Содержание

Коэффициент пересчета веса металла

Теоретический вес проката должен в идеале соответствовать весу фактическому. Разница между теоретическим Gт и фактическим Gф весом выражается величиной, именуемой «Коэффициент пересчета» (Кп). Целью организации поставок продукции по теоретическому весу является экономия металла за счет производства проката с размерами сечения в поле минусовых допусков. Существует «Положение по организации поставок проката по теоретическому весу», разработанное Харьковским ВНИИОчермет в 1979 году. В настоящее время большинство компаний, как металлоторгующих так и потребляющих металл, испытывают трудности, связанные как с продажей, так и с покупкой металлопроката по теоретическому весу. Исчисляемый теоретический вес должен в идеальном случае — соответствовать весу фактическому. Разница между теоретическим и практическим весом выражается величиной, именуемой «Коэффициент пересчета». Заводы — производители работают по этому «Положению» и отгружают продукцию по теоретическому весу, вводя коэффициенты пересчета.

Выдержки из «Положения»: 

Пункт 1.1. Целью организации поставок продукции по теоретическому (сдаточному) весу является экономия металла и повышение эффективности его использования в народном хозяйстве за счет производства проката с размерами сечения в поле минусовых допусков». Как известно, за редким исключением допуски на прокатную продукцию двусторонние +. Это обусловлено технологическими особенностями прокатного производства.Пункт 1.5. Теоретическим (сдаточным) весом сортового, фасонного и листового проката считается вес, исчисленный по геометрическим размерам, предусмотренным стандартами для соответствующих видов и профилей проката.

Пункт 1.6. Теоретический вес определяется при двустороннем (плюсовом и минусовом) допусках – по номинальным размерам. При одностороннем плюсовом допуске – по номинальному размеру с прибавлением 50 %-ной величины допуска. При одностороннем минусовом допуске — по номинальному размеру за вычетом 50% величины допуска.

Вроде бы все ясно – теоретический вес исчисляют или по номинальным размерам или в середине поля допуска. Но:

Пункт 1.7. При поставках металлопродукции по теоретическому весу, поставщик гарантирует длину сортового (фасонного) или площадь поверхности листового проката, соответствующие его количеству при заказанных размерах сечения. Если поставщик,  гарантирует, то это должно отражаться в сертификате качества, что происходит далеко не всегда.

Пункт 2.1. Для определения теоретического веса партии прокатанного металла, вначале находят его общую длину, а затем умножают ее на теоретический вес единицы длины, который исчисляют исходя из размеров сечения данного профиля и характера  допусков по ГОСТу или ТУ (п. 1.6.).Для листового проката, отгружаемого в пачках (пакетах), теоретический вес может определяться исходя из веса одного листа и количества листов в пачке.

Пункт 2.2. Исходя из необходимости обеспечения равенства заказанной и поставленной длины проката «L», определяют физический (Оф) и теоретический (От) вес партии проката:Gф = L х gф,(2. 1).

Gт = L х gт, (2.2). 

где gф и gт – соответственно фактический и теоретический вес 1 м проката, кг.
Тогда длина проката будет исчисляться:
L = Gф/gф,(2.3).
L = Gт/gт, (2.4).

Соответственно теоретический вес металла определяют по формуле.
G = Gф х gт/gф (2.5).

Пункт 2.3. Отношение теоретического веса 1 м проката (gт) к его фактическому весу (gф) характеризует использование поля допусков при прокатке и показывает насколько физический вес металла отличается от веса, установленного по размерам сечения, предусмотренного стандартами. Это отношение, называемое коэффициентом использования поля допусков, применяется в качестве коэффициента пересчета (К) для перевода физического веса металла в теоретический.

К = gт/gф.(2.6).
При этом формула (2.5) примет вид:
Gт = К х Gф.(2.7).

Из этого следует — завод — производитель прокатал металлопрокат в минусовом допуске, определил коэффициент пересчета, отправил металл потребителю по теоретическому весу, а металлоторговец должен также отпускать металл по теоретическому весу. Или считать длину сортового проката и умножать на вес 1 м пог. по ГОСТу, или взвесить свой металл, вес умножить на коэффициент пересчета – согласно формуле 2.7.

Коэффициент пересчета веса металлопроката. Значение коэффициента пересчета 1.1. «Положения», который приведен выше, то основная цель поставок продукции по теоретическому весу – 

«экономия металла и повышение эффективности его использования».

 

           Gт
Кп = ———
          Gф

 

Пример:
Лист (10х1500х6000мм), Кп = 1,02 
Теоретический вес листа: Gт = V * P , где V – объем,
Р – плотность стали ( 7,85).
Gт = 10 * 1,5 * 6 * 7,85 = 706,5 кг 
Фактический вес листа:
Gф = 706,5 кг / 1,02 = 692,6 кг

Синаптические веса в нейронных сетях – просто и доступно / Хабр

Этой статьей начинается серия статей, рассказывающих просто и доступно о нейронных сетях и искусственном интеллекте.

Автоматические методы обучения искусственных нейронных сетей совершенствуются постоянно. Уже сейчас автоматизм достиг такого уровня, что начальные значения весов можно задавать любые. Действительно, компьютерная программа будет постепенно корректировать веса в сторону уменьшения ошибки, и откуда начинать – не так уж и важно. Чем дальше начальная совокупность от решения, тем больше времени пройдет, вот и вся разница. Все близко к тому, что нажал кнопку, пошел в бассейн, пришел – сеть обучена. Если сеть посерьезнее, то нажал кнопку, уехал в отпуск, приехал через две недели – сеть обучена. Перед нажатием кнопки нужно только архитектуру задать. Хотя программы могут уже сами корректировать архитектуру сети, все более и более автоматизируясь. Так, с некоторой точки зрения, совокупность весов, а также методы их подбора, могут быть некими черными ящиками, в которых что-то как-то происходит и на выходе получаем допустимый уровень ошибки. Есть случаи, когда никто и не ожидал наличия закономерностей, а черный ящик взял и нашел. Например, в сеть заложили параметры – рост и вес. И результат – мужчина/женщина. Сеть самообучилась и выявила закономерность, и смогла на тестовой выборке достаточно точно определять, это мужчина или женщина. Хотя до этого никто и не задумывался именно об этой закономерности. Так что в принципе, можно совсем не изучать этот вопрос, полностью полагаясь на математическую теорию и компьютерное моделирование.

С другой стороны, часть специалистов предпочитает владеть своим вопросом в совершенстве, переходя ко все более усложняющимся задачам. В таких случаях понимание сути синаптических весов оказывается весьма полезным навыком.

В этой статье разберем суть синаптических весов на простом наглядном примере.

Прежде всего, освежим термины. Что есть нейронная сеть, синапсы и веса.

Термином «искусственная нейронная сеть» или просто «нейронная сеть» часто обозначают математическую модель, очень упрощенно описывающую общий алгоритм работы человеческой нервной системы.

Нервную систему человека можно рассматривать как трехступенчатую.

Центром нервной системы является мозг, представленный сетью нейронов. Специальные рецепторы преобразовывают сигналы от тела и из окружающей среды в электрические импульсы и передают ее в мозг. Мозг получает информацию от рецепторов в виде электрических импульсов, анализирует ее и выдает соответствующие решения эффекторам также в виде электрических импульсов. Эффекторы преобразовывают электрические импульсы, сгенерированные мозгом, в выходные сигналы. 

Каждая нервная клетка, нейрон, отдельно работает по такой же трехступенчатой модели. У нервных клеток есть дендриты и аксоны. Дендриты — рецепторы, зоны приема — похожи на дерево, представляют собой неровную поверхность со множеством окончаний. Аксон же у каждой нервной клетки один и похож на кабель или линию электропередачи, по которой дальше передается некий сигнал, полученный в результате прохождения через клетку совокупности сигналов от дендритов. То есть все поступившие сигналы как бы смешиваются, «суммируются», и полученный «обработанный» сигнал передается дальше.

Синапсы – места соединения аксона одного нейрона с телом или отростком (дендритом или аксоном) другого нейрона. Через синапсы сигналы передаются от нейрона к нейрону.

У каждого синапса есть свой «вес», то есть как бы своя «важность», придаваемая значению сигнала, проходящего через данный синапс.

Получаем модель нейрона из трех элементов:

  1. Совокупность синапсов, каждый из которых характеризуется своим весом.

  2. Сумматор, складывающий входные сигналы, взвешенные относительно соответствующих синапсов нейрона. Математически, это просто сумма значений входных сигналов, умноженных на их вес («важность»).

  3. Функция активации.

В простом варианте дендриты и аксоны группируются в последовательные слои. Выходные сигналы одного слоя поступают на рецепторы следующего слоя и так далее. Такие сети отличаются между собой размерами и количествами слоев. Математика при этом не меняется.

Что все эти линии, кружочки и взвешенные суммы означают на практике?

Предположим, нужно определить, является ли объект автомобилем. Подходим, начинаем осматривать, заполняем чек-лист. Крыша есть – ставим галочку, добавляем баллы. Стекла есть, двери есть, щетки-дворники есть, четыре колеса есть – все это плюс баллы. При достижении заданного количества баллов считаем, что перед нами автомобиль. А вот если есть пропеллер, то это уже не автомобиль. Это может быть самолет, вертолет, какая-то специальная лодка, но не автомобиль. То есть важность наличия пропеллера такова, что сразу перечеркивает все «автомобильные» баллы до этого. В этом случае наличию пропеллера мы придадим большой «отрицательный» вес. Теперь посмотрим на крышу. Есть автомобили и без крыши. То есть наличие крыши не так важно для определения, что перед нами автомобиль, как, например, наличие колес. Наличие крыши скажет нам, что перед нами скорее автомобиль, чем котик или кружка, но не скажет точно, это автомобиль или нет. «Вес» наличия крыши будет меньше «веса» наличия колес. А если мы будем сравнивать автомобиль и телегу, то по наличию четырех колес можно и перепутать. Хорошо, что наличие мотора исправит ситуацию. Когда мы сложим все баллы, показывающие важность наличия данного пункта, мы определим, что баллов «автомобиль» больше, чем баллов «телега» или баллов «самолет». Вот так и определяется важность какого-либо параметра. Аналогично, для определения, что это котик важно наличие ушек, глаз, лап, усов, хвоста и так далее.

