Глосарій

A Б В Г Д Е З І К Л М Н О П Р С Т Ф Х Ц Ч Ш Щ

Абсолютні вимірювання: вимірювання, які засновані на прямих вимірюваннях однієї або декількох основних величин або на використанні значень фізичних констант.

Багатовимірне шкалювання: метод багатовимірного статистичного аналізу, що дозволяє подати дані в теоретичному просторі, описати процеси і явища, які через свою складність або нестабільність не піддаються моделюванню традиційними методами.

Багатовимірний дисперсійний аналіз: метод багатовимірного статистичного аналізу, що дозволяє оцінювати та досліджувати дисперсії комплексів ознак.

Багатовимірний коваріаційний аналіз: метод багатовимірного статистичного аналізу, що дозволяє оцінювати залежність варіації результативної ознаки від факторної.

Багатовимірний простір ознак: простір, в якому об’єкти подані значеннями двох і більше ознак.

Багатовимірний статистичний аналіз: сукупність формалізованих статистичних методів, які базуються на поданні вихідної інформації в багатовимірному геометричному просторі та дозволяють визначати неявні (латентні), але об’єктивно існуючі закономірності в організаційній структурі та тенденціях розвитку соціально-економічних явищ і процесів.

Багаторазове вимірювання: вимірювання фізичної величини одного розміру, результат якого отримано з кількох послідовних вимірювань, тобто воно складається з ряду однократних вимірювань.

Багатошарові персептрони: нейронні мережі прямого поширення. Вхідний сигнал у таких мережах поширюється в прямому напрямку, від шару до шару. Багатошаровий персептрон складається з таких елементів: множини вхідних вузлів, які утворюють вхідний шар; одного або декількох прихованих шарів обчислювальних нейронів; одного вихідного шару нейронів.

Вибірка: своєрідна мікромодель (проекція) всієї генеральної сукупності, яка за всіма основними досліджуваними якісними характеристиками та контрольними ознаками повинна своєю структурою максимально повторювати структуру генеральної сукупності.

Вибіркова сукупність (вибірка): відібране за чітко заданим правилом певне число елементів генеральної сукупності.

Вибіркове обстеження: дослідження об’єкта вибірки.

Вимірювання: сукупність дій, виконуваних за допомогою засобів вимірювань з метою знаходження числового значення вимірюваної величини в прийнятих одиницях вимірювання; кодування та співвідношення ступеня вираженості ознак емпіричних об’єктів або подій за допомогою чисел відповідно до певних правил.

Випадкові (статистичні) вимірювання: вимірювання, в яких вимірювана величина змінюється випадковим чином (випадковий процес).

Віддільність: ступінь перекриття кластерів і віддаленості кластерів один від одного в просторі.

Відносні вимірювання: вимірювання відношення величини до однойменної величини, що відіграє роль одиниці, або вимірювання величини за відношенням до однойменної величини, прийнятої за вихідну.

Внутрішньогрупова дисперсія: характеризує варіацію, обумовлену впливом неврахованих факторів при групуванні в кожній групі.

Впорядкованість шкали: коли одна позиція шкали, визначається числом і відповідна вираженості вимірюваної властивості, більша, менша або дорівнює іншій позиції.

Генеральна сукупність: сукупність усіх елементів, що володіють рядом загальних характеристик; охоплює повну множину елементів з точки зору вирішення певної проблеми.

Грубі помилки: дані, що різко виділяються на тлі досліджуваної сукупності спостережень.

Дендрит: ламана лінія, яка може розгалужуватися, з’єднуючи кожні дві точки досліджуваної сукупності, однак не може містити замкнутих ламаних ліній (контурів).

Дендрограма: дерево об’єднання кластерів з порядковими номерами об’єктів по горизонтальній осі та зі шкалою відстаней по вертикальній осі.

Дестимулятор: ознака, якій надає негативний вплив на досліджуваний об’єкт.

Детерміновані (регулярні) вимірювання: вимірювання, в яких вимірювана величина змінюється за певним законом (відомим).

Динамічні вимірювання: вид вимірювання за характером залежності вимірюваної величини від часу, за якого вимірювана величина змінюється і є непостійною в часі.

Дискримінантна валідність: оцінюється за здатністю кожного пункту вимірювального інструмента відображати мінливість вимірюваних характеристик сукупності.

