утверждение+типа

утверждение типа средств измерений
утверждение типа
Решение (уполномоченного на это государственного органа управления) о признании типа средств измерений узаконенным для применения на основании результатов их испытаний государственным научным метрологическим центром или другой специализированной организацией, аккредитованной Госстандартом страны.
Примечания
1. Решение об утверждении типа принимается Госстандартом страны и удостоверяется выдачей сертификата об утверждении типа средств измерений.
2. Соответствие средств измерений утвержденному типу контролируют органы Государственной метрологической службы по месту расположения изготовителей или пользователей этих средств.
[РМГ 29-99]

Тематики

• метрология, основные понятия

Синонимы

• утверждение типа

EN

• pattern approval

DE

• Bauartzulassung

FR

• approbation d'un modele

утверждение типа (средств измерений)
Решение уполномоченного на это государственного органа управления о признании типа средств измерений узаконенным для применения в России (ОСТ 45.159-2000.1 Термины и определения (Минсвязи России)).
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

Тематики

• электросвязь, основные понятия

EN

• pattern approval

2.28 существенность (materiality): Возможность воздействия отдельных ошибок или их совокупности, упущений и искажений на утверждение по парниковым газам и решения предполагаемых пользователей.

Примечание 1 - Понятие существенности используют при планировании проведения валидации или верификации, для идентификации планов выборочного контроля с целью определения типов значительных процессов, используемых для минимизации риска того, что эксперты по валидации или верификации не обнаружат существенного несоответствия (риск необнаружения).

Примечание 2 - Понятие существенности используют для идентификации информации, которая в случае ее упущения или неправильного представления значительно искажает утверждение относительно ПГ для предполагаемых пользователей и, следовательно, влияет на их заключения. Приемлемую существенность определяет эксперт по валидации, верификации или программа по ПГ на основе согласованного уровня заверения.

Источник: ГОСТ Р ИСО 14064-1-2007: Газы парниковые. Часть 1. Требования и руководство по количественному определению и отчетности о выбросах и удалении парниковых газов на уровне организации оригинал документа

3.75 существенность (severity): Качественное изменение ситуации, которое может свидетельствовать о возникновении опасности.

Источник: ГОСТ Р 54110-2010: Водородные генераторы на основе технологий переработки топлива. Часть 1. Безопасность оригинал документа

9.3.6 существенность (materiality): Понятие, указывающее на возможность воздействия отдельных ошибок или их совокупности, упущений и искажений на утверждение по парниковым газам (9.5.2) и решения предполагаемых пользователей (9.7.2).

Примечание 1 - Понятие «существенность» используется при планировании проведения валидации (5.4) или верификации (5.1) для идентификации планов выборочного контроля с целью определения типов значительных процессов, используемых для минимизации риска того, что эксперты по валидации (5.8)или эксперты по верификации (5.3) не обнаружат существенного несоответствия (9.3.7) (риск необнаружения).

Примечание 2 - Понятие «существенность» используют для идентификации информации, которая в случае ее упущения или неправильного представления значительно исказит утверждение относительно ПГ для предполагаемых пользователей и, следовательно, повлияет на их заключения. Приемлемая существенность определяется экспертами по валидации, верификации или программой по парниковым газам (9.4.1) на основе согласованного уровня заверения (5.16).

[ИСО 14064-1:2006]

Источник: ГОСТ Р ИСО 14050-2009: Менеджмент окружающей среды. Словарь оригинал документа

3.4.7 существенность (materiality): Концепция, в соответствии с которой отдельные ошибки, пропуски и неправильные толкования или их совокупность могут повлиять на заявление по ПГ и решения, принимаемые предполагаемыми пользователями.

Примечания

1 Концепция существенности используется при разработке планов валидации и верификации и выборочного контроля для определения типа существенных процессов, используемых для минимизации риска того, что эксперт по валидации или верификации не обнаружит существенного несоответствия (риск обнаружения).

2 Концепция существенности используется для идентификации информации, которая, если будет пропущена или неправильно сформулирована, исказит заявление по ПГ для предполагаемых пользователей, что повлияет на их заключения. Приемлемая существенность определяется экспертом по валидации, экспертом по верификации или программой по ПГ, основанной на согласованном уровне гарантии.

