сделать необходимые выводы

1. нужный, необходимый (такой, без которого трудно обойтись). Lazımi adamlarla danışmaq поговорить с нужными людьми, lazımi mütəxəssislərlə təmin etmək nəyi обеспечить нужными специалистами что, lazımi avadanlıqla təchiz etmək nəyi оснастить необходимым оборудованием что, lazımi məlumatlar toplamaq собрать нужные сведения, lazımi vəsait ayırmaq выделить необходимые средства, lazımi dərmanları qəbul etmək принимать нужные лекарства, lazımi şərait yaratmaq создать необходимые условия, lazımi köməklik göstərmək оказать необходимую помощь, lazimı sənədləri təqdim etmək представить необходимые документы, lazımi məbləğdə pul нужная сумма денег, lazımi miqdarda (sayda, qədər) nə нужное количество чего, lazımi istiqamətə yönəltmək направить в нужное русло, lazımi hallarda в необходимых случаях, lazımi sərəncamlar almaq получить необходимые распоряжения, lazımi göstərişlər vermək давать нужные указания, lazımi nəticə çıxartmaq nədən сделать необходимые выводы из чего, lazımi ölçü götürmək принимать необходимые меры

2. должный, надлежащий. Lazımi əhəmiyyət verməmək не придавать должного значения, lazımi diqqət verməmək nəyə не уделять должного внимания чему, lazımi ehtiram göstərmək оказать должное уважение, lazımi fəallıq göstərməmək не проявлять должной активности, lazımi səviyyədə olmaq быть, находиться на должном уровне

3. потребный, необходимый. Lazımi güc гидр. потребная мощность, lazımi şərait необходимые условия, lazımi dəqiqlik необходимая точность, lazımi sürət необходимая скорость, lazımi qaydada (şəkildə) надлежащим (должным) образом, lazımi dərəcədə в нужной мере (степени), в достаточной мере (степени); lazımi qədər:

1) достаточный

2) достаточно, в достаточной степени, в достаточном количестве

3) в сочет. с отриц. формой глагола соответствует префиксу недо – lazımi qədər qiymətləndirməmək kimi, nəyi недооценивать кого, что

прил.

1) necessario, indispensabile

2) ( неизбежный) inevitabile, ineluttabile

 

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

 

взятие замеров
отбор проб
взятие образцов
извлечение проб
отбор образцов
взятие проб
опробование
—
[ http://slovarionline.ru/anglo_russkiy_slovar_neftegazovoy_promyishlennosti/]

Тематики

• нефтегазовая промышленность

Синонимы

• отбор проб
• взятие образцов
• извлечение проб
• отбор образцов
• взятие проб
• опробование

EN

• sampling

 

выбор дискретных данных
дискретное представление непрерывной величины
стробирование
—
[ http://slovarionline.ru/anglo_russkiy_slovar_neftegazovoy_promyishlennosti/]

Тематики

• нефтегазовая промышленность

Синонимы

• дискретное представление непрерывной величины
• стробирование

EN

• sampling

 

выборка
Поиск и выдача предложения, которое есть в информационной базе или концептуальной схеме или выводится из предложений, имеющихся в них
[ ГОСТ 34.320-96]

выборка
Процесс выделения и получения данных либо программы из массива либо множества.
Рассматриваемое понятие охватывает три типа процессов.
Первый из них заключается в поиске по команде и переписывании данных либо программы из внешней памяти в оперативную память либо из оперативной памяти в регистры. Этот процесс охватывает формирование и исполнение команды.
Второй процесс определяет выполнение процедур, связанных с поиском информации, необходимой пользователям. Здесь понятие "выборка" включает поиск в файлах либо Базах Данных (БД) нужных сведений, упорядочение найденного, его отображение на экране либо распечатку на компьютере.
Третий процесс связан с такой выборкой данных из множества, которая в заданном смысле его представляет. Например, для целей статистики. Этот процесс используется также при преобразовании аналогового сигнала в цифровой сигнал. Для этого значения первого измеряются через выбранные промежутки времени.
[Гипертекстовый энциклопедический словарь по информатике Э. Якубайтиса]
[ http://www.morepc.ru/dict/]

Тематики

• базы данных

EN

• retrieval
• sampling

 

выборочное исследование
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

Тематики

• энергетика в целом

EN

• sampling

 

выборочные методы
Методы математической статистики, при которых статистические свойства совокупности каких-либо объектов (генеральной совокупности) изучаются на основе исследования свойств лишь части этой совокупности — объектов, отобранных беспристрастно случайным образом или по правилам, в конечном счете также сводящимся к случайному отбору (см. Выборка). Необходимость прибегать к таким методам объясняется либо невозможностью, либо экономической невыгодностью исследования всей генеральной совокупности. (Невозможно, например, определить среднюю долговечность электрических лампочек сплошным обследованием — для этого пришлось бы пережечь все лампы). Способ отбора объектов, решающее условие качества выводов из любого выборочного исследования, во многом определяется особенностями предмета исследования. Среди изучаемых характеристик чаще всего фигурируют доля объектов с тем или иным признаком в совокупности или средняя величина признака (а также некоторые другие характеристики). При первом подходе задача состоит в выяснении, обладает ли отобранный объект тем или иным свойством или характеристикой (например, при выборочной отбраковке важно установить, является ли данное изделие годным или браком); при втором — речь идет о количественном определении переменной, т.е. измерении некоторой характеристики отобранных объектов (например, об измерении среднего веса отливок определенного типа). Главной проблемой в любом В.м. является то, насколько уверенно можно по свойствам отобранных объектов судить о действительных свойствах генеральной совокупности. Поэтому всякое такое суждение неизбежно имеет вероятностный характер, и задача сводится к тому, чтобы степень вероятности правильного суждения (точности статистических оценок) была возможно большей. Разумеется, увеличение размера выборки при прочих равных условиях дает большую уверенность, но поскольку нужна возможно меньшая выборка, в математической статистике вырабатываются способы, которые либо обеспечивают повышение точности оценок при фиксированном размере выборки, либо позволяют уменьшить размер выборки, требуемой для получения заданной точности. В экономике В.м. используются как в наблюдении экономических явлений, так и в экономическом эксперименте, как в научных исследованиях, так и непосредственно в производстве (характерным примером здесь является выборочный контроль качества изделий). Особенно широко их применение в демографических, социологических исследованиях. Например, в практике аудита или оценки бизнеса – В.М. — процесс или процедура проверки не всех, а некоторой части изучаемых объектов, на основе которой можно сделать выводы обо всей совокупности таких объектов. Целесообразность применения В.м. определяется объемом работ по аудиту или оценке (если он очень велик) и возможностью получения достаточно надежных результатов при меньших затратах на его проведение.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• sampling
• selection method

