техники эксперимента

имитация
Процесс разработки модели реальной ситуации и выполнения экспериментов с целью понять, как будет реально изменяться ситуация.
[ http://tourlib.net/books_men/meskon_glossary.htm]

Тематики

• менеджмент в целом

EN

• simulation

машинная имитация
имитация на компьютере
Экспериментальный метод изучения экономики с помощью электронной вычислительной техники. (В литературе часто в том же смысле применяется термин «имитационное моделирование«, однако, по-видимому, лучше разделить значения: моделирование есть разработка, конструирование модели некоторого объекта для его исследования, а имитация — один из возможных способов использования модели). Для имитации формируется имитационная система, включающая имитационную модель, а также программное обеспечение. В машину вводятся необходимые данные и ведется наблюдение за тем, как изменяются интересующие исследователя показатели; они подвергаются анализу, в частности, статистической обработке данных. С одной стороны, имитация применяется в тех случаях, когда модель (а значит, отражаемые ею система, процесс, явление) слишком сложна, чтобы можно было использовать аналитические методы решения. Для многих проблем управления и экономики такая ситуация неизбежна: например, даже столь отработанные методы, как линейное программирование, в ряде случаев слишком сильно огрубляют действительность, чтобы по полученным решениям можно было делать обоснованные выводы. А если изучаемые процессы имеют нелинейный характер и еще осложнены разного рода вероятностными характеристиками, то вопрос об аналитическом решении вообще не возникает. Сам выбор между имитационным (численным) или аналитическим решением той или иной экономической задачи не всегда легкая проблема. С другой стороны, имитация применяется тогда, когда реальный экономический эксперимент по тем или иным соображениям невозможен или слишком сложен. Тогда она выступает в качестве замены такого эксперимента. Но еще более ценна ее роль как предварительного этапа, «прикидки», которая помогает принять решение о необходимости и возможности проведения самого реального эксперимента. С помощью статической имитации можно выявить, при каких сочетаниях экзогенных (вводимых) факторов достигается оптимальный результат изучаемого процесса, установить относительное значение тех или иных факторов. Это полезно, например, при изучении различных методов и средств экономического стимулирования на производстве. М.и. в форме проигрывания динамических моделей (динамической имитации) применяется также в прогнозировании,. С его помощью изучают возможные последствия крупных структурных сдвигов в экономике, внедрения важнейших научно-технических достижений, принятия плановых решений. Если имитация организуется в форме диалога человека и машины, то у экспериментатора появляется возможность, анализируя на ходу промежуточные результаты, менять те или иные управляющие параметры и тем самым — направление изучаемого процесса. В последнее время широко применяется имитация экономических процессов, в которых сталкиваются различные интересы типа конкуренции на рынке. При этом управляют «проигрыванием» люди, принимающие по ходу деловой игры те или иные решения, например: «снизить цены», «увеличить или уменьшить выпуск продукции» и т.д., и ЭВМ показывает, у кого из «конкурирующих» сторон дело идет лучше, у кого — хуже (см. также Деловые игры, Олигопольные эксперименты). Таким образом, машинное имитирование экономических процессов — это, по существу эксперимент, но не в реальных, а в искусственных условиях. Для повышения его эффективости разрабатываются методы планирования эксперимента, проверки имитационной модели (см. Верификация моделей, Валидация модели), методы анализа функции отклика и т.д.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

Синонимы

• имитация на компьютере

EN

• simulation

машинное моделирование
Реализуемый на вычислительной машине метод исследования, предполагающий замену реального процесса его математической моделью.
[ ГОСТ 15971-90]

Тематики

• системы обработки информации

EN

• simulation

моделирование
Метод исследования сложных процессов и явлений на их моделях или на натурных установках с применением теории подобия при постановке и обработке эксперимента
[Терминологический словарь по строительству на 12 языках (ВНИИИС Госстроя СССР)]

моделирование
Техника, используемая для предсказания будущего поведения системы, процесса, ИТ-услуги, конфигурационной единицы и т.п. Моделирование обычно используется в управлении финансами, управлении мощностями и управлении доступностью.
[Словарь терминов ITIL версия 1.0, 29 июля 2011 г.]

