- •2. Математические модели решения экономических задач. Целевые функции, ограничения. Методы оптимизации.
- •3.Основы прогнозирования. Аппроксимация. Среднеквадратическое отклонение.
- •4.Стандартные функции прогнозирования. Линейная аппроксимация.
- •5.Стандартные функции прогнозирования. Экспоненциальная
- •6.Ска Maple. Исследование функций. Экстремум.
- •11. Ска Maple. Исследование функции. Минимум и максимум.
- •8. Ска Maple. Отыскание оптимума. Симплекс – метод.
- •10.Ска Maple. Линейная алгебра. Матричные операции.
- •14.Ска Maple. Финансовые функции.
- •15. Стандарты интеграции систем (mrp, mrpii)
- •16. Стандарты интеграции систем( erp, crm, csrp)
- •17. Понятие бизнес-моделей в2в, в2с
- •18 Геоинформационные системы
- •19.Методологии информационного и функционального моделирования.
- •20. Программное обеспечение для моделирования корпоративных информационных сетей.
- •21. Реинжиниринг бизнес-процессов.
- •22. Моделирование бизнес-процессов.2вида моделей(as is,to be)
- •23.Информационные технологии и реинженеринг бизнес-процессов.
- •24. Технологии автоматизированного проектирования кис(case,rad).
- •25. Html. Название. Основные тэги.
- •25. Html. Нумерованные списки.
- •26. Html. Гипертекстовые ссылки.
- •27.Html. Таблицы. Основные тэги.
- •28. Искусственный интеллект. Основные понятия.
- •29. Искусственный интеллект. Модели представления знаний.
- •30. Искусственный интеллект. Экспертные системы.
- •31. Искусственный интеллект. Нейросети.
- •32 Программы для стат. Анализа.
- •33. Программы для специальности. Бухгалтерский учёт.
4.Стандартные функции прогнозирования. 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.
5.Стандартные функции прогнозирования. 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.
6.Ска Maple. Исследование функций. Экстремум.
В Maple для исследования функции на экстремум имеется команда extrema(f,{cond},x,’s’) , где f - функция, экстремумы которой ищутся, в фигурных скобках {cond} указываются ограничения для переменной, х – имя переменной, по которой ищется экстремум, в апострофах ’s’ – указывается имя переменной, которой будет присвоена координата точки экстремума. Если оставить пустыми фигурные скобки {}, то поиск экстремумов будет производиться на всей числовой оси. Результат действия этой команды относится к типу set. Пример:
> readlib(extrema):
> extrema(arctan(x)-ln(1+x^2)/2,{},x,’x0’);x0;