случайной величины или распределения вероятностей

закон распределения случайной величины
Аналитическое описание распределения вероятностей случайной величины, полученное на основе теоретических представлений о его свойствах и условиях формирования. Для выявления З.р.с.в., по результатам наблюдения за поведением случайной величины, оцениваются один или несколько числовых параметров. Проверяя статистическую гипотезу о соответствии наблюдаемых данных некоторому закону распределения, исследователь может сделать некоторые заключения о свойствах изучаемого объекта. (См. Статистическая проверка гипотез)
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• probability distribution

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

variance about mean — дисперсия относительно среднего

variance about regression — дисперсия относительно регрессии

закон распределения случайной величины
Аналитическое описание распределения вероятностей случайной величины, полученное на основе теоретических представлений о его свойствах и условиях формирования. Для выявления З.р.с.в., по результатам наблюдения за поведением случайной величины, оцениваются один или несколько числовых параметров. Проверяя статистическую гипотезу о соответствии наблюдаемых данных некоторому закону распределения, исследователь может сделать некоторые заключения о свойствах изучаемого объекта. (См. Статистическая проверка гипотез)
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• probability distribution

распределение вероятностей
—
[[http://www.rfcmd.ru/glossword/1.8/index.php?a=index&d=23]]

Тематики

• защита информации

EN

• probability distribution

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

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

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

логарифмическое нормальное распределение
—
[Л.Г.Суменко. Англо-русский словарь по информационным технологиям. М.: ГП ЦНИИС, 2003.]

Тематики

• информационные технологии в целом

EN

• log-normal distribution
• logarithmic-normal distribution

логнормальное распределение
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

логнормальное распределение
Распределение случайной величины, логарифм которой характеризуется нормальным распределением. С его помощью удобно описывать некоторые экономические явления, например, дифференциацию заработной платы, распределение доходов.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• энергетика в целом

EN

• log-normal distribution
• lognormal distribution

нормальное логарифмическое распределение
—
[Л.Г.Суменко. Англо-русский словарь по информационным технологиям. М.: ГП ЦНИИС, 2003.]

Тематики

• информационные технологии в целом

EN

• log-normal distribution

3.16 логарифмически нормальное распределение (log-normal distribution): Распределение вероятностей непрерывной случайной величины X, которая может принимать любые значения от х₀ до +∞ или от -∞ до х₀. В первом случае, наиболее часто встречающемся, плотность распределения имеет вид

где х ³ х₀;

μ_y и σ_y - соответственно математическое ожидание (среднее) и среднеквадратическое отклонение случайной величины Y = ln(x - x₀).

Во втором случае, встречающемся реже, выражения в скобках (x - x₀) и (x - x₀) должны быть заменены на противоположные (х₀ - Х) и (х₀ - х). При этом случайная величина Y имеет нормальное распределение.

Источник: ГОСТ Р ИСО 12491-2011: Материалы и изделия строительные. Статистические методы контроля качества оригинал документа

логарифмически нормальное распределение
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

Тематики

• электросвязь, основные понятия

EN

• log normal distribution

3.16 логарифмически нормальное распределение (log-normal distribution): Распределение вероятностей непрерывной случайной величины X, которая может принимать любые значения от х₀ до +∞ или от -∞ до х₀. В первом случае, наиболее часто встречающемся, плотность распределения имеет вид

где х ³ х₀;

μ_y и σ_y - соответственно математическое ожидание (среднее) и среднеквадратическое отклонение случайной величины Y = ln(x - x₀).

Во втором случае, встречающемся реже, выражения в скобках (x - x₀) и (x - x₀) должны быть заменены на противоположные (х₀ - Х) и (х₀ - х). При этом случайная величина Y имеет нормальное распределение.

Источник: ГОСТ Р ИСО 12491-2011: Материалы и изделия строительные. Статистические методы контроля качества оригинал документа

диспергирование
Тонкое измельчение тв. тел или распыление жидкостей, приводящее к образованию дисперсных (коллоидных) систем: порошков, суспензий, эмульсий. Д. жидкостей в газовой среде наз. распылением, а в жидкостях— эмульгированием. Д. тв. тел производят с помощью шаровых и вибрац. мельниц, звуковых и ультразвуковых вибраторов. Механич. д. позволяет получать частицы материала величиной 1—10 мкм. При д. жидкостей применяют различные гомогенизаторы - аппараты для получения однородных эмульсий. Д. применяется при сжигании тв. и жидкого топлива для получения металл, порошков, зерновых огнеупорных материалов, цементов, пигментов и др.
[ http://metaltrade.ru/abc/a.htm]

