
- •1. Алгоритмы сжатия изображений.
- •2 Аппаратное обеспечение мультимедиа.
- •3Виды и принцип действия cd-rom.
- •4 Виды памяти.
- •5Использование звука . Стандарты звуковых карт
- •6. Организация сетей для передачи мультимедиа-данных.
- •7 Синтезированные звуковые карты с частотной модуляцией.
- •8 Составляющие изображения, технология ускорения графики.
- •9 Способы передачи мультимедиа-данных в сетях.
- •10 Технология видеодисплеев
- •12 Организация виртуальной памяти.
- •13 Стратегии замещения и размещения страниц. Принцип локальности
- •14 Этапы загрузки операционных систем (Unix, Windows nt).
- •14. Этапы загрузки операционных систем (Unix, Windows nt).
- •15 Организация фс fat , основные элементы структуры.
- •16 Организация файловой системы fat32 отличия от fat16, преимущества.
- •17 Особенности организации файловой системы unix. Файловая система. Типы файлов.
- •18. Структура каталогов ос Linux. Файловая система ос Linux ext2fs, ext3fs.
- •Система адресации данных ext2 — это одна из самых важных составляющих фс. Она позволяет находить нужный файл среди множества как пустых, так и занятых блоков на диске.
- •19 Базовая файловая система s5fs.
- •Управление процессами в ос Unix. Типы процессов.
- •21Алгоритмы управления памятью в ос unix, Linux. Замещение страниц.
- •22. Загрузка ос Windows nt. Особенности Windows nt
- •23. Файловая система ntfs. Структура, особенности, преимущества ntfs
- •24. Управление памятью в Windows nt. Стратегии выборки, размещения и замещения страниц.
- •25. Язык Java. Особенности языка. Средства для разработки приложений. (jdk). Пакеты. Простейшая программа, компиляция и запуск.
- •26. Комментарии и встроенная документация. Спецификаторы доступа к классам и полям класса в Java. Public, protected и private
- •27. Интерфейсы Реализация интерфейсов. Ключевое слово static, ключевое слово this.
- •28. Апплеты. Структура и методы апплета. Вызов апплета.
- •29. Исключительные ситуации. Обработка исключительных ситуаций
- •30. Программирование отношений типа «Является», «Имеет», «Использует», «Создает».
- •31. Потоки Создание и запуск потока.
- •32. Синхронизация потоков.
- •33. Система ввода-вывода в Java. Работа с файлами.
- •34. Библиотека Swing. Основные компоненты Реализация пользовательского интерфейса.
- •35. Библиотеки jdbc, подключение к базе данных. (Объект Connection)
- •36. Реализация запроса sql и обработка результатов. (Объекты .Statement и Resultset)
- •37. Сервлеты, структура и организация. Методы жизненного цикла.
- •38. Jsp, структура и организация. Класс Session.
- •39. Основы технологии ejb. Основные цели. Ejb-компонента, ejb-объект, ejb- контейнер.
- •Цели, лежащие в основе технологии ejb
- •40 Entity Bean. Жизненный цикл.
- •41 Модели жизненного цикла
- •43 Диаграммы потоков данных
- •44 Функциональное тестирование
- •Функциональное тестирование включает:
- •45 Методы разработки программ (Метод джексона и метод Вареье орра)
- •46 Модели качества процессов конструирования.
- •47 Структурное программирование
- •48. Модульное программирование
- •49 Способы реализации алгоритмов
- •50 Методы доказательства правильности программ и алгоритмом
- •51 Центральные проекции
- •52 Параллельные проекции
- •53. Двумерные аффинные преобразования.
- •54. Трехмерные аффинные преобразования
- •55 Описание и построение составных поверхностей
- •56 Построение составных поверхностей Эрмита
- •57 Построение составных поверхностей Безье
- •58 Построение составных поверхностей методом в-сплайнов
- •59. Классификация методов моделирования. Методы моделирования твердого тела.
- •60. Модели объемных тел . Алгебрологическая граничная модель.
- •61 Модели объемных тел. Модель конструктивной геометрии трехмерного объекта.
- •62. Модели объемных тел. Кусочно-аналитические граничные модели.
- •63 Классификация интеллектуальных ис
- •Структура экспертных систем (эс).
- •Этапы разработки эс.
- •Классификация эс.
- •Инструментальные средства разработки эс.
- •68 Системы, основанные на продукционных моделях представления знаний.
- •69 Семантические сети
- •70 Логический вывод на основе субъективных вероятностей
- •5.2. Распространение вероятностей в эс
- •72 Метод экспертного оценивания.