Дискримінантна функція: лінійна комбінація змінних, отримана в результаті дискримінантного аналізу; дозволяє об’єднувати людей або об’єкти в одну або більше груп.

Дискримінантний аналіз: інструмент багатовимірного статистичного аналізу, який використовується для прийняття рішення про те, які змінні поділяють (тобто «дискримінують») набори даних, що виникають.

Дискримінантні змінні: ознаки, що дозволяють відрізняти один клас (підмножину) від іншого.

Дисперсійний аналіз: статистичний метод, що дозволяє аналізувати вплив різних факторів на досліджувану змінну.

Дисперсія кластера: ступінь розсіювання точок кластера в просторі щодо центру кластера.

Довірчий інтервал: величина, що характеризує точність оцінки вимірюваної величини.

Достовірність: характеризує довіру до результатів вимірювань і розподіляє їх на дві категорії: достовірні та недостовірні, залежно від того, відомі або невідомі ймовірнісні характеристики їх відхилень від дійсних значень відповідних величин.

Експерт: суб’єкт, який з високим професіоналізмом дає судження про деякий об’єкт, явище, процес; простий спостерігач, який реєструє поведінку об’єкта.

Емпірична валідність: розглядає якість інструменту з позиції відповідності отриманих результатів яким-небудь стандартам.

Еталон: об’єкт, що має найбільш якісний набір ознак вихідної вибірки.

Загальна дисперсія: співвідношення між внутрішньогруповою і груповою дисперсією.

Засоби вимірювань: використовувані технічні засоби, що мають нормовані метрологічні властивості.

Змістовна валідність: показує, наскільки пункти для проведення вимірювання відповідають сутності вимірюваних характеристик.

Зовнішня валідність: характеризує сприйняття об’єктами тієї генеральної сукупності, яку передбачається дослідити.

Імовірнісні (випадкові) вибірки: вибірки, що формуются за допомогою таких підходів, які передбачають ретельне проходження алгоритму, не залишаючи місце безсистемності та «випадковості».

Імовірнісні нейронні мережі: вид нейронних мереж для задач класифікації, де щільність ймовірності приналежності до класів оцінюється за допомогою ядерної апроксимації.

Інтервальність шкали: означає, що інтервали між позиціями шкали рівні між собою.

Ітерація: (лат. Iteratio — я повторюю) в широкому сенсі: термін, що позначає повторення будь-якої дії, явища або процесу. У вузькому сенсі: термін, найчастіше застосовуваний для описання поетапного процесу, в якому результати виконання групи операцій в рамках кожного етапу використовуються наступним етапом (крім останнього, тому що він надає кінцевий результат).

Канонічна вага: вага стандартизованої вихідної змінної у відповідній канонічній змінній.

Канонічне крос-навантаження: кореляція вихідної змінної з протилежною канонічною змінною.

Канонічне навантаження: кореляція вихідної змінної з відповідною канонічною змінною.

Канонічний корінь: власні числа розв’язуваної системи рівнянь, дорівнює квадрату коефіцієнта канонічних кореляцій (один для одного рівняння канонічної кореляції).

Канонічні змінні: лінійні комбінації вихідних наборів змінних.

Класифікаційна матриця: матриця, в якій подані результати класифікації об’єктів, отримані на основі дискримінантних функцій, що дозволяє визначити частку правильно розпізнаних об’єктів і оцінити точність класифікації.

Класифікація об’єктів за допомогою функції відстані: з використанням функції відстані об’єкт належить до тієї групи, для якої відстань Махалонобіса найменша.

Кластер: клас, таксон, згущення, група, пучок: група елементів, якi характеризуються будь-якими загальними властивостями.

Кластерний аналіз: таксономія, автоматична класифікація, стратифікація, класифікація без вчителя, розпізнавання з самонавчанням — сукупність обчислювальних процедур, що використовуються для класифікації (методи знаходження кластерів).

Кластерний метод: багатовимірна статистична процедура, яка виконує збирання даних, що містять інформацію про вибір об’єктів, і потім упорядковує об’єкти в порівняно однорідні групи.

Коваріаційна матриця: матриця, складена з попарних коваріацій елементів (добутків відхилень від середніх значень у групі і вибірці) двох векторів (значень об’єктів кластерів).

Коефіцієнт канонічної кореляції: міра зв’язку між двома множинами змінних. Максимальна величина цього коефіцієнта дорівнює 1. Чим більша величина коефіцієнта канонічної кореляції, тим краща розділова здатність дискримінантної функції.

