
- •Количество информации. Единицы измерения количества информации. Вероятностный и количественный подход к определению количества информации.
- •Системы счисления. Основные характеристики позиционных систем счисления. Перевод чисел в позиционных системах счисления. Арифметические операции в позиционных системах счисления.
- •Основы логики. Базовые логические операции. Таблицы истинности.
- •Программное обеспечение пк. Классификация программного обеспечения.
- •Операционная система и ее задачи. Классификация ос. Современные ос.
- •Организация хранения данных. Файловая система, ее задачи. Основные понятия файловой системы. Ярлыки.
- •Ос ms Windows. Объекты ms Windows. Виды меню, главное меню. Окна. Стандартные операции с объектами ms Windows. Перенос и копирование объектов. Буфер обмена.
- •Навигация в ms Windows. Способы навигации и их сравнительная характеристика. Поиск файлов и папок средствами ms Windows. Параметры задаваемые для поиска.
- •Системы подготовки текстов. Текстовые процессоры. Текстовый процессор ms Word. Функциональные возможности. Настойка окна ms Word. Стандартные операции с документами.
- •Основные структурные единицы документа. Ввод и редактирование текста. Форматирование средствами ms Word.
- •Работа с таблицами средствами ms Word. Создание и форматирование таблицы.
- •Работа с рисунками ms Word. Создание рисунков, операции с рисунками, вывод формул.
- •Параметры страницы документа ms Word. Разрыв страницы. Раздел документа. Номера страниц, колонтитулы. Сноски, проверка правописания. Оглавление.
- •Электронные таблицы назначение. Табличный процессор ms Excel. Функциональные возможности. Стандартные операции с документами.
- •Понятие книга и лист в табличном процессоре Excel. Стандартные операции с листами. Ячейка таблицы, адреса ячеек. Формат данных в ячейках. Оформление таблицы.
- •Расчетные операции средствами ms Excel. Ввод и редактирование формул. Стандартные встроенные функции. Копирование и перенос формул. Фильтрация данных.
- •Построение диаграмм средствами ms Excel. Оформление и редактирование диаграммы.
- •Технологии обработки графической информации. Графические редакторы. Растровая и векторная графика, сравнительная характеристика. Цветовые модели.
- •Электронные презентации. Программа ms Point. Функциональные возможности. Создание презентации. Режим отображения слайдов, режим сортировщик слайдов.
- •Базы данных. Системы управления базы данных. Классификация баз данных.
- •Реляционная база данных. Структура базы данных. Таблица. Поле. Запись. Ключевое поле. Связь между таблицами, типы связей.
- •Программа ms Access. Объекты, таблица, форма, запрос. Виды запроса. Фильтрация данных, виды фильтров.
- •Этапы подготовки задач к решению на компе.
- •Системы программирования. Языки программирования, классификация. Трансляторы, компиляторы и интерпретаторы.
- •Понятие алгоритма. Основные свойства алгоритмов. Базовые алгоритмические конструкции. Понятие о структурно и объектно- ориентированном программировании.
- •Компьютерные сети, классификация. Принципы организации и основные топологии.
- •Адресация в сети. Протоколы.
- •Информационная безопасность. Методы защиты информации в сетях.
- •Услуги сети интернет. Понятие e-mail. Поиск информации.
- •Архивация и разархивация файлов. Программы архивации. Архивный файл. Самораспаковывающиеся пакеты.
- •Компьютерные вирусы. Классификация. Основные пути проникновения и признаки появления вирусов. Антивирусные программные средства.
- •Случайные величины и функции распределения вероятностей, дискретные случайные величины.
- •Непрерывные случайные величины и функция плотности вероятности.
- •Характеристики распределения случайной величины (математическое ожидание, дисперсия, медиана и мода). Примеры распределения случайных величин.
- •40.Непрерывное и дискретное равномерное распределение. Нормальное распределение.
- •42. Понятие случайной выборки. Примеры реальных биологических экспериментов.
- •43 Дескриптивные и графические методы анализа данных. Гистограмма: эмпирическая функция распределения. .
- •Столбчатые и секторные диаграммы.
- •Понятие статистической оценки. Свойства оценок: несмещенность, состоятельность, эффективность.
- •Метод максимального правдоподобия и точечное оценивание характеристик распределения (эмпирическая частота, выборочное среднее, выборочная дисперсия, Интервальное оценивание.