Дальше у нас сразу же встает задача «следующего слоя» — как определить, что есть крыша, есть колеса, есть ушки, лапки и прочее. Эти элементы раскладываются на составляющие и так происходит многократно, число слоев увеличивается до тех пор, когда кажется, что раскладывать дальше некуда.

Суть синаптических весов от этого не меняется. В сети в 200 слоев и в сети в 1 слой – суть остается той же. Поэтому рассмотрим простой наглядный пример.

Рассмотрим обычный 13-ти сегментный цифровой индикатор.

Задача – определить цифру по горящим сегментам.

 Каждый сегмент будем считать рецептором.

Если сегмент горит, то его значение равно 1, если не горит, то 0.

Теперь, говоря научным языком, приступим к обучению нейронной сети, то есть подбору коэффициентов. Собственно говоря, все обучение и сводится к подбору коэффициентов различными способами.

 Составим таблицу где сторонами будут номер сегмента 1-13 и цифра 1-9.

В нашем примере нужно заполнить таблицу коэффициентами таким образом, чтобы при построчном суммировании перемножений коэффициентов и значений сегментов (1 – горит, 0 – не горит) максимальная сумма была бы в строке, соответствующей горящей цифре.

Другими словами, будем умножать коэффициенты на значения соответствующих сегментов и складывать получаемые значения построчно. В какой строке сумма максимальна, та цифра и горит.

Зададим первоначальные веса.

Там, где сегмент участвует в изображении цифры, зададим начальный вес 1, а там, где не участвует, зададим большой отрицательный вес. Смысл большого отрицательного веса в том, что если горит сегмент, который не участвует в изображении цифры, то слагаемое 1*(-100) = -100 уменьшит общую сумму в данной строке настолько сильно, что в этой строке сумма точно не будет максимальной.

Когда горят все сегменты, то максимальная сумма равна 13 и соответствует цифре «8».

Отключим сегмент 13. Это соответствует цифре «0».

 Видим, что максимальная сумма равна 12, но одновременно в двух строках – цифры «8» и «0». Нужно скорректировать коэффициенты таким образом, чтобы сумма 12 горящих сегментов цифры «0» превышала бы сумму 13 горящих сегментов цифры «8». В нашем случае коэффициент должен быть просто больше 13/12, например, 1.1.

Теперь видим, что если горят сегменты цифры «0», то сумма в строке цифры «0» максимальна.

Аналогичным образом обстоит дело с коэффициентами для цифр «6» и «9» — также 1.1.

Затем идут цифры «2», «3», «5» — 11 сегментов, коэффициенты 1.2.

Цифра «4» — 9 сегментов, коэффициенты 1.5.

Цифра «7» — 7 сегментов, коэффициенты 1.9.

Цифра «1» — 5 сегментов, коэффициенты 2.6.

 Таким образом получаем конечную совокупность весов.

При зажигании различных сегментов горящая цифра будет определяться по максимальной сумме.

Задача решена.

В данном примере веса получались путем рассуждений и ручных расчетов. Конечно, сейчас обучение нейронных сетей осуществляется автоматически, с использованием различных методов компьютерного программирования и моделирования. Компьютерная программа по заданному алгоритму перебирает и подбирает соответствующие коэффициенты, корректирует размеры и количество слоев, уменьшает процент ошибок, увеличивает точность и так далее, о чем будет рассказано в следующих статьях. В данной статье мы лишь затронули понятие и суть синаптических весов на очень простом наглядном примере.

Надбавки к коэффициентам риска | Банк России

В рамках нового подхода надбавки к коэффициентам риска (Risk weight add-ons) в целях расчета достаточности капитала кредитных организаций устанавливаются решением Совета директоров Банка России (ранее для этого требовалось внесение изменений в действующее пруденциальное регулирование кредитных организаций). Решение Совета директоров Банка России об увеличении надбавок к коэффициентам риска вступает в силу не ранее 2 месяцев с момента его опубликования.

Надбавки к коэффициентам риска применяются в отношении отдельных видов активов, закрепленных в Указании Банка России от 20.04.2021 № 5782-У «О видах активов, характеристиках видов активов, к которым устанавливаются надбавки к коэффициентам риска, и о применении к указанным видам активов надбавок при определении кредитными организациями нормативов достаточности капитала».

Данное Указание Банка России принято взамен Указания Банка России от 31.08.2018 № 4892‑У «О видах активов, характеристиках видов активов, к которым устанавливаются надбавки к коэффициентам риска, и методике применения к указанным видам активов надбавок в целях расчета кредитными организациями нормативов достаточности капитала». При этом виды активов, в отношении которых применяются надбавки к коэффициентам риска, не изменились. В необеспеченном потребительском кредитовании надбавки дифференцированы в зависимости от значений показателя долговой нагрузки заемщика (ПДН) и полной стоимости кредита (ПСК).

По ипотечным кредитам факторами риска выступают ПДН и отношение остатка задолженности по кредиту к залоговой стоимости жилья (LTV). Для ипотечных кредитов, предоставленных под залог прав требований по договору долевого участия, надбавки устанавливаются в зависимости от значений ПДН и первоначального взноса по кредиту. Отдельную категорию составляют валютные кредиты физических лиц, в отношении которых действуют более высокие надбавки, так как такие кредиты подвержены риску переоценки обязательств.

В целях снижения долларизации и рисков, связанных с валютным кредитованием, с 8 октября 2018 года Банк России повысил надбавки к коэффициентам риска по кредитам в иностранной валюте, предоставленным юридическим лицам, в зависимости от уровня их годовой выручки в иностранной валюте. Данные меры также применяются к вложениям в долговые ценные бумаги юридических лиц, эмитированные в иностранной валюте.

Инструмент макропруденциальных надбавок активно используется Банком России. Требования к капиталу в потребительском сегменте с 2013 по 2021 гг. менялись 13 раз и использовались как для ограничения рисков в периоды роста кредитования, так и для поддержки банков в период кризиса. За тот же период в сегменте ипотечного кредитования было произведено 5 изменений надбавок к коэффициентам риска. Анализ эффективности принятых мер на темпы роста и структуру кредитования показывает, что дифференцированный размер надбавок стимулировал изменение структуры потребительского кредитования в пользу сегментов с меньшим значением ПСК.

Повышение коэффициентов риска по отдельным кредитным требованиям увеличивает необходимый запас капитала банков для покрытия возможных потерь. Этот запас капитала банки могут использовать во время кризиса.

Страница была полезной?

Да Нет

Последнее обновление страницы: 02.03.2022

НК РФ Статья 342.10. Порядок определения и применения коэффициента КМКР / КонсультантПлюс

НК РФ Статья 342. 10. Порядок определения и применения коэффициента КМКР

(введена Федеральным законом от 29.11.2021 N 382-ФЗ)

1. Если иное не установлено настоящей статьей, коэффициент КМКР определяется по следующей формуле:

КМКР = (СМ x ЦМ x (1 — П) + СН x ЦН x (1 — П) + СПЛ x ЦПЛ x (1 — П) + СП x ЦП x (1 — П) + СЗ x ЦЗ x (1 — П) + СКБ x ЦКБ x (1 — П)) x 0,06 x Р,

где СМ, СН, СПЛ, СП, СЗ, СКБ — содержание (в долях) соответственно меди, никеля, палладия, металлов платиновой группы (за исключением палладия), золота, кобальта в 1 тонне многокомпонентной комплексной руды, добываемой на участке недр, определяемое налогоплательщиком самостоятельно в соответствии с данными государственного баланса запасов полезных ископаемых, утвержденного в году, предшествующем году налогового периода, как частное от деления величины изменения запасов каждого из указанных в настоящем абзаце полезных ископаемых всех категорий в результате его добычи на участке недр (в тоннах) на соответствующий совокупный объем добытой на участке недр руды (в тоннах).

Показатели СМ, СН, СПЛ, СП, СЗ, СКБ округляются до восьмого знака после запятой в соответствии с действующим порядком округления;

ЦМ, ЦН, ЦПЛ, ЦП, Ц

З, ЦКБ — средние за налоговый период цены на мировых рынках соответственно меди, никеля, палладия, платины, золота, кобальта, выраженные в долларах США за 1 тонну. В случае, если мировая цена палладия, платины или золота в соответствии с правилами биржи определяется на единицу измерения веса, равную тройской унции, она подлежит пересчету в целях приведения к цене за 1 тонну путем умножения на 32 150,75. Средние за налоговый период цены на мировых рынках меди, никеля, палладия, платины, золота, кобальта определяются в порядке, установленном федеральным органом исполнительной власти, осуществляющим функции по принятию нормативных правовых актов, контролю и надзору за соблюдением законодательства в сфере конкуренции на товарных рынках, защиты конкуренции на рынке финансовых услуг, деятельности субъектов естественных монополий и рекламы. Значения показателей ЦМ, ЦН, ЦПЛ, ЦП, ЦЗ, ЦКБ округляются до первого знака после запятой в соответствии с действующим порядком округления. Показатели ЦМ, ЦН, ЦПЛ, ЦП, ЦЗ, ЦКБ рассчитываются федеральным органом исполнительной власти, осуществляющим функции по принятию нормативных правовых актов, контролю и надзору за соблюдением законодательства в сфере конкуренции на товарных рынках, защиты конкуренции на рынке финансовых услуг, деятельности субъектов естественных монополий и рекламы, и подлежат размещению на официальном сайте указанного федерального органа исполнительной власти в сети «Интернет» до 10-го числа календарного месяца, следующего за налоговым периодом. В случае, если показатели ЦМ, и (или) ЦН, и (или) ЦПЛ, и (или) ЦП, и (или) ЦЗ, и (или) ЦКБ не размещены (своевременно не размещены) на официальном сайте федерального органа исполнительной власти, осуществляющего функции по принятию нормативных правовых актов, контролю и надзору за соблюдением законодательства в сфере конкуренции на товарных рынках, защиты конкуренции на рынке финансовых услуг, деятельности субъектов естественных монополий и рекламы, указанные показатели рассчитываются налогоплательщиком самостоятельно в порядке, установленном указанным федеральным органом исполнительной власти;

П — потери при извлечении из многокомпонентной комплексной руды меди, никеля, палладия, платины, золота, кобальта в процессе дальнейшей переработки (обогащения, технологического передела) добытого полезного ископаемого. Значение показателя П принимается равным 0,15;

Р — среднее значение за налоговый период курса доллара США к рублю Российской Федерации, устанавливаемого Центральным банком Российской Федерации, определяемое налогоплательщиком самостоятельно как среднеарифметическое значение курса доллара США к рублю Российской Федерации, устанавливаемого Центральным банком Российской Федерации, за все дни в календарном месяце.

