Связанные понятия
Многоме́рное норма́льное распределе́ние (или многоме́рное га́уссовское распределе́ние) в теории вероятностей — это обобщение одномерного нормального распределения. Случайный вектор, имеющий многомерное нормальное распределение, называется гауссовским вектором.
Аппроксима́ция (от лат. proxima — ближайшая) или приближе́ние — научный метод, состоящий в замене одних объектов другими, в каком-то смысле близкими к исходным, но более простыми.
Стационарность или постоянство — свойство процесса не менять свои характеристики со временем. Понятие используется в нескольких разделах науки.
Гауссовский процесс назван так в честь Карла Фридриха Гаусса, поскольку в его основе лежит понятие гауссовского распределения (нормального распределения). Гауссовский процесс может рассматриваться как бесконечномерное обобщение многомерных нормальных распределений. Эти процессы применяются в статистическом моделировании; в частности используются свойства нормальности. Например, если случайный процесс моделируется как гауссовский, то распределения различных производных величин, такие как среднее значение...
Линеаризация (от лат. linearis — линейный) — один из методов приближённого представления замкнутых нелинейных систем, при котором исследование нелинейной системы заменяется анализом линейной системы, в некотором смысле эквивалентной исходной. Методы линеаризации имеют ограниченный характер, т. е. эквивалентность исходной нелинейной системы и её линейного приближения сохраняется лишь для ограниченных пространственных или временных масштабов системы, либо для определенных процессов, причём, если система...
Упоминания в литературе
Для оценки этих
параметров можно воспользоваться кривой переходного процесса, получаемой при скачкообразном изменении входного сигнала. Очевидно, для зрительной системы такой режим будет соответствовать смене точек фиксации. Большинство скачков, лежащих в пределах 20°, может апроксимироваться кривой (рисунок 1.8), что с достаточной степенью точности может характеризовать систему по цепи прямой связи как апериодическую второго порядка. Динамика такой системы может быть описана дифференциальным уравнением второго порядка:
Аналогия между эволюционным процессом и статистической физикой не ограничена существованием универсальных зависимостей и распределений, некоторые из которых могут быть выведены в рамках простых моделей. Возможно также составить схему детального соответствия ключевых
параметров этих двух областей (Barton and Coe, 2009; Sella and Hirsh, 2005). Такой параметр состояния (степень свободы), как положение частицы, в этой схеме является аналогом либо состояния сайта в нуклеотидной или белковой последовательности, либо состояния гена в геноме (в зависимости от уровня моделирования эволюции), и тогда параметрам скорости эволюции для сайта или гена будет соответствовать скорость частицы. Более того, значение эффективной численности популяции будет очевидно аналогичным значению температуры в статистической физике, а приспособленность будет соответствовать свободной энергии.
Таким образом, если требуется реализовать определенное значение для измеряемого
параметра , необходимо создать квантовое состояние, в котором это значение параметра может реализоваться с наибольшей вероятностью. Как уже сказано, в квантовом мире не существует понятия «траектория, ведущая к цели»; управление осуществляется через создание состояния.
Кибернетические системы делятся на непрерывные и дискретные. В непрерывных системах все сигналы, циркулирующие в системе, и состояния элементов задаются непрерывными
параметрами , в дискретных – дискретными. Существуют однако и смешанные системы, в которых имеются параметры обоих видов. Деление систем на непрерывные и дискретные является условным и определяется необходимой степенью точности исследуемого процесса, техническими и математическими удобствами. Некоторые процессы или величины, имеющие дискретную природу, например электрический ток (дискретность электрического заряда: он не может быть меньше, чем заряд электрона), удобно описывать непрерывными величинами. В других случаях, наоборот, непрерывный процесс имеет смысл описывать дискретными параметрами.