Константа дискримінантної функції: межа, що розділяє дві сукупності.

Контрольно-перевірочні вимірювання: вид вимірювань, похибка яких з певною ймовірністю не повинна перевищувати деякого заданого значення.

Концептна валідність: розглядає відповідність вимірювального інструменту тому концепту (властивості), для вимірювання або оцінювання якого він був виконаний.

Критерій «лямбда Уїлкса»: критерій, що використовується для перевірки умови максимально чіткого розподілу груп.

Критерій F‑включення, F‑виключення: значення \(F\)-статистики для змінної вказує на її статистичну значущість при дискримінації між сумами; тобто вона є мірою вкладу змінної в передбачення приналежності об’єкта до сукупності.

Критерій відсіювання Р. Кеттела: критерій, застосовуваний для відбору числа факторів. Відповідно до даного критерію здійснюється побудова графіка власних значень. Кількість факторів визначається за точкою перегину на графіку власних значень.

Критерій згоди: варіант застосування критерію хі-квадрат (\(\chi^2\)), призначений для перевірки відмінностей емпіричного та теоретичного розподілів досліджуваної властивості за однією вибіркою.

Критерій Кайзера: критерій, застосовуваний для відбору числа факторів. Відповідно до даного критерію число факторів дорівнює числу компонент, власні значення яких більше одиниці.

Критерій Коаскела‑Уолліса: непараметричний тест, який застосовується для трьох і більше незалежних вибірок з даними в порядковій або інтервальній шкалі, якщо не задовольняються припущення про використання дисперсійного аналізу.

Критерій Манна‑Уїтні: непараметричний критерій, який використовується для порівняння двох незалежних вибірок.

Критерій незалежності: застосування критерію \(\chi^2\) для порівняння розподілів декількох незалежних вибірок.

Критерій Уїлксона: непараметричний критерій, заснований на обчисленні різниці вимірів у кожній \(i\)-парі елементів пов’язаних вибірок.

Критерій частки відтворюваної дисперсії: критерій, застосовуваний для відбору числа факторів. Фактори ранжуються за часткою детермінованої дисперсії; коли відсоток дисперсії виявляється несуттєвим, виділення слід зупинити. Бажано, щоб виділені фактори пояснювали більше 80 % розсіяння.

Критерії, вільні від розподілу: це критерії, форма розподілу для яких несуттєва.

Латентна змінна: змінна, значення якої в ході спостереження не доступні для безпосереднього вимірювання, а лише можуть бути оцінені відповідно до висунутої гіпотези за значеннями явних змінних.

Матриця вихідних даних: матриця \(X\) розмірністю \(n \times m\) — прямокутна таблиця, кожен рядок якої є результатом вимірювання \(m\) розглянутих ознак в одному з об’єктів.

Матриця відображення (матриця вагових коефіцієнтів): матриця \(A\), елементи якої є ваговими коефіцієнтами \(i\)-го головного фактора на \(j\)-ту змінну.

Матриця відстаней: матриця, елементи якої відображають ступінь близькості об’єктів, показників, ознак і тощо в досліджуваній сукупності.

Мережі прямого поширення: всі зв’язки спрямовані тільки від вхідних нейронів до вихідних. Прикладами таких мереж є перцептрон Розенблатта, багатошаровий перцептрон, мережі Ворда.

Метод «далекого сусіда»: ступінь подібності оцінюється за ступенем подібності між найбільш віддаленими (несхожими) об’єктами кластерів.

Метод «найближчого сусіда»: ступінь подібності оцінюється за ступенем схожості між найбільш схожими (найближчими) об’єктами цих кластерів.

Метод багатовимірного групування (кластерний аналіз): метод багатовимірного статистичного аналізу, що дозволяє провести групування багатовимірних об’єктів.

Метод вимірювань: сукупність прийомів використання принципів і засобів вимірювань.

Метод головних компонент і факторний аналіз: методи багатовимірного статистичного аналізу, що дозволяють звести множину елементарних ознак до невеликого числа значущих «узагальнених ознак» і виявити латентні фактори щодо як ознак, так і об’єктів.

Метод канонічних кореляцій: метод багатовимірного статистичного аналізу, що дозволяє стиснути дані та моделювати зв’язки узагальнених ознак.

Метод середнього зв’язку: ступінь подібності оцінюється як середня величина ступенів подібності між об’єктами кластерів.

