-
41 сушка пробы
3.1.33 сушка пробы (sample drying): Для нештучной продукции стадия процесса подготовки пробы, включающая ее сушку, предназначенную для доведения влажности пробы до уровня, который не будет давать смещение результатов дальнейших исследований или влиять на дальнейшую подготовку пробы.
Источник: ГОСТ Р ИСО 11648-1-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 1. Общие принципы оригинал документа
3.1.33 сушка пробы (sample drying): Для нештучной продукции стадия процесса подготовки пробы, включающая ее сушку, предназначенную для доведения влажности пробы до уровня, который не будет давать смещение результатов дальнейших исследований или влиять на дальнейшую подготовку пробы.
Источник: ГОСТ Р ИСО 11648-2-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 2. Отбор выборки сыпучих материалов оригинал документа
Русско-английский словарь нормативно-технической терминологии > сушка пробы
-
42 стандартная подготовка пробы
3.1.34 стандартная подготовка пробы (routine sample preparation): Для нештучной продукции подготовка пробы, выполняемая в соответствии с процедурами, установленными в одном из стандартов и предназначенными для определения выборочного среднего характеристики качества партии.
Источник: ГОСТ Р ИСО 11648-1-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 1. Общие принципы оригинал документа
3.1.34 стандартная подготовка пробы (routine sample preparation): Для нештучной продукции подготовка пробы, выполняемая в соответствии с процедурами, установленными в одном из стандартов и предназначенными для определения выборочного среднего значения характеристики качества партии.
Источник: ГОСТ Р ИСО 11648-2-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 2. Отбор выборки сыпучих материалов оригинал документа
Русско-английский словарь нормативно-технической терминологии > стандартная подготовка пробы
-
43 номинальный надрешетный размер
3.1.36 номинальный надрешетный размер (nominal top size): Для нештучной продукции размер частиц, выраженный в виде апертурного размера испытательного сита (с квадратными отверстиями в соответствии с ИСО 565), на котором остается не более 5 % пробы.
Источник: ГОСТ Р ИСО 11648-1-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 1. Общие принципы оригинал документа
3.1.36 номинальный надрешетный размер (nominal top size): Для нештучной продукции размер частиц, выраженный в виде апертурного размера испытательного сита (с квадратными отверстиями в соответствии с ИСО 565), на котором остается не более 5 % пробы.
Источник: ГОСТ Р ИСО 11648-2-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 2. Отбор выборки сыпучих материалов оригинал документа
Русско-английский словарь нормативно-технической терминологии > номинальный надрешетный размер
-
44 номинальный подрешетный размер
3.1.37 номинальный подрешетный размер (nominal bottom size): Для нештучной продукции размер частиц, выраженный в виде размера отверстия испытательного сита (с квадратными отверстиями в соответствии с ИСО 565), через которое проходит не более 5 % пробы.
Источник: ГОСТ Р ИСО 11648-1-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 1. Общие принципы оригинал документа
3.1.37 номинальный подрешетный размер (nominal bottom size): Для нештучной продукции размер частиц, выраженный в виде размера отверстия испытательного сита (с квадратными отверстиями в соответствии с ИСО 565), через которое проходит не более 5 % пробы.
Источник: ГОСТ Р ИСО 11648-2-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 2. Отбор выборки сыпучих материалов оригинал документа
Русско-английский словарь нормативно-технической терминологии > номинальный подрешетный размер
-
45 изменчивость характеристики качества
3.1.38 изменчивость характеристики качества (quality variation): Для нештучной продукции стандартное отклонение характеристики качества, определяемое на основе оценки дисперсии, полученной либо по сквозной выборке, отобранной из партии или части партии, либо полученной с помощью вариографического анализа отклонений между разовыми пробами, отстоящими друг от друга на разные интервалы времени.
Источник: ГОСТ Р ИСО 11648-1-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 1. Общие принципы оригинал документа
3.1.38 изменчивость характеристики качества (quality variation): Для нештучной продукции стандартное отклонение характеристики качества, определяемое на основе оценки дисперсии, полученной либо по сквозной выборке, отобранной из партии или части партии, либо полученной с помощью вариографического анализа отклонений между разовыми пробами, взятыми через разные интервалы времени.