Коэффициент КМКР, рассчитанный в порядке, определенном настоящей статьей, округляется до первого знака после запятой в соответствии с действующим порядком округления.

2. Если иное не установлено пунктом 3 настоящей статьи и если коэффициент КМКР, рассчитанный в соответствии с пунктом 1 настоящей статьи, принимает значение меньшее, чем 2 555, значение коэффициента КМКР принимается равным 2 555.

3. Коэффициент КМКР принимается равным 730 в течение сроков, установленных настоящим пунктом, при добыче многокомпонентных комплексных руд, содержащих медь, и (или) никель, и (или) металлы платиновой группы, на участках недр, расположенных полностью или частично в Красноярском крае, степень выработанности запасов которых по состоянию на 1 января 2021 года составляет менее 1 процента, и при условии, что деятельность по добыче указанных полезных ископаемых на таких участках недр является частью нового инвестиционного проекта, в отношении которого налогоплательщиком заключено и действует соглашение о защите и поощрении капиталовложений либо исполнено такое соглашение.

Коэффициент КМКР принимается равным 730 по основаниям, указанным в настоящем пункте, до истечения пятнадцати следующих подряд календарных лет, начинающихся с года начала промышленной добычи полезных ископаемых на участке недр, или до истечения срока действия соглашения о защите и поощрении капиталовложений в зависимости от того, какой срок истекает позднее.

4. Степень выработанности запасов полезного ископаемого, год начала промышленной добычи полезного ископаемого на участке недр определяются в порядке, установленном пунктом 11 статьи 342.8 настоящего Кодекса.

Вес на различных планетах — урок. Физика, 9 класс.

Повседневно мы воспринимаем вес и массу тела как одно и то же. Обе эти величины очень связаны друг с другом, но это не одно и то же. Масса тела зависит от количества молекул и атомов в теле, её обозначают \(m\) и измеряют в килограммах. А вес — это сила, с которой тело действует на другие тела в результате гравитации, его обозначают \(P\) и измеряют в ньютонах, Н.

Пример:

в видеоролике «The difference between mass and weight»: http://www.youtube.com/watch?v=_Z0X0yE8Ioc — рассматривается различие между весом и массой тела и поясняется, что вес тела мы ощущаем, когда пытаемся поднять тело вертикально вверх, а массу тела мы ощущаем как инерцию, когда пытаемся сдвинуть тело с места.

Вес тела — это сила, с которой тело давит на поверхность или растягивает подвес, на котором оно висит.

Обрати внимание!

Вес тела на Земле одинаков с силой тяжести, если тело находится в состоянии покоя или прямолинейного равномерного движения. Если тело ускоренно движется, тогда значения веса тела и силы тяжести могут отличаться.

Вес тела определяют по формуле P=m⋅g, где

 

\(P\) — вес тела, Н;

 

\(m\) — масса тела, кг;

\(g\) — ускорение свободного падения, мс2.

Устройство, которое используется для определения массы тела, называют весами, хотя на самом деле весы измеряют не массу, а вес тела. При градуировке шкалы весов учитывается, что, если вес тела на Земле равен \(9,8\) Н, то масса такого тела равна \(1\) кг.  Если бы массу тела попытались определить при помощи весов на космической станции, которая находится в состоянии невесомости, тогда измерить вес тела не удалось бы, так как в этом случае вес тела был бы равен нулю, поскольку тело в состоянии невесомости не давит на поверхность весов. Следовательно, вес тела можно определить в гравитационном поле только тогда, когда тело не находится в состоянии невесомости (в состоянии свободного падения).

В Солнечной системе имеется восемь планет, и для каждой планеты характерна своя величина ускорения свободного падения. Это означает, что на каждой из планет одно и то же тело будет иметь различный вес.

Рис. \(1\). Планеты Солнечной системы: Меркурий, Венера, Земля, Марс, Юпитер, Сатурн, Уран, Нептун

 

 

Таблица \(1\). Величина ускорения свободного падения вблизи поверхности различных планет Солнечной системы

 

Небесное

тело

Ускорение свободного

 падения, мс2

Меркурий

\(3,7\)

Венера

\(8,87\)

Земля

\(9,8\)

Марс

\(3,7\)

Юпитер

\(24,8\)

Сатурн

\(10,4\)

Уран

\(8,87\)

Нептун

\(10,15\)

Плутон

\(0,66\)

Луна

\(1,62\)

Солнце

\(274,0\)

 

На Земле ускорение свободного падения в \(6\) раз больше, чем на Луне, поэтому вес космонавта на Луне будет в \(6\) раз меньше, чем на Земле.

Космонавт с массой \(120\) кг на Земле весит P=120⋅9,8=1176 Н, а на Луне его вес будет P=120⋅1,6=192Н.

Пример:

 

если нашими обычными весами измерить вес космонавта на Луне, тогда показание на шкале весов было бы не \(120\) кг, а всего лишь \(20\) кг.

Пример:

а вот на Солнце ускорение свободного падения почти в \(28\) раз больше, чем на Земле, поэтому на нём все тела казались бы тяжелее в \(28\) раз. Если бы мы могли космонавта с массой в \(120\) кг взвесить на поверхности Солнца, то весы показали бы, что космонавт весит \(3355\) кг. Конечно, в реальности это сделать мы не смогли бы, так как поверхность Солнца раскалена до температуры примерно 6000°С.

Глюкозотолерантный тест | Медицинская клиника «МЕДЭКСПЕРТ»

Глюкозотолерантный тест – оценка углеводного обмена, основанная на определении уровня глюкозы в крови натощак и после нагрузки. Данный тест позволяет выявлять скрытые формы сахарного диабета и нарушение толерантности к глюкозе.

Глюкозотолерантный тест показан пациентам, у которых уровень глюкозы крови находится в интервале между 5,7 и 6,9 ммоль/л. Кроме того, его назначают пациентам с высоким риском развития сахарного диабета: наследственная предрасположенность, ожирение, гипертоническая болезнь, выявленная ранее нарушенная толерантность к глюкозе.

Первоначально определяют концентрацию глюкозы натощак, затем пациент употребляет 75 г. глюкозы, которая растворена в 200 мл воды. У детей расчет необходимого количества глюкозы для проведения «нагрузки» рассчитывается с учетом веса: 1,75 г глюкозы на каждый килограмм массы тела (при этом общее количество Г. не должно превышать 75 г). Через 30, 60, 90 и 120 минут после того как пациент выпил раствор – проводят забор крови.

При проведении глюкозотолерантного теста необходимо соблюдение следующих условий:

  • перед проведением теста пациент должен в течение 3-х дней потреблять с едой не менее 125 г. углеводов.
  • Пробу проводят утром, при этом период голодания должен составлять 10-14 часов;
  • На протяжении исследования пациент должен находиться в положении лежа или сидя.

После получения результатов пробы проводят подсчет 2-х коэффициентов:

  • Гипергликемический коэффициент – соотношение уровня глюкозы через 30 или 60 мин (выбирают то время, в котором концентрация Г. была наибольшей) к ее уровню натощак. В норме данный коэффициент не должен превышать 1,7.
  • Гипогликемический коэффициент – соотношение уровня глюкозы через 2 часа после нагрузки, к ее содержанию натощак. В норме данная цифра не должна превышать 1,3.

Оценка результатов

  • Если у пациента уровень глюкозы натощак составил 7,0 или более ммоль/л, а через 2 часа концентрация достигла 11,0 и более ммоль/л – ставится диагноз «сахарный диабет».
  • Если у пациента уровень Г. натощак не превышает 7,0 ммоль/л, но через 2 часа после потребления глюкозы сахар крови находится в интервале 8-11 ммоль/л – имеет место нарушение толерантности к глюкозе.
  • Если уровни глюкозы не позволяют установить диагноз сахарный диабет и нарушение толерантности к глюкозе, но имеет место повышение одного из коэффициентов (см. выше) – глюкозотолерантный тест считается сомнительным. В подобных случаях пациенту рекомендуется воздержаться в дальнейшем от злоупотребления пищей содержащей большое количество углеводов и повторить тест спустя 1 год.

Коэффициенты надежности по нагрузке γf

Согласно СП 20.13330.2011:

7.2 Коэффициенты надежности по нагрузке γf для веса строительных конструкций и грунтов приведены в таблице 7.1.

Таблица 7.1

Конструкции сооружений и вид грунтовКоэффициент надежности по нагрузке γf
Конструкции 
Металлические, за исключением случаев, указанных в 2.3*1,05
Бетонные (со средней плотностью свыше 1600 кг/м3), железобетонные, каменные, армокаменные, деревянные1,1
Бетонные (со средней плотностью 1600 кг/м3 и менее), изоляционные, выравнивающие и отделочные слои (плиты, материалы в рулонах, засыпки, стяжки и т. п.), выполняемые: 
в заводских условиях1,2
на строительной площадке1,3
Грунты 
В природном залегании1,1
На строительной площадке1,15
Примечание — При определении нагрузок от грунта следует учитывать нагрузки от складируемых материалов, оборудования и транспортных средств, передаваемые на грунт.

