- •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).
7.Анализ и решение задач межотраслевого баланса в Excel.
Задача МОБ предполагает анализ и рациональное размещение продукции по предприятиям одной отрасли. Аналогичный принцип МОБ используется и для анализа финансовых потоков на предприятии, относящиеся к 1 отрасли.
МОПРЕД (массив) – возвращает определитель матрицы.
1.рассчёт определителя (матрица должна быть квадратная, а результатом является число)
2.умножение 2-ух матриц.(МУМНОЖ {массив1;массив2}). Результат – 3 – я матрица.
3.получение обратной матрицы. МОБР (массив). Результат – точно такая же матрица, но коэффициенты имеют обратную зависимость.
4.транспонирование матрицы (ТРАНСП(массив))
Матричная форма записи МОБ имеет следующий вид:
X=A*X=B
E*X-A*X=Y
(E-A)*X=Y
X=Y(E-A)
X=(E-A)*(-1)*Y
X=B*A
Где: A – матрица коэффициентов прямых затрат
B – матрица коэффициентов полных затрат
Y – вектор конечного продукта
X – вектор объёма производства
E – единичная матрица
11.Ска Maple. Исследование функций. Минимум и максимум.
>maximize(arctan(x)-ln(1+x^2)/2, x);
>minimize(arctan(x)-ln(1+x^2)/2, x);
Недостаток этих команд в том, что они выдают только значения функции в точках максимума и минимума, соответственно. Поэтому для того, чтобы полностью решить задачу об исследовании функции y=f(x) на экстремумы с указанием их характера (max или min) и координат (x, y) следует сначала выполнить команду:
>extrema(f, {}, x, ‘s’);
>s;
Затем выполнить команды maximize(f,x); minimize(f,x). После этого будут полностью найдены координаты всех экстремумов и определены их характеры (max или min). Координаты точек максимума или минимума можно получить, если в параметрах этих команд после переменной записать через запятую новую опцию location. В результате в строке вывода после самого максимума (минимума) функции будут в фигурных скобках указаны координаты точек максимума (минимума). Например:
>y:=x^4-x^2;
>minimize(y,x,location);
В строке вывода получились координаты минимумов и значения функции в этих точках.
>y:=-x^2+x-10;
>minimize(y,x,location);
В строке вывода получились координаты максимума и значение функции в этой точке.
Построим график
>plot(y,x=-0.5..1.5);
Команды extrema, maximize и minimize обязательно должны быть загружены из стандартной библиотеки командой readlib(name).
15.Ска Maple. Линейная алгебра. Решение линейных уравнений.
Систему линейных уравнений AX=B в Maple можно решить тремя способами:
командой solve
по правилу Крамера
командой linsolve
Команда solve
>eq1:=x+y+z=1;
>eq2:=3*x+y=3;
>eq3:=x-2*y-z=0;
>s:=solve({eq1,eq2,eq3},{x,y,z});
Правило Крамера
Система уравнений
>eq1:=x+y+z=1:
>eq2:=3*x+y=3:
>eq3:=x-2*y-z=0:
Основной определитель
>Delta:=det(matrix([[1,1,1],[3,1,0],[1,-2,-1]]));
Δ:=5
Дополнительные определители
>DeltaX:=det(matrix([[1,1,1],[3,1,0],[0,-2,-1]]));
DeltaX:=-4
>DeltaY:=det(matrix([[1,1,1],[3,3,0],[1,0,-1]]));
DeltaY:=-3
>DeltaZ:=det(matrix([[1,1,1],[3,1,0],[1,-2,-0]]));
DeltaZ:=2
Вычисление неизвестных
>X:=DelyaX/Delta;
>Y:=DelyaY/Delta;
>Z:=DelyaZ/Delta;
Команда linsolve.
Система уравнений
>eq1:=x+y+z=1:
>eq2:=3*x+y=3:
>eq3:=x-2*y-z=0:
Создадим матрицу коэффициентов при неизвестных
>A:=matrix([[1,1,1],[3,1,0],[1,-2,-1]]);
Создадим матрицу свободных членов
>B:=matrix(3,1,[1,3,0]);