3,533 matches
-
obținute prin prelucrarea | | | | |intestinelor de animale | | | +---------+--------------------------------------+----------------------------------------+----------------------------+ | ex |Blănuri și articole din blană; blănuri| Fabricare din materiale de la orice | | | Capitolul|artificiale, cu excepția: |poziție, cu excepția celei la care se | | | 43 | |încadrează produsul | | | ex 4302 |Blănuri tăbăcite sau apretate, | | | | |asamblate: | | | | |- Acoperitoare, saci, cruci, pătrate |Albire sau vopsire, tăiere și asamblare | | | |și analoge |de piei tăbăcite sau apretate, | | | | |neasamblate | | | |- Altele |Fabricare din piei tăbăcite sau | | | | |apretate, neasamblate | | | 4303 |Articole de îmbrăcăminte, accesorii de|Fabricare din piei tăbăcite sau | | | |îmbrăcăminte și alte articole din |apretate, neasamblate
EUR-Lex () [Corola-website/Law/153286_a_154615]
-
tranzacționate. Articolul 30 Corespunzător practicilor Uniunii Europene, valorile lui C3 pot fi interpretate astfel: a) C3 tinde la 0% - concurenta perfectă. ��... b) 40% ... c) 70% ... Indicatorul Herfindahl - Hirschman (HHI) Articolul 31 Pentru fiecare piață, indicele HHI se calculează prin însumarea pătratelor cotelor de piață ale participanților: N ² HHI(i) = Σ[Qj(i)] j=1 în care: j = participantul la piață; Qj(i) - reprezintă cota de piață a participantului j, în intervalul de timp i, exprimată în procente. Articolul 32 Indicele HHI
EUR-Lex () [Corola-website/Law/184058_a_185387]
-
acestuia, ambele de culoare galbenă - exemplarul 4/5: o linie continuă spre interiorul formularului și o linie discontinuă spre exteriorul acestuia, ambele de culoare albastră Linia continuă are o grosime de aproximativ 3 mm, iar linia discontinuă este realizată din pătrate cu laturi de 3 mm dispuse la o distanță de 3 mm între ele. Anexa 5 INSTRUCȚIUNI PRIVIND Câmpurile de date din exemplarul Câmpurile de date din exemplarul D/J *) Se regăsesc numai în exemplarele 4, 5 și 4/5
EUR-Lex () [Corola-website/Law/184153_a_185482]
-
în placă tubulara amplasate în triunghi, fiind necesare minimum 7 țevi. Autorizația de sudor obținută pe un ansamblu de probă, având distribuția țevilor în triunghi, este valabilă și pentru efectuarea îmbinărilor teava-placa tubulara pe ansamblurile de probă având distribuția în pătrat în condițiile respectării domeniilor de valabilitate ale variabilelor esențiale, în cazul sudorilor manuali, si a tipului de instalație în cazul operatorilor sudori conform pct. 6.9.4 și 6.9.5. 6.9.7. Pregătirea și sudarea ansamblului de probă
EUR-Lex () [Corola-website/Law/181543_a_182872]
-
iar pentru conceptele intuitive (de tipul agent, pacient, cauză etc.) am folosit inițiala minusculă. Termenul Caz apare cu inițială majusculă când se referă la Cazul abstract, și cu minusculă, când se referă la cazul morfologic. În anumite situații, am folosit pătrate explicative, fie pentru a expune principiile unei teorii lingvistice la care fac referire, fie pentru a descrie modelul propus de un anumit autor; am separat grafic aceste secțiuni explicative pentru a nu îngreuna expunerea. Abrevieri a = micul ~, proiecție care găzduiește
[Corola-publishinghouse/Science/84999_a_85785]
-
pretutindeni și totdeauna. Acest din urmă exemplu ne dă prilejul de a limpezi foarte lămurit chestia cauzei. Cauza căderii accelerate a corpurilor este dată de principiul gravitației - corpurile se atrag În raport direct cu masele și În raport invers cu pătratul distanțelor. Dar acest principiu nu este cuprins În legea căderii corpurilor, și această lege, descoperită de Galilei, exista fără cauză și explicare, care-i fură adăugată mult mai târziu de Newton. Tot așa ar sta lucrul și cu legile lui
[Corola-publishinghouse/Science/2158_a_3483]
-