[ИСО 14064-3:2006, статья 2.29]

Источник: ГОСТ Р ИСО 14065-2010: Газы парниковые. Требования к органам по валидации и верификации парниковых газов для их применения при аккредитации или других формах признания оригинал документа

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

оптимум
оптимальность
С точки зрения математики, оптимум функции есть такое ее экстремальное значение (см. Экстремум функции), которое больше других значений той же функции — тогда это глобальный или, лучше, абсолютный максимум, или меньше других значений — тогда это глобальный (абсолютный) минимум. Если трактовать наибольшее или наименьшее значение каких-то экономических характеристик как наилучшее (в том или ином смысле), то мы придем к фундаментальным понятиям экономико-математических методов — понятиям оптимума и оптимальности. Термин «оптимум» употребляется по меньшей мере в трех значениях: 1) наилучший вариант из возможных состояний системы — его ищут, «решая задачи на О.»; 2) наилучшее направление изменений (поведения) системы («выйти на О.»); 3) цель развития, когда говорят о «достижении О.». Термин «оптимальность», «оптимальный» означает характеристику качества принимаемых решений (оптимальное решение задачи, оптимальный план, оптимальное управление), характеристику состояния системы или ее поведения (оптимальная траектория, оптимальное распределение ресурсов, оптимальное функционирование системы) и т.п. Это не абсолютные понятия: нельзя говорить об оптимальности вообще, вне условий и без точно определенных критериев оптимальности. Решение, наилучшее в одних условиях и с точки зрения одного критерия, может оказаться далеко не лучшим в других условиях и по другому критерию. К тому же следует оговориться, что в реальной экономике, поскольку она носит вероятностный характер, оптимальное решение на самом деле не обязательно наилучшее. Приходится учитывать также фактор устойчивости решения. Может оказаться так, что оптимальный расчетный план неустойчив: любые, даже незначительные отклонения от него могут привести к резко отрицательным последствиям. И целесообразно будет принять не оптимальный, но зато устойчивый план, отклонения от которого окажутся не столь опасными. (Нетрудно увидеть, что здесь происходит некоторая замена критериев: вместо критерия максимума рассматриваемого показателя вводится критерий надежности плана). · В общей задаче математического программирования вектор инструментальных переменных является точкой глобального О. (решением задачи), если он принадлежит допустимому множеству и целевая функция принимает на этом множестве значение не меньшее (при задаче на максимум) или не большее (при задаче на минимум), чем в любой другой допустимой точке (см. Экстремум функции). Соответственно точкой локального О. является вектор инструментальных переменных, принадлежащий допустимому множеству, на котором значение функции больше (меньше) или равно значениям функции в некоторой малой окрестности этого вектора. Очевидно, что глобальный О. является и локальным, обратное же утверждение было бы неверным. Для функции одной переменной это можно показать на рис. 0.9, где F (x) = y — целевая функция, x — инструментальная переменная. Проверка оптимальности, вытекающая из сказанного: если небольшое передвижение от проверяемой точки сокращает (для задачи максимизации) целевую функцию (функционал), то это — О. Такое правило, однако, относится лишь к выпуклой области допустимых решений. Если она невыпуклая, то данная точка может оказаться лишь локальным О. (см. Градиентные методы). Выделяется два типа оптимальных точек: внутренний и граничный О. (на рис. 0.9 точка x3 — локальный граничный О., точки x1, x2 — внутренние локальные, а x* — внутренний глобальный О.). В первом случае возможно нахождение О. путем дифференцирования функции и приравнивания нулю производной (или частных производных для функции многих переменных). Во втором случае этот метод неприменим (он не применим также в случае, если функция негладкая (см. Гладкая функция). Если оптимальная точка — единственная, то имеем сильный О., в противоположном случае — слабый О. Соответствующие термины применяются как к глобальному (абсолютному), так и к локальному О. См. Глобальный критерий, Народнохозяйственный критерий оптимальности, Оптимальное функционирование экономической системы, Оптимальность по Парето, Принцип оптимальности, Социально-экономический критерий оптимальности. Рис. О.9 Глобальный и локальные оптимумы
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

Синонимы

• оптимальность

EN

• optimum, optimality