7.3 Для металлических конструкций, в которых усилия от собственного веса превышают 50% общих усилий, следует принимать  γ= 1,1.

7.4 При проверке конструкций на устойчивость положения против опрокидывания, а также в других случаях, когда уменьшение веса конструкций и грунтов может ухудшить условия работы конструкций, следует произвести расчет, принимая для веса конструкции или ее части коэффициент надежности по нагрузке γ= 0,9, если иное значение не указано в нормах проектирования этих конструкций.

Коэффициент надежности по нагрузке для веса оборудования

8.1.4 Коэффициент надежности по нагрузке γf для веса оборудования и материалов приведен в таблице 8.2.

Таблица 8.2

Оборудование и материалыКоэффициент надежности по нагрузке γf
Стационарное оборудование1,05
Изоляция стационарного оборудования1,2
Заполнители оборудования (в том числе резервуаров и трубопроводов): 
жидкости1,0
суспензии, шламы, сыпучие тела1,1
Погрузчики и электрокары (с грузом)1,2
Складируемые материалы и изделия1,2

Весовой коэффициент, статистический вес: определение, использование

Определения статистики > Весовой коэффициент

Содержимое :

  1. Вес и весовой коэффициент.
  2. Использование в отборе проб.
  3. Использование в ядерной медицине.
  4. Функция веса

Статистический вес — это сумма, присваиваемая для увеличения или уменьшения важности элемента. Веса обычно даются для тестов и экзаменов в классе. Например, за итоговый экзамен можно получить в два раза больше баллов (вдвое больше «веса»), чем за контрольную работу в классе.

Весовой коэффициент — это вес, присваиваемый точке данных, чтобы присвоить ей более низкое или более высокое значение в группе. Обычно он используется для расчета средневзвешенного значения, чтобы придать меньшее (или большее) значение членам группы. Он также используется при статистическом отборе проб для корректировки проб и в ядерной медицине для расчета эффективных доз.

Весовые коэффициенты используются в выборке, чтобы сделать выборку соответствующей генеральной совокупности. Например, предположим, что вы взяли выборку населения и получили 41% женщин и 59% мужчин. Вы знаете из данных переписи, что женщины должны составлять 51% населения, а мужчины 49%. Чтобы убедиться, что у вас репрезентативная выборка, вы можете добавить немного больше «веса» к данным о женщинах. Чтобы рассчитать, какой вес вам нужен, разделите известный процент населения на процент в выборке. Для этого примера:

  • Известная популяция женщин (51) / Выборка женщин (41) = 51/41 = 1,24.
  • Известная популяция мужчин (49) / Выборка мужчин (59) = 49/59 = 0,83.

Весовые коэффициенты широко используются в радиологической и ядерной медицине для расчета эффективных доз для процедур. Расчеты взвешивающих факторов ткани (иногда называемых радиологическими весовыми коэффициентами) учитывают тот факт, что разные части тела поглощают излучение с разной скоростью.

Весовой коэффициент ткани (W T ) присваивается частям тела, при этом более радиочувствительным частям присваиваются более высокие весовые коэффициенты.
Эффективная доза = значения доз для отдельных органов * W T .

Весовые коэффициенты тканей (ICRP):

  • W T = 0,12: желудок, толстая кишка, легкое, красный костный мозг, грудь, остаточные ткани,
  • Вт Т = 0,08: половые железы,
  • W T = 0,04: мочевой пузырь, пищевод, печень, щитовидная железа,
  • W T = 0,01: поверхность кости, кожа, головной мозг, слюнные железы.

Сначала вы можете прочитать это: Что такое функция?

Весовая функция — это специальная функция, позволяющая придать больший «вес» или влияние некоторым элементам набора.Весовые функции часто используются для измеренных данных и могут использоваться как для дискретных, так и для непрерывных переменных.

Специальная весовая функция w(a): = 1 представляет невзвешенную ситуацию, когда все элементы имеют одинаковый вес.

Функция дискретного веса

Допустим, вы суммируете набор значений; значения конкретной функции f на A. Тогда мы могли бы записать сумму как:


Если мы хотим взвесить наши значения с помощью функции веса w :A→ R+, сумма будет:


Причины использования весовых функций

Существует ряд причин, по которым вы можете выбрать использование весовых функций.Если вы используете различные инструменты измерения и знаете, что часть вашего набора данных является более точной, чем другая часть, использование весовых функций может помочь вам улучшить соответствие , когда вы оцениваете неизвестные параметры или выбираете кривую для представления модели.

Вы также можете взвешивать, чтобы компенсировать предвзятость (ошибки). Если мы знаем, что некоторые точки данных более предвзяты, чем другие, имеет смысл присвоить им меньший вес при определении вашей модели.

Иногда весовая функция не имеет ничего общего с ошибками измерения или недостаточной точностью из-за систематической ошибки.В инженерных приложениях весовые функции используются для отражения относительного влияния различных сил или параметров. Например, сила, действующая с большого расстояния, потребует меньшего веса, чем сила, действующая с близкого расстояния. Конечно, весовые функции также можно использовать, когда мы работаем с фактической силой, действующей на объект под действием различных весов.

Ссылки

Агрести А. (1990) Категориальный анализ данных. Джон Уайли и сыновья, Нью-Йорк.
Гоник, Л.(1993). Мультяшный путеводитель по статистике. HarperPerennial.
Коц, С.; и др., ред. (2006), Энциклопедия статистических наук, Wiley.
Справочник инженерной статистики NIST. 4.4.5.2. Учет непостоянных изменений в данных. Получено с https://www.itl.nist.gov/div898/handbook/pmd/section4/pmd452.htm 13 июля 2019 г.
Справочник инженерной статистики NIST. 4.6.3.4 Взвешивание для улучшения посадки. Получено с https://www.itl.nist.gov/div898/handbook/pmd/section6/pmd634.htm от 13 июля 2019 г.

————————————————— ————————-

Нужна помощь с домашним заданием или контрольным вопросом? С Chegg Study вы можете получить пошаговые ответы на ваши вопросы от эксперта в данной области. Ваши первые 30 минут с репетитором Chegg бесплатны!

Комментарии? Нужно опубликовать исправление? Пожалуйста, оставьте комментарий на нашей странице в Facebook .


Модель взвешенного фактора | CE

РЕЗЮМЕ

 

В этом документе объясняется, почему и как компания CE использует взвешенные факторные модели (WFM) в рамках своего исследовательского процесса.WFM состоит из создания набора критериев с присвоенным весом для каждого, а затем оценки того, как возможный вариант оценивается по каждому из них. Это особенно полезно, поскольку позволяет исследователям объединять большое количество объективных и субъективных факторов и определять, какие из них определяют результаты. Однако у него есть некоторые недостатки, такие как отсутствие гибкости, что говорит о том, что его лучше всего использовать в сочетании с другими методами.

CE использует WFM на трех этапах нашего исследования. На первом этапе (сортировка идей) каждое вмешательство оценивается в течение двадцати минут на основе всех методологий, включая WFM.На втором этапе (отчет о приоритизации) на каждое вмешательство с использованием этого метода тратится два часа, но только для нашей области исследования животных. Наконец, WFM является одним из четырех методов, используемых для восьмидесятичасовой оценки каждого из основных вмешательств (отчет о вмешательстве). В частности, ведущие исследователи заполнят готовую модель с учетом четырех основных критериев: сила идеи, сложность реализации, ограничивающие факторы и внешние факторы. Каждый из них будет оцениваться с использованием встроенных вопросов, которые являются более или менее конкретными в зависимости от количества выделенного времени.

Содержание:

1. Что такое модель взвешенных факторов
2. Почему это полезная методология
3. Почему она не является нашей единственной или конечной перспективой
4. Какое значение мы придаем модели взвешенных факторов
5. Как CE создал модель взвешенных факторов
6. Различная длина оценок взвешенных факторов
7. Критерии
​8. Более глубокое чтение

 

1. ЧТО ТАКОЕ ВЗВЕШЕННЫЙ ФАКТОР МОДЕЛЬ

В целом, процесс создания WFM включает в себя генерацию предустановленных критериев и весовых коэффициентов, а затем оценку того, как возможный вариант оценивается по каждому из них.WFM часто включает в себя ряд предустановленных критериев от трех до двенадцати факторов. Обычно они генерируют окончательную оценку на основе оценки варианта и оценки критериев (обычно перемножаются вместе). В WFM могут использоваться как жесткие факторы (такие как размер популяции в абсолютных числах), так и мягкие факторы (например, балл по десятибалльной шкале для размера популяции). То, как наша команда использует WFM, включает предварительное создание последовательных исследовательских вопросов, которые задаются для всех благотворительных идей, чтобы получить оценку по заданным критериям.

Пример взвешенной факторной модели (Благотворительное предпринимательство 2019)

2. ПОЧЕМУ ЭТО ПОЛЕЗНАЯ МЕТОДИКА

WFM является очень универсальным инструментом, поскольку он может четко учитывать большое количество факторов, включая субъективные, но одновременно использует числовой расчет для определения конечного результата. Это позволяет получать удивительные результаты и упрощает отслеживание факторов, которые приводят к такому результату.

Причины, по которым это полезный инструмент (в приблизительном порядке силы)
 

  • Системность в сравнении идей

  • Позволяет сравнивать все идеи с одинаковой точностью 

  • Уменьшенные зазоры

  • Позволяет интегрировать несколько факторов

  • Песочница

  • Позволяет комбинировать мягкие и жесткие входы

  • Больше ракурсов для обучения

  • Понятность

  • Поощряет количественное рассмотрение

  • Может привести к новым выводам

  • Облегчает передачу выводов


Систематизм в сравнении идей: WFM поощряют рассмотрение одних и тех же аспектов критериев для нескольких идей. Это позволяет гораздо более точно сравнивать идеи, чем другие модели, каждая из которых имеет большую изменчивость от идеи к идее. Например, сравнение ограничивающего фактора идеи в очень схожих терминах для всех благотворительных идей может привести к более четкому пониманию того, насколько хороша идея в этом аспекте.