19). Dl Bouasse zice și d-sa că „din mecanica rațională se desface, ca un caz particular, o formă care a luat o dezvoltarea particulară, mecanica cerească. Se presupune În ea că forțele sunt centrale și În raport invers cu pătratul distanțelor” (p. 102). Cu totul altfel stau lucrurile În științele succesiunii: geologia, transformismul, preistoria și istoria, În care cercetarea cauzelor se urcă, prin Înlănțuirea faptelor evoluției, la infinit, eliminând astfel cauza ultimă și stabilind deci cauzalitatea Într-un chip definitiv
[Corola-publishinghouse/Science/2158_a_3483]
-
Avgolemono se toarnă în patsas, amestecând continuu. La final, se adaugă piperul. Supa grecească de burtă se poate consuma și rece. În acest caz, se lasă la rece, să se închege ca o piftie. Porțiile se taie în formă de pătrate. 1 kg burtă 8 ciolane de miel 4 căței de usturoi făcuți pastă sare grunjoasă 3 ouă sucul de la 2 lămâi piper, după gust oțet, după gust ulei de măsline BUSECCA (Supă italienească de burtă) Se lasă fasolea boabe la
Stufat, ori estouffade? sau Existã bucãtãrie româneascã? by Vlad Macri () [Corola-publishinghouse/Science/1386_a_2382]
-
sunt independenți doi câte doi). bij = r(Xi,Fj) pentru i = 1, ..., m, j = 1, ..., n Comunalitatea unei variabile observate, adică acea parte din varianța sa pe care o împarte cu factorii comuni, notată cu h2, este egală cu suma pătratelor saturațiilor factorilor, iar unicitatea sa este egală cu 1 - h2. Avem deci comunalitatea variabilei Xi, hi2 = bi12 + bi22 + ... + bin2 pentru i = 1, ..., m Corelația rezultată între oricare două variabile observate, r(Xi,Xj), atunci când factorii sunt ortogonali, va fi egală
[Corola-publishinghouse/Science/2075_a_3400]
-
imaginate mai multe criterii de testare a discrepanței dintre cele două matrice de corelație. Kim și Mueller fac o enumerare a acestora (alături de numele în românește voi da și numele în engleză consacrat al metodei): (a) metoda celor mai mici pătrate - the least squares method, (b) metoda probabilității maxime - the maximum likelihood method, (c) metoda de extragere factorială Alpha - Alpha factoring, (d) analiza imaginii - image factoring, (e) metoda factorilor principali - principal axis factoring, (f) metoda componentelor principale- principal component analysis. Una
[Corola-publishinghouse/Science/2075_a_3400]
-
de factori obținut prin aplicarea acestor teste trebuie să ne indice doar numărul maxim de factori. Factorii pe care îi vom reține trebuie să fie substanțiali și interpretabili teoretic (îndeosebi după rotație)1. Cât despre (a) metoda celor mai mici pătrate - the least squares method -, similară procedurii anterioare, aceasta pleacă de la presupoziția că un număr de k factori (k<m) poate să explice corelațiile observate. Se calculează estimate inițiale pentru comunalități (cel mai adesea se folosește coeficientul de corelație multiplă între
[Corola-publishinghouse/Science/2075_a_3400]
-
estimate inițiale pentru comunalități (cel mai adesea se folosește coeficientul de corelație multiplă între o variabilă și celelalte variabile). Se extrag apoi k factori care să reproducă pe cât posibil mai bine matricea de corelații observate, folosind metoda celor mai mici pătrate. Pentru a obține matricea de saturații care reproduce cel mai bine matricea de corelații observate, se reestimează comunalitățile pe baza saturațiilor factoriale de la pasul anterior. Procedura se repetă până când nu se mai produce nici o îmbunătățire a modelului 1. În ceea ce privește (b
[Corola-publishinghouse/Science/2075_a_3400]
-
și poartă numele de anti-imagine. În această interpretare se presupune că intră tot universul de variabilele, acesta fiind considerat infinit, și toată populația de obiecte (în cazul nici unora nu avem de-a face cu un eșantion). Dacă examinăm toatevariabilele potențiale, pătratul imaginii unei variabile este echivalent cu comunalitatea variabilei din analiza factorială, iar pătratul anti-imaginii este echivalent cu unicitatea. Imaginile și anti-imaginile pentru un eșantion se numesc imagini parțiale, respectiv anti-imagini parțiale. Imaginea este considerată a fi complet specificată de variabilele