Источник: ГОСТ Р ИСО 11648-2-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 2. Отбор выборки сыпучих материалов оригинал документа
Русско-английский словарь нормативно-технической терминологии > изменчивость характеристики качества
-
46 процедура подготовки пробы
3.1.40 процедура подготовки пробы (sampling preparation procedure): Для нештучной продукции требования и/или инструкции, устанавливающие методы и критерии деления пробы.
Источник: ГОСТ Р ИСО 11648-1-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 1. Общие принципы оригинал документа
3.1.40 процедура подготовки пробы (sampling preparation procedure): Для нештучной продукции требования и/или инструкции, устанавливающие методы и критерии деления пробы.
Источник: ГОСТ Р ИСО 11648-2-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 2. Отбор выборки сыпучих материалов оригинал документа
Русско-английский словарь нормативно-технической терминологии > процедура подготовки пробы
-
47 система для отбора проб
3.1.42 система для отбора проб (sampling system): Для нештучной продукции механизм и/или механическая установка для отбора разовых проб и подготовки пробы.
Источник: ГОСТ Р ИСО 11648-1-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 1. Общие принципы оригинал документа
3.1.42 система для отбора проб (sampling system): Для нештучной продукции приспособление и/или механическая установка для отбора разовых проб и подготовки пробы.
Источник: ГОСТ Р ИСО 11648-2-2009: Статистические методы. Выборочный контроль нештучной продукции. Часть 2. Отбор выборки сыпучих материалов оригинал документа
Русско-английский словарь нормативно-технической терминологии > система для отбора проб
-
48 математическая статистика
математическая статистика
Раздел математики, посвященный методам и правилам обработки и анализа статистических данных (т.е. сведений о числе объектов, обладающих определенными признаками, в какой-либо более или менее обширной совокупности). Сами методы и правила строятся безотносительно к тому, какие статистические данные обрабатываются (физические, экономические и др.), однако обращение с ними требует обязательного понимания сущности явления, изучаемого с помощью этих правил. К экономике М.с. применима по той причине, что экономические данные всегда представляют собой статистические сведения, т.е. сведения об однородных совокупностях объектов и явлений. Такими однородными совокупностями могут быть выпускаемые промышленностью изделия, персонал промышленности, данные о прибылях предприятий и т.д. В настоящее время существуют разные определения сущности М.с., и не следует удивляться, если вы увидите в одной книге, вопреки сказанному выше, утверждение, что М.с. — это «наука о принятии решений в условиях неопределенности», а в другой — что это «наука, объясняющая данные статистических наблюдений при помощи вероятностных моделей». Некоторые авторы считают, что она — раздел теории вероятностей, а другие, — что она лишь связана с этой теорией, представляя собой отдельную от нее науку. Наконец, распространено расширенное понимание предмета М.с. как охватывающей не только вероятностные аспекты, но и так называемую прикладную статистику («анализ данных«), включающую и объекты не обязательно вероятностной природы. В общем случае, анализ статистических данных методами М.с. позволяет сделать два вывода: либо вынести искомое суждение о характере и свойствах этих данных или взаимосвязей между ними, либо доказать, что собранных данных недостаточно для такого суждения. Причем выводы могут делаться не из сплошного рассмотрения всей совокупности данных, а из ее выборки, как правило, случайной (последнее означает, что каждая единица, включенная в выборку, могла быть с равными шансами, т.е. с равной вероятностью заменена любой другой). Центральное понятие М.с. — случайная величина — всякая наблюдаемая величина, изменяющаяся при повторениях общего комплекса условий, в которых она возникает. Если сам по себе набор, перечень значений этой величины неудобен для их изучения (поскольку их много), М.с. дает возможность получить необходимые сведения о случайной величине с существенно меньшим количеством чисел. Это объясняется тем, что статистические данные подчиняются таким законам распределения (или приводятся к ним порою искусственными приемами), которые характеризуются всего лишь несколькими параметрами, т.е. характеристиками. Зная их, можно получить столь же полное представление о значениях случайной величины, какое дается их подробным перечислением в очень длинной таблице. (Характеристиками распределения являются среднее, медиана, мода и т.