моделирование
1. Исследование объектов познания на моделях. 2. Построение и изучение моделей реально существующих предметов и явлений, а также предполагаемых (конструируемых) объектов. М. в обоих указанных смыслах является мощным орудием научного познания и решения практических задач и широко используется как в науке, так и во многих областях производственной деятельности человека. С теоретической точки зрения, модель — гомоморфное отображение моделируемого объекта действительности (см. Гомоморфизм). Ряд авторов, стремясь глубже проникнуть в процесс образования модели, утверждают, что она изоморфна (См. Изоморфизм) по отношению к некоторому абстрактному образу, представлению об объекте, которое в свою очередь является его гомоморфным отображением. М. основывается на принципе аналогии и позволяет (при определенных условиях и с учетом неизбежной относительности аналогии) изучать объект, почему либо трудно доступный для изучения, не непосредственно, а через рассмотрение другого, подобного ему и более доступного объекта — модели. По свойствам модели оказывается возможным судить о свойствах изучаемого объекта — однако не обо всех, а лишь о тех, которые аналогичны и в модели, и в объекте, и при этом важны для исследования (такие свойства называются существенными). Различается подобие между моделируемым объектом и моделью: физическое — когда объект и модель имеют одинаковую или сходную физическую природу; структурное — при сходстве между структурой объекта и структурой модели; функциональное — подобие с точки зрения выполнения объектом и моделью сходных функций при соответствующих воздействиях; динамическое — между последовательно изменяющимися состояниями объекта и модели; вероятностное — между процессами вероятностного характера в объекте и модели; геометрическое — между пространственными характеристиками объекта и модели. Соответственно различаются типы моделей.
[ http://slovar-lopatnikov.ru/]

EN

modelling
A technique that is used to predict the future behaviour of a system, process, IT service, configuration item etc. Modelling is commonly used in financial management, capacity management and availability management.
[Словарь терминов ITIL версия 1.0, 29 июля 2011 г.]

Тематики

• информационные технологии в целом
• теория подобия и моделирования
• экономика

EN

• model-building
• modelling
• simulation

DE

• Modellierung
• Simulation

FR

• simulation

моделирование
Учения кабинетного типа в режиме реального времени (не обязательно проходящие на объекте Игр) с участием руководящей группы поддержки, которая разрабатывает сценарии проведения учений и наблюдает за действиями команд. В ходе таких мероприятий, в основном, отрабатывается информационное взаимодействие. Участников размещают в разных помещениях/зонах, исходя из их функциональных задач, где им предстоит общаться между собой с помощью средств связи, которые будут использоваться во время Игр (радио и телефоны), или же перемещаться по объекту для непосредственного общения. Такие учения характеризуются тем, что их участники разъединены в пространстве, а оперативным группам приходится действовать с учетом нескольких вариантов развития событий. Моделирование ситуаций проводится накануне тестовых мероприятий и до того, как команды переедут на объекты, которые они будут обслуживать во время Игр.
[Департамент лингвистических услуг Оргкомитета «Сочи 2014». Глоссарий терминов]

EN

simulation
SIM
Real-time laboratory-type exercise (which can be conducted in the actual Games-time location, but not necessarily) involving a "driving team" which facilitates the exercise. The driving team feeds scenarios and observes the team responses, and therefore communication is the key testing outcome. Participants are separated into different rooms/spaces based on their functional role and communicate using Games-time devices such as radios and telephones or by moving around to speak face to face. This exercise is characterized by the introduction of geographic separation and by the need for operational teams to address multiple scenarios at once. Simulations are conducted prior to test events and prior to venue teams moving to their venues for the Games time.
[Департамент лингвистических услуг Оргкомитета «Сочи 2014». Глоссарий терминов]

Тематики

• спорт (управление Играми)

EN

• SIM
• simulation

моделирование (обычно имитационное)
Имитация структуры, функций и поведения одной системы средствами другой; обычно при моделировании исследуется реальная жизненная ситуация.
[Л.М. Невдяев. Телекоммуникационные технологии. Англо-русский толковый словарь-справочник. Под редакцией Ю.М. Горностаева. Москва, 2002]

Тематики

• электросвязь, основные понятия

EN

• simulation

4.41 моделирование (simulation): Воспроизведение деятельности, характерной для помещения, выполняемой в контролируемых условиях для проверки ее влияния на содержание волокон асбеста в воздухе.