Позволяет сравнивать все идеи с одинаковой точностью: мы гарантируем одинаковое соблюдение требований при оценке идей, отвечая на одни и те же исследовательские вопросы, которые определяют критерии одинаковым образом, тратя одинаковое количество времени на каждую идею и оценивая ее. таким же образом.

Сокращение пробелов: на многие модели могут сильно повлиять неучтенные факторы или пробелы в информации. Например, если один важный фактор не был включен в анализ экономической эффективности (CEA), его было бы трудно обнаружить, но он мог бы сильно повлиять на результаты. Из-за того, что одни и те же вопросы задаются во всех интервенциях и учитываются одни и те же факторы, вероятность того, что пробелы затронут одну идею, но не затронут другую в WFM, меньше.

Позволяет интегрировать несколько факторов: многие модели не позволяют включать множество различных факторов в одно число.Например, CEA не очень хорошо справляются с проблемами ограничивающих факторов, если только несколько CEA не выполняются для множества различных возможных уровней масштаба. Точно так же многие CEA не включают силу доказательств, кроме простой скидки в конце расчета, которая не отражает, как взвешивать различные типы неопределенности (например, Найта или не Найта).

Песочница: большая разница между CEA и WFM заключается в общем весе, который может иметь один фактор. В CEA одно очень большое число может затопить множество маленьких чисел.Например, если вмешательство затрагивает огромное количество существ, но имеет очень малую вероятность того, что оно сработает, это первоначальное огромное число может сделать все остальные числа в CEA тривиальными. Из-за того, что каждый фактор имеет эффективный максимальный вес, один фактор влияет на WFM гораздо меньше. Можно сказать, что влияние этого фактора находится в «песочнице» внутри одного фактора.

Позволяет комбинировать условные и точные входные данные: Некоторые важные факторы легко получить одним точным числом, например, «общая численность населения, пораженного корью»; однако другие факторы невозможно точно определить, например, «удобство создания новой благотворительной организации в Индии.Этим факторам можно присвоить мягкое число, но в последовательном и сопоставимом виде в WFM. Эти мягкие числа можно рассчитать с помощью Z-показателей более жестких чисел, чтобы определить, какие идеи являются выбросами с точки зрения многих положительных факторов.

Больше возможностей для обучения: Одной из целей нашего исследовательского процесса в целом является получение более качественной эмпирической информации о том, как быстрее исключать или исключать благотворительные идеи в будущем. WFM — единственная используемая нами система, в которой подкомпоненты могут быть индивидуально соотнесены с нашими конечными результатами. Например, мы могли бы определить, очень ли сильно доказательная база предсказывает, какие вмешательства рекомендуются после проведения подробных отчетов. Вытащить хотя бы один подобный аспект из опроса экспертов или опросов экспертов было бы непросто.

Предварительная регистрация: во многих отношениях WFM оставляет наименьшее количество областей, открытых для интерпретации, с предварительно заданными вопросами и описаниями того, как различные элементы будут оцениваться заранее. Это означает, что исследователи с достаточно разными исходными точками и интуицией чаще приходят к одним и тем же выводам по сравнению с системами, более открытыми для интерпретаций исследователей.Эта озабоченность больше всего влияет на наше обоснованное рассмотрение (IC), но также может в значительной степени повлиять на CEA.

Понятность: Интуитивно понятные системы могут быть встроены в WFM, что делает ее быстрой и легкой для понимания по сравнению с другими системами. Цветовое кодирование легко используется для отображения сравнительных сильных и слабых сторон большого количества идей. Как экспертные мнения (EpV), так и IC подходят для письменных абзацев, которые выполняются медленнее. CEA быстрее понимает конечное число, но занимает больше времени, чем любая другая система, чтобы понять полную логику и весовые коэффициенты, лежащие в основе чисел.

Поощряет количественное рассмотрение: как и CEA, WFM поощряет количественное и числовое рассмотрение факторов. По умолчанию большинство людей (включая экспертов) не мыслят количественно. Например, когда их спрашивают, произойдет ли событие, большинство людей думают об этом как о бинарном вопросе (да/нет), а не о вероятности того, что событие произойдет. WFM требует количественных входных данных для каждой переменной, что способствует количественному мышлению и калибровке (например, событие, составляющее 20% против 20%).вероятность 80%).

Может привести к новым выводам: как и CEA, WFM может привести к неожиданным выводам. Из-за предустановленной методологии и расчетов обычно после заполнения данных WFM предлагает что-то, что имеет большое влияние, что не могло бы показаться таковым, взяв более мягкий взгляд на более высокий уровень.

Облегчает изложение выводов: поскольку все факторы исследуются и оцениваются отдельно, мы можем легко выделить преимущества и недостатки каждой идеи и объяснить, почему данная идея лучше другой.

 

3. ПОЧЕМУ ЭТО НЕ ЕДИНСТВЕННАЯ ИЛИ КОНЕЧНАЯ ПЕРСПЕКТИВА

 

В прошлом году эта модель была основной, которую мы использовали при сравнении благотворительных идей, хотя в некоторых случаях мы также использовали невзвешенные факторные модели. Мы считаем, что, хотя эта модель имеет большие перспективы, она также имеет много недостатков, которые можно устранить, используя несколько моделей. Мы также видим значительную обучающую ценность в тестировании нескольких моделей и выяснении, какие из них лучше всего предсказывают наши конечные выводы смешанной модели.

Недостатки WFM (в порядке важности)

  • Нечасто используемая методология 

  • Низкая гибкость

  • Ограниченная перекрестная применимость вопросов

  • Требуются значительные предварительные затраты времени

  • Может сделать нечисловые данные похожими на числовые

  • Может быть сложно определить источник или обоснование весовых критериев 


Нечасто используемая методология: WFM не является широко используемой системой в том формальном смысле, в каком мы ее используем. Таким образом, существует мало установленных норм и более низкий уровень начального понимания как у исследователей, так и у читателей. Это также предполагает, что может быть неизвестная, но веская причина, по которой этот вид методологии не используется чаще.

Низкая гибкость. Эта система является наименее гибкой и адаптируемой к различным благотворительным идеям с предустановленными вопросами, полной методологией и взвешиванием критериев. Это снижает предвзятость, но также может придавать большое значение фактору, который может быть важен в целом, но гораздо менее важен для конкретной идеи.

Ограниченная перекрестная применимость вопросов: Дополнительным аспектом гибкости является то, что конкретные вопросы не будут важными для освещения, но в любом случае на их изучение уйдут часы. Точно так же идея, которая важна, но специфична для данной благотворительной организации, с меньшей вероятностью будет охвачена этой методологией.

Требуются значительные предварительные затраты времени: по сравнению с другими системами требуется огромное количество предварительных методологических затрат, поскольку большая часть методологии разрабатывается заранее и строго соблюдается на протяжении всего процесса. Это означает, что исследования не производятся в течение длительного времени в начале исследовательского года, а также не дают обратной связи так быстро при обновлении методологии.

Может сделать так, чтобы нечисловые данные выглядели числовыми: проблема с WFM заключается в том, что он присваивает числовые рейтинги нечисловым данным. Это может как сбить с толку, так и ввести в заблуждение людей при рассмотрении объективности системы, если не будет ясно объяснено.

Может быть трудно определить источник или обоснование критериев взвешивания: конечные веса часто являются единственным тщательно изученным фактором, и из-за того, что конечные веса используются для представления большого количества вопросов и источников доказательств, может быть трудно отследить, что вопросы, учитываемые при этом взвешивании, и насколько сильно каждый вопрос учитывался.

 

4. СКОЛЬКО ВЕС МЫ ПРИДАЕМ ФАКТОРНОЙ МОДЕЛИ

Несмотря на недостатки, мы рассматриваем WFM как очень важный аспект нашего процесса; мы видим, что он обладает многими преимуществами CEA, но также несколько менее подвержен ошибкам и, вероятно, имеет пробелы. В конечном счете, мы считаем, что WFM, как одна из наших четырех точек зрения, обычно получают от четверти до половины нашего общего конечного веса, при этом существуют значительные различия в зависимости от конкретной благотворительной идеи и области действия.Мы ожидаем, что WFM будет сильнее в тех областях, где действует множество различных факторов и ограничены достоверные данные.

 

5. КАК CE СОЗДАЛА МОДЕЛЬ ВЗВЕШЕННОГО ФАКТОРА

 

5.1. ОБЗОР ФАКТОРОВ

Связанные посты с гиперссылками


Подробная информация о том, какой вопрос задается для исследования каждого критерия, и о том, как генерируется оценка для каждого критерия, представлена ​​ниже.

 

5.2. ОЦЕНКА Z

 

Z-оценка — это численное измерение, используемое в статистике отношения значения к среднему значению группы значений, измеренному с точки зрения стандартных отклонений от среднего значения.Если Z-оценка равна 0, это означает, что оценка точки данных идентична средней оценке. Z-оценка 1,0 будет означать значение, которое является одним стандартным отклонением от среднего значения. Z-показатели могут быть положительными или отрицательными, при этом положительное значение указывает на то, что показатель выше среднего, а отрицательное значение указывает на то, что он ниже среднего.
Z-баллы можно неофициально использовать для:
i) стандартизации значений, измеренных по нескольким различным критериям, чтобы их можно было объединить в общую оценку и сравнить с другими идеями.Например, у нас может быть общий z-показатель для данной идеи на основе того, как он сравнивается со средним значением CEA, выраженным в долларах за DALY; численность затронутого населения, выраженная в миллионах; и скученность, выраженная в процентах от проблемы, решаемой другими субъектами.
ii) Оцените, насколько данная идея оценивается по сравнению со всеми другими рассмотренными идеями (включая среднюю идею), например, идея x лучше, чем 70 процентов идей в нашем списке.
iii) Найдите аномальные значения. Например, если бы одним из факторов в шкале было объективное число, такое как численность населения, значение Z-показателя показало бы, какие страны являются выбросами по сравнению с другими, даже если численность населения может отличаться на порядки.
iv) Уменьшить риск некоторых смещений, например, в ситуации, когда оценка не преобразуется в z-показатель, мы можем использовать более высокий диапазон значений для одного критерия, но не для другого, эффективно изменяя его вес. . Например, предположим, что данное вмешательство оценивается по каждому фактору по произвольной шкале от 1 до 10.Однако один критерий, шкала, значительно различается, и вы склонны часто ставить семерки и восьмерки, в то время как по критерию уступчивости вы, как правило, ставите очень стабильные четыре или пять баллов. Чистый эффект заключается в том, что даже если вы считаете, что уступчивость важнее, вы в конечном итоге увеличиваете весовую шкалу. Об этом позаботится метод преобразования этого значения в z-оценку.
Дополнительную информацию о z-значениях можно найти здесь и в «Провале управления рисками» Дугласа У. Хаббарда.