д.). Если изучаются взаимосвязи между значениями разных случайных величин, то необходимые сведения для этого дают коэффициенты корреляции между ними. Когда совокупность анализируется по одному признаку, имеем дело с так называемой одномерной статистикой, когда же рассматривается несколько признаков — с многомерным статистическим анализом. М.с. охватывает широкий круг одномерных и многомерных методов и правил обработки статистических данных: от простых приемов статистического описания (выведение средней, а также степени и характера разброса исследуемых признаков вокруг нее, группировка данных по классам и сопоставление их характеристик и т.д.), правил отбора фактов при выборочном их рассмотрении до сложных методов исследования зависимостей между случайными величинами. Среди последних: выявление связей между случайнами величинами — корреляционный анализ, оценка величины случайной переменной, если величина другой или других известна — регрессионный анализ, выявление наиболее важных скрытых факторов, влияющих на изучаемые величины, — факторный анализ, определение степени влияния отдельных неколичественных факторов на общие результаты их действия (например, в научном эксперименте) — дисперсионный анализ. Перечисленные области составляют основные дисциплины, входящие в М.с. К ним примыкают также быстро развивающиеся упоминавшиеся выше методы «анализа данных», не основанные на традиционной для М.с. предпосылке вероятностной природы обрабатываемых данных. Для экономических исследований большое значение имеет также анализ стохастических процессов, в том числе «марковских процессов«. Задачи М.с. в экономике можно разделить на пять основных типов: а) оценка статистических данных; б) сравнение этих данных с каким-то стандартом и между собой (оно применяется при эксперименте или, например, в контроле качества на предприятиях); в) исследование связей между статистическими данными и их группами. Эти три типа позволяют вынести суждение описательного характера об изучаемых явлениях, подверженных по каким-то причинам искажающим случайным воздействиям. Следующий, четвертый тип задач связан с нахождением наилучшего варианта измерения изучаемых данных. И наконец, пятый тип задач связан с проблемами предвидения и развития, здесь важное место занимают задачи анализа временных рядов. Для экономики особенно ценно то, что М.с. позволяет на основании анализа течения событий в прошлом, т. е. изучения выбранных на определенные даты сведений о характерных чертах системы, предсказать (см. Прогнозирование) вероятное развитие изучаемого явления в будущем (если не изменятся существенно внешние или внутренние условия). В управлении хозяйственными и производственными процессами применяются различные математико-статистические методы. На них основаны многие методы исследования операций, в том числе — методы теории массового обслуживания, позволяющие наиболее эффективно организовывать ряд процессов производства и обслуживания населения, теории расписаний, предназначенной для выработки оптимальной последовательности производственных, транспортных и других операций, теории решений, теории управления запасами, а также теории планирования эксперимента и выборочного контроля качества продукции, сетевые методы планирования и управления. В эконометрических исследованиях на основе математико-статистической обработки данных строятся экономико-математические (экономико-статистические) модели экономических процессов, производятся экономические и технико-экономические прогнозы. Широкое распространение математико-статистических методов в общественном производстве, а также в других областях социально-экономической жизни общества (здравоохранение, экология, естественные науки) опирается на развитие электронно-вычислительной техники. Для решения типовых задач математико-статистической обработки данных созданы и применяются многочисленные стандартные прикладные компьютерные программы и системы.
[ http://slovar-lopatnikov.ru/]Тематики
EN
Русско-английский словарь нормативно-технической терминологии > математическая статистика
-
49 процент несоответствующих единиц продукции в выборке
3.8 процент несоответствующих единиц продукции в выборке (percent nonconforming in a sample): Количество несоответствующих единиц продукции (3.7) в выборке (3.15), умноженное на сто и деленное на объем выборки (3.16), т.е.
где d - количество несоответствующих единиц продукции в выборке;
n - объем выборки.