Методи обертання: метою є отримання зрозумілої (інтерпретованої) матриці навантажень, тобто факторів, які позначені високими навантаженнями для деяких змінних і низькими — для інших. До методів обертання належать варімакс, квартимакс, еквімакс.

Метрична система заходів: загальна назва міжнародної десяткової системи одиниць, заснованої на використанні метра та кілограма.

Метричне багатовимірне шкалювання: вид багатовимірного шкалювання, що вимагає вимірювання близькості за шкалою рівня не нижче інтервального.

Міжгрупова дисперсія: характеризує варіацію, обумовлену впливом фактора, покладеного в основу групи. Міра варіації окремих середніх за групами щодо загальної середньої.

Міра відстані: формат відстаней, розрахованих для матриці відстаней; може бути, наприклад, Евклідовою, Мангетенською та ін.

Множинний кореляційно-регресійний аналіз: метод багатовимірного статистичного аналізу, що дозволяє провести вимірювання та моделювання зв’язків досліджуваних ознак або об’єктів.

Модель з випадковими факторами (Модель II): модель, в якій кожному випадковому, обраному значенню одного фактора відповідає своя підмножина значень другого фактора.

Модель з фіксованими рівнями чинників (Модель I): модель, в якій кожен рівень одного фактора поєднується при плануванні експерименту з кожної градацією іншого чинника.

Надійність: характеристика, що відображає стійкість і узгодженість отриманих результатів вимірювання.

Надійність-еквівалентність: характеризує ідентичність результатів, отриманих декількома аналогічними інструментами.

Надійність-стійкість: характеризує стабільність результатів у часі.

Надійність-узгодженість: характеризує узгодженість пунктів інструменту.

Неметричне багатовимірне шкалювання: вид багатовимірного шкалювання, який використовує шкали нижчого рівня (наприклад, рангова шкала).

Необхідний обсяг вибірки: функція варіації змінних параметрів генеральної сукупності та точності оцінки цих параметрів, необхідної для дослідника.

Непараметричні тести: тести, що ґрунтуються на більш слабких припущеннях щодо аналізованих даних. Головним мотивом застосування є небажання робити припущення, необхідне для використання параметричних процедур.

Неповна редукція: полягає в побудові деяких синтетичних величин, що мають багатоознакову природу, у вигляді деякої функції \(f (y_1, y_2, ..., y_n)\), яка відображає вплив усіх ознак і, таким чином, дозволяє впорядкувати досліджувані об’єкти.

Непрямі вимірювання: вимірювання, при яких шукана величина безпосередньо не виміряється, а її значення знаходиться на основі відомої залежності між цією величиною і величинами, одержаними в результаті прямих вимірювань.

Нерівно розсіяні вимірювання: вимірювання, випадкові величини яких розподілені неоднаково.

Нечітка кластеризація: кластеризація, за якої для кожного об’єкта визначається дійсне значення, що показує ступінь приналежності до кластеру — функція приналежності (ФП). Ступінь приналежності визначається відстанню від об’єкта до відповідних кластерних центрів. Даний алгоритм ітераційно обчислює центри кластерів і нові ступені приналежності об’єктів.

Нульова точка (точка відліку) шкали: означає, що набір чисел, відповідних вираженості вимірюваної ознаки, має точку відліку, що позначається як 0, яка відповідає повній відсутності вимірюваної властивості.

Обґрунтованість або валідність вимірів: еквівалентність вимірювань характеристикам вимірюваного об’єкта (міра відповідності оцінок, отриманих у процесі вимірювання, уявленням про сутність властивостей досліджуваних об’єктів і їх ролі в досліджуваних процесах).

Одновиборочний t‑критерій (t‑test for single means): параметричний тест, що дозволяє порівняти середнє значення у вибірці з заданим числом; застосовуваний для великих вибірок (100 і більше спостережень).

Одновимірний простір ознак: простір, в якому об’єкти відображаються значеннями однієї ознаки.

Одноразовий вимір: вимір, виконаний один раз.

Однофакторний дисперсійний аналіз для незв’язаних вибірок: статистичний метод, який досліджує зміни результативної ознаки під впливом зміни умов або градацій будь-якого фактора.

Однофакторний дисперсійний аналіз для пов’язаних вибірок: статистичний метод, призначений для дослідження впливу різних умов дії фактора (градацій фактора) на ту саму вибірку. Визначається на підставі відомої залежності між цією величиною та величинами, що піддаються прямим вимірюванням.