 

5.3. ЦВЕТ

Цветовое кодирование используется во всей электронной таблице для облегчения чтения, при этом красные значения обычно обозначают слабые стороны, а зеленые — сильные стороны. Это может позволить читателю быстро увидеть, какие области следует изучить глубже и какие области приводят к итоговому общему баллу.

Эти вопросы являются направляющими, и на них следует ответить, пусть даже предварительно. Можно добавить дополнительные вопросы и ответы, которые кажутся применимыми к конкретной благотворительной идее.

 

7. КРИТЕРИИ

 

7.1. СИЛА ИДЕИ ВОПРОСЫ

 

Ключевой вопрос: насколько многообещающей выглядит эта идея, если взглянуть на теорию изменений, включающую оценку убедительности доказательств и приблизительную модель экономической эффективности?

Теория изменений и эффективность затрат

Мы предлагаем реализовать этот раздел в конце факторной модели. Обратите внимание: не делайте модель экономической эффективности, потому что это будет совершенно другой раздел.Этот раздел больше предназначен для того, чтобы конкретизировать модели CEA других людей и правдоподобные теории изменений, которые затем будут использоваться для создания CEA.

Ключевой вопрос: каков вероятный путь воздействия этой благотворительной идеи? Как выглядят текущие оценки или мнения экспертов об экономической эффективности? Выглядит ли это выгодно по сравнению с другими идеями в этой области?
 

  • Рассмотреть возможные пути воздействия

  • Какова причинно-следственная цепочка этой благотворительной идеи, ведущая к влиянию на мир?

    • Создайте теорию изменений, включая долгосрочные последствия, и перечислите доказательную базу для каждого шага, включая несложные шаги, такие как шанс разумности (лучшие ресурсы).Если нет эмпирических доказательств долгосрочных последствий, обратите внимание, насколько вы уверены в своих прогнозах.

    • Какие его аспекты наименее очевидны? Какие аспекты наиболее важны? Исследуйте каждый из них.

  • Существуют ли какие-либо альтернативные подходы к этому, которые потенциально могут сделать его более рентабельным? Например…

    • Выполнение только части вмешательства (например, маркетинг без изобретения нового мяса in vitro)

    • Партнерство с другой организацией

    • Объединение с другими вмешательствами, имеющими аналогичные каналы распространения 

    • Внедрение в массовом масштабе, даже если оно эффективно только для определенного процента населения

    • Старт в стране, которая может быстрее принять изменения 

  • Какой показатель наиболее целесообразно использовать при составлении формального CEA?

  • Что эксперты думают о экономической эффективности этого вмешательства? Существуют ли какие-либо модели CEA, созданные другими организациями, или затраты, которые можно извлечь из исследований?


Доказательства

Ключевой вопрос: В целом, насколько хорошо доказано это вмешательство? Поступают ли подтверждающие доказательства из множества различных надежных источников?
 


Доказательства: Надежность

  • Хорошо ли интервенция выглядит с точки зрения множества ценностей и эпистемологических взглядов?

  • Основано ли это вмешательство в значительной степени на одном типе или части доказательств?

  • Могут ли в доказательствах этого вмешательства измениться многое, что изменит окончательное заключение о нем?

  • Будет ли это вмешательство по-прежнему успешным по другим правдоподобным показателям, кроме того, который был выбран для ответов на эти вопросы?

  • Существуют ли какие-либо другие источники подтверждающих или опровергающих доказательств, которые можно было бы изучить? Проведите мозговой штурм по крайней мере пять и исследуйте два лучших.

  • Сходятся ли несколько доказательств к одному и тому же ответу или они указывают в противоположных направлениях?​​

 

7.2. ОГРАНИЧИВАЮЩИЕ ФАКТОРЫ ВОПРОСЫ

​Ключевой вопрос: Каков основной ограничивающий фактор для масштабирования этого вмешательства? Каким размером он ограничивает вмешательство?

Доступность финансирования 

  • Есть ли основания полагать, что это вмешательство будет трудно продать?

  • Насколько это понравится нашей другой группе спонсоров? Внутри ЕА? По касательной к EA? Отключился от ЕА?

  • Какова общая сумма финансирования в этой области?

  • Сколько будет стоить проведение этого вмешательства на минимальном уровне масштаба.Есть ли финансирование для этого?

  • Какова вероятность появления нового пула финансирования после внедрения вмешательства?

  • Насколько высока планка финансирования? Получают ли слабые проекты финансирование в аналогичном пространстве?

  • Насколько сложно или легко было бы создать финансовую базу с течением времени?


Доступность талантов

  • Насколько специфический и труднодоступный набор навыков необходим сотрудникам этой благотворительной организации?

  • Какие наборы навыков необходимы для успешного выполнения этого вмешательства? Перекрываются ли навыки с пробелами в талантах в движении EA?

  • Сколько существующих благотворительных организаций, работающих в той же области, нанимают на руководящие и управленческие должности?

  • Сколько существующих благотворительных организаций, работающих в той же области, нанимают на должности, которые имеют решающее значение для успеха этого вмешательства?

  • Могут ли специалисты, не являющиеся экспертами EA/AR, восполнить нехватку талантов?
     

Нереальная заменяемость

  • Работают ли в этой области сильные благотворительные организации?

  • В этом районе много других людей/групп?

    • Какие другие основные органы работают над этим вмешательством?

    • Сколько стандартных благотворительных организаций работает в этом районе?

    • Планируют ли благотворительные организации переехать в этот район?

    • Насколько распространено это конкретное вмешательство в некоммерческих организациях, работающих в конкретной области?

    • Существует ли государственная программа для выполнения этого вмешательства?

    • Создаются ли в этом районе новые организации?

    • Какой процент этой проблемы, по-видимому, раскрыт другими действующими лицами в космосе (приблизительное представление)?

  • Они большие и компетентные?

    • Хорошо ли они работают?

      • Делают ли они то, что кажется наиболее рентабельным вмешательством?

      • Кажется, они мыслят научно и стремятся сделать как можно больше?

      • Каково ваше приблизительное впечатление о них?

    • Какие области охватываются? Как выглядят коэффициенты покрытия? Дело в деньгах или есть какие-то другие препятствия для полного покрытия?

  • Будут ли они проводить соответствующие исследования, которые ваша группа сможет использовать с течением времени?

  • Можно ли повлиять на организации/группы, чтобы они работали лучше?

  • Если площадь немноголюдна, то почему?

  • Внимание к этому изобретению быстро растет?


Размер проблемы

  • В каком масштабе может быть осуществлено это вмешательство? Является ли это окончательным пределом или просто вопросом убывающей отдачи?

  • Приблизительно сколько животных/людей затронуто и какой процент проблемы покрывается другими организациями.


​Логистические узкие места 

  • Каково общее количество сотрудников, которые будут эффективны в этой области?

  • Является ли вмешательство одноразовым или его необходимо регулярно повторять?

  • Нужно ли это оценивать с помощью РКИ перед масштабированием?

  • Насколько быстро это можно масштабировать?

  • Могут ли им управлять не только сотрудники, но и стажеры и волонтеры?

  • Легко ли автоматизировать некоторые части вмешательства?

  • Легко ли будет создать сообщество вокруг организации?

 

7.3. СЛОЖНОСТЬ ВЫПОЛНЕНИЯ ВОПРОСОВ

 

Ключевой вопрос: насколько сложно в целом настроить и провести это вмешательство по сравнению с другими в списке?

Сложность основания

  • Должна ли благотворительная организация в этой области устанавливать какие-либо серьезные партнерские отношения с корпоративными или государственными органами, или она может в основном управляться штатными сотрудниками?

  • Что эксперты считают самой большой проблемой при проведении этого вмешательства?

  • Структура затрат

    • Куда пойдут деньги на это вмешательство? Какова примерная разбивка затрат на персонал, материалы, производство, логистику (цепочка поставок и распределение), технологии и администрирование?

    • Какую часть работы по администрированию программы могут выполнять сотрудники, нанятые на месте?

    • Предоставляются ли какие-либо шаги бесплатно или со скидкой? (т. е.g. листовки могут бесплатно предоставляться другими НПО; гугл гранты)

    • Можем ли мы снизить затраты с течением времени с помощью масштаба, технологий или нужного опыта?

  • Не покажется ли эта область основателям пугающей?
     

Трудности при эксплуатации

  • Считают ли эксперты выполнение этого вмешательства простым или трудным по сравнению с другими вмешательствами?

  • Со сколькими людьми должна хорошо взаимодействовать благотворительная организация?

  • Существуют ли какие-либо культурные факторы, которые могут затруднить выполнение этого вмешательства?

  • Что является самым большим препятствием для успешной реализации?

  • Что было камнем преткновения для благотворительных организаций/правительств, которые пытались это вмешательство раньше?