[ИСО 2859-1, 3.1.8]
Источник: ГОСТ Р ИСО 2859-5-2009: Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 5. Система последовательных планов на основе AQL для контроля последовательных партий оригинал документа
Русско-английский словарь нормативно-технической терминологии > процент несоответствующих единиц продукции в выборке
-
50 число несоответствий на 100 единиц продукции в выборке
3.10 число несоответствий на 100 единиц продукции в выборке (nonconformities per 100 items in a sample): Количество несоответствий (3.5) в выборке (3.15), умноженное на сто и деленное на объем выборки (3.16), т.е.
где d - количество несоответствий в выборке;
п - объем выборки.
[ИСО 2859-1, 3.1.10]
Источник: ГОСТ Р ИСО 2859-5-2009: Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 5. Система последовательных планов на основе AQL для контроля последовательных партий оригинал документа
Русско-английский словарь нормативно-технической терминологии > число несоответствий на 100 единиц продукции в выборке
-
51 квантиль
3.32 квантиль (fractile): р-квантиль (квантиль уровня р или процентиль) и соответствующее значение квантили хропределяется как:
F(xp) = p, (3.1)
где F - функция распределения для хр.
Источник: ГОСТ Р 54382-2011: Нефтяная и газовая промышленность. Подводные трубопроводные системы. Общие технические требования оригинал документа
3.10 квантиль (fractile) xp:Для непрерывной случайной величины Х и действительного числа р, принимающего значения в интервале от 0 до 1 р-квантиль, - значение случайной величины X, для которого функция распределения равна р, т.е. хp является р-квантилем, если Рr(X £ хp) = р.
Источник: ГОСТ Р ИСО 12491-2011: Материалы и изделия строительные. Статистические методы контроля качества оригинал документа
3.1 квантиль (quantile): Значение случайной величины хр, для которого функция распределения принимает значение р (0 ≤ р ≤ 1) или ее значение изменяется скачком от меньшего р до превышающего р.
Примечания
1 Если значение функции распределения равно р во всем интервале между двумя последовательными значениями случайной величины, то любое значение в этом интервале можно рассматривать как р-квантиль.
2 Величина хр будет р-квантилем, если
Pr(Х < хр) ≤ p ≤ Pr(Х ≤ хр).
3 Для непрерывной величины р-квантиль - это то значение переменной, ниже которого лежит р-я доля распределения.
4 Процентиль (percentile) - это квантиль, выраженный в процентах.
Источник: ГОСТ Р ИСО 9359-2007: Качество воздуха. Метод расслоенной выборки для оценки качества атмосферного воздуха оригинал документа
Русско-английский словарь нормативно-технической терминологии > квантиль
-
52 двусторонний доверительный интервал
3.8 двусторонний доверительный интервал (two-sided confidence interval): Если Т1 и Т2 - две функции наблюдаемых значений, таких что для оценки параметра распределения совокупности q вероятность Рr(Т1 < q < Т2) равна (1 - a), где (1 - a) - константа положительная и меньше 1, то интервал между Т1 и Т2 - это двусторонний доверительный интервал для q при доверительной вероятности (1 - a).
Примечания
1 Границы T1 и T2 доверительного интервала - это статистики (ИСО 3534-1, пункт 2.45), которые в общих предположениях принимают различные значения от выборки к выборке.
2 В длинном ряду выборок относительная частота случаев, когда доверительный интервал накрывает истинное значение параметра совокупности q, больше или равна (1 - a).
[ИСО 3534-1, пункт 2.57]
Источник: ГОСТ Р ИСО 10576-1-2006: Статистические методы. Руководство по оценке соответствия установленным требованиям. Часть 1. Общие принципы оригинал документа
3.26 двусторонний доверительный интервал (two-sided confidence level): Если T1 и T2 - две функции от наблюдаемых значений таких, что для оценки параметра распределения совокупности θ вероятность Рr(T1 £ θ £ T2) равна γ (где γ - константа положительная и меньше 1), то интервал между T1 и T2 является двусторонним доверительным интервалом для θ с доверительной вероятностью γ.