 

дискретивация
взятие отсчетов
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

Тематики

• электросвязь, основные понятия

Синонимы

• взятие отсчетов

EN

• sampling

 

дискретизация сигнала электросвязи но времени
Преобразование сигнала электросвязи, при котором сигнал представляется совокупностью его значений в дискретные моменты времени.
[ ГОСТ 22670-77]

Тематики

• сети передачи данных

Синонимы

• дискретизация

EN

• sampling

 

изготовление образцов
подготовка образцов
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

Тематики

• энергетика в целом

Синонимы

• подготовка образцов

EN

• sampling

 

опрос телеметрируемого параметра
опрос
Процесс определения текущих значений телеметрируемого параметра в некоторые моменты времени с целью формирования сообщений об этом параметре.
[ ГОСТ 19619-74] 

Тематики

• телемеханика, телеметрия

Синонимы

• опрос

EN

• sampling

 

отбор пробы вещества [материала] (объекта аналитического контроля)
Ндп. пробоотбор
Отделение части вещества [материала] объекта аналитического контроля с целью формирования пробы для последующего определения ее состава, структуры и/или свойств. 
[ ГОСТ Р 52361-2005]

Недопустимые, нерекомендуемые

• пробоотбор

Тематики

• контроль объекта аналитический

Обобщающие термины

• отбор и подготовка проб

EN

• sampling

 

проведение анализа
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

Тематики

• энергетика в целом

EN

• sampling

 

семплинг
Распространение образцов товара. Акция, заключающаяся в бесплатном (или по низкой цене) предложении потребителю товара с целью стимулирования его постоянного использования. Два неизменных атрибута: собственно товар плюс симпатичные девушки, которые улыбаются вам, именно вам, только вам и обещают незабываемый вкус и райское наслаждение. В перспективе. А для начала – попробовать эту замечательную жевательную резинку, сигарету, кусочек или рюмочку еще чего-нибудь. Кто-то еще не был жертвой семплинговой атаки? Тогда вы сильно отстали от жизни, поскольку в последнее время симпатичные барышни стали не только бессменным атрибутом и интерьером почти всех супермаркетов, но и встречают вас у метро по утрам и вечерам.
[ http://www.lexikon.ru/rekl/a_eng.html]

Тематики

• реклама

EN

• sampling

3.2 отбор проб (sampling): Все операции, необходимые для получения пробы, представляющей содержимое любого трубопровода, резервуара или другой емкости, и помещения такой пробы в контейнер, из которого может быть взят представительный образец для анализа.

Источник: ГОСТ Р 52659-2006: Нефть и нефтепродукты. Методы ручного отбора проб оригинал документа

26. Дискретизация сигнала электросвязи по времени

Дискретизация

Sampling

Преобразование сигнала электросвязи, при котором сигнал представляется совокупностью его значений в дискретные моменты времени

Источник: ГОСТ 22670-77: Сеть связи цифровая интегральная. Термины и определения оригинал документа

3.3 отбор образцов (sampling): Процедура, используемая для формирования выборки рулонов из партии для приготовления образцов и проведения испытаний третьей стороной (см. рисунок 1).

1 - партия; 2 - выборка; 3 - полоса материала; 4 - образцы для испытаний

Рисунок 1 - Схема отбора образцов

Источник: ГОСТ Р ЕН 13416-2008: Материалы кровельные и гидроизоляционные гибкие битумосодержащие и полимерные (термопластичные или эластомерные). Правила отбора образцов

4.2.13 отбор проб (sampling): Процесс извлечения и составления проб.

Примечание - См. ГОСТ Р 50779.10-2000.

Источник: ГОСТ Р 54235-2010: Топливо твердое из бытовых отходов. Термины и определения оригинал документа

4.1 отбор образцов (sampling): Извлечение образцов, представляющих объект оценки соответствия, согласно процедуре (3.2).

Источник: ГОСТ Р ИСО/МЭК 17000-2009: Оценка соответствия. Словарь и общие принципы оригинал документа

3.1.3 отбор выборки (sampling): Процесс извлечения или составления выборки.

Источник: ГОСТ Р ИСО 11648-1-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 1. Общие принципы оригинал документа

3.1.3 отбор выборки (sampling): Процесс извлечения или составления выборки.

Источник: ГОСТ Р ИСО 11648-2-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 2. Отбор выборки сыпучих материалов оригинал документа