Время любого конкретного развивающегося объекта включает все
параметры . Однако при определенных ракурсах позиционирования объекта в реальном мире или предмета исследования в науке, рассмотрения вообще, время может «утрачивать» (можно абстрагироваться) от одного, двух, трех, четырех параметрических характеристик. Так, время имеет одно измерение в стационарных объектах изотемпного типа – направление. Это объекты, «работающие» на физико-химических взаимодействиях (астрономическое время). Поскольку все процессы (длительность) здесь равномерны, повторяемость жесткая (в пределах флуктуаций), время имеет постоянную скорость, не обладает выбором в пределах небольших интервалов времени (десятки миллионов лет), границы не существуют (фактическая вечность). Время имеет два измерения в стационарных объектах анизотемпного типа – направление и темп (ритм). Три параметра, например, в масштабах времени, соизмеримых с временем бытия объекта, когда появляются границы времени. И так далее. Точно так же, как происходит «выпрямление» искривленного пространства Н. И. Лобачевского, Б. Римана, А. Эйнштейна до плоскости Евклида и изотропного, однородного, стационарного пространства Галилея-Коперника-Ньютона, происходит «выпрямление» времени из многомерного в одномерное и двумерное при определенных параметрах объекта (процесса или ситуации).
Связанные понятия (продолжение)
Апостерио́рная вероя́тность — условная вероятность случайного события при условии того, что известны апостериорные данные, т.е. полученные после опыта.
Усло́вное распределе́ние в теории вероятностей — это распределение случайной величины при условии, что другая случайная величина принимает определённое значение.
Корректно поставленная задача в математике — прикладная задача, математическое решение которой существует, единственно и устойчиво. Происходит от определения, данного Жаком Адамаром, согласно которому математические модели физических явлений должны иметь следующие свойства...
Непреры́вное равноме́рное распределе́ние — в теории вероятностей — распределение случайной вещественной величины, принимающей значения, принадлежащие интервалу , характеризующееся тем, что плотность вероятности на этом интервале постоянна.
Ковариацио́нная ма́трица (или ма́трица ковариа́ций) в теории вероятностей — это матрица, составленная из попарных ковариаций элементов одного или двух случайных векторов.
Независимая переменная — в эксперименте переменная, которая намеренно манипулируется или выбирается экспериментатором с целью выяснить её влияние на зависимую переменную.
Проклятие размерности (ПР) — термин, используемый в отношении ряда свойств многомерных пространств и комбинаторных задач. В первую очередь это касается экспоненциального роста необходимых экспериментальных данных в зависимости от размерности пространства при решении задач вероятностно-статистического распознавания образов, машинного обучения, классификации и дискриминантного анализа. Также это касается экспоненциального роста числа вариантов в комбинаторных задачах в зависимости от размера исходных...
То́чечная оце́нка в математической статистике — это число, оцениваемое на основе наблюдений, предположительно близкое к оцениваемому параметру.
Фу́нкция распределе́ния в теории вероятностей — функция, характеризующая распределение случайной величины или случайного вектора; вероятность того, что случайная величина X примет значение, меньшее или равное х, где х — произвольное действительное число. При соблюдении известных условий (см. ниже) полностью определяет случайную величину.
Ковариа́ция (корреляционный момент, ковариационный момент) — в теории вероятностей и математической статистике мера линейной зависимости двух случайных величин.
Прострáнством называется математическое множество, имеющее структуру, определяемую аксиоматикой свойств его элементов (например, точек в геометрии, векторов в линейной алгебре, событий в теории вероятностей и так далее).Подмножество пространства называется «подпространством», если структура пространства индуцирует на этом подмножестве структуру такого же типа (точное определение зависит от типа пространства).
Подробнее: Пространство (математика)
Винеровский процесс в теории случайных процессов — это математическая модель броуновского движения или случайного блуждания с непрерывным временем.
Анализ размерности (чаще говорят «соображения размерности» или «метрические соображения») — инструмент, используемый в физике, химии, технике и нескольких направлениях экономики для построения обоснованных гипотез о взаимосвязи различных параметров сложной системы. Неоднократно применялся физиками на интуитивном уровне не позже XIX века.
Кванти́ль в математической статистике — значение, которое заданная случайная величина не превышает с фиксированной вероятностью. Если вероятность задана в процентах, то квантиль называется процентилем или перцентилем (см. ниже).