Источник: ГОСТ Р ИСО 12491-2011: Материалы и изделия строительные. Статистические методы контроля качества оригинал документа
Русско-английский словарь нормативно-технической терминологии > двусторонний доверительный интервал
-
53 выборочные методы
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
EN
Русско-английский словарь нормативно-технической терминологии > выборочные методы
-
54 выборочное среднее
выборочное среднее
математическое ожидание
—
[ http://slovarionline.ru/anglo_russkiy_slovar_neftegazovoy_promyishlennosti/]Тематики
Синонимы
EN
3.19 выборочное среднее (sample mean) :Сумма n значений хi выборочных единиц, деленная на объем выборки п
Источник: ГОСТ Р ИСО 12491-2011: Материалы и изделия строительные. Статистические методы контроля качества оригинал документа
Русско-английский словарь нормативно-технической терминологии > выборочное среднее
-
55 нормальное распределение
нормальное распределение
гауссово распределение
—
[Я.Н.Лугинский, М.С.Фези-Жилинская, Ю.С.Кабиров. Англо-русский словарь по электротехнике и электроэнергетике, Москва, 1999]
нормальное распределение
Распределение вероятностей случайной величины X, возникающее обычно, когда X представляет собой сумму большого числа независимых случайных величин, каждая из которых играет в образовании всей суммы незначительную роль. Н.р. унимодально (см. Мода), описывается колоколообразной (симметричной) кривой; его средняя (математическое ожидание) совпадает с модой (рис. H.6). Н.р. чрезвычайно широко используется в математической статистике. В частности, в моделях регрессии ошибка принимается распределенной по этому закону. Предпосылка Н.р. учитывается и в большинстве критериев статистической проверки гипотез. Между тем, в экономике Н.р. во многих случаях неприменимо: например, вряд ли можно себе представить его в модели ценообразования, тогда в нее вошли бы также отрицательные цены. К тому же выборки в экономических исследованиях часто слишком малы.(см. Неполная выборка). Рис. Н.6 Нормальное распределение. Представлены два нормальных распределения с разными дисперсиями.
[ http://slovar-lopatnikov.ru/]Тематики
- экономика
- электротехника, основные понятия
Синонимы
EN
3.15 нормальное распределение (normal distribution): Распределение вероятностей непрерывной случайной величины X, плотность распределения которой для -∞ < х < +∞ принимает действительное значение
Источник: ГОСТ Р ИСО 12491-2011: Материалы и изделия строительные. Статистические методы контроля качества оригинал документа
Русско-английский словарь нормативно-технической терминологии > нормальное распределение
-
56 ошибка
ошибка
Расхождение между вычисленным, наблюденным или измеренным значением или условием и истинным, специфицированным или теоретически правильным значением или условием.
Примечание
Адаптировано из МЭС 191-05-24 путем исключения примечаний.
[ ГОСТ Р МЭК 61508-4-2007]
ошибка
1. В теории информации: отклонение воспринятой информации от переданной. В соответствии с характеристикой процесса восприятия и передачи информации различают: синтаксические (или структурные) О., вызываемые физическими ограничениями канала, сбоями в сборе информации и т.п.; семантические О., состоящие в непонимании получателем полученной им информации; прагматические, т.е. О. в определении ценности полученной информации при ее отборе для использования. 2. В экономико-математическом моделировании — элемент модели, отражающий суммарный эффект не учтенных в ней непосредственно (т.е. не признанных существенными) систематических и случайных факторов, воздействующих на экзогенные переменные (см. Возмущение, Помехи). 