[Corola-publishinghouse/Science/2075_a_3400]
-
universul de variabilele, acesta fiind considerat infinit, și toată populația de obiecte (în cazul nici unora nu avem de-a face cu un eșantion). Dacă examinăm toatevariabilele potențiale, pătratul imaginii unei variabile este echivalent cu comunalitatea variabilei din analiza factorială, iar pătratul anti-imaginii este echivalent cu unicitatea. Imaginile și anti-imaginile pentru un eșantion se numesc imagini parțiale, respectiv anti-imagini parțiale. Imaginea este considerată a fi complet specificată de variabilele, observate, fiind deci o funcție liniară a celorlalte variabile și nu o combinație
[Corola-publishinghouse/Science/2075_a_3400]
-
rotație) sau oblică. Există mai multe metode de rotație ortogonale și oblice. Voi descrie în câteva cuvinte acele metode care se regăsesc în meniul pachetului statistic SPSS. Metoda ortogonală „varimax” urmează criteriul simplificării coloanelor matricei factoriale, maximizând varianța dată de pătratul saturațiilor pentru fiecare factor. Cu alte cuvinte, minimizează numărul de variabile cu saturații factoriale mari pentru fiecare factor,simplificând astfel interpretarea factorilor. Metoda ortogonală „quartimax” folosește alt criteriu de simplificare, și anume maximizează varianța dată de pătratul saturațiilor pentru fiecare
[Corola-publishinghouse/Science/2075_a_3400]
-
varianța dată de pătratul saturațiilor pentru fiecare factor. Cu alte cuvinte, minimizează numărul de variabile cu saturații factoriale mari pentru fiecare factor,simplificând astfel interpretarea factorilor. Metoda ortogonală „quartimax” folosește alt criteriu de simplificare, și anume maximizează varianța dată de pătratul saturațiilor pentru fiecare variabilă. Prin aceasta se minimizează numărul de factori care explică fiecare variabilă (se reduce complexitatea factorială a variabilelor). O metodă ortogonală care aplică ambele criterii de simplificare este „equamax”. Aceasta minimizează numărul de variabile care saturează un
[Corola-publishinghouse/Science/2075_a_3400]
-
factoriale, care sunt disponibile în pachetul statistic SPSS. Prima dintre acestea este cea a estimatelor de regresie. Aceasta caută să obțină un factor astfel încât corelația între factorul latent (F) și scală () să fie maximizată sau, altfel formulat, diferențele ridicate la pătrat dintre factor și scală să fie minime (aceasta este metoda regresiei). Putem obține o soluție la această problemă, căci avem la dispoziție saturațiile factoriale obținute prin analiza factorială (care sunt echivalente cu corelațiile dintre factor - care trebuie estimat - și variabilele
[Corola-publishinghouse/Science/2075_a_3400]
-
și deci aleatorii), atunci este natural să dăm o pondere mai mică acelor variabile care conțin o cantitate mai mare de astfel de eroare. Pe baza scorurilor factoriale putem estima valori pentru variabilele observate ( =bj) și vom încerca să minimizăm pătratul diferențelor dintre valorile observate ale variabilelor X și valorile estimate, ponderate cu inversul erorilor, adică să facem minimizarea expresiei: min Figura 11. Criteriul folosit în metoda Bartlett de estimare a scorurilor factoriale În fine, metoda Rubin-Anderson este o modificare a
[Corola-publishinghouse/Science/2075_a_3400]
-
să facem minimizarea expresiei: min Figura 11. Criteriul folosit în metoda Bartlett de estimare a scorurilor factoriale În fine, metoda Rubin-Anderson este o modificare a celei precedente a lui Bartlett. Criteriul folosit este cel de minimizare a sumei ponderate a pătratelor din figura 11, în condiția ca scalele create (factorii estimați) să fie ortogonale două câte două. În alegerea dintre acestea, cercetătorul trebuie să se orienteze atât în funcție de schema teoretică și condițiile de utilizare ulterioară a scalelor factoriale, cât și după