В математике особой точкой векторного поля называется точка, в которой векторное поле равно нулю. Особая точка векторного поля является положением равновесия или точкой покоя динамической системы, определяемой данным векторным полем: фазовая траектория с началом в особой точке состоит в точности из этой особой точки, а соответствующая ей интегральная кривая представляет собой прямую, параллельную оси времени.
Подробнее: Особая точка (дифференциальные уравнения)
Эта статья о физическом понятии. О более общем значении термина, см. статью СкалярСкалярная величина (от лат. scalaris — ступенчатый) в физике — величина, каждое значение которой может быть выражено одним действительным числом. То есть скалярная величина определяется только значением, в отличие от вектора, который кроме значения имеет направление. К скалярным величинам относятся длина, площадь, время, температура и т. д.Скалярная величина, или скаляр согласно математическому энциклопедическому словарю...
Подробнее: Скалярная величина
Лине́йная систе́ма — любая система, для которой отклик системы на сумму воздействий равен сумме откликов на каждое воздействие. В математической модели линейной системы это означает, что оператор преобразования "вход-выход" линеен. Иногда линейное свойство системы называют принципом суперпозиции.
Несмещённая оце́нка в математической статистике — это точечная оценка, математическое ожидание которой равно оцениваемому параметру.
Статистическим ансамблем физической системы называется набор всевозможных состояний данной системы, отвечающих определённым критериям. Примерами статистического ансамбля являются...
Подробнее: Статистический ансамбль
Логистическая регрессия или логит-регрессия (англ. logit model) — это статистическая модель, используемая для прогнозирования вероятности возникновения некоторого события путём подгонки данных к логистической кривой.
Функция потерь — функция, которая в теории статистических решений характеризует потери при неправильном принятии решений на основе наблюдаемых данных. Если решается задача оценки параметра сигнала на фоне помех, то функция потерь является мерой расхождения между истинным значением оцениваемого параметра и оценкой параметра.
Временно́й ряд (или ряд динамики) — собранный в разные моменты времени статистический материал о значении каких-либо параметров (в простейшем случае одного) исследуемого процесса. Каждая единица статистического материала называется измерением или отсчётом, также допустимо называть его уровнем на указанный с ним момент времени. Во временном ряде для каждого отсчёта должно быть указано время измерения или номер измерения по порядку. Временной ряд существенно отличается от простой выборки данных, так...
Самоподобный объект — объект, в точности или приближённо совпадающий с частью себя самого (то есть целое имеет ту же форму, что и одна или более частей).
Подробнее: Самоподобие
Ме́тод моме́нтов — метод оценки неизвестных параметров распределений в математической статистике и эконометрике, основанный на предполагаемых свойствах моментов (Пирсон, 1894 г.). Идея метода заключается в замене истинных соотношений выборочными аналогами.
В математике и теоретической физике функциональная производная является обобщением производной по направлению. Разница заключается в том, что для последней дифференцирование производится в направлении какого-нибудь вектора, а для первой речь идёт о функции. Оба эти понятия можно рассматривать как обобщение обычного дифференциального исчисления.
Подробнее: Функциональная производная
Весовая функция — математическая конструкция, используемая при проведении суммирования, интегрирования или усреднения с целью придания некоторым элементам большего веса в результирующем значении по сравнению с другими элементами. Задача часто возникает в статистике и математическом анализе, тесно связана с теорией меры. Весовые функции могут быть использованы как для дискретных, так и для непрерывных величин.
Целевая функция — вещественная или целочисленная функция нескольких переменных, подлежащая оптимизации (минимизации или максимизации) в целях решения некоторой оптимизационной задачи. Термин используется в математическом программировании, исследовании операций, линейном программировании, теории статистических решений и других областях математики в первую очередь прикладного характера, хотя целью оптимизации может быть и решение собственно математической задачи. Помимо целевой функции в задаче оптимизации...
Корреляционная функция — функция времени и пространственных координат, которая задает корреляцию в системах со случайными процессами.
