- •Ответы на гос-экзамен теория систем и системного анализа
- •Понятие системы. Классификация систем. Системообразующие признаки. Системологические законы.
- •Классификация систем
- •Системообразующие факторы
- •Внутренние системообразующие факторы
- •Системологические законы
- •2. Сложные системы: особенности организации и строения. Виды структур. Количественные характеристики структур. Качественные и количественные методы прогнозирования развития сложных систем
- •Виды структур
- •Качественные и количественные методы прогнозирования развития сложных систем
- •Модель ожидания потребителя.
- •Метод экспертных оценок.
- •Количественные методы
- •Анализ временных рядов.
- •Каузальное (причинно-следственное) моделирование.
- •3.Основные принципы и задачи системного анализа. Этапы системного анализа.
- •Методология включает определения используемых понятий и принципы системного подхода.
- •4.Организационные структуры. Характеристика основных типов организационных структур, используемых в управлении организационные структуры
- •Характеристика основных типов организационных структур, используемых в управлении
- •Еще один общий признак классификации организационных структур—по объекту управления:
- •5. Системная инженерия. Основные понятия, принципы, этапы
- •Системный подход
- •Математические методы в экономике
- •6. Общая постановка задачи линейного программирования
- •Правило сокращенного суммирования.
- •7. Графический метод решения задач линейного программирования
- •Методика решения задач лп графическим методом.
- •Применение графического метода решения задачи линейного программирования на практике.
- •Построение математической модели.
- •Основные этапы экм исследований включают в себя следующее.
- •Методы эконометрики
- •9. Уравнение регрессии. Простая(парная) регрессия и множественная регрессия. Интерпретация и примеры регрессионных уравнений.
- •10. Характеристика основных этапов построения экономических моделей (на примере построения регрессионной модели спроса на товар)
- •11. Верификация модели. Оценка существенности параметров и статистической значимости уравнения в целом. T-критерий Стьюдента. F-критерий Фишера.
- •Моделирование экономических процессов и систем (макроуровень)
- •12. Определение макроэкономической математической модели и характеристика основных видов её элементов. Особенности применения метода математического моделирования в макроэкономике.
- •14. Определение макроэкономической производственной функции. Виды и свойства макроэкономических производственных функций.
- •15. Производственная функция Кобба-Дугласа. Основные свойства и характеристики производственных факторов функции Кобба-Дугласа.
- •Инвестиционный менеджмент и Информационные технологии управления инвестиционными проектами
- •17. Инвестиционный менеджмент: понятие и уровни иерархии в экономической системе.
- •4. Минимизация риска при осуществлении инвестиционных проектов.
- •Решение всех задач реализуется посредством подготовки и принятия управленческих решений в системе инвестиционного менеджмента.
- •18. Инвестиционный проект: понятие и классификация.
- •19. Проектное финансирование: понятие, особенности, основные схемы.
- •20. Лизинг: понятие, особенности, классификация, основные схемы.
- •Классификация лизинга по составу участников и способу их взаимодействия
- •Классификация лизинга по секторам рынка
- •Классификация лизинга по объему обслуживания передаваемого в лизинг имущества
- •21. Венчурное финансирование: понятие, особенности.
- •3 Уровня планирования:
- •22. Понятие риска инвестиционного проекта. Методы и механизмы управления рисками инвестиционных проектов.
- •23.Информационное пространство инвестиционного проекта: понятие, подходы к формированию
- •Моделирование экономических процессов и систем на локальном уровне
- •24. Определение экономико-математической модели (эмм). Классификация эмм по различным признакам. Различия и примеры моделей, применяемых в микро- и макроэкономике
- •25. Математическая постановка задачи оптимального поведения потребителя. Необходимые условия решения задачи (условия Куна-Таккера). Геометрическая интерпретация решения.
- •26. Коэффициенты эластичности спроса по факторам. Экономический смысл, формулы расчёта и цель применения при моделировании.
- •Методы подсчета коэффициента эластичности
- •Наиболее часто встречающиеся показатели эластичности:
- •Эластичность спроса по цене
- •Факторы эластичности спроса
- •Факторы неэластичности спроса
- •Эластичность спроса по доходу
- •Перекрестная эластичность спроса
- •Эластичность предложения
- •Свойства основной задачи линейного программирования. Геометрическое истолкование задачи линейного программирования
- •Система предпосылок основной модели управления запасами
- •Издержки хранения запасов
- •Уравнение общей стоимости
- •Оптимальный размер заказа q0
- •Уровень и интервал повторного заказа
- •Информационные системы
- •29. Общая функциональная структура документальной ипс Информационно-поисковая система
- •30. Информационно-поисковый язык Система индексирования. Цель процесса индексирования.
