- •1) Понятие инф-ии. Непрерывная и дискретная инф-ия. Системы счисления, формы представления инф-ии. Измерение и кодирование инф-ии. Формула Шеннона.
- •2)Понятие алгоритма, требования к алгоритмам и способы записи. Разработка алгоритмов на основе структурного подхода, примеры.
- •4)Реализация алгоритмических структур в языках программирования. Примеры.
- •5) Понятие класса. Процедуры и функции, статические методы класса и особенности работы с ними.
- •6) Концепция инкапсуляции и ее применение на основе простых и векторных св-в классов.
- •7) Концепция полиморфизма и ее применение на основе виртуальных и динамических методов.
- •8) Концепция наследования. Формы наследования. Реализация и использование в объектно-ориентированных языках программирования.
- •9) Численные методы решения нелинейных уравнений с одним неизвестным.
- •10) Постановка задачи интерполяции. Интерполяционные полиномы.
- •11) Численное интегрирование. Квадратурные формулы.
- •12) Архитектура эвм. Принцип программного управления.
- •13) По эвм и его классификация.
- •14) Текстовые редакторы. Назначение, основные возможности, принципы работы с ними.
- •15)Растровая и векторная графика. Граф редакторы. Назначение. Основные возможности.
- •16) Табличные процессоры. Назначение, основные возможности.
- •17) Бд и их классификация. Системы управления реляционными бд. (ms Access).
- •18) Структура, протоколы взаимодействия частей и инструменты разработки информационных систем на базе web-сервера.
- •19) Классификация компьютерных сетей по топологии и методам доступа. Модель osi. Протоколы tcp/ip.
- •20) Internet. Услуги Internet. Адресация и маршрутизация в сети Internet.
- •21) Экономический смысл задач матем-кого программирования. Постановка задачи линейного программирования. Графический метод решения.
- •22) Понятие «модель». Цели моделирования. Детерминированные и стохастические процессы.
- •1)Дидактич принципы обучения. Типы знаний и формы обуч-я. Элект средства учеб назначения их типология по функцион-ному и методич назначению.
- •2) Дидактические, методические и др требования к эс учебного назначения.
- •3) Электронный учебник (эу). Струк орган и требования. Классификация.
- •4) Дидактические принципы тестирования. Требования к тестам. Классификация и критерии оценивания. Разработка тестов и особенности подготовки материалов тестирования
- •5) Оценка кач-ва эс учеб назначения. Состав и структура оценочного листа кач-ва.
- •6) Классификация эс учебного назначения.
- •7) Учебно-методический комплекс. Структура, компоненты.
- •8) Хар-ка эос. Примеры исп-я возмож в образ целях.
- •9) Учебные бд. Учебные базы знаний.
- •1) Инф-ка как наука и учебный предмет в сред школе
- •2) Методическая система обучения инф-ке в школе, хар-ка ее осн компонентов.
- •3) Цели и задачи обуч-я информатике в средней школе. Структура обучения инф-ки в средней школе.
- •4) Пропедевтика основ инф-ки в нач шк. Цели и задачи обуч инф-ки, сод-е, сред и методы.
- •5) Базовый курс шк инф-ки. Цели и задачи обуч-я. Сод-е, реком методы обуч-я.
- •6) Профильное обучение инф-ке на стар степени школы. Электив курсы. Сред и методы обучения в стар шк
- •7) Средства и методы обуч инф в сред шк
- •8) Научно-методические основы изучения раздела: «Инф-ия. Инф-ные процессы»
- •9) Научно-методические основы изучения раздела «инф-ное моделирование» в сред шк.
- •10)Методика изучения раздела «Инф-ия и инф-ные процессы»
- •11)Методика изуч раздела «алгоритмы и программирование» в сред школе.
- •12) Методика изуч раздела «комп-р и его по» в сред школе.
- •13) Методика изучения раздела «Инф-ные технологии» в средней школе
22) Понятие «модель». Цели моделирования. Детерминированные и стохастические процессы.
Что же такое модель? Что общего между игрушечным корабликом и рисунком на экране компьютера, изображающим сложную матем-ую абстракцию? И все же общее есть: и в том, и в другом случае мы имеем образ реального объекта или явления, «заместителя» нек-ого «оригинала», воспроизводящего его с той или иной достоверностью и подробностью. Или то же самое др словами: модель явл-ся представлением объекта в нек-ой форме, отличной от формы его реального сущ-ния.
Практически во всех науках о природе, живой и неживой, об обществе, построение и использование моделей явл-ся мощным орудием познания. Реальные объекты и процессы бывают столь многогранны и сложны, что лучшим способом их изучения часто явл-ся построение модели, отображающей лишь какую-то грань реальности и потому многократно более простой, чем эта реальность, и исследование вначале этой модели. Развитие понятия “модель” дало толчок к возникновению моделирования. В настоящее время трудно найти область деят-ти, где не исп-лось бы моделирование. Моделирование явл. таким средством, кот. позволяет решать различные задачи в проектировании и исследовании объектов и процессов без капитальных затрат.