Ве́ктор (от лат. vector, «несущий») — в простейшем случае математический объект, характеризующийся величиной и направлением. Например, в геометрии и в естественных науках вектор есть направленный отрезок прямой в евклидовом пространстве (или на плоскости).
Переме́нная — атрибут физической или абстрактной системы, который может изменять своё, как правило численное, значение. Понятие переменной широко используется в таких областях как математика, естественные науки, техника и программирование. Примерами переменных могут служить: температура воздуха, параметр функции и многое другое.
Коэффицие́нт (от лат. co(cum) «совместно» + efficients «производящий») — числовой множитель при буквенном выражении, множитель при той или иной степени неизвестного, или постоянный множитель при переменной величине.
Параметрическое представление — используемая в математическом анализе разновидность представления переменных, когда их зависимость выражается через дополнительную величину — параметр.
Теория оценивания — раздел математической статистики, решающий задачи оценивания непосредственно не наблюдаемых параметров сигналов или объектов наблюдения на основе наблюдаемых данных. Для решения задач оценивания применяется параметрический и непараметрический подход. Параметрический подход используется, когда известна математическая модель...
Метод конечных разностей — численный метод решения дифференциальных уравнений, основанный на замене производных разностными схемами. Является сеточным методом.
Ра́венство (отношение равенства) в математике — бинарное отношение, наиболее логически сильная разновидность отношений эквивалентности.
Математическая формула (от лат. formula — уменьшительное от forma — образ, вид) — в математике, а также физике и прикладных науках, символическая запись высказывания (которое выражает логическое суждение), либо формы высказывания. Формула, наряду с термами, является разновидностью выражения формализованного языка.
Ме́тод максима́льного правдоподо́бия или метод наибольшего правдоподобия (ММП, ML, MLE — англ. maximum likelihood estimation) в математической статистике — это метод оценивания неизвестного параметра путём максимизации функции правдоподобия. Основан на предположении о том, что вся информация о статистической выборке содержится в функции правдоподобия.
Метод итерации — численный метод решения математических задач, приближённый метод решения системы линейных алгебраических уравнений. Суть такого метода заключается в нахождении по приближённому значению величины следующего приближения (являющегося более точным).
Характеристи́ческая фу́нкция случа́йной величины ́ — один из способов задания распределения. Характеристические функции могут быть удобнее в тех случаях, когда, например, плотность или функция распределения имеют очень сложный вид. Также характеристические функции являются удобным инструментом для изучения вопросов слабой сходимости (сходимости по распределению). В теорию характеристических функций внесли большой вклад Ю.В. Линник, И.В. Островский, С.Р. Рао, Б. Рамачандран.
Поиском
наилучшей проекции (англ. Projection Pursuit) называется статистический метод, состоящий в нахождении такой проекции многомерных данных, для которой достигает максимума некоторая функция качества проекции.
Упоминания в литературе (продолжение)
Обучение модели заключается в настройке ее
параметров таким образом, чтобы получаемые предсказания значений целевой переменной отличались от реальных измеренных значений как можно меньше в терминах используемой меры ошибки. Освещение тех или иных алгоритмов обучения предсказательных моделей, равно как и подходов к оценке ее обобщающей (предсказательной) способности (напр., методика скользящего контроля), подробности методов распознавания образов и такого научного направления, как машинное обучение, можно уточнить, например, в соответствующих изданиях (Воронцов, 2007; Лепский, Броневич, 2009; Alpaydin, 2010).