- •31. Информационно-логическая модель данных
- •32. Основные понятия er-модели. Сущность. Связь. Атрибут. Различие между типом и экземпляром сущности
- •33. Уникальный идентификатор сущности. Нормальные формы er-схем. Нормализация отношений
- •Разработка и стандартизация программных средств и информационных технологий 34. Жизненный цикл программного средства
- •35. Классическая итерационная модель жизненного цикла программного обеспечения
- •36. Каскадная модель жизненного цикла программного обеспечения
- •37. Модель фазы-функции жизненного цикла программного обеспечения
- •38. Объектно-ориентированные модели жизненного цикла программного обеспечения
- •Высокоуровневые методы информатики и программирования 39. Концепция сложных систем. Основы проектирования программного обеспечения
- •Физические основы системотехники. Сложные системы и принципы системотехники.
- •40. Понятие объектной модели. Эволюция модели и составные части объектного подхода
- •Преимущества объектной модели
- •41. Отношения и взаимодействие классов и объектов
- •42. Понятие метода. Диаграммы классов, модулей и процессов
- •43. Процесс. Уровни проектирования: микропроцесс и макропроцесс Микропроцесс проектирования
- •Макропроцесс проектирования
- •Операционные системы. Среды. Оболочки
- •44.Эволюция операционных систем
- •45. Назначение и функции операционных систем
- •46. Архитектура операционной системы
- •47. Управление памятью Управление памятью
- •Типы адресов
- •48. Сетевые службы и распределенные системы
- •Базы данных
- •49. Понятие базы данных. Банк данных, словарь данных и приложения
- •50. Реляционная модель данных. Индексирование и связывание таблиц
- •Index название_индекса
- •51. Построение информационной системы в сетях. Модель архитектуры клиент-сервер
- •Архитектура «Клиент-сервер»
- •Информационный менеджмент
- •52. Эволюция развития концепций корпоративных информационных систем
- •53. Концепция корпоративной информационной системы управления ресурсами erp. Эволюционное развитие концепции erp II Концепция erp
- •Функции erp-систем
- •Основные функции erp систем:
- •Достоинства
- •Недостатки
- •54. Современные концепции корпоративных информационных систем. Концепция управления взаимоотношениями с клиентами crm
- •Основные принципы
- •Классификации crm-систем Классификация по функциональным возможностям
- •Классификация по уровням обработки информации
- •55. Оценка экономической эффективности внедрения информационной системы: направления и методики
- •В настоящее время для определения эффективности внедрения кис предлагается ряд методик, которые можно группировать следующим образом:
- •56. Методика определения совокупной стоимости владения информационной системой (модель тсо)
- •Информационная безопасность
- •57. Методы идентификации и аутентификации. Способы аутентификации – пользователь «знает», пользователь «имеет» и пользователь «есть»
- •58. Признаки защищаемой информации. Владельцы защищаемой информации. Понятие «государственная тайна»
- •Открытый (исходный) текст — данные (не обязательно текстовые), передаваемые без использования криптографии.
- •60. Криптография с симметричными ключами. Алгоритм des, гост 28147-80., idea. Преимущества и недостатки криптографии с симметричными ключами
- •Простая перестановка
- •Одиночная перестановка по ключу
- •Двойная перестановка
- •Перестановка «Магический квадрат»
- •Распространенные алгоритмы
- •61. Ассиметричные алгоритмы шифрования. Криптосистема с открытым ключом rsa. Хэш-функция. Понятие односторонней функции. Коллизия хэш-функции
- •Основные способы использования алгоритмов с открытым ключом
Основные этапы экм исследований включают в себя следующее.
-
Постановка проблемы (формулировка задачи).
-
Получение статистических данных, анализ их качества.
-
Построение ЭКМ модели.
-
Определение параметров модели, оценка надежности результатов.
-
Анализ полученных результатов, составление прогнозов.
Методы эконометрики
1. сводка и группировка информации;
Статистическая сводка - это научно организованная обработка материалов наблюдения, включающая в себя систематизацию, группировку данных, составление таблиц, подсчет итогов, расчет производных показателей (средних, относительных величин). Статистическая группировка - это процесс образования однородных групп на основе расчленения статистической совокупности на части или объединения изучаемых единиц в частные совокупности по существенным для них признакам.
2. вариационный и дисперсионный анализ;
Дисперсия признака - это средний квадрат отклонений вариантов от их средней величины. В эконометрических расчетах, как правило, используют общую, межгрупповую и внутригрупповую дисперсии. При этом общая дисперсия характеризует вариацию признака в статистической совокупности в результате влияния всех факторов. Межгрупповая дисперсия показывает размер отклонения групповых средних от общей средней, то есть характеризует влияние фактора, положенного в основание группировки. Внутригрупповая (остаточная) дисперсия характеризует вариацию признака в середине каждой группы статистической группировки
3. регрессионный и корреляционный анализ;
Применение метода наименьших, квадратов (МНК) позволяет получить достаточно точные теоретические значения модели однофакторной регрессии и соответственно ее графическое изображение (термин "регрессия" - движение назад, возвращение в прежнее состояние, - был введен Фрэнсисом Галтоном в конце XIX века при анализе зависимости между ростом родителей и ростом детей; в любом случае средний рост детей - и у низких, и у высоких родителей - стремится (возвращается) к среднему росту людей в данном регионе).
