1.Компьютерные информационные технологии (кит). Корпоративные информационные системы (кис).

КИТ – способы использования вычислительной техники, программного обеспечения, систем связи и данных, подлежащих приему, передаче, обработке и хранению, и отражающие реальную действительность или интеллектуальную деятельность во всех сферах жизни общества.

Корпоративная Информационная Система (КИС) — система, предназначенная для комплексной автоматизации всех видов хозяйственной деятельности компаний, а также корпораций, требующих единого управления.

2.Программные и аппаратные средства кис. Перспективы и направления развития кис.

Все инф технологии принято делить на базовые и прикладные.

Базовые инф технологии реализуются на уровне взаимодействия электронно – вычислительной системы и являются основой для прикладных.

Прикладные инф технологии – типовые процедуры обработки информации в конкретной предметной области.

К базовым информационным технологиям относят

-микропроцессоры и вычислительная техника

-технологии искусственного интеллекта (экспертные системы и системы поддержки принятия решений, нейросети)

-сверхбольшие массивы информации

К прикладным:

- технологии автоматизации банковской деятельности;

- бухгалтерские пакеты;

- издательские системы;

- геодезические системы

Основные тенденции развития КИТ

-комбинированное использование распред и централиз обработки инф, архитектуры “Клиент - сервер”

-использование эффективных алгоритмов обработки информации

-широкое внедрение сетевых технологий и современных средств телекоммуникаций

-использование мультиметодологий и технологий виртуальной реальности при организации человеко–машинного интерфейса

3.Математические модели решения экономических задач. Целевые функции, ограничения. Методы оптимизации.

Целевая функция - функция, экстремальное значение которой нужно найти в условиях экономических возможностей; показателем эффективности или критерием оптимальности. Ограничения - экономические возможности. Все это составляет математическую модель. Математическая модель задачи это отражение оригинала в виде функций, уравнений, неравенств, цифр и т. д. Модель задачи математического программирования включает: 1) совокупность неизвестных величин.; 2) целевую функцию (функцию цели, показатель эффективности, критерий оптимальности, функционал задачи и др.). Целевая функция позволяет выбирать наилучший вариант -из множества возможных. Наилучший вариант доставляет целевой функции экстремальное значение. Это может быть прибыль, объем выпуска или реализации, затраты производства, издержки обращения, уровень обслуживания или дефицитности, число комплектов, отходы и т. д. Математически ограничения выражаются в виде уравнений и неравенств. Их совокупность образует область допустимых решений (область экономических возможностей). Методы оптимизации: метод перебора, поразрядного поиска, метод деления пополам, метод золотого сечения.

4.Основы прогнозирования. Аппроксимация.

Среднеквадратическое отклонение.

Статистические методы прогнозирования — научная и учебная дисциплина, к основным задачам которой относятся разработка, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных. Для прогнозирования по временному ряду используют компьютерные программы — инструменты прогнозирования. Это позволяет автоматизировать большую часть операций при построении прогноза, а также позволяет избежать ошибок, связанных с вводом данных. следует выделить такие программы, как SPSS, Statistica, Forecast Expert

Аппроксима́ция, или приближе́ние — научный метод, состоящий в замене одних объектов другими, в том или ином смысле близкими к исходным, но более простыми. Аппроксимация позволяет исследовать числовые характеристики и качественные свойства объекта, сводя задачу к изучению более простых или более удобных объектов (например, таких, характеристики которых легко вычисляются, или свойства которых уже известны). Среднеквадратическое отклонение или Стандартное отклонение — в теории вероятности и статистике наиболее распространенный показатель рассеивания значений случайной величины относительно её математического ожидания.