совокупность наблюдений

дисперсионный анализ
—
[ http://www.dunwoodypress.com/148/PDF/Biotech_Eng-Rus.pdf]

дисперсионный анализ
Раздел математической статистики, посвященный методам выявления влияния отдельных факторов на результат эксперимента (физического, производственного, экономического эксперимента). Д.а. возник как средство обработки результатов агрономических опытов, с помощью которых выявлялись наиболее благоприятные условия для сортов сельскохозяйственных культур. При этом исходят из положения о том, что существенность фактора в определенных условиях характеризуется его вкладом в дисперсию результата. Английский статистик Р.Фишер, разработавший этот метод, определил его как «отделение дисперсии, приписываемой одной группе причин, от дисперсии, приписываемой другим группам». Анализ производится следующим образом. Сначала группируют совокупность наблюдений по факторному признаку, находят среднее значение результата и дисперсию по каждой группе. Затем определяют общую дисперсию и вычисляют, какая доля ее зависит от условий, общих для всех групп, какая — от исследуемого фактора, а какая — от случайных причин. И наконец, с помощью специального критерия определяют, насколько существенны различия между группами наблюдений и, следовательно, можно ли считать ощутимым влияние тех или иных факторов. Д.а. применяется в планировании эксперимента и в ряде областей экономических исследований, где он служит, в частности, предварительным этапом к регрессионному анализу статистических данных, поскольку позволяет выделить относительно небольшое (но достаточное для целей исследования) количество параметров регрессии.
[ http://slovar-lopatnikov.ru/]

Тематики

• биотехнологии
• экономика

EN

• analysis of variance
• variance analyis

3.4 дисперсионный анализ en analysis of variance

Метод, который разделяет общую вариацию набора                    fr analyse de variance

данных на имеющие смысл компоненты, связанные

с конкретными источниками вариации

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

3.4 дисперсионный анализ en analysis of variance

Метод, который разделяет общую вариацию набора                    fr analyse de variance

данных на имеющие смысл компоненты, связанные

с конкретными источниками вариации

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

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

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

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

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

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

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

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

С. П. Хромов.

[БСЭ]

Тематики

• геология, геофизика

EN

• geophysics

агрометеорологическая сеть
Совокупность пунктов наблюдений станций и постов, ведущих агрометеорологические наблюдения.
[ ГОСТ 17713-89]

Тематики

• сельскохозяйственная метеорология

EN

• agrometeorologicall network

DE

• agrometeorologisches Netz

FR

• réseau de météorologie agricole

гравиметрическая съемка
магнитная съемка
Совокупность гравиметрических (магнитных) наблюдений и определений координат и высот для изучения поверхностного или пространственного распределения поля силы тяжести (геомагнитного поля).
[ ГОСТ 24284-80]

гравиметрическая съемка
Проведение измерений силы тяжести на гравиметрических пунктах, расположенных в данной местности, и определение координат и высот этих пунктов.
[ ГОСТ Р 52334-2005]

гравиметрическая съемка
Технологический процесс, заключающийся в проведении комплекса гравиметрических работ, выполняемых для детального изучения гравитационного поля Земли в данном районе
Примечание
Различают следующие виды гравиметрической съемки: наземная; морская, в том числе ледовая и донная; аэросъемка.
[ОСТ 68-13-99]

Тематики

• геодезия
• гравиразведка и магниторазведка

Обобщающие термины

• геодезическое производство
• измерения
• основные геодезические работы

Синонимы

• магнитная съемка

EN

• gravity survey

DE

• Gravimeteraufnahme

FR

• levé gravimétrique

гравиметрическая съёмка
—
[ http://slovarionline.ru/anglo_russkiy_slovar_neftegazovoy_promyishlennosti/]

Тематики

• нефтегазовая промышленность

EN

• gravimeter survey

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

многомерный статистический анализ
«раздел математической статистики, посвященный математическим методам построения оптимальных планов сбора, систематизации и обработки данных, направленным на выявление характера и структуры взаимосвязей между компонентами исследуемого многомерного признака и предназначеннным для получения научных и практических выводов»[1]. Включает дискриминантный анализ, кластер-анализ и другие математико-статисти­чес­кие методы, как правило, не опирающиеся на предпосылку о вероятностном характере исследуемых зависмостей (см. Прикладная статистика). В частности, дискриминантный анализ предназначен для решения задач, связанных с разделением совокупностей наблюдений (элементарных данных). Если у исследователя имеется по одной выборке из каждой неизвестной ему генеральной совокупности (такую выборку назвают «обучаю­щей«), то с помощью методов дискриминантного анализа удается приписать некоторый новый элемент (наблюдение x) к своей генеральной совокупности. Кластер-анализ (от слова кластер) позволяет разбивать исследуемую совокупность элементов (координаты которых известны) таким образом, чтобы элементы одного класса находились на небольшом расстоянии друг от друга, в то время как разные классы были бы на достаточном удалении друг от друга и не разбивались бы на столь же взаимоудаленные части. Применяются также модели многомерных экономически рядов. Методы многомерного анализа сложны с вычислительной точки зрения и потому реализуются, как правило, на компьютерах, для которых созданы необходимые типовые программы. [1] Математическая энциклопедия, т. 3. 1982.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• multidimensional
• multivariate statistical analysis