4. статистические уравнения зависимости;
5. статистические индексы и др.
Статистические индексы могут быть использованы в качестве меры изменения количества независимо от изменения качественного признака (цены, себестоимости, производительности труда и т.п.), а также для характеристики качественного признака независимо от изменения количества (объема продукции в натуральном выражении, численности работников и т.п.).
9. Уравнение регрессии. Простая(парная) регрессия и множественная регрессия. Интерпретация и примеры регрессионных уравнений.
Эконометрика связана с методами регрессии и корреляции. В зависимости от количества факторов, включенных в уравнение регрессии, принято различать простую (парную) и множественную регрессии.
Парная регрессия представляет собой регрессию между двумя переменными y и x, это модель вида
y = f (x),
где у — зависимая переменная (результативный признак);
х — независимая или объясняющая переменная (признак-фактор).
Множественная регрессия соответственно представляет собой регрессию результативного признака с двумя и большим числом факторов, т. е. модель вида y = f (x1, x2, x3, … x i), где i – любое целочисленное значение.
Эконометрические исследования начинаются со спецификации модели, т. е. с формулировки вида модели, связанной с природой связи между переменными, с теории, устанавливающей связь между явлениями.
Прежде всего, из ряда факторов, влияющих на результативный признак, необходимо выделить наиболее существенные. Парная регрессия достаточна, если имеется доминирующий фактор, который и используется в качестве объясняющей переменной.
Уравнение простой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем в целом по совокупности наблюдений. Так, если зависимость спроса у от цены х характеризуется, например, уравнением у = 5000 - 2х, то это означает, что с ростом цены на 1 д. е. спрос в среднем уменьшается на 2 д. е. В уравнении регрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
Практически в каждом случае величина у складывается из двух слагаемых: y = yрасч. + ε , где y — фактическое значение результативного признака; yрасч. — расчетное или теоретическое значение результативного признака, найденное из соответствующей математической функции связи у и х, т. е. из уравнения регрессии;
ε - случайная величина, характеризующая отклонения реального значения результативного признака от теоретического, найденного по уравнению регрессии. Случайная величина ε называется также возмущением. Она включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения. Ее присутствие в модели порождено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
Приведенное ранее уравнение зависимости спроса у от цены х точнее следует записывать как
у = 5000 - 2х + ε .
В парной регрессии выбор вида математической функции y = f (x) может быть осуществлен тремя методами: - графическим; - аналитическим, т. е. исходя из теории изучаемой взаимосвязи;
- экспериментальным. При изучении зависимости между двумя переменными графический метод подбора вида уравнения регрессии достаточно нагляден. Он основан на поле корреляции. Основные типы кривых, используемые при количественной оценке связей, представлены на рис. 2.1.
Класс математических функций для описания связи двух переменных достаточно широк. Кроме уже указанных используются любые другие типы кривых:
Значение yрасч. совпадает с ŷx и ŷ.
Значительный интерес представляет аналитический метод выбора типа уравнения регрессии. Он основан на изучении природы исследуемых признаков.
Если уравнение регрессии проходит через все точки корреляционного поля, что возможно только при функциональной связи, когда все точки лежат на линии регрессии , y = f (x) , то фактические значения результативного признака совпадают с теоретическими или расчетными y = yрасч., т. е. они полностью обусловлены влиянием факторов. В этом случае остаточная дисперсия равна нулю Docm = 0. В практических исследованиях, как правило, имеет место некоторое рассеяние точек относительно линии регрессии. Оно обусловлено влиянием ряда не учитываемых в уравнении регрессии факторов. Иными словами, имеют место отклонения фактических данных от теоретических. Величина этих отклонений лежит в основе расчета остаточной дисперсии:
Чем меньше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и уравнение регрессии лучше подходит к исходным данным. При обработке статистических данных на компьютере перебираются разные математические функции и из них выбирается та, для которой остаточная дисперсия является наименьшей.
Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, т. к. они в большей степени поддаются интерпретации и требуют меньшего объема наблюдений. Результаты многих исследований подтверждают, что число наблюдений должно в 6 — 7 раз превышать число рассчитываемых параметров при переменной х. Это означает, что искать линейную регрессию, имея менее 7 наблюдений, вообще не имеет смысла. Если вид функции усложняется, то требуется увеличение объема наблюдений, т. к. каждый параметр при х должен рассчитываться хотя бы по 7 наблюдениям. Значит, если мы выбираем параболу второй степени
то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при х.