В рамках нашего исследования этот подход привлекает нас новым взглядом на развитие неустойчивых ситуаций в системе ранней помощи, для чего требуется учитывать влияние разного рода случайностей, малых резонансных воздействий, которые трудно поддаются прогнозированию. Особую значимость для понимания историко-педагогических процессов в сфере ранней помощи, смены тех или иных идей, парадигм, ценностей и целей ранней помощи приобретает развитие в точке бифуркации – точке ветвления процесса, являющейся отправной для новой линии эволюции и развития. С понятием бифуркации неразрывно связано представление о так называемом аттракторе. Развитие динамической системы происходит в некотором аттракторе – ограниченной «области притяжения» одного из стабильных или квазистабильных состояний системы. Сложные нелинейные системы могут обладать большим числом аттракторов. В силу ряда причин – чрезмерно большой внешней нагрузки или накопления флуктуаций (противоречий в системе) – система может качественно измениться, перейдя в новый аттрактор, или канал развития. При переходе системы из одного состояния в другое разные
параметры системы имеют разное значение: одни параметры системы – быстрые переменные можно выразить через другие параметры – медленные переменные, которые являются параметрами порядка. Принцип подчинения одних параметров другим, поиск и определение параметров порядка являются для нас важным методологическим ориентиром при рассмотрении эволюции практики ранней помощи в странах Запада и поиске возможного механизма развития и адаптации этой социальной системы.
Поскольку в цифровом описании мы имеем дело с двоичным представлением, полученные значения необходимо воспроизвести в виде двоичного кода. При этом происходит усечение значений
параметра до ближайшего допустимого значения (рис. 3.1). Степень числа «два», при которой мы получим нужное число допустимых значений параметра, называется глубиной, или уровнем квантования, или разрядностью слова данных. Уважаемый читатель, не спешите пугаться обилию незнакомых терминов. Разберем несколько примеров. Крайним может быть случай, когда для описания выделен один бит. Тогда параметр может принимать 21 = 2 значения: 0 и 1. Изображение, описанное подобным образом, будет состоять из черных и белых точек. Если, допустим, уровень квантования равен 8, то для описания выделено 8 бит (1 байт), и параметр может принимать 28 = 256 значений, при уровне квантования 10 получим 1024 допустимых значения и т. д. На рис 3.1 имеем 8 допустимых значений (от 0 до 7), соответственно, уровень квантования равен трем.
математическое ожидание и среднеквадрати—ческое отклонение. Оценка
параметра , выражаемая одним числом, называется точечной. Любая точечная оценка, вычисленная на основании опытных данных, является их функцией и поэтому сама должна представлять собой случайную величину с распределением, зависящим от распределения исходной случайной величины, в том числе от самого оцениваемого параметра и от числа опытов.
Практически каждое правило, сформулированное на научной основе, может быть формализовано с использованием разного количества
параметров . Алгоритмы расчета параметров могут быть самыми разными. И, наконец, порядок выбора числовых значений параметров означает выбор определенной схемы оптимизации.
Существуют различные методы описания сложных систем. Все они, по существу, сводятся к тому, чтобы редуцировать сложность, описать сложное поведение системы относительно простым образом. Г. Хакен разработал модель
параметров порядка и принципа подчинения. Для сложной системы можно определить немногие параметры порядка, которые характеризуют поведение системы на динамическом уровне и которым подчинено поведение ее элементов. Параметры порядка системы и поведение ее элементов соединены циклической причинностью: параметры порядка порождены поведением элементов, но, возникнув, подчиняют себе поведение отдельных элементов или подсистем. И. Пригожин предложил метод диаграмм бифуркаций и каскадов бифуркаций. Однозначное, детерминированное поведение системы возникает в результате выбора пути развития в состоянии неустойчивости (точке бифуркации), где малые влияния, флуктуации на уровне элементов могут определить дальнейшее русло развития системы как целого. Порядок возникает из хаоса, единство из разнообразия, и так до следующей неустойчивости (следующей точки бифуркации). СП. Курдюмов предложил модель структур-аттракторов эволюции сложных систем, т. е. относительно устойчивых состояний, на которые может выходить сложная система в процессе эволюции. Спектр структур-аттракторов детерминирован собственными, внутренними свойствами соответствующей сложной системы и определяет ее возможное отдаленное будущее.
С точки зрения архитектуры человека, измерение
параметров архитектуры следует производить относительно девяти ключевых качеств в соответственных зонах преобразования. Измерение только ключевых качеств в зонах преобразования значительно упрощает понимание биохимических процессов, поскольку качества Малых Арканов с двоек по десятки не учитываются, и в линейной модели могут быть названы неточными измерениями.