[Corola-publishinghouse/Science/2075_a_3400]
-
ca atare. Matematic, distanța euclidiană este definită în felul următor: dij= unde dij este distanța dintre obiectele i și j, iar xik este valoarea pe care o ia obiectul i pentru variabila Xk. Adesea, se folosește ca măsură de similaritate pătratul distanței euclidiene, dij2, pentru a evita extragerea radicalului. Acest lucru simplifică mult calculele în algoritmul de grupare a obiectelor, fără a afecta rezultatele. O altă măsură populară este distanța Manhattan, sau city-block1. Formula ei matematică este următoarea: dij= Pentru a
[Corola-publishinghouse/Science/2075_a_3400]
-
funcții metrice (de intervale și de rapoarte) folosite de diferitele tipuri de scalare multidimensională. Specificarea funcției f, adică găsirea valorilor coeficienților a și b, se face printr-o metodă statistică des folosită, regresia liniară obținută prin metoda celor mai mici pătrate, pornind de la valorile date D (configurația inițială a punctelor) și Δ (proximitățile dintre obiecte). Funcțiile de transformare pot fi ordinale - ele păstrează rangul (ordinea) dintre proximități. Relația definită de f nu este una precisă în termeni de cifre, ci una
[Corola-publishinghouse/Science/2075_a_3400]
-
construcție: se raportează o măsură pătratică a diferențelor dintre distanțe și proximități (pătratică, pentru a evita anularea reciprocă a diferențelor de semne opuse) la un factor de scalare, pentru a standardiza măsura. Factorul de scalare poate fi, de exemplu, suma pătratelor distanțelor dij. Măsura calculată astfel poartă numele de f-stress. f-stress= Figura 2. Măsura de adecvare a modelului folosită în scalarea multidimensională Pentru o configurație inițială se va calcula deci o măsură de adecvare. În cele ce urmează, vom folosi f-stress
[Corola-publishinghouse/Science/2075_a_3400]
-
dimensionalitate. Unul dintre aceștia este RSQ, corelația simplă pătratică între proximități și transformate. Cu cât aceasta este mai mare, cu atât modelul este mai bun. Un altul este stress, care are o formulă asemănătoare cu f-stress, dar folosește distanțe în loc de pătratul distanțelor. Analiza reziduurilor, adică a diferențelor dintre distanțele de pe hartă dij și transformatele proximităților f(dij), ne poate indica magnitudinea și natura erorilor. Dacă acestea sunt importante și au o formă sistematică, este nevoie să introducem o nouă dimensiune. Eventual
[Corola-publishinghouse/Science/2075_a_3400]
-
dintre două categorii i și j (distanța dintre cele două puncte corespunzătoare categoriilor i și j în spațiul n-dimensional) este următoarea: distanța(i, j)= Pentru a distinge mai bine între categorii, în analiza de corespondență vom folosi distanța hi pătrat, care este o variantă ponderată a distanței euclidiene. Fiecare termen al sumei de pătrate va fi ponderat cu inversul profilului mediu respectiv (i.e. cu masele categoriilor de pe coloane). Astfel, distanța hi pătrat dintre două categorii i și j ale variabilei
[Corola-publishinghouse/Science/2075_a_3400]
-
și j în spațiul n-dimensional) este următoarea: distanța(i, j)= Pentru a distinge mai bine între categorii, în analiza de corespondență vom folosi distanța hi pătrat, care este o variantă ponderată a distanței euclidiene. Fiecare termen al sumei de pătrate va fi ponderat cu inversul profilului mediu respectiv (i.e. cu masele categoriilor de pe coloane). Astfel, distanța hi pătrat dintre două categorii i și j ale variabilei X (variabila „partid”) se calculează în felul următor: d(i, j)= Ponderarea are următorul
[Corola-publishinghouse/Science/2075_a_3400]