Большая Советская Энциклопедия (ФА)

  где d ² G – второй дифференциал от Ф. г., d А _и и dA _п – площади сопряжённых участков диафрагм или источника и приёмника; Q_и и Q_п – углы между направлением излучения и перпендикулярами к излучающей и освещаемой поверхностям; d W_и и d W_п – заполненные излучением телесные углы со стороны А _и и А_п . Инвариантность Ф. г. сохраняется и для широких световых пучков. Ф. г. используют для построения систем фотометрических величин : так, яркость вдоль луча L = d² Ф/d² G, где Ф – или световой поток , или поток излучения . Понятие о мере множества лучей было впервые введено сов. учёным А. А. Гершуном в 30-х гг. 20 в.

  Лит.: Гершун А. А., Мера множества лучей, «Труды Государственного оптического института», 1941, т. 14, в. 112–20; Terrien J., Desvignes F., La photometrie, P., 1972.

  А. А. Волькенштейн.

Факторгруппа

Факторгру'ппа (математическая), группа , элементами которой являются некоторые совокупности элементов другой группы G, а именно: классы смежности G по нормальному делителю Н.

Факториал

Факториа'л (англ. factorial, от factor-comножитель) (математический), произведение натуральных чисел от единицы до какого-либо данного натурального числа n, то есть 1×2×... ×n', обозначается n !. При больших n приближённое выражение Ф. даётся Стирлинга формулой . Ф. равен числу перестановок из n элементов.

Факторный анализ

Фа'кторный ана'лиз, раздел статистического анализа многомерного ,. объединяющий методы оценки размерности множества наблюдаемых переменных посредством исследования структуры ковариационных или корреляционных матриц. Основное предположение Ф. а. заключается в том, что корреляционные связи между большим числом наблюдаемых переменных определяются существованием меньшего числа гипотетических ненаблюдаемых переменных или факторов. В терминах случайных величин – результатов наблюдений X₁ ,..., X_n общей моделью Ф. а. служит следующая линейная модель:

   (*),

,

  где случайные величины f_j суть общие факторы, случайные величины U_i суть факторы, специфические для величин X_i и не коррелированные с f_j , а e_i ; суть случайные ошибки. Предполагается, что k < n задано, случайные величины e_i независимы между собой и с величинами f_j и U_i и имеют Е e_i = 0, D e_i = s² _i . Постоянные коэффициенты a_ij называются факторными нагрузками (нагрузка i -й переменной на j -й фактор). Значения a_ij , b_i , и s² _i считаются неизвестными параметрами, подлежащими оценке. В указанной форме модель Ф. а. отличается некоторой неопределённостью, т.к. n переменных выражаются здесь через n + k других переменных. Однако уравнения (*) заключают в себе гипотезу о ковариационной матрице, которую можно проверить. Например, если факторы f_j некоррелированы и c_ij – элементы матрицы ковариаций между величинами X_i , то из уравнений (*) следует выражение для c_ij через факторные нагрузки и дисперсии ошибок:

  , .

  Т. о., общая модель Ф. а. равносильна гипотезе о ковариационной матрице, а именно о том, что ковариационная матрица представляется в виде суммы матрицы А = {a_ij } и диагональной матрицы L с 2 элементами s² _i .

  Процедура оценивания в Ф. а. состоит из двух этапов: оценки факторной структуры – числа факторов, необходимого для объяснения корреляционной связи между величинами X_i , и факторной нагрузки, а затем оценки самих факторов по результатам наблюдения. Принципиальные трудности при интерпретации набора факторов состоят в том, что при k > 1 ни факторные нагрузки, ни сами факторы не определяются однозначно, т.к. в уравнении (*) факторы f_j могут быть заменены любым ортогональным преобразованием. Это свойство модели используется в целях преобразования (вращения) факторов, которое выбирается так, чтобы наблюдаемые величины имели бы максимально возможные нагрузки на один фактор и минимальные нагрузки на остальные факторы. Существуют различные практические способы оценки факторных нагрузок, имеющие смысл в предположении, что X_i ,..., Xn подчиняются многомерному нормальному распределению с ковариационной матрицей С = {с_ij }. Выделяется максимального правдоподобия метод , который приводит к единственным оценкам для c_ij , но для оценок a_ij даёт уравнения, которым удовлетворяет бесчисленное множество решений, одинаково хороших по статистическим свойствам.

  Ф. а. возник и первоначально разрабатывался в задачах психологии (1904). Область его приложения значительно шире – Ф. а. находит применение при решении различных практических задач в медицине, экономике, химии и т.д. Однако многие результаты и методы Ф. а. пока ещё не обоснованы, хотя практики ими широко пользуются. Математическое строгое описание современного Ф. а. – задача весьма трудная и до сих пор в полной мере не решенная.