3. В математической статистике то же, что отклонение или разброс около истинного значения рассматриваемой случайной величины. Различаются О. случайные (их величина описывается законом распределения и при массовом повторении они обычно взаимно погашаются), и систематические, которые отражают воздействие некоторых неизвестных факторов; они либо имеют постоянную величину, либо изменяются в определенном направлении. Сочетание многих систематических ошибок может привести к формированию случайной ошибки. Есть также ошибки грубые, эксцессы, которые обычно исключаются из статистического исследования из-за своей нехарактерности для изучаемого процесса. В теории статистической проверки гипотез различаются: ошибка первого рода, если отклоняется истинная гипотеза и ошибка второго рода, если не отвергается неправильная гипотеза. То же: Погрешность • Некоторые виды статистических ошибок: Ошибка агрегирования [aggregation bias] - см. Агрегирование. Ошибка выборки [sample bias] - в выборочных методах возникает тогда, когда обнаруживается то, что в действительности отсутствует (например, в процессе наблюдения экономических явлений, при решении задач поиска). Ошибка наблюдения [observation bias] - в выборочных методах возникает тогда, когда пропускают то, что в действительности имеет место (например, при наблюдениии экономических явлений, в задачах поиска). Ошибки в прогнозировании [forecasting bias] - расхождения между данными прогноза и действительными (фактическими) данными. Закономерности О.п. изучаются математико-статистическими методами. Различаются четыре вида ошибок прогнозирования: исходных данных, модели прогноза, согласования, стратегии. Ошибки исходных данных связаны главным образом с неточностью экономических измерений, некачественностью выборки, искажением данных при их агрегировании и т.д. Ошибки модели прогноза возникают вследствие упрощения и несовершенства теоретических построений, экспертных оценок и т.д. Правильность модели прогноза (в том числе оценки ее параметров) проверяется ретроспективным расчетом, который можно сопоставить с действительным ходом исследуемого процесса. Однако и это не дает полной гарантии качества прогноза на будущее, так как условия могут измениться. Ошибки согласования часто происходят из-за того, что статистические данные в народном хозяйстве подготавливаются разными организациями, которые применяют различную методологию расчетов. Ошибки стратегии — результат, главным образом, неудачного выбора оптимистического или пессимистического вариантов прогноза. (См. Диапазон осуществимости прогноза).
[ http://slovar-lopatnikov.ru/]Тематики
- экономика
- электротехника, основные понятия
EN
3.1.30 ошибка (fault): Разность между погрешностью весоизмерительного датчика и основной погрешностью весоизмерительного датчика (см. 3.1.34).
Источник: ГОСТ Р 8.726-2010: Государственная система обеспечения единства измерений. Датчики весоизмерительные. Общие технические требования. Методы испытаний оригинал документа
3.6.11 ошибка (error): Расхождение между вычисленным, наблюденным или измеренным значением или условием и истинным, специфицированным или теоретически правильным значением или условием.
Примечание - Адаптировано из МЭС 191-05-24 путем исключения примечаний.
Источник: ГОСТ Р МЭК 61508-4-2007: Функциональная безопасность систем электрических, электронных, программируемых электронных, связанных с безопасностью. Часть 4. Термины и определения оригинал документа
4.10.1 ошибка (Funktionsfehler): Разность погрешности показаний и основной погрешности.
Источник: ГОСТ Р ЕН 1434-1-2006: Теплосчетчики. Часть 1. Общие требования
4.10.1 ошибка (fault): Разность между погрешностью показаний и погрешностью прибора.
Источник: ГОСТ Р ЕН 1434-1-2011: Теплосчетчики. Часть 1. Общие требования
Русско-английский словарь нормативно-технической терминологии > ошибка
-
57 спецификация
3.7.3 спецификация (specification): Документ (3.7.2), устанавливающий требования (3.1.2).
Примечание - Спецификации могут относиться к деятельности (например, процедурный документ, спецификация на процесс или спецификация на испытание) или продукции (3.4.2) (например, технические условия на продукцию, эксплуатационная документация и чертежи).
Источник: ГОСТ Р ИСО 9000-2008: Системы менеджмента качества. Основные положения и словарь оригинал документа
спецификация (specification): Перечень испытаний, ссыпок на аналитические методики и соответствующие критерии приемлемости, устанавливающие числовые границы, диапазоны или другие критерии для указанных испытаний. Спецификация устанавливает критерии, которым должен соответствовать материал для того, чтобы его можно было применять по назначению. Материал соответствует требованиям спецификации, если при испытаниях по принятым аналитическим методам он удовлетворяет установленным критериям приемлемости.