Ознака в математиці і логіці: те саме, що і достатня умова. У менш точних науках слово «ознака» вживається як опис фактів, що дозволяє (згідно з існуючою теорією і т.п.) зробити висновок про наявність явища, що цікавить.

Перевага: судження про об’єкт з точки зору його близькості до пропонованого ідеалу.

Повна редукція: полягає в отриманні так званих індивідуальних діагностичних ознак, якими є деякі з вихідних ознак. Первинний набір \(q\) ознак \(y = (y_1, y_2, ..., y_q)\) замінюється набором \(s\) діагностичних ознак \(x = (x_1, x_2, ..., y_s), (s<q)\).

Покроковий дискримінантний аналіз з виключенням: у цьому випадку всі змінні будуть спочатку включені в модель, а потім на кожному кроці будуть усуватися змінні, що вносять малий внесок у передбачення.

Покроковий дискримінантний аналіз з включенням: у покроковому аналізі дискримінантних функцій модель дискримінації будується покроково. Точніше, на кожному кроці проглядають всі змінні та знаходять ту з них, яка вносить найбільший внесок у відмінність між сумами. Ця змінна повинна бути включена в модель на даному етапі, і відбувається перехід до наступного кроку.

Похибка вимірювань: різниця між отриманим під час вимірювання \(X'\) і істинним \(Q\) значеннями вимірюваної величини.

Правильність вимірювання: визначається як якість вимірювання, що відображає близькість до нуля систематичних похибок результатів.

Принцип вимірювань: фізичне явище або сукупність фізичних явищ, покладених в основу вимірювань.

Простір ознак з нульовою розмірністю: простір, в якому об’єкти не мають характеристик.

Прямі вимірювання: вид вимірювань за умовами, що визначають точність результату, за якого вимірювана величина порівнюється з мірою безпосередньо або ж за допомогою вимірювальних приладів, градуйованих у необхідних одиницях.

Радіально-базисні функції: штучні нейронні мережі, що використовуються в якості активаційних функцій; такі мережі скорочено називають RBF-мережами.

Ранжований ряд: ряд, упорядкований за певним принципом (наприклад, за зростанням значень).

Ранжування спостережень: вибудовування спостережень за порядком від найменшого значення до найбільшого.

Результативні ознаки: залежні змінні, які зазнають впливу факторів.

Рекурентні нейронні мережі: сигнал з вихідних нейронів або нейронів прихованого шару частково передається назад, на входи нейронів вхідного шару (зворотний зв’язок). Окремим випадком рекурентних мереж є двоспрямовані мережі. У таких мережах між шарами існують зв’язки як в напрямку від вхідного шару до вихідного, так і в зворотному.

Репрезентант: представник вибірки, який передає найсуттєвіші особливості численного набору ознак вихідної вибірки.

Рівень фактора (градація): конкретна реалізація фактора.

Рівно розсіяні вимірювання: незалежні, однаково розподілені випадкові величини.

Робастність: нечутливість до різних відхилень і неоднорідностей у вибірці.

Розмірність простору: кількість координатних осей простору.

Самоорганізована карта Кохонена: змагальна нейронна мережа з навчанням без учителя, що виконує завдання візуалізації і кластеризації.

СГС (сантиметр-грам-секунда): система одиниць, в якій використовують три незалежні розмірності (довжина, маса та час); усі інші зводяться до них шляхом множення, ділення, піднесення до степеня.

Середньо- квадратичне відхилення: в теорії ймовірностей і статистиці найбільш поширений показник розсіювання значень випадкової величини щодо її математичного очікування.

Синапс: у нейронних мережах — зв’язок між формальними нейронами. Вихідний сигнал від нейрона надходить у синапс, який разом із ним передається до нейрона. Складні синапси можуть мати пам’ять.

Спільні вимірювання: вид вимірювань, які проводяться одночасно для вимірювання двох або декількох неоднойменних величин для знаходження залежностей між ними.

Спільність: сума відносних вкладів усіх загальних факторів у дисперсію показника \(y_j\).

Стандартизація: процес зведення показників, які мають різні одиниці вимірювання, до загального типу вимірювань.

Статистичне оцінювання багатовимірної випадкової величини: метод багатовимірного статистичного аналізу, що дозволяє визначити багатовимірну середню, матрицю коваріацій, ймовірнісні оцінки, робастне оцінювання.