Кластерный анализ позволяет рассматривать достаточно большой объем информации, сжимать массивы социально-экономической информации, делать их компактными и наглядными. Однако состав и количество кластеров зависят от выбираемых критериев разбиения. В то же время могут теряться индивидуальные черты отдельных объектов за счет замены их характеристиками обобщенных значений
параметра кластера. Это следует отнести к недостатку кластерного анализа.
Завершая анализ
параметров психических процессов, протекающих в микроинтервалах времени, необходимо отметить, что процесс переработки информации можно представить в виде сложной иерархической структуры функциональных блоков, каждый из которых имеет определенные количественные характеристики: объем информации, время хранения, сложность выполняемых преобразований и т. д. В настоящее время разработаны надежные психометрические процедуры, которые позволяют четко зафиксировать параметры описанных выше показателей в числовой форме. Это послужило дополнительным основанием для выбора дескрипторов когнитивного ресурса, в качестве которых мы предлагаем рассматривать объем иконической памяти и время реакции выбора.
После того как элементы орбиты определены и, следовательно, r, ? и β могут быть вычислены, формула (3.6) позволяет найти абсолютную звездную величину, если имеются наблюдения видимой звездной величины. Для определения
параметра G требуются наблюдения видимой звездной величины при различных углах фазы. В настоящее время значение параметра G определено из наблюдений только для 114 астероидов, в том числе для нескольких АСЗ. Найденные значения G варьируются в пределах от –0,12 до 0,60. Для прочих астероидов значение G принимается равным 0,15.
Наиболее полное исследование процесса функционирования системы можно провести, если известны явные зависимости, связывающие искомые характеристики с начальными условиями,
параметрами и переменными системы. Однако такие зависимости удается получить только для сравнительно простых систем. Исследование сложных систем аналитическими методами наталкивается на значительные трудности, что является существенным недостатком метода. К достоинствам аналитического моделирования относят большую силу обобщения и многократность использования.
Важным свойством линейных систем как с постоянными, так и с переменными
параметрами является справедливость для них принципа суперпозиции: отклик линейной системы на внешнее воздействие, являющееся суммой нескольких воздействий, может быть получен как сумма (суперпозиция) откликов на каждое воздействие в отдельности.
Сравнение
параметров столбиков по средним значениям, при использование t-критерия Стьюдента, показало значимое отличие средних для следующих параметров матриц исследования:
• Четвертая причина состоит в том, что все реальные экономические системы строго нелинейные (подавляющее большинство преобразований
параметров внутри системы выполняются нелинейными алгоритмами), а это приводит к тому, что в экономике полностью отсутствуют линейные функциональные связи между ее параметрами. Эта особенность экономики приводит к тому, что исключается возможность существования у нее «замороженных», т. е. постоянных по величине коэффициентов (в виде не изменяемых ставок налогов и тарифов, цен и даже постоянных нормативов, т. е. констант, которые всегда в перспективе приводят к разрушению экономики).
Разделяющая поверхность – это геометрическая поверхность, которая воспроизводит форму поверхности разрыва и располагается параллельно последней. Если представить идеализированную систему в которой каждая из интенсивных величин имеет характерные для данной объемной фазы значения, и сравнить ее с реальной системой, то получим, что разности соответствующих экстенсивных
параметров в данных системах представляют собой поверхностные избытки. Например, состав поверхностного слоя определяется избыточным числом молей компонентов nis.
Количественно состояния различают с помощью термо–динамических переменных. Термодинамические перемен–ные – такие величины, которые характеризуют состояние системы в целом. Их называют еще термодинамическими
параметрами системы. Важнейшими термодинамическими переменными являются давление р, температура Т, объем системы V или общая масса системы m, массы химических веществ (компонент) mk, из которых состоит система, или концентрация этих веществ те. Следует отметить, что ана–логичные характеристики (температура, масса, состав био–логических жидкостей, артериальное давление) использу–ются врачом для определения состояния больного.