  • Существуют ли какие-либо непредвиденные факторы, которые делают это вмешательство уязвимым для снижения воздействия, если что-то пойдет не так, как планировалось? Например, зависимость от технологий, потребность в высококвалифицированных кадрах, низкий уровень вмешательства и т. д.

  • Есть ли у него дрейф ценности, влияющий на факторы, которые могут заставить сильного основателя EA перестать фокусироваться на альтруизме?

  • Является ли эффективность затрат очень чувствительной к деталям текущего процесса принятия решений персоналом. т. е. не будет ли это экономически эффективным, если они сделают едва уловимый неверный вызов a, b, c, d, e, f…?

  • Есть ли кто-нибудь (частные лица/объединения фермеров/политические органы/другие активисты), кто будет против этого вмешательства? Какое влияние и власть они имеют? Видите ли вы потенциал для разрешения конфликта?

  • Прошлые проекты в этом районе провалились?
     

Контур обратной связи

  • Насколько сложно проверить эффективность этого вмешательства?

    • Насколько целесообразно проводить микропилоты или РКИ по этому вмешательству?

    • Как быстро можно протестировать это вмешательство? (т. е.г., сколько времени занимает лечение?)

  • Насколько четкими являются показатели прогресса в краткосрочной перспективе, например, из месяца в месяц?

  • Каковы доказательства того, что эта благотворительная организация работает?

  • Насколько легко постороннему увидеть, хорошо работает благотворительная организация или нет?
     

Вероятность успеха

  • Основано ли это вмешательство на показах или надежны в получении результатов?

  • Каков был исторический показатель успеха для других групп, занимающихся этим?

  • Является ли ожидаемое значение этого распределения степенным законом или распределением кривой нормального распределения?

  • Является ли показатель успеха более надежным или более хрупким? Основана ли метрика на множестве предположений, чтобы считаться «попаданием»?

 

7.4. ВНЕШНИЕ ВОПРОСЫ

Ключевой вопрос: Какие другие возможные негативные и позитивные эффекты будет иметь эта благотворительность? Насколько велики они оцениваются? Сколько доказательств? Насколько вы уверены в эффектах?

В зоне причины

  • Может ли это вмешательство отключить людей от проблемной области в целом?

  • Может ли это вмешательство отрицательно сказаться на групповых взаимодействиях в области дела?

  • Найдите данные о том, сообщал ли кто-либо о том, что это вмешательство по какой-либо причине негативно повлияло на него в прошлом.

  • Каков риск того, что это вмешательство вызовет ущерб в области причины?

  • Можно ли снизить этот риск? Если да, то как?

  • Каков риск смещения ценности для соучредителей, работающих в этой области?

  • По сравнению с другими идеями в этой области, будет ли легко или сложно быть прозрачным при реализации этой идеи?

  • Можно ли изменить область в более позитивном направлении, если в этом районе будет основана благотворительная организация?

  • Каковы шансы, что это поле значительно расширится в ближайшие десять лет? Пятьдесят лет?

  • Оказывает ли это вмешательство чистый эффект поддержки или вреда для других благотворительных организаций в этом районе?

  • В случае успеха действия повысят вероятность успеха аналогичных действий других групп? (т.е.ж., изменение законодательства в одной стране облегчило бы изменение законодательства в другой стране. )

  • Будет ли открытие благотворительной организации в этой области общепризнанным благом? Из сторонников этой области дела?


Вне области причин

  • Существуют ли какие-либо огромные сквозные эффекты, которые могут затмить прямые эффекты этой причины (например, проблема мясоеда, проблема замены мелких животных)?

  • Существуют ли какие-либо значительные положительные эффекты, которые могли бы улучшить воздействие (например,г., воздействие на окружающую среду, воздействие на животных)?

  • Влияет ли это на нравственность культуры в положительном направлении или расширяет нравственный круг?

  • Влияет ли это вмешательство на рост человеческого ВВП или на ускорение развития науки и техники?

  • Продвигает ли это вмешательство перекрестно применимые идеи, такие как антивидовизм, которые могли бы помочь в далеком будущем?

  • Есть ли доказательства того, что эта программа уменьшит страдания диких животных (включая насекомых)?


Информационная ценность

  • По сравнению с другими вмешательствами, основанными на приоритетных программах, приносит ли это вмешательство пользу миру благотворительности? (т. е.г., дополнительные доказательства)

  • Область молодая или новая?

  • Создание благотворительной организации в этой области дало бы вам навыки, которые вы могли бы передать другим благотворительным предпринимателям?


Прочее


Сравнение WFM с другими используемыми методами (хронология 80-часового отчета) 

  • [10 часов] Широкое ненаправленное чтение и важные соображения (осведомленное рассмотрение)

  • [16 часов] Направленное исследование (модель взвешенных факторов)

  • [10 часов] Поиск и общение с экспертами (экспертами)

  • [20 часов] Создание анализа экономической эффективности (CEA)  

  • [4 часа] Направленное исследование (модель взвешенных факторов)

  • [10 часов] Написание резюме и внутреннее обдумывание (информированное рассмотрение) 

  • [10 часов] Показ итогового отчета экспертам (экспертам)

Ожидаемые результаты

  • Полный документ с вопросами, заполненными достаточно четко, чтобы читатель мог их понять

  • Описание для каждого раздела и подраздела и почему они были оценены таким образом

  • Сильная модель теории изменений

  • Заполненные данные в таблице сравнения благотворительных идей

 

8. УГЛУБЛЕННОЕ ЧТЕНИЕ

1) Наш процесс сужения круга благотворительных идей для исследования
2) Показатели
3) Экономическая эффективность
4) Важность доказательств
5) Важность гибкости
6) Почему вам следует заботиться о масштабируемости
7) Почему вы должны заботиться о косвенных эффектах
8) Как логистика повлияет на то, какое вмешательство вы выберете
9) Контрфактическое влияние: что произойдет, если вы не будете действовать?
10) Почему мы смотрим на ограничивающий фактор, а не на масштаб проблемы
11) Использование электронной таблицы для принятия правильных решений
12) Последовательное мышление против кластерного мышления
13) Ларрик, Ричард П.«Расширьте рамки принятия решений, чтобы принимать эффективные решения». Справочник по принципам организационного поведения (2009 г.): 461–480.

Снижение силы четырехглавой мышцы относительно массы тела: фактор риска остеоартрита коленного сустава у женщин?

Цель: Определить, является ли исходная слабость мышц нижних конечностей фактором риска рентгенологического остеоартрита (ОА) коленного сустава.

Методы: В этом проспективном исследовании приняли участие 342 пожилых человека, проживающих по месту жительства (178 женщин, 164 мужчины) из центральной Индианы, для которых были доступны исходные и последующие (средний интервал 31,3 месяца) рентгенограммы коленного сустава. Силу мышц нижних конечностей измеряли с помощью изокинетической динамометрии, а массу мышечной ткани (т.е. мышц) в нижних конечностях измеряли с помощью двойной рентгеновской абсорбциометрии.

Результаты: ОА коленного сустава был связан с увеличением массы тела у женщин (P = 0,0014), но не у мужчин. У обоих полов мышечная масса нижних конечностей имела сильную положительную корреляцию с массой тела. У женщин после поправки на массу тела сила разгибателей коленного сустава была на 18% ниже исходного уровня среди субъектов, у которых развился случай ОА коленного сустава, чем среди контрольной группы (P = 0. 053), тогда как после поправки на мышечную массу нижних конечностей сила разгибателей коленного сустава была на 15% ниже, чем в контроле (P незначимо). У мужчин, напротив, скорректированная сила разгибателей колена на исходном уровне была сравнима с таковой в контрольной группе. Среди 13 женщин, у которых развился случай ОА, наблюдалась сильная, высокодостоверная отрицательная корреляция между массой тела и силой разгибателей (r = -0,740, P = 0,003), то есть чем больше у испытуемой ожирение, тем больше сокращение четырехглавой мышцы бедра. прочность.Напротив, среди 14 мужчин, у которых развился случай ОА, существовала умеренная положительная корреляция между весом и силой четырехглавой мышцы (r = 0,455, P = 0,058). Никакой корреляции между силой сгибателей колена (подколенного сухожилия) и ОА колена не наблюдалось ни у одного пола.

Заключение: Снижение силы четырехглавой мышцы относительно массы тела может быть фактором риска ОА коленного сустава у женщин.

Фактор частоты: ответы OSH

Пример: Рабочий поднимает 10-килограммовые ящики с конвейера на тележку десять раз в минуту в течение двух часов.

Для расчета рекомендуемого предельного веса (RWL) для задачи:

  • Определите вес груза.

Масса равна 10 кг

H (горизонтальное расстояние) – 20 см
V (вертикальное расстояние) – 75 см
D (расстояние подъема/переноса) – 0 см час, стоя
A (Угол) — 90°
C (Сцепление/качество сцепления) — удовлетворительно, стоя

Пересмотренное уравнение подъема NIOSH: 23 кг x HM x VM x DM x AM x FM x CM = RWL

23 кг x 1.00 x 0,93 x 1,00 x 0,71 x 0,13 x 1,00 = 1,97 кг

* В этом примере вертикальное расстояние равно 75 см. Из таблиц вертикальный множитель (VN) был больше 70 см (значение 0,99), поэтому было выбрано значение 0,93 (расстояние подъема 70 см), чтобы обеспечить большую защиту.

  • Сравните вес груза с рассчитанным рекомендуемым предельным весом для задачи. Вес 10 кг намного превышает рекомендуемый предел веса 1,97 кг.

Заключение

Вес груза составляет 10 кг, что превышает расчетный рекомендуемый предельный вес, равный 1.97 кг.

Таким образом, эта задача может увеличить риск травмы, связанной с поднятием тяжестей.

Рекомендации

  • Оценить, какой из компонентов в большей степени увеличивает риск. См. раздел «Оценка соответствующих факторов обращения».
    • Критическим фактором является FM для частоты подъема и продолжительности задачи.
  • Сократить периодичность подъема путем:
    • уменьшения частоты поступления ящиков в два раза, или
    • назначив на задание дополнительных рабочих, или
    • сократить время выполнения задания до 1 часа.