Тематики

• металлургия в целом

EN

• dispersion

дисперсия
Рассеяние чего-нибудь.
В математике дисперсия определяет отклонение величин от среднего значения. Дисперсия белого света приводит к его разложению на составляющие. Дисперсия звука является причиной его расплывания.
Рассеяние хранимых данных по группе запоминающих устройств также является дисперсией.
[Гипертекстовый энциклопедический словарь по информатике Э. Якубайтиса]
[ http://www.morepc.ru/dict/]

дисперсия
Среднее значение квадрата переменной составляющей случайного сигнала.
[ ГОСТ 16465-70]

дисперсия
Характеристика рассеивания значений случайной величины, измеряемая квадратом их отклонений от среднего значения (обозначается d2). Различается Д. теоретического (непрерывного или дискретного) и эмпирического (также непрерывного и дискретного) распределений. Для наиболее часто применяемого в экономике эмпирического (дискретного) распределения дисперсия определяется по формуле: где x — наблюдаемая случайная величина, — средняя исследуемого ряда, n — число элементов этого ряда. Есть и другие способы ее расчета, например: Квадратный корень из Д. называется средним квадратичным (квадратическим) отклонением или стандартным отклонением; отношение среднего квадратичного отклонения к средней величине называется коэффициентом вариации. В теории вероятностей выборочная Д. с увеличением числа наблюдений асимптотически приближается (см. Асимптота) к теоретической. Это свойство называется состоятельностью оценки Д.
[ http://slovar-lopatnikov.ru/]

Тематики

• информационные технологии в целом
• экономика

EN

• dispersion
• variance

дисперсия вещества
Величина, выражающая зависимость коэффициента преломления от длины световой волны и равная производной этого коэффициента по длине волны.
[Сборник рекомендуемых терминов. Выпуск 79. Физическая оптика. Академия наук СССР. Комитет научно-технической терминологии. 1970 г.]

Тематики

• физическая оптика

Обобщающие термины

• оптика изотропных сред
• распространение света в средах

EN

• dispersion

DE

• Dispersion

дисперсия оптического волокна
дисперсия
Различие групповых скоростей различных составляющих оптического излучения.
[ ГОСТ 26599-85]

дисперсия
Общий термин, определяющий эффект расширения или сжатия света при передаче по оптическому волокну. Существует три типа дисперсии: модовая, материальная и волноводная.
[ Источник]

Тематики

• оптические линии связи

Синонимы

• дисперсия

EN

• dispersion

дисперсия света
Явления, обусловленные зависимостью скорости распространения света от частоты световых колебаний.
[Сборник рекомендуемых терминов. Выпуск 79. Физическая оптика. Академия наук СССР. Комитет научно-технической терминологии. 1970 г.]

Тематики

• физическая оптика

Обобщающие термины

• оптика изотропных сред
• распространение света в средах

EN

• dispersion

DE

• Dispersion

дисперсность (глинистых частиц в растворе)
—
[ http://slovarionline.ru/anglo_russkiy_slovar_neftegazovoy_promyishlennosti/]

Тематики

• нефтегазовая промышленность

EN

• dispersion

рассеяние (света)
—
[ http://slovarionline.ru/anglo_russkiy_slovar_neftegazovoy_promyishlennosti/]

Тематики

• нефтегазовая промышленность

EN

• dispersion

рассеяние результатов в ряду измерений
рассеяние результатов
рассеяние
Несовпадение результатов измерений одной и той же величины в ряду равноточных измерений, как правило, обусловленное действием случайных погрешностей.
Примечания
1. Количественную оценку рассеяния результатов в ряду измерений вследствие действия случайных погрешностей обычно получают после введения поправок на действие систематических погрешностей.
2. Оценками рассеяния результатов в ряду измерений могут быть:
размах,
средняя арифметическая погрешность (по модулю),
средняя квадратическая погрешность или стандартное отклонение (среднее квадратическое отклонение, экспериментальное среднее квадратическое отклонение),
доверительные границы погрешности (доверительная граница или доверительная погрешность).
[РМГ 29-99]

Тематики

• метрология, основные понятия

Синонимы

• рассеяние
• рассеяние результатов

EN

• dispersion

DE

• Streuung

FR

• dispersion

варианса
Показатель дисперсии набора точек данных вокруг их средней величины
[ http://www.dunwoodypress.com/148/PDF/Biotech_Eng-Rus.pdf]

Тематики

• биотехнологии

EN

• variance

дисперсия
Рассеяние чего-нибудь.
В математике дисперсия определяет отклонение величин от среднего значения. Дисперсия белого света приводит к его разложению на составляющие. Дисперсия звука является причиной его расплывания.
Рассеяние хранимых данных по группе запоминающих устройств также является дисперсией.
[Гипертекстовый энциклопедический словарь по информатике Э. Якубайтиса]
[ http://www.morepc.ru/dict/]

