- •1.Компьютерные информационные технологии (кит). Корпоративные информационные системы (кис).
- •2.Программные и аппаратные средства кис. Перспективы и направления развития кис.
- •3.Математические модели решения экономических задач. Целевые функции, ограничения. Методы оптимизации.
- •4.Основы прогнозирования. Аппроксимация.
- •5.Стандартные функции прогнозирования в Excel. Линейная аппроксимация.
- •6.Стандартные функции прогнозирования в Excel. Экспоненциальная аппроксимация.
- •7. Анализ и решение задач межотраслевого баланса в Excel.
- •8. Анализ и решение задач оптимизации плана производства в Excel.
- •10.Ска Maple. Исследование функций. Экстремум.
- •11.Ска Maple. Исследование функций. Минимум и максимум.
- •12.Ска Maple. Отыскание оптимума. Симплекс-метод.
- •13.Ска Maple. Библиотека Optimization.
- •14.Ска Maple. Линейная алгебра. Матричные операции.
- •15.Ска Maple. Линейная алгебра. Решение линейн. Уравнений.
- •23.Компьютерные сети. Основные виды и их характеристики. Топология сетей.
- •24.Компьютерные сети. Адресация в сетях.
- •26.Internet/Intranet – технологии. Протоколы tcp/ip.
- •25.Технологии доступа в Internet.
- •27.Internet/Intranet – технологии. Электронные сервисы.
- •28.Internet/Intranet – технологии. Url. Служба доменных имен.
- •29.Поисковые системы в Internet. Принципы организации поисковых систем.
- •30.Тенденции развития Internet.
- •31.Стандарты интеграции систем (mrp, mrp II).
- •32.Стандарты интеграции систем (erp, crm, csrp).
- •33.Понятие бизнес-моделей b2b, b2c.
- •35. Методологии информационного и функционального моделирования.
- •36. Геоинформационные системы
- •37.Реинжиниринг бизнес-процессов. Основные этапы реинжиниринга.
- •38.Моделирование бизнес-процессов. Два вида моделей (as is, to be).
- •2 Типа модели:
- •39.Информационные технологии и реинжиниринг бизнес-процессов.
- •40. Моделирование бизнес-процессов.2вида моделей(as is,to be)
- •41.Html. Назначение. Структура документа. Стилевое оформление документов.
- •42.Html. Нумерованные списки. Ненумерованные списки.
- •43.Html. Гипертекстовые ссылки.
- •44.Html. Рисунки. Карты. Использование графики в html
- •Активные изображения (map)
- •45.Html. Таблицы. Основные тэги.
- •46.Понятие проекта и его свойства.
- •47.Жизненный цикл проекта. Результат проекта.
- •48.Управляемые параметры проекта. Задачи управления проектом.
- •53.Искусственный интеллект. Основные понятия.
- •54.Искусственный интеллект. Модели представления знаний.
- •55.Искусственный интеллект. Экспертные системы.
- •56.Искусственный интеллект. Нейросети.
- •57.Пакеты прикладных программ для статистического анализа.
- •59.Справочно-информационные системы. Основные возможности.
- •60.Обеспечение информационной безопасности кис.
5.Стандартные функции прогнозирования в Excel. Линейная аппроксимация.
Линейная аппроксимация.
ПРЕДСКАЗ (x;известные_значения_y;известные_значения_x). Вычисляет или предсказ. будущ. знач. по существующим значениям. То есть определяет прогнозируемое значение у для фиксированного значения х, не рассчитывая уравнение регрессии.
ТЕНДЕНЦИЯ(известные_значения_y;известные_значения_x;новые_значения_x;конст) Возвращает значения в соответствии с линейным трендом. Вычисляет прогнозируемое значение у, соответствующее заданному массиву х значений по существующим х и у значениям. В отличие от предсказ, тенденция позволяет рассчитать значения н для массива значений х.
6.Стандартные функции прогнозирования в Excel. Экспоненциальная аппроксимация.
В стандартном наборе функций Excel имеются функции, которые позволяют осуществить построение моделей с использованием метода среднеквадратического отклонения на основании следующих зависимостей:
1. |
Линейного приближения |
2. |
Экспоненциального приближения |
В состав функций, позволяющих осуществить построение и анализ по методу экспоненциального приближения, относятся:
1. |
ЛГРФПРИБЛ |
2. |
РОСТ |
ЛГРФПРИБЛ
В регрессионном анализе вычисляется экспоненциальная кривая, аппроксимирующая данные и возвращается массив значений, описывающий эту кривую. Поскольку данная функция возвращает массив значений, она должна вводиться как формула массива. Уравнение кривой имеет вид y = b*m^x или y = (b*(m1^x1)*(m2^x2)*...*(mn^xn)) (в случае нескольких значений x), где зависимые значения y являются функцией независимых значений x. Значения m являются основанием, возводимым в степень x, а значения b постоянны. Заметим, что y, x и m могут быть векторами. ЛГРФПРИБЛ (известн._значения_y;известные_значения_x;константа;статистика) Известные_значения_y— множество значений y. Известные_значения_x— необязательное множество значений x. Константа — логическое значение, которое равно 1. Статистика — логическое значение, которое указывает, требуется ли вернуть дополнительную статистику по регрессии. Важно! Методы, которые используются для проверки уравнений, полученных с помощью функции ЛГРФПРИБЛ, такие же, как и для функции ЛИНЕЙН. Однако дополнительная статистика, которую возвращает функция ЛГРФПРИБЛ, основана на следующей линейной модели: ln y = x1 ln m1 + ... + xnlnmn + ln b РОСТ
Рассчитывает прогнозируемый экспоненциальный рост на основании имеющихся данных. Функция РОСТ возвращает значения y для последовательности новых значений x, задаваемых с помощью существующих x- и y-значений. Функция рабочего листа РОСТ может применяться также для для аппроксимации существующих x- и y-значений экспоненциальной кривой. РОСТ(известн._значения_y;известные_значения_x;новые_значения_x;константа) Известные_значения_y— это множество значений y, которые уже известны в соотношении y = b*m^x. Известные_значения_x— это необязательное множество значений x, которые уже известны для соотношения y = b*m^x. Новые_значения_x— это новые значения x, для которых РОСТ возвращает соответствующие значения y. Константа — это логическое значение, которое указывает, требуется ли, чтобы константа b была равна 1.