- •1.Основные понятия ит. Кит
- •2. Программные и аппаратные средства кит. Перспективы и направления развития кит.
- •4.Основы прогнозирования. Аппроксимация. Среднеквадратическое отклонение.
- •3. Математические модели решения экономических задач. Целевые функции, ограничения. Методы оптимизации.
- •12.Ска Maple. Отыскание оптимума. Симплекс-метод.
- •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.
- •11.Ска Maple. Исследование функций. Минимум и максимум.
- •15.Ска Maple. Линейная алгебра. Решение линейных уравнений.
- •19.Ска Maple. Статистика. Модули библиотеки.
- •20.Ска Maple. Статистика. Корреляция, аппроксимация.
- •21.Ска Maple. Статистика. Описательные характеристики.
- •13.Ска Maple. Библиотека Optimization.
- •17.Анализ и решение задач оптимизации плана производства в Maple.
- •14.Ска Maple. Линейная алгебра. Матричные операции.
- •24.Компьютерные сети. Топология сетей.
- •22.Ска Maple. Финансовые функции.
- •23.Компьютерные сети. Основные виды и их характеристики.
- •25.Компьютерные сети. Адресация в сетях.
- •26.Технологии доступа в Internet.
- •27.Internet/Intranet – технологии. Протоколы tcp/ip.
- •28.Internet/Intranet – технологии. Электронные сервисы.
- •52.Html. Тэги для ввода информации.
- •29.Internet/Intranet – технологии. Url. Доменные адреса верхнего уровня.
- •30.Internet/Intranet – технологии. Служба доменных имен.
- •31.Internet/Intranet – технологии. Характеристики и особенности современных web-браузеров.
- •32.Тенденции развития Internet.
- •55.Css. Формат записи.
- •36.Геоинформационные системы.
- •39.Реинжиниринг бизнес-процессов. Основные этапы реинжиниринга.
- •10.Ска Maple. Исследование функций. Экстремум.
- •46.Html. Нумерованные списки.
- •44.Html. Структура документа. Стилевое оформление документов.
- •47.Html. Ненумерованные списки.
- •60.Искусственный интеллект. Нейросети.
- •61.Поисковые машины в Internet. Принципы организации поисковых систем.
- •48.Html. Гипертекстовые ссылки.
- •57.Искусственный интеллект. Основные понятия.
- •58.Искусственный интеллект. Модели представления знаний.
- •50.Html. Таблицы. Основные тэги.
- •51.Html. Интерактивные формы. Основной тэг.
- •35.Понятие бизнес-моделей b2b, b2c.
- •62.Особенности русскоязычных поисковых систем.
- •63.Специализированные программы для статистического анализа.
- •59.Искусственный интеллект. Экспертные системы.
- •64.Специализированные программы для специальности.
- •9.Анализ и решение задач оптимизации плана транспортных перевозок в Excel.
- •43.Html. Назначение. Основные тэги.
- •49.Html. Рисунки. Карты.
- •45.Html. Тэги заголовка, параграфа, предварительного форматирования, разрыва строки.
- •41.Информационные технологии и реинжиниринг бизнес-процессов.
- •53.Css. Назначение и основные понятия.
- •54.Css. Правила описания различных вариантов использования таблиц каскадных стилей.
- •33.Стандарты интеграции систем (mrp, mrp II).
- •34.Стандарты интеграции систем (erp, crm, csrp).
12.Ска Maple. Отыскание оптимума. Симплекс-метод.
Если требуется найти переменные, при которых линейная функция многих переменных имеет максимум (или минимум) при выполнении определенных ограничений, заданных в виде линейных равенств или неравенств, то следует использовать симплекс-метод. Для этого сначала необходимо загрузит пакет simplex, а затем воспользоваться командой maximize (или minimize), где теперь в качестве range можно указывать в фигурных скобках ограничительную систему неравенств. Пакет simplex предназначен для решения задач линейной оптимизации. После его загрузки команды maximize и minimize меняют свое действие. Теперь эти команды выдают координаты точек, при которых заданная линейная функция имеет максимум или минимум. При этом допускается дополнительная опция для поиска только неотрицательных решений NONNEGATIVE.
5.Стандартные функции прогнозирования в excel. Линейная аппроксимация.
Аппроксимацией называется приближенное выражение каких-либо величин или объектов через другие более простые величины или объекты. При линейной аппроксимации приближение строится с помощью линейных функций. Функция ЛИНЕЙН рассчитывает статистику для ряда с применением метода наименьших квадратов, чтобы вычислить прямую линию, которая наилучшим образом аппроксимирует имеющиеся данные и затем возвращает массив, который описывает полученную прямую. ЛИНЕЙН(известные_y, [известные_x], [константа], [статистика])Конст. Необязательный аргумент. Логическое значение, которое указывает, требуется ли, чтобы константа b была равна 0.Статистика. Необязательный аргумент. Логическое значение, которое указывает, требуется ли возвратить дополнительную регрессионную статистику. ПРЕДСКАЗ(x;известные_значения_y;известные_значения_x). Вычисляет или предсказывает будущее значение по существующим значениям. Этой функцией можно воспользоваться для прогнозирования будущих продаж, потребностей в оборудовании или тенденций потребления. ТЕНДЕНЦИЯ(известные_значения_y;известные_значения_x;новые_значения_x;конст) Возвращает значения в соответствии с линейным трендом.
6. Стандартные функции прогнозирования в Excel. Экспоненциальная аппроксимация
Функция ЛИНЕЙН рассчитывает статистику для ряда с применением метода наименьших квадратов, чтобы вычислить прямую линию, которая наилучшим образом аппроксимирует имеющиеся данные и затем возвращает массив, который описывает полученную прямую. ЛИНЕЙН(известные_y, [известные_x], [константа], [статистика])Конст. Необязательный аргумент. Логическое значение, которое указывает, требуется ли, чтобы константа b была равна 0.Статистика. Необязательный аргумент. Логическое значение, которое указывает, требуется ли возвратить дополнительную регрессионную статистику. ПРЕДСКАЗ(x;известные_значения_y;известные_значения_x). Вычисляет или предсказывает будущее значение по существующим значениям. Этой функцией можно воспользоваться для прогнозирования будущих продаж, потребностей в оборудовании или тенденций потребления. ТЕНДЕНЦИЯ(известные_значения_y;известные_значения_x;новые_значения_x;конст) Возвращает значения в соответствии с линейным трендом.