконометрии как «буржуазной», «антимарксистской» и «вредной» «лженауки». Большая роль в ее реабилитации принадлежала академику В.С.Немчинову — написанная им статья «Эконометрия» (1965 г.) явилась своего рода открытием для широкой экономической общественности страны.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• econometrics

фильтр
Устройство или сооружение для разделения, сгущения или осветления неоднородной системы, содержащей твёрдую или жидкую фазы, пропусканием сквозь пористую перегородку - фильтрующий слой
[Терминологический словарь по строительству на 12 языках (ВНИИИС Госстроя СССР)]

фильтр
Однородный слой материала, обычно более высокого атомного номера, чем материал образца, располагаемый между источником излучения и пленкой в целях повышенного поглощения более мягкого излучения
[Система неразрушающего контроля. Виды (методы) и технология неразрушающего контроля. Термины и определения (справочное пособие). Москва 2003 г.]

фильтр
Электрическая схема, пропускающая сигналы в определенной полосе частот и ослабляющая сигналы на всех других частотах
[Система неразрушающего контроля. Виды (методы) и технология неразрушающего контроля. Термины и определения (справочное пособие). Москва 2003 г.]

фильтр
Электронный узел, пропускающий сигналы в определенной полосе частот и задерживающий остальные сигналы
[Система неразрушающего контроля. Виды (методы) и технология неразрушающего контроля. Термины и определения (справочное пособие). Москва 2003 г.]

фильтр
(в анализе временных рядов) - математико-статистический прием, формула для «отсеивания» из временного ряда вариаций, ненужных для целей исследования. Так, Ф., который устраняет сезонные или случайные колебания, оставляя для анализа тренд (или, например, длительные экономические циклы), можно назвать низкочастотным Ф. Высокочастотный же, наоборот, выделяет во временном ряде кратковременные колебания.
[ http://slovar-lopatnikov.ru/]

Тематики

• виды (методы) и технология неразр. контроля
• фильтрование, центрифугирование, сепарирование
• экономика

EN

• filter

DE

• Filter

FR

• filtre

3.4 фильтр (filter): Аппарат для разделения или удаления загрязнителей из сжатого воздуха или потока газа.

Источник: ГОСТ Р ИСО 12500-1-2009: Фильтры сжатого воздуха. Методы испытаний. Часть 1. Масла в виде аэрозолей оригинал документа

3.7 фильтр (filter): Аппарат для разделения или удаления загрязнителей из сжатого воздуха или потока газа.

Источник: ГОСТ Р ИСО 12500-2-2009: Фильтры сжатого воздуха. Методы испытаний. Часть 2. Пары масел оригинал документа