- •Доверительный интервал. Доверительные интервалы для математического ожидания и дисперсия нормального распределения.
- •Логика проверки статистических гипотез. Ошибки первого и второго рода, уровень значимости и мощность критерия.
- •Одновыборочные и двухвыборочные критерии. Сравнение параметров биноминальных и пуассоновских распределений.
- •Линейный регрессионный анализ. Множественная линейная регрессия.
- •Доверительные интервалы и проверка гипотез в линейном регрессионном анализе.
- •Корреляционный и дисперсионный анализ
Характеристики распределения случайной величины (математическое ожидание, дисперсия, медиана и мода). Примеры распределения случайных величин.
Математическое
ожидание-
это некоторые средние значения величины,
около которых группируются все признаки
значения X.
Для дискретной величины, которая может
принимать лишь конечное число возможных
значений, математическое ожидание это
сумма произведений всех возможных
значений случайной величины на вероятность
этих значений. M(X)=
.
Где n
– количество слагаемых, i
с какого числа складывать. Для непрерывной
случайной величины имеющей заданную
плотность распределения φ(x)
математическим ожиданием называется
следующий интеграл:
Свойства математического ожидания: 1)
М(С)=С , где С-константа, 2) М(С-Х)=С*М(Х), 3)
М(Х
Y)=M(X)
M(Y),
где X
и Y
любые случайные величины, 4) М(X*Y)=M(X)*M(Y),
где X
и Y
независимые случайные величины. Размах
вариации
–это разница между наибольшим и меньшим
значением величины признака
.
Например, настриг шерсти 4,3 кг и 5,3 кг
равно 1 кг. Абсолютное
отклонение( х-
)
это
начальное значение х
минус
средняя арифметическая
→
.
Например, 4,3 кг – 4,8 кг (общая сумма
деленная на количество вариантов)=-0,5
кг. Среднее
линейное отклонение
–это модуль суммы средних отклонений
на число вариантов →
кг.
Дисперсия
-
математическое ожидание квадрата ее
отклонения от математического ожидания
D(X)=M(X-M(X))2
Дисперсия
случайной величины
это мера ее разброса от математического
ожидания. Свойства: 1) дисперсия постоянного
значения равна нулю, 2) постоянный
множитель можно выносить за знак
дисперсии, возводя его в квадрат, 3)
дисперсия суммы двух независимых
случайных величин равна сумме дисперсий
этих величин 4)дисперсия разности двух
независимых случайных величин равна
сумме дисперсий этих величин. Среднее
квадратическое отклонение
равно
корню квадратному из дисперсии Коэффициент
вариации
равен процентное отношение среднего
квадратического к отклонения к средней
арифметической величине
Медиана это величина, которая соответствует
варианту, находящемуся в середине
ранжированного ряда
.
Ме
медиана;
хМе нижняя граница медианного интервала;
hМе величина медианного интервала;
сумма
частот;
sМе−1 сумма частот, накопленных в интервалах, предшествующих медианному;
fМе частота медианного интервала. Медиальный интервал половина суммы частот (всего 25 овец/2=12,5), значения накопленных частот равные этому интервалу и будут медиальным интервалом Например, 4,4-4,8 (12<17). Накопленная частота- это сумма всех частот предшествующих вариантов. Медиана характеризует количественную границу значений изменяющегося признака, которыми обладает половина единиц совокупности. В дискретном вариационном ряду модой является признак с наибольшей частотой. Медианой является признак с номером, который находят путем деления суммы частот упорядоченного вариационного ряда на два и добавления 0,5. Мода это величина, которая встречается в совокупности наиболее часто, то есть признак с наибольшей частотой. В дискретном вариационном ряду модой является признак с наибольшей частотой. Медианой является признак с номером, который находят путем деления суммы частот упорядоченного вариационного ряда на два и добавления 0,5.
В интервальном вариационном ряду моду находят по формуле:
,
где Мо мода;
хМо нижняя граница модального интервала;
hМо величина модального интервала;
fМо частота модального интервала;
fМо-1 частота интервала, предшествующего модальному;
fМо+1 частота интервала, следующего за модальным.
Модальным интервалом является интервал с наибольшей частотой.
Примеры распределения: нормальное распределение (случайный характер результатов обусловлен погрешностями изменений), равномерное распределение (случайная величина принимает значения в пределах конечного интервала от х1 до х2 с постоянной плотностью вероятностей).