дисперсия
Среднее значение квадрата переменной составляющей случайного сигнала.
[ ГОСТ 16465-70]

дисперсия
Характеристика рассеивания значений случайной величины, измеряемая квадратом их отклонений от среднего значения (обозначается d2). Различается Д. теоретического (непрерывного или дискретного) и эмпирического (также непрерывного и дискретного) распределений. Для наиболее часто применяемого в экономике эмпирического (дискретного) распределения дисперсия определяется по формуле: где x — наблюдаемая случайная величина, — средняя исследуемого ряда, n — число элементов этого ряда. Есть и другие способы ее расчета, например: Квадратный корень из Д. называется средним квадратичным (квадратическим) отклонением или стандартным отклонением; отношение среднего квадратичного отклонения к средней величине называется коэффициентом вариации. В теории вероятностей выборочная Д. с увеличением числа наблюдений асимптотически приближается (см. Асимптота) к теоретической. Это свойство называется состоятельностью оценки Д.
[ http://slovar-lopatnikov.ru/]

Тематики

• информационные технологии в целом
• экономика

EN

• dispersion
• variance

отклонение
Алгебраическая разность между размером (действительным, предельным и т.д.) и соответствующим номинальным размером.
[ ГОСТ 25256-82( СТ СЭВ 1472-78)]

отклонение
Различие между планируемым и фактически измеренным значениями. Часто используется в управлении финансами, управлении мощностями и управлении уровнем услуг, но может быть применено в любой области, где существуют планы.
[Словарь терминов ITIL версия 1.0, 29 июля 2011 г.]

EN

variance
The difference between a planned value and the actual measured value. Commonly used in financial management, capacity management and service level management, but could apply in any area where plans are in place.
[Словарь терминов ITIL версия 1.0, 29 июля 2011 г.]

Тематики

• информационные технологии в целом
• подшипники

Обобщающие термины

• общие термины и определения

EN

• variance

3.45 дисперсия (variance): Мера рассеяния результатов, равная сумме квадратов отклонений каждого результата от их среднего значения, деленная на число результатов минус один.

Источник: ГОСТ Р ИСО 13909-1-2010: Уголь каменный и кокс. Механический отбор проб. Часть 1. Общее введение оригинал документа

3.35 дисперсия (variance): Мера рассеяния результатов, равная сумме квадратов отклонений каждого результата от их среднего значения, деленной на число результатов минус один.

Источник: ГОСТ Р ИСО 18283-2010: Уголь каменный и кокс. Ручной отбор проб оригинал документа

дисперсия
Рассеяние чего-нибудь.
В математике дисперсия определяет отклонение величин от среднего значения. Дисперсия белого света приводит к его разложению на составляющие. Дисперсия звука является причиной его расплывания.
Рассеяние хранимых данных по группе запоминающих устройств также является дисперсией.
[Гипертекстовый энциклопедический словарь по информатике Э. Якубайтиса]
[ http://www.morepc.ru/dict/]

дисперсия
Среднее значение квадрата переменной составляющей случайного сигнала.
[ ГОСТ 16465-70]

дисперсия
Характеристика рассеивания значений случайной величины, измеряемая квадратом их отклонений от среднего значения (обозначается d2). Различается Д. теоретического (непрерывного или дискретного) и эмпирического (также непрерывного и дискретного) распределений. Для наиболее часто применяемого в экономике эмпирического (дискретного) распределения дисперсия определяется по формуле: где x — наблюдаемая случайная величина, — средняя исследуемого ряда, n — число элементов этого ряда. Есть и другие способы ее расчета, например: Квадратный корень из Д. называется средним квадратичным (квадратическим) отклонением или стандартным отклонением; отношение среднего квадратичного отклонения к средней величине называется коэффициентом вариации. В теории вероятностей выборочная Д. с увеличением числа наблюдений асимптотически приближается (см. Асимптота) к теоретической. Это свойство называется состоятельностью оценки Д.
[ http://slovar-lopatnikov.ru/]

Тематики

• информационные технологии в целом
• экономика

EN

• dispersion
• variance

3.45 дисперсия (variance): Мера рассеяния результатов, равная сумме квадратов отклонений каждого результата от их среднего значения, деленная на число результатов минус один.

Источник: ГОСТ Р ИСО 13909-1-2010: Уголь каменный и кокс. Механический отбор проб. Часть 1. Общее введение оригинал документа

3.35 дисперсия (variance): Мера рассеяния результатов, равная сумме квадратов отклонений каждого результата от их среднего значения, деленной на число результатов минус один.

Источник: ГОСТ Р ИСО 18283-2010: Уголь каменный и кокс. Ручной отбор проб оригинал документа