Если относительно нормативов ЭЭГ для раннего возраста в литературе есть разночтения, то, начиная с 3–4 лет, альфа-ритму приписывается ведущее значение в формировании возрастной структуры биоритмов. Однако, как показал анализ литературы, преимущество в выборе критериев зрелости отдается частотным
параметрам , в частности, с возрастом описывается тенденция к «ускорению», повышению частоты альфа-ритма. Параметры пространственной его организованности и амплитудных модуляций не используются авторами как критерии зрелости/незрелости структуры ЭЭГ, хотя могут быть описаны наряду с частотными параметрами.
Выше были представлены средние климатические значения основных метеорологических
параметров и статистические характеристики изменчивости для всего периода измерений. Рассмотрим теперь их межгодовую изменчивость. На рис. 8 приведены графики изменений среднемесячных значений Т, Р и N и их аппроксимации линейными трендами, годовой ход коэффициентов трендов (б) и их вклад в общую дисперсию (в).
Контрольная карта – инструмент, позволяющий наблюдать за изменением во времени
параметров , от которых зависит качество. В контрольную карту записываются итоги вычислений или непосредственно измеряемые черты качества из выборки текущего процесса работы. Через определенный период времени делается возможным отделить системные ошибки, возникшие в результате помех компонента процесса, от случайных.
Упорядочение свойств любых объектов происходит в соответствии с определенными правилами и нормами и связано с необходимостью контролировать
параметры объекта, оценивать уровень качества объекта, выявлять зависимости между свойствами объекта в целом и функциональными параметрами, характеристиками его элементов. В связи с этим техническое нормирование и стандартизацию следует рассматривать в трех ключевых направлениях: как науку, как практическую деятельность, как элемент управления качеством.
Очень часто статистическое исследование опирается на разработанную математическую модель явления. Такая модель теоретически отображает количественные соотношения изучаемого явления. При ее наличии задача статистики состоит в численном определении
параметров , входящих в модели.
«Вечные»
параметры порядка высшего уровня (мега-уровня), определяющие культурно-цивилизационный тип страны или этно-государственного образования, часто называют управляющими параметрами культуры[54]. Собственно параметры порядка – это долгоживущие коллективные переменные, задающие «язык» и структуру среднего уровня (т. е. социокультурной парадигмы той или иной исторической эпохи). Параметры порядка управляют короткоживущими переменными микро-уровня (т. е. «броуновским» движением индивидуумов и социокультурных групп). При этом развитие системы происходит в соответствии с принципом циклической причинности: параметры порядка определяют поведение частей и, наоборот, части определяют через свое коллективное поведение параметров порядка[55].
Значения ЕЭ = Ux и r0Э можно определить как расчетным, так и экспериментальным путем. Для расчетного определения Ux и r0Э необходимо знать
параметры элементов активного двухполюсника А и схему их соединения. При определении сопротивления r0Э необходимо удалить из схемы двухполюсника все источники, сохранив все резистивные элементы, в том числе и внутренние сопротивления источников ЭДС. Внутренние сопротивления источников с указанными напряжениями следует принять равными нулю.
Сторонники третьего подхода под устойчивостью понимают способность социально-экономической системы сохранять динамическое равновесие. Так, автор [259] полагает, что устойчивость – «интегрированное свойство системы сохранять динамическое равновесие при изменении в допустимых пределах
параметров внешней и внутренней среды». Другие исследователи [105] под категорией «экономическая устойчивость хозяйственной системы региона» рассматривают интегрированное свойство системы сохранять динамическое равновесие при изменении в допустимых пределах параметров внешней и внутренней среды.
Место звезды на главной последовательности определяется ее массой. Следует заметить, что имеется еще один
параметр , определяющий положение равновесной излучающей звезды на диаграмме «спектр – светимость». Таким параметром является первоначальный химический состав звезды. Если относительное содержание тяжелых элементов уменьшится, звезда «ляжет» на диаграмме ниже. Именно этим обстоятельством объясняется наличие последовательности субкарликов. Как уже говорилось выше, относительное содержание тяжелых элементов у этих звезд в десятки раз меньше, чем у звезд главной последовательности.