Моделирование – это замещение одного объекта (оригинала) другим объектом (моделью) с целью получения инф-ии о св-вах оригинала путем исследования св-в модели.
Цели моделирования.
-модель нужна для того, чтобы понять, как устроен конкретный объект, какова его структура, основные св-ва, законы развития и взаимодействия с окружающим миром (понимание);
-модель нужна для того, чтобы научиться управлять объектом (или процессом) и опр-ть наилучшие способы управления при заданных целях и критериях (управление);
-модель нужна для того, чтобы прогнозировать прямые и косвенные последствия реализации заданных способов и форм воздействия на объект (прогнозирование).
В моделировании есть два заметно разных пути. Модель может быть похожей копией объекта, выполненной из другого материала, в другом масштабе, с отсутствием ряда деталей. Модель может, однако, отображать реальность более абстрактно - словесным описанием в свободной форме, описанием, формализованным по каким-то правилам, математическими соотношениями и т.д. (математические или абстрактные модели).
Абстрактная модель - это формализованное описание объекта или процесса с пом. абстрактного языка, в частности, с пом. мат-ких соотношений, отражающих функционирование этого объекта или развитие процесса. В настоящее время их исследование производится с применением ЭВМ. ЭВМ исп-ся как для проведения экспериментов, так и для обработки результатов этих экспериментов.
Классификация абстрактных (идеальных) моделей:
Вербальные (текстовые) модели. Эти модели исп-ют последовательности предложений на формализованных диалектах естественного языка для описания той или иной области действительности.
Математические модели - очень широкий класс знаковых моделей, широко использующих те или иные матем-кие методы. Например, можно рассмотреть мат-кую модель звезды. Эта модель будет представлять собой сложную систему ур-ий, описывающих физические процессы, происходящие в недрах звезды.
Информационные модели - класс знаковых моделей, описывающих информационные процессы (возникновение, передачу, преобразование и исп-ние инф-ии) в системах самой разнообразной природы.
Классификация математических моделей.
1.дескриптивные (описательные) модели;
2. оптимизационные модели;
3. многокритериальные модели (н-р, зная цены на продукты и потребность человека в пище, организовать питание больших групп людей);
4. игровые модели;
5. имитационные модели.
Детерминированные процессы заключаются в том, что при одних и тех же данных получаем один и тот результат. Моделирование детерминированных процессов сводится по формулам. Например, движение тела, брошенного под углом к горизонту.
Понятие «случайный» - одно из самых фундаментальных как в математике, так и в повседневной жизни. Моделирование случайных процессов - мощнейшее направление в современном матем-ком моделировании. Событие наз-ся случайным, если оно достоверно непредсказуемо. В сложных вычислениях, когда искомый результат зависит от результатов многих факторов, моделей и измерений, можно сократить объем вычислений за счет случайных значений значащих цифр. В силу сказанного имеет смысл положить случайность в основу методов получения решения посредством проб и ошибок, путем случайного поиска.
Рассм методологию стохастического моделирования более детально. Итак, пусть в функционале модели значения нек-ых входных параметров опр-ны лишь в вероятностном смысле. В этом случае значительно меняется сам стиль работы с моделью. При серьезном рассм-нии в обиходе появляются слова «распределение вероятностей», «достоверность», «статистическая выборка», «случайный процесс» и т.д.
При компьютерном мат-ком моделировании случайных процессов нельзя обойтись без наборов, так наз-мых, случайных чисел, удовл-щих заданному закону распределения. На самом деле эти числа генерирует компьютер по опр-ному алгоритму, т.е. они не явл-ся вполне случайными хотя бы потому, что при повторном запуске программы с теми же параметрами последовательность повторится; такие числа наз-ют «псевдослучайными».
Рассм вначале генерацию чисел равновероятно распределенных на нек-ом отрезке. Большинство программ - генераторов случайных чисел - выдают последовательность, в к-ой предыдущее число исп-ся для нахождения последующего. Первое из них - начальное значение. Все генераторы случайных чисел дают последовательности, повторяющиеся после нек-ого кол-ва членов, наз-ого периодом, что связано с конечной длиной машинного слова.
Вопрос о случайности конечной последовательности чисел гораздо сложнее, чем выглядит на первый взгляд. Сущ-ет несколько статистических критериев случайности, но все они не дают исчерпывающего ответа. Так, в PASCAL есть ф-ия random, значения к-ой - случайные числа из диапазона [0,1). Ее исп-нию обычно предшествует исп-ние процедуры randomize, служащей для начальной «настройки» датчика, т.е. получения при каждом из обращений к датчику разных послед-тей случайных чисел. Для задач, решение к-ых требует очень длинных некоррелированных послед-тей, вопрос осложняется и требует нестандартных решений. Равномерно распределенные случайные числа - простейший случай, Располагая датчиком случайных чисел, генерирующим числа [0,1], легко получить числа из произвольного интервала [a,b]: X=a+(b–a)*r
Более сложные распределения часто строятся с помощью распределения равномерного.