Оцените переработанную задачу:

Пересмотренное уравнение подъема NIOSH: 23 кг x HM x VM x DM x AM x FM x CM = RWL 1,00 = 9,90 кг

* В этом примере вертикальное расстояние равно 75 см. Из таблиц вертикальный множитель (VN) был больше 70 см (значение 0,99), поэтому было выбрано значение 0,93 (расстояние подъема 70 см), чтобы обеспечить большую защиту.

  • Сравните вес коробки с рекомендуемым пределом веса для измененной задачи.

Вес груза в 10 кг теперь аналогичен расчетному предельному весу 9,90 кг.

Дальнейшее улучшение может быть достигнуто за счет уменьшения веса объекта.

Таким образом, несмотря на то, что большинство рабочих, вероятно, могут безопасно выполнять эту работу, следует следить за работой на предмет развития травм.

Национальное взвешивание данных Системы наблюдения за поведенческими факторами риска (BRFSS) | BMC Medical Research Methodology

В этом документе рассматриваются альтернативные подходы к созданию национальных весов.Файл данных, использованный в этих анализах, был общедоступным файлом данных BRFSS 2013 года. Все эти подходы начинаются с весов на уровне штатов, которые теперь рассчитываются в системе BRFSS. Базовый метод для наших сравнений — это простой метод, который объединяет данные с текущими весами на уровне штата. Среди нескольких ограничений этого простого метода, пожалуй, самым важным является то, что взвешенное распределение по ключевым демографическим характеристикам не обязательно соответствует известному национальному демографическому распределению. В той мере, в какой результаты опроса связаны с этими демографическими характеристиками, сопоставление национальных распределений может уменьшить погрешность в оценках этих результатов на национальном уровне.

Текущая методология взвешивания BRFSS на уровне штата включает процесс ранжирования, итеративную форму пост-стратификации, которая гарантирует, что веса суммируются с известными общими показателями населения для ключевых демографических показателей в каждом штате. Некоторые (но не все) новые методы, разработанные для взвешивания по стране, включают дополнительный слой ранжирования, который добавляет штат в качестве маржи. Этот шаг гарантирует, что использование национальных весов на уровне штата будет воспроизводить обычную оценку штата для каждого штата и каждой оценки.

При оценке весов учитываются расчетные отклонения и дисперсии, а также среднеквадратическая ошибка (MSE) для ключевых показателей риска для здоровья. В то время как прямая мера систематической ошибки доступна для ключевых демографических переменных, косвенная или предполагаемая систематическая ошибка необходима для других переменных, включая результаты в отношении здоровья. Мы сравниваем национальные оценки с эталоном, предоставленным данными Национального опроса о состоянии здоровья (NHIS) для сопоставимых показателей здоровья. NHIS был выбран в качестве стандарта, потому что он обеспечивает как самую большую выборку, так и анкету, аналогичную BRFSS.NHIS также предоставляет сводные годовые оценки [20], полученные с использованием данных, собранных за тот же период времени, что и BRFSS. NHIS сама по себе является обследованием и, следовательно, подвержена ошибкам измерения в своих оценках. Несмотря на известную внутреннюю дисперсию оценок, полученных от NHIS, его использование в качестве инструмента проверки широко распространено. В прошлом в ряде исследований NHIS использовалась для проверки оценок BRFSS [21–24]. Мы разработали ряд методов взвешивания, которые могут улучшить метод, который агрегирует BRFSS с использованием весов на уровне штатов для формирования национального набора данных.

Веса штатов

Веса штатов являются основой для расчета национальных весов во второй части методов. Веса начинаются с проектных весов, также известных как базовые веса или веса выборки, рассчитываемых как обратная величина вероятностей выбора. Государства предпочитают стратифицировать выборки по географическим регионам. В штатах используется непропорциональная стратифицированная выборка для эффективности выставления на поле, а расчетные веса отражают эти дифференциальные вероятности отбора.Расчетные веса также включают поправку на использование перекрывающихся рамок двойных стационарных и мобильных телефонов. Наконец, веса ранжируются [19], итеративно подгоняются к распределениям населения, используемым в качестве полей, показанных в таблице 2. BRFSS использует как опрос американского сообщества (ACS), так и Nielsen Claritas для контрольных итогов для взвешивания данных в штате и подштате. на региональном уровне, за исключением использования телефона, данные Национального центра статистики здравоохранения (NCHS) [1].

Таблица 2 Текущие пределы ранжирования на уровне штатов a

Отклонения

Как и следовало ожидать, существует вариабельность весов на уровне штатов (расчетные веса или веса выборки), что отражает неравные коэффициенты выборки, принятые в разных штатах.Поскольку базовые веса вычисляются как величины, обратные вероятностям выборки, а для плана стратифицированной случайной выборки вероятности, по сути, представляют собой доли выборки в различных слоях и в целом.

Поскольку размеры выборки не пропорциональны численности населения штата, частота выборки намного выше в небольших штатах, чем в более крупных штатах, как показано в таблице 3. Таблица показывает, что частота выборки составляет 0,05% или меньше в больших штатах. штаты, такие как Калифорния, Нью-Йорк и Техас; напротив, частота дискретизации выше 1.0% для небольших штатов, таких как Небраска, Монтана, Южная Дакота и Вайоминг.

Таблица 3 Эффект схемы из-за эффекта схемы неравной выборки (2013 г.)

В таблице 3 также представлен эффект схемы (DEFF) из-за взвешивания на уровне штата, компонента DEFF из-за эффектов неравного веса. Он измеряет влияние изменчивости веса на ошибку выборки по двум сценариям:

  1. а)

    при простой случайной выборке и

  2. б)

    , учитывая влияние неравных весовых эффектов.

Мерой ошибки выборки, показанной в этой таблице, является предел погрешности, т. е. полуширина 95-процентного доверительного интервала. Стоит также отметить, что эффекты дизайна высоки для Флориды, поскольку в этом году штат превышал выборку для небольших округов, как это происходит каждые 3 года.

Эффект национального плана 4.49, который применяется к национальным оценкам, полученным с использованием составных весов на уровне штатов, является существенным.Этот эффект дизайна более чем удваивает погрешность таких оценок из-за дополнительной дисперсии, вносимой конкатенированными или агрегированными весами. Поэтому сокращение дисперсии с использованием национального метода взвешивания вместо агрегирования весов штатов было бы предпочтительным.

Предвзятость и ранжирование

Разумно предположить, что использование агрегированных весов на уровне штата может привести к систематической ошибке на национальном уровне в той мере, в какой это касается ключевых демографических показателей, поскольку агрегированное взвешенное распределение не соответствует национальному распределению населения. .Например, несмотря на то, что население каждого штата взвешено соответствующим образом, оценочный процент латиноамериканцев составляет 15,5% с агрегированным значением, в то время как национальный метод взвешивания уменьшит эту долю до 15%, что является более точным представлением национальных процентов. Таким образом, демографические погрешности в агрегированном методе могут иметь последствия для результатов в отношении здоровья, которые могут отражать различия между демографическими группами. Чтобы контролировать это потенциальное смещение, национальные веса могут быть оценены на национальном уровне с использованием как можно большего числа измерений ранжирования — среди тех, которые используются на уровне штатов — для сходимости и стабильности.Кроме того, национальное ранжирование может использовать штаты в качестве дополнительного запаса для сохранения итогов штата и воспроизведения оценок штатов. Поэтому мы разработали ряд методов повторного взвешивания с использованием диапазона рейтинговых марж, определенных в таблице 4, в дополнение к маржам на уровне штатов, определенных в таблице 2. Некоторые из национальных методов ранжирования добавляют дополнительные маржи к первым восьми, начиная с общей границы штата, а затем добавление перекрестных классификаций штата с ключевыми демографическими переменными. Каждый из этих методов повторного взвешивания начинается с первоначальных расчетных весов BRFSS и корректирует процесс выравнивания на национальном уровне.

Таблица 4 Группы национальных пределов ранжирования и соответствующие методы взвешивания

При первом повторном взвешивании используются исходные пределы ранжирования, как описано в Таблице 2, но с корректировкой для отражения единого национального демографического взвешивания, а не просто агрегирования неравных выборок штатов. Во втором повторном взвешивании используются исходные восемь полей рейкинга, а также состояние (поле 9). Третий пересмотр включает три классификации (возраст, пол и раса/этническая принадлежность) по штатам. Тестируются три дополнительных метода повторного взвешивания, чтобы уменьшить общую изменчивость весов. Эти три метода используют те же общие пределы рейкинга, что и первые три метода, но объединяют некоторые демографические данные (раса и возраст) в более крупные категории. Некоторое дополнительное сжатие полей выполняется для отдельных ячеек, чтобы гарантировать, что все ячейки получили минимальный размер выборки 300 или минимальный процент выборки 5,0%. В методах 4–6 поля 6 и 7 были свернуты. Раса / этническая принадлежность в поле 6 была сокращена до неиспаноязычных белых и других для мужчин; неиспаноязычный белый, неиспаноязычный черный и другие для женщин.На седьмом поле раса / этническая принадлежность были сокращены до неиспаноязычных белых и других.

Всего проверяется шесть национальных стратегий взвешивания: Метод 1 использует те же поля, что и исходный BRFSS, но взвешивается на национальном уровне; Метод 2 использует поля BRFSS на национальном уровне и добавление штата; В методе 3 используются поля BRFSS и добавление состояния с тремя дополнительными перекрестными категориями состояний; Метод 4 использует поля BRFSS в свернутых категориях; Метод 5 использует поля BRFSS плюс состояние в свернутых категориях, а метод 6 использует поля BRFSS, состояние и перекрестную классификацию по состоянию в свернутых категориях (см. Таблицу 4).

ВЕСОВОЙ КОЭФФИЦИЕНТ | определение в кембриджском словаре английского языка

Он часто используется в качестве взвешивания фактора при поиске информации и анализе текста. Из

Википедия