Что же касается физики и техники, то механизмы, обеспечивающие самонастройку системы, уже в течение многих лет являются объектом исследований специалистов по проблемам управления. Сегодня наука обладает достаточно развитой математической теорией систем, способных к адаптации. Поэтому, если мы в состоянии построить математическую модель системы и механизма ее самонастройки и располагаем достаточно полной информацией о свойствах окружающей среды, то, используя указанную теорию, мы сможем не только предсказать тенденции, как это делают селекционеры, но и дать с определенной точностью количественную характеристику развивающихся событий. Простейшие модели подобных механизмов широко используются в технике, биотехнологиях, при изучении динамики популяций и т. д. Зная достаточно хорошо внешние?условия и их прогноз, а также те объективные законы, которые управляют развитием системы, мы можем быть уверены, что с помощью механизмов адаптационного типа развивающаяся система не обретет никаких новых, неожиданных свойств. Механизмы подобного рода позволяют
параметрам системы изменяться лишь в достаточно ограниченных пределах. И эти пределы во многих случаях можно определить заранее.
Обычная СИ-программа является определением функции main, которая для выполнения определенных действий вызывает другие функции. Связь между функциями производилась по данным через передачу
параметров и возврата значений функций. Однако компилятор языка СИ дает возможность также разбить программу на несколько отдельных частей, которые являются исходными файлами, оттранслировать любую часть отдельно и после этого объединить все части в один выполняемый файл при помощи редактора связей. При данной структуре исходной программы функции, располагающиеся в разных исходных файлах, могут применять глобальные внешние переменные. Все функции в языке СИ по определению внешние и постоянно доступны из каждого файла. Для выполнения определяемой функцией каких-либо действий она должна применять переменные. В языке СИ все переменные объявляются до их применения. Объявления определяют соответствие имени и атрибутов переменной, функции или типа. Определение переменной приводит к выделению памяти для хранения ее значения. Класс отводимой памяти определяется спецификатором вида памяти и задает время жизни и область видимости переменной, которые связаны с понятием блока программы. В СИ блоком является ряд объявлений, определений и операторов, располагающихся в фигурных скобках.
Алгоритм NASA Team (NT) использует два отношения: поляризационное (горизонтальная и вертикальная поляризации канала 19 ГГц) и градиентное отношение (вертикальная поляризация каналов 19 и 37 ГГц). Использование отношения уменьшает зависимость получаемой в итоге сплоченности от температуры поверхности. Алгоритм применим для трех типов поверхности: воды и двух типов льда (в условиях Арктики – однолетнего и многолетнего; модифицированный алгоритм – для областей с однолетним льдом и тонким льдом). Для снижения вероятности ложного обнаружения морского льда в открытых водах алгоритм NT использует два погодных фильтра, основанных на расчете пороговых значений по отношению вертикальной поляризации каналов 37 и 19 ГГц (23 и 19 ГГц). Улучшенная версия NT – алгоритм NASA Team 2 кроме каналов 19 и 37 ГГц использует данные канала 85 ГГц, полезные для автоматического восстановления
параметров морского льда. Канал 85 ГГц очень чувствителен к атмосферному излучению и менее чувствителен к неоднородности снега или льда. Атмосферное излучение на 85 ГГц гораздо более сильное, чем на 19 и 37 ГГц, особенно в присутствии оптически тонких облаков. Вклад атмосферы корректируется путем использования простой модели переноса излучения; для каждого пикселя делается расчет атмосферных поправок, исходя из 11 типовых видов полярных атмосфер. В итоге алгоритм NASA Team 2 позволяет повысить точность оценки сплоченности льда.
При использовании механизма динамического моделирования для каждого разработанного варианта модели можно получить набор статистики как по процессу в целом, так и по отдельным его элементам. Статистика включает такие
параметры , как среднее время выполнения процесса, общее время ожидания, среднее время выполнения отдельных функций, коэффициент использования исполнителей и других ресурсов и т. д. Полученная статистика служит основой как для оценки текущего процесса, так и для сравнения альтернативных вариантов и выбора наиболее оптимального из них. Альтернативы могут вырабатываться индивидуально на основе эмпирических исследований либо автоматическим способом – по случайному принципу.