Статичні вимірювання: вид вимірювання за характером залежності вимірюваної величини від часу, за якого вимірювана величина залишається постійною в часі.

Стимул: об’єкт, що володіє певним набором потрібних для дослідження характеристик. Іноді цим поняттям відмічають деяку типову характеристику об’єкта, яка не підлягає безпосередньому вимірюванню.

Стимулятор: ознака, яка надає позитивний вплив на досліджуваний об’єкт.

Стрес (функція стресу): критерій відмінності матриці близькостей і матриці відстаней.

Стрес-формули: формули, що застосовують для оцінювання відповідних емпіричних і теоретичних рангових даних.

Структурні коефіцієнти: коефіцієнти кореляції між окремими змінними та дискримінантною функцією. Якщо щодо деякої змінної абсолютна величина коефіцієнта велика, то вся інформація про дискримінантну функцію представлена в цій змінній.

Сукупні вимірювання: вид вимірювань, які проводять одночасно для вимірювання кількох однойменних величин, за яких шукану величину визначають розв’язанням системи рівнянь, отримуваних шляхом прямих вимірювань різних сполучень цих величин.

Суматор: у нейронних мережах — блок, який підсумовує сигнали, що надходять від нейронів через синапси. У загальному випадку акумулятор може перетворювати сигнали та передавати їх нейронам або суматору також через синапси.

Таксономія: наука про способи впорядкування і класифікації об’єктів.

Теорія вимірювань: одна із складових частин прикладної статистики, необхідна для аналізу якісних даних, як теорія, що дає базу для розроблення, вивчення і застосування конкретних методів розрахунку.

Тест z (z‑критерій): параметричний тест, який використовують для виконання базових припущень про нормальність закону розподілу та подання в метричній шкалі.

Тест Колмогорова-Смірнова: непараметричний тест, який використовують для порівняння спостережуваного та теоретичного розподілу (нормального, рівномірного, пуассонівского, біноміального) для даних, поданих принаймні в порядковій шкалі.

Технічні вимірювання: вид вимірювань, в яких похибка результату визначається характеристиками засобів вимірювань.

Толерантність: міра лінійної залежності між однією змінною і набором інших змінних. Якщо у дискримінантному аналізі рівень толерантності становить менше 0,001, це означає, що лінійна залежність для даної змінної настільки висока, що її включення в дискримінантне рівняння неприпустиме.

Точність вимірювань: характеристика вимірювань, що відображає близькість їх результатів до істинного значення вимірюваної величини.

Фактори: незалежні змінні, які впливають.

Факторне навантаження: коефіцієнт кореляції, міра зв’язку змінної і головної компоненти.

Факторний аналіз: сукупність методів, які на основі реально існуючих зв’язків ознак (або об’єктів) дозволяють виявляти латентні (приховані) узагальнювальні характеристики організаційної структури та механізму розвитку досліджуваних явищ і процесів.

Форма кластера: розташування точок у просторі.

Формальний нейрон: у нейронних мережах — процесорний елемент, перетворювач даних, який отримує вхідні дані та перетворює їх відповідно до заданої функції і параметрів. Формальний нейрон працює за дискретним часом.

Функціонал або критерій якості: деяка міра якості класифікації, яка використовується для оцінювання отриманих результатів.

Функція активації: (активаційна функція, функція збудження) — функція, що обчислює вихідний сигнал штучного нейрона.

Характерність: частина дисперсії, обумовлена специфікою змінної і помилками вимірювання.

Центроїди груп: середні значення дискримінантних функцій для кожної з двох і більше груп. Чим ближче об’єкт до центроїду групи, тим більша ймовірність того, що він належить до цієї групи.

Чітка (непересічна) кластеризація: кластеризація, в якій кожен об’єкт належить тільки до одного кластеру.

Шкала: теоретична вісь у просторі, яка є носієм значень узагальненої ознаки (фактора).

Шкала вимірювань: порядок визначення та позначення можливих значень конкретної величини або проявів якої-небудь властивості. Тип шкали задає групу допустимих перетворень шкали.

Штучні нейронні мережі (ШНМ): математичні моделі, а також їх програмні або апаратні реалізації, побудовані за принципом організації та функціонування біологічних нейронних мереж — мереж нервових клітин живого організму.

Щільність: властивість кластера, що дозволяє розглядати кластер як скупчення точок у просторі даних, відносно щільне в порівнянні з іншими областями.