Источник: ГОСТ Р 52249-2009: Правила производства и контроля качества лекарственных средств оригинал документа
4.1.16 спецификация (specification): Документ, устанавливающий требования к продукции.
Источник: ГОСТ Р 54235-2010: Топливо твердое из бытовых отходов. Термины и определения оригинал документа
3.21 спецификация (specification): Документ, определяющий в полной, точной, проверяемой форме требования, дизайн, поведение или другие свойства системы либо компонента и, зачастую, процедуры для определения, выполняются ли эти требования.
[МЭК 60880, пункт 3.39]
Источник: ГОСТ Р МЭК 62340-2011: Атомные станции. Системы контроля и управления, важные для безопасности. Требования по предотвращению отказов по общей причине оригинал документа
3.2.1.1 спецификация (specification): Документ, устанавливающий требования.
[ИСО 9000:2005, пункт 3.7.3]
Примечание 1 - Документ, содержащий информацию о требованиях, может быть размещен на бумажном носителе, компьютерном диске или представлять собой образец изделия.
Примечание 2 - Обычно для этого термина необходимы уточнения. Примерами спецификаций являются спецификации на продукцию, процесс и функциональная спецификация.
Примечание 3 - В выборочном контроле при приемке партия может быть принята, поскольку она соответствует критериям приемки партии, но некоторые единицы продукции в выборке или партии могут не соответствовать требованиям к продукции.
Примечание 4 - По возможности требования необходимо выражать количественно в соответствующих единицах с границами поля допуска. В противном случае необходимо устанавливать критерий, применяемый для экспертизы и принятия решения при контроле. Критерий может быть задан в виде эталонного экземпляра продукции, эталонной выборки или фотографии. Критерий показывает минимально приемлемую или неприемлемую продукцию, вид и/или степень несоответствия, которые недопустимы.
Источник: ГОСТ Р ИСО 21747-2010: Статистические методы. Статистики пригодности и воспроизводимости процесса для количественных характеристик качества оригинал документа
3.39 спецификация (specification): Документ, определяющий в полной, точной, проверяемой форме требования, дизайн, поведение или другие свойства системы либо компонента, и, зачастую, процедуры для определения, выполняются ли эти требования.
[IEEE 610]
Примечание - Существуют различные типы спецификаций, например, спецификация требований к ПО или спецификация проекта.
Источник: ГОСТ Р МЭК 60880-2010: Атомные электростанции. Системы контроля и управления, важные для безопасности. Программное обеспечение компьютерных систем, выполняющих функции категории А оригинал документа
3.60 спецификация (specification): Документ, определяющий в полной, точной, проверяемой форме требования, дизайн, поведение или другие свойства системы либо компонента, и, зачастую, процедуры, для определения, выполняются ли эти требования.
[МЭК 60880-2, 3.21 и IEEE 610] [1]
Источник: ГОСТ Р МЭК 61513-2011: Атомные станции. Системы контроля и управления, важные для безопасности. Общие требования оригинал документа
3.7.3 спецификация (specification): Документ (3.7.2), устанавливающий требования (3.1.2).
Примечание - Спецификации могут относиться к деятельности (например, процедурный документ, спецификация на процесс или спецификация на испытание) или продукции (3.4.2) (например, технические условия на продукцию, эксплуатационная документация и чертежи).
Источник: ГОСТ ISO 9000-2011: Системы менеджмента качества. Основные положения и словарь
Русско-английский словарь нормативно-технической терминологии > спецификация
-
58 приемочное значение
3.34 приемочное значение (acceptance value): При последовательном контроле значение, используемое в графическом методе для приемки партии, которое рассчитывают на основе параметров плана контроля и кумулятивного объема выборки.
Источник: ГОСТ Р ИСО 2859-5-2009: Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 5. Система последовательных планов на основе AQL для контроля последовательных партий оригинал документа
Русско-английский словарь нормативно-технической терминологии > приемочное значение
-
59 браковочное значение
3.36 браковочное значение (rejection value): При последовательном контроле значение, используемое в графическом методе для отклонения партии, которое получают на основе параметров плана контроля и кумулятивного объема выборки.