Источник: ГОСТ Р ИСО 16000-7-2011: Воздух замкнутых помещений. Часть 7. Отбор проб при определении содержания волокон асбеста оригинал документа

52. Машинное моделирование

Simulation

Реализуемый на вычислительной машине метод исследования, предполагающий замену реального процесса его математической моделью

Источник: ГОСТ 15971-90: Системы обработки информации. Термины и определения оригинал документа

машинная имитация
имитация на компьютере
Экспериментальный метод изучения экономики с помощью электронной вычислительной техники. (В литературе часто в том же смысле применяется термин «имитационное моделирование«, однако, по-видимому, лучше разделить значения: моделирование есть разработка, конструирование модели некоторого объекта для его исследования, а имитация — один из возможных способов использования модели). Для имитации формируется имитационная система, включающая имитационную модель, а также программное обеспечение. В машину вводятся необходимые данные и ведется наблюдение за тем, как изменяются интересующие исследователя показатели; они подвергаются анализу, в частности, статистической обработке данных. С одной стороны, имитация применяется в тех случаях, когда модель (а значит, отражаемые ею система, процесс, явление) слишком сложна, чтобы можно было использовать аналитические методы решения. Для многих проблем управления и экономики такая ситуация неизбежна: например, даже столь отработанные методы, как линейное программирование, в ряде случаев слишком сильно огрубляют действительность, чтобы по полученным решениям можно было делать обоснованные выводы. А если изучаемые процессы имеют нелинейный характер и еще осложнены разного рода вероятностными характеристиками, то вопрос об аналитическом решении вообще не возникает. Сам выбор между имитационным (численным) или аналитическим решением той или иной экономической задачи не всегда легкая проблема. С другой стороны, имитация применяется тогда, когда реальный экономический эксперимент по тем или иным соображениям невозможен или слишком сложен. Тогда она выступает в качестве замены такого эксперимента. Но еще более ценна ее роль как предварительного этапа, «прикидки», которая помогает принять решение о необходимости и возможности проведения самого реального эксперимента. С помощью статической имитации можно выявить, при каких сочетаниях экзогенных (вводимых) факторов достигается оптимальный результат изучаемого процесса, установить относительное значение тех или иных факторов. Это полезно, например, при изучении различных методов и средств экономического стимулирования на производстве. М.и. в форме проигрывания динамических моделей (динамической имитации) применяется также в прогнозировании,. С его помощью изучают возможные последствия крупных структурных сдвигов в экономике, внедрения важнейших научно-технических достижений, принятия плановых решений. Если имитация организуется в форме диалога человека и машины, то у экспериментатора появляется возможность, анализируя на ходу промежуточные результаты, менять те или иные управляющие параметры и тем самым — направление изучаемого процесса. В последнее время широко применяется имитация экономических процессов, в которых сталкиваются различные интересы типа конкуренции на рынке. При этом управляют «проигрыванием» люди, принимающие по ходу деловой игры те или иные решения, например: «снизить цены», «увеличить или уменьшить выпуск продукции» и т.д., и ЭВМ показывает, у кого из «конкурирующих» сторон дело идет лучше, у кого — хуже (см. также Деловые игры, Олигопольные эксперименты). Таким образом, машинное имитирование экономических процессов — это, по существу эксперимент, но не в реальных, а в искусственных условиях. Для повышения его эффективости разрабатываются методы планирования эксперимента, проверки имитационной модели (см. Верификация моделей, Валидация модели), методы анализа функции отклика и т.д.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

Синонимы

• имитация на компьютере

EN

• simulation

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