
- •Экзаменационный билет № 1
- •1. Локальные компьютерные сети. Конфигурации локальных сетей и организация обмена информацией.
- •2.Укрупненный алгоритм пфэ (подробно осветить пункты «проверка воспроизводимости эксперимента» и «адекватности модели»)
- •4.Отбор факториальных признаков в множественных регрессионных моделях, без учета временного лага Этапы решения задачи для размерных регрессионных моделей без учета временного лага.
- •5.Современные Web-технологии для повышения эффективности производства
- •Экзаменационный билет №2
- •1. Общая структура и принципы организации универсальной имитационной системы Simplex3. Виды компонентов. Накопительные массивы и мобильные компоненты. Книга Ивашкина
- •2. Общий алгоритм однофакторного дисперсионного анализа (подробно расчет факторной дисперсии).
- •3. Структура таблицы формата dbf и ее взаимодействие с индексным файлом. Доступ к данным таблицы через индексный файл.
- •4. Множественные регрессионные модели. Классификация. Сфера применения
- •5. Разработка распределенных систем с совместно используемой памятью. Проблемы их эффективной реализации
- •Экзаменационный билет № 3
- •1.Internet и образование. Понятие о дистанционном обучении с использованием глобальных компьютерных сетей. Основные принципы дистанционного обучения.
- •2.Алгоритм проверки статистической гипотезы о равенстве математических ожиданий двух генеральных совокупностей
- •3. Принципы формирования баз данных и знаний. Модели представления знаний
- •4.Задачи распределения ресурсов. Классификация обзор методов решения
- •6 Этап.
- •5.Программное обеспечение промежуточного уровня в распределенных системах
- •Экзаменационный билет № 4
- •1. Всемирная паутина. Технология www. Браузеры. Файловые архивы.
- •3. Система редактирования простой и реляционной баз данных. Участки программных кодов кнопок управления системой редактирования с использованием буферизации на конкретном примере.
- •4. Отбор факториальных признаков в множественных регрессионных моделях, с учетом временного лага Безразмерные регрессионные модели прогнозирования с учетом временного лага.
- •5. Распределенные и сетевые операционные системы
- •Экзаменационный билет № 5
- •2. Численный метод и алгоритм построения уравнения множественной линейной регрессии (два фактора)
- •3. Основные характеристики базы данных и их влияние на быстродействие обработки информации. Методы повышения быстродействия
- •5. Какова роль программного обеспечения промежуточного уровня в распределенных системах?
- •Экзаменационный билет № 6
- •1. Ситуационная модель аномального состояния технологической системы и алгоритмы идентификации.
- •2. Укрупненный алгоритм оцкп для 3-х факторов (подробно о проверке воспроизводимости и значимости коэффициентов)
- •3. Временные характеристики индексированных и неиндексированных реляционных баз данных в зависимости от объема буферной памяти
- •5. К каким проблемам приводит реализация максимально возможной степени прозрачности?
- •Экзаменационный билет № 7
- •2. Укрупненный алгоритм однофакторного дисперсионного анализа (подробно расчет остаточной дисперсии)
- •3. Особенности организации работы с базами данных в сети коллективного доступа, резервирования и буферизация данных, обмен данными между пользователями и файл-сервером.
- •4. Понятие временного лага и способы его определения
- •5. Что такое прозрачность (распределения) и приведите примеры различных видов прозрачности
Экзаменационный билет № 5
Имитационная модель экологической среды. Описание компонентов
Численный метод и алгоритм построения уравнения множественной линейной регрессии (два фактора)
Основные характеристики базы данных и их влияние на быстродействие обработки информации. Методы повышения быстродействия
Задача обновления производства в простейшем случае. Решение МДП
Какова роль программного обеспечения промежуточного уровня в распределенных системах?
2. Численный метод и алгоритм построения уравнения множественной линейной регрессии (два фактора)
Пусть на выходную величину оказывает влияние 2 фактора y=a+b1x1+b2x2. Или, если x1 и x2 оказывают друг на друга влияние y=a+b1x1+b2x2+b12х1х2.
Коэффициенты множественной регрессии будут находится по формулам:
Отсюдова получается матрица:
Числовую
часть которой, обращают, и множат на
свободные члены. и получают коэффициенты.
Теснота
связи между входной величиной y
и несколькими факторами х определяется
с помощью коэффициента множественной
корреляции (прим. для двухфакторной):
,
где коэффициенты ry1,
ry2,
r1-2
– коэфф-ты парной корреляции, опред по
формуле:
и тому подобное. Если факторы некоррелируемы:
r1-2
= 0, то уравнение множественное корреляции
упростица:
{наследие предыдущих поколений}
Используется метод наименьших квадратов (д.б. минимальна сумма квадратов отклонений).
F=∑(yiэ –yiт )→min
F=∑(yi-ai-b)2 →min
F=f(a, b)
∂F/∂b=0=∑yi-a∑xi-nb=0
∂F/∂a=0∑yixi-a∑xi2 -b∑yi=0
Правило составления линейных уравнений по методу наименьших квадратов.
уравнение переписывается без изменений, все последующие уравнения получаются последовательным умножением на соотв-щие переменные.
y=a1x1+a2x2+a3x3+b
∑yi-a1∑x1i –a2∑x2i-a3∑x3i-nib=0
∑yix1i-a1∑x1i2 –a2∑x2ix1i-a3∑x3xi3 -b∑x1i=0
∑yixi-a1∑x1ix2i –a2∑ x1i2 –a3∑x3ix2i -b∑x2i=0
Проверка значимости полученных коэф-тов регрессии.
H0: b=0 или а=0
H1: b≠ 0 или а≠ 0
tb =│b│√n-2/Sy
ta =│a│(√n-2/Sy)*Sx
tкрα=0, 05;γ=n-2
t<tкр => H0: (коэф-т не значим)
Проверка адекватности полученного уравнения регрессии.
-проверка надежности уравнения используется в дальнейшем его исп-нии.
-позволяет оценить, насколько хорошо уравнение описывает экспериментальные данные.
Рассчитывается остаточная дисперсия
S2ост=1/n-kΣyiт –yiэ )
n-объем выборки, k-число значимых коэф-ов, υост=n-α
2. Рассчет факторной дисперсии.
S2факт=1/k-1∑( yiт –y) , y=1/nΣ yiэ
υфакт=k-1
Для проверки адекватности выдвигаются гипотезы.
H0: S2факт= S2ост
H1: S2факт >S2ост
Проверяется с помощью критерия Фишера
F= S2факт / S2ост
Fкр α=0.05 – уровень значимости
υ1= υфакт= k-1
υ2= υост =n-k
F< Fкр => H0: (уравнение не адекватно)
F>Fкр => H1: (уравнение адекватно)
Множественное уравнение регрессии.
Y=a1x1+a2x2+b
Проверка тесноты множественной связи осущ-ся через коэф-т множественной кореляции
Ry12=(√ry12+ ry22-2ry1*ry2*r12)/1- r122
ryi, ry2, r12-коэф-ты парной кореляции.
ry1=1/n-1∑
Для построения уравнений регрессии используется метод наименьших квадратов.