- •73. Классификация методов моделирования. Моделирование скульптурных поверхностей.
- •77. Основные классы задач, решаемые искусственными нейронными сетями (инс).
- •78. Математическая модель искусственного нейрона.
- •79 Основные этапы нейросетевого анализа.
- •80. Топологии искусственных нейронных сетей (инс). Многослойные сети. Классификация многослойных инс.
- •81 Обучение инс, парадигмы обучения. Правила Обучения.
- •83 Обучение инс. Обучение с учителем. Алгоритм обратного распространения ошибки
- •84 Обучение инс. Обучение без учителя. Алгоритм обучения Кохонена.
- •85 Обучение инс. Смешанное обучения. Сети встречного распространения
- •87 Каскадная схема проектирования ис
- •88 Бизнес-реинжиниринг в проектировании ис
- •89 Системное проектирование ис
- •90 Основные этапы проектирования ис
- •91 Построение диаграмм потоков данных (dfd) при проектировании ис
- •92 Модели субд при проектировании ис
- •93 Case- технологии в проектировании ис. Классификация case- средств.
- •94. Проектирование структуры бд, нормализация отношений.
- •96. Описание интегрированной модели сложной системы средствами языка uml. Концептуальные модели. Диаграмма вариантов использования.
- •101.Архитектура экономических информационных систем.
- •102.Жизненный цикл экономических информационных систем.
- •103.Этапы реинжиниринга бизнес-процессов в экономических системах.
- •104.Основные классы автоматизированных систем управления бизнес-процессами (mrPl, mrpii, erp).
- •105.Реинжиниринг бизнес-процессов на основе корпоративной ис.
- •106.Этапы проектирования кис.
- •107. Информационная поддержка этапов жизненного цикла кис (cals-технологии).
- •108. Средства концептуального проектирования кис (case-средства).
- •109.Технологии построения кис (клиент-серверные технологии).
- •110.Практическое использование интегрированных кис.
- •111 Приближенные числа и действия над ними. Классификация погрешностей.
- •121. Множества и способы их задания. Операции над множествами. Основные тождества алгебры множеств.
- •122. Бинарные отношения и их свойства. Специальные бинарные отношения.
- •123. Нечеткие множества и операции над ними.
- •125. Понятие графа. Способы задания графа. Основные операции над графами. Основные типы графов.
- •125 Достижимость и связность в графе. Определение компонент связности в неорграфах и сильных компонент в орграфах.
- •128 Эйлеровы и гамильтоновы циклы в графе. Алгоритм Флери построения эйлеровых циклов в графе. .Алгоритм Робертеса и Флореса по строения гамильтоновых циклов в графе.
- •129 Определение кратчайших путей и маршрутов в графе с использованием алгоритма Дейкстры.
- •133 Постановка задач линейной оптимизации. Прикладные линейные модели.
- •2 Задачи транспортного типа.
- •134 Методы решения задач линейной оптимизации.
- •135 Постановка задач дискретной оптимизации. Прикладные дискретные модели.
- •136. Методы решения задач дискретной оптимизации.
- •137. Постановка задач нелинейного программирования. Задачи выпуклого программирования. Функция Лагранжа, принципы ее построения. Метод множителей Лагранжа для решения задач на условный экстремум.
- •139. Постановка задач безусловной оптимизации. Классификация задач безусловной оптимизации и методов их решения. Методы нулевого порядка.
- •140. Постановка задач безусловной оптимизации. Классификация задач безусловной оптимизации и методов их решения. Градиентные методы оптимизации.
- •141. Постановка задачи безусловной оптимизации. Классификация задач безусловной оптимизации и методов их решения. Методы безусловной оптимизации Ньютоновского типа.
- •142. Методы решения задач условной оптимизации. Метод штрафных функций. Внутренние и внешние штрафные функции.
- •2) Учет функциональных ограничений. Для учета функциональных ограничений обычно используется метод штрафных функций.
- •145.Принципы построения программных комплексов принятия оптимальных решений. Основные требования к системам оптимизации. Классификация систем.
- •146.0Бъекты защиты информации. Классификация угроз безопасности; каналы утечки, воздействия. Цели и задачи защиты данных и ивс
- •148 Принципы организации систем обеспечения безопасности данных. Основные подсистемы, входящие в состав системы обеспечения безопасности данных.
- •147 Модель потенциального нарушителя. Классификация компьютерных преступлений. Способы мошенничества в информационных системах.