Источник: ГОСТ Р ИСО 2859-5-2009: Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 5. Система последовательных планов на основе AQL для контроля последовательных партий оригинал документа
Русско-английский словарь нормативно-технической терминологии > браковочное значение
-
60 приемочная карта
3.39 приемочная карта (acceptability chart): График, используемый для определения приемлемости партии графическим методом и состоящий из трех зон:
- зоны приемки;
- зоны отклонения;
- зоны неопределенности,
ограниченных линиями приемки, отклонения и усеченного объема выборки.
Источник: ГОСТ Р ИСО 2859-5-2009: Статистические методы. Процедуры выборочного контроля по альтернативному признаку. Часть 5. Система последовательных планов на основе AQL для контроля последовательных партий оригинал документа
Русско-английский словарь нормативно-технической терминологии > приемочная карта
См. также в других словарях:
Статистические методы — методы анализа статистических данных. Выделяют методы прикладной статистики, которые могут применяться во всех областях научных исследований и любых отраслях народного хозяйства, и другие статистические методы, применимость которых ограничена той … Википедия
ВЫБОРКИ ОШИБКА — (SAMPLING ERROR) Многие социологические исследования основаны на использовании случайной выборки из населения. Однако одиночная выборка может быть недостаточно репрезентативной в этом случае говорят об ошибке выборки. Повторные выборки в конечном … Социологический словарь
Малые выборки — статистические выборки столь малого объёма n, что к ним нельзя применить простые классические формулы, действующие лишь асимптотически при n → ∞. Особенности статистической оценки параметров по М. в. легче всего понять на примере… … Большая советская энциклопедия
Статистические расчёты — исчисление на основе имеющихся статистических данных новых показателей, расширяющих и обогащающих возможности анализа и познания социально экономических явлений и процессов. С. р. можно подразделить на 2 группы: расчёты отдельных… … Большая советская энциклопедия
статистические параметры стилей — Объект изучения, исследуемый при помощи статистических методов, направленных на анализ: 1) употребительности языковых фактов с точки зрения их нормативности; 2) принадлежности стилю языка; 3) принадлежности стилю отдельного автора. Выборки должны … Словарь лингвистических терминов Т.В. Жеребило
ВЫБОРКИ КОРРЕКТИРОВКА — процедура приведения структуры совокупности выборочной (см.) в соответствие со структурой совокупности генеральной (см.) по одному или нескольким контролируемым признакам. Контролируемыми могут быть любые признаки, инвариантные задачам… … Российская социологическая энциклопедия
статистические приемы — Способы исследования, ориентированные на количественные характеристики языковых явлений, на определение меры их распространения. Так, Пифагор и его ученики считали сущностью вещей их числа (число мудрее имени вещи) Разработав одну из оккультных… … Словарь лингвистических терминов Т.В. Жеребило
Объем выборки — 12. Объем выборки Число единиц продукции (наблюдаемых значений), составляющих выборку Источник: ГОСТ 15895 77: Статистические методы управления качеством продукции. Термины и определения … Словарь-справочник терминов нормативно-технической документации
отбор выборки — 9.12 отбор выборки: Процедура, применяемая для отбора или составления выборки. Источник: ГОСТ Р 52953 2008: Материалы и изделия теплоизоляционные. Термины и определения оригинал документа … Словарь-справочник терминов нормативно-технической документации
ГОСТ Р 50779.11-2000: Статистические методы. Статистическое управление качеством. Термины и определения — Терминология ГОСТ Р 50779.11 2000: Статистические методы. Статистическое управление качеством. Термины и определения оригинал документа: 3.4.3 (верхняя и нижняя) границы регулирования Граница на контрольной карте, выше которой верхняя граница,… … Словарь-справочник терминов нормативно-технической документации
систематический отбор выборки — 2.1.7 систематический отбор выборки Отбор выборки каким либо систематическим методом (по 4.14 ГОСТ Р 50779.10). Примечания 1 Наиболее часто употребляемая форма систематического отбора выборки периодический систематический отбор выборки,… … Словарь-справочник терминов нормативно-технической документации