- •149.Стандарты информационной безопасности. «Критерии оценки безопасности компьютерных систем». Руководящие документы Гостехкомиссии России. «Единые критерии безопасности информационных технологий».
- •Основные элементы политики безопасности:
- •150 Классификация средств защиты данных. Физические средства защиты информации.
- •151 Криптографические методы и средства защиты данных, основные понятия, классификация
- •152 Классификация методов шифрования. Методы замены, перестановки, аналитических преобразований, гаммирования.
- •155. Защита компьютерных систем от вредоносных программ. Классификация вредоносных программ. Методы защиты.
- •156.Защита программных средств от несанкционированного использования и копи-
- •157.Методы и средства защиты информации от несанкционированного доступа. Аутентификация пользователей на основе паролей и модели рукопожатия. Аутентификация пользователей при удаленном доступе.
- •158.Защита информации от несанкционированного доступа в компьютерных сетях.
- •159.Реализация дискреционной и мандатной политики безопасности в ос семейства Windows.
- •160.Основные компоненты банка данных, классификация банков данных и требования к ним.
- •161.Концепция централизованного управления данными, функция администратора данных.
- •162. Архитектура систем баз данных, технология «клиент сервер».
- •163 Классические модели данных: иерархические сетевые, реляционные.
- •164.Реляционные объекты данных, целостность реляционных данных.
- •165Реляционная алгебра и реляционное исчичление
- •166 Язык реляционных бд sql. Структура запросов на языке sql.
- •170 Классификация моделей и их типы.
- •171 Требования, предъявляемые к математическим моделям, уровни моделирования
- •177 Оценка свойств математической модели технической системы
- •178 Распределение вероятностей
- •185. Основные технико-эксплуатационные характеристики эвм.
- •186. Классификация эвм по поколениям и по назначению, по функциональным возможностям и размерам.
- •188. Процессоры. Структура центрального процессора. Характеристики процессора.
- •189. Иерархическая структура памяти. Методы управления памятью.
- •190 Общие принципы организации системы прерывания программ. Характеристики системы прерывания.
- •191 Архитектура эвм, Однопроцессорные эвм, многопроцессорные эвм.
- •Mimd компьютеры
- •Многопроцессорные вычислительные системы
- •Многопроцессорные вычислительные системы с общей шиной.
- •Многопроцессорные вычислительные системы с многовходовыми модулями оп.
- •192 Организация кэш-памяти
- •193 Принципы организации подсистем ввода/вывода. Каналы ввода/вывода.
- •Принципы организации устройств ввода-вывода
- •194 Структура и форматы команд эвм
178 Распределение вероятностей
При статистическом анализе технических систем используют различные теоретические распределения вероятностей случайных процессов (законы распределения). Для непрерывных случайных процессов наиболее часто употребляют нормальное распределение, распределение Пирсона, гамма-распределение, экспоненциальное распределение. Для дискретных случайных величин используют биномиальное распределение и распределение Пуассона.
Нормальное распределение (закон Гаусса) находит самое широкое практическое применение. Главная особенность, выделяющая нормальное распределение среди других законов, состоит в том, что оно является предельной формой многих распределений.
Одномерная плотность вероятности нормального распределения случайной величины Х определяется выражением
Из
выражения (10.41) следует, что нормальное
распределение полностью определяется
двумя числовыми характеристиками:
математическим ожиданием mx
и дисперсией
.
Функция распределения
где
u
— нормированное значение центрированной
случайной величины, выраженное в долях
x;
Функцию
называют
плотностью
вероятности нормированного нормального
распределения.
Однако во всех случаях
.
Интегралы, входящие в формулы (10.42) и (10.43), не выражаются через элементарные функции. Поэтому для вычисления F(x) пользуются таблицами функции
которая называется функцией Лапласа (интегралом вероятностей). Значения функции Лапласа Ф(u) приведены в табл. 1 приложения.
Определим вероятность попадания случайной величины Х в интервал а <Х <b. В соответствии с (10.6) находим
Если ввести нормированную переменную u согласно выражению (10.44), то Р(а < Х <b) = Ф(u2) - Ф(u1), (10.47)где u1 = (а — mx)/ x; u2 = (b — mx)/ x;.
Полученный результат отражает известное правило «трех сигм», которое гласит, что для нормально распределенной случайной величины отклонения ее от математического ожидания практически не превосходят 3х.
Логарифмически нормальное распределение описывает такие случайные величины, для которых нормально распределена не сама величина X, а ее логарифмы (десятичный или натуральный), т. е. Y = lgX (или Y = lnХ), причем 0 < Х < . Плотность вероятности десятичного логарифма случайной величины определяется выражением
где z = (lgx — lgx0)/y ; М = (lge)-1 = 2,303; е — основание натуральных логарифмов.
Среднее значение случайной величины и ее дисперсия вычисляются по формулам:
причем my = lgx0.
Распределение (10.51) используется в теории надежности для описания времени безотказной работы технических объектов. При малых у (у < 0,1...0,13) распределение (10.51) близко к нормальному.
При Y = lnХ в приведенных формулах М = 1 и десятичные логарифмы заменяются натуральными.
Распределение
Пирсона,
находит широкое применение в математической
статистике и теории надежности. Его
используют для оценки согласованности
экспериментальных распределений с
теоретическими. Распределением Пирсона
с k
степенями свободы называют распределение
суммы квадратов
2
=
,
независимых случайных величин, каждая
из которых имеет нормальное распределение
с mx
= 0 и
= 1. Плотность вероят-ости распределения
Пирсона
где Г(0,5k) — гамма-функция, значения которой приводятся к таблицах; k —значение случайной величины 2.
Моменты
распределения Пирсона: mx
k;
2k а коэффициенты асимметрии и эксцесса
Аx
=
; Еx
= 12/k.
Рис. 10.8. Графики плотности вероятности распределения Пирсона
С увеличением k распределение 2, приближается к нормальному (рис. 10.8).
Экспоненциальное распределение используется в теории надежности и теории массового обслуживания. Оно определяется одним параметром , который называют интенсивностью потока событий. Плотность вероятности и функция распределения определяются выражениями:
При простейшем потоке отказов значение е-x определяет вероятность безотказной работы в промежутке (0,х). Моменты экспоненциального распределения тx = x =-1, а коэффициенты асимметрии и эксцесса Аx = 2; Еx = 6. График функции f(x) показан на рис. 10.9.
Гамма-распределение представляет собой распределение суммы независимых случайных величин, каждая из которых распределена по экспоненциальному закону. Плотность вероятности (рис. 10.10)
Рис. 10. 9. График плотности Рис. 10. 10. График плотности вероятности экспоненциального вероятности гамма-распределения распределения
Постоянные
а и b
в выражении (10.57) являются параметрами
гамма-распределения и определяют все
его числовые характеристики: mx
= b/а;
x
=
;
Аx
= 2/
;
Еx
= 6/b.
Если в выражении (10.57) положить 2b
= k и а = 2, то получим распределение
(10.54), а при b
= 1 и а =
— распределение (10.55).
Биномиальное распределение используется для описания дискретных случайных величин. Вероятность того, что событие А осуществится ровно x раз при N испытаниях, определяется по формуле биномиального распределения:
где
q =
1-Р
— вероятность неосуществления события
А в каждом опыте;
—
число сочетаний из N элементов по х
элементов
Математическое ожидание mx = NP, дисперсия = NPq. Распределение Пуассона является предельным для биномиального распределения. При неограниченном увеличении N и уменьшении Р так, что при этом NP == const, получим
Величина
является параметром распределения
Пуассона. Выражение (10.59) описывает
распределение числа х случайных событий
в каком-либо интервале времени, если
можно считать, что вероятность наступления
события за интервал t
пропорциональна этому интервалу и
события в разные моменты времени
независимы. Математическое ожидание
mx
и дисперсия
распределения равны .
Значения функции F(x, )
приводятся в таблицах.
Равномерное распределение используют главным образом при моделировании случайных величин. На основе этого распределения составлены таблицы случайных чисел, используемые для решения разных практических задач: случайного взятия проб из каких-либо партий, проведения опытов в случайной последовательности и т.д. (см. табл. 7 приложения).
Вероятность попадания равномерно распределенной случайной величины Х в любые равные между собой интервалы, принадлежащие области возможных численных значении Х, одна и та же. Это означает, что плотность вероятности случайной величины Х постоянна и задается выражением
где а и b — произвольные вещественные числа, являющиеся границами области возможных значений X. Функция распределения
Рис. 10. 11. Графики плотности вероятности f(x) (а) и функции распределения F(x) (б) для равномерно распределенной случайной величины в интервале а < Х < b
Графики функций f(x) и F(x) приведены на рис. 10.11. Математическое ожидание и дисперсия равномерно распределенной случайной величины Х определяются по формулам:
Обычно в теории и практических приложениях используют случайные числа, равномерно распределенные на интервале [0, 1]. В этом случае mx = 1/2, = 1/12.