- •2. Программные и аппаратные средства кит. Перспективы и направления развития кит.
- •3. Математические модели решения экономических задач. Целевые функции, ограничения. Методы оптимизации.
- •4.Основы прогнозирования. Аппроксимация. Среднеквадратическое отклонение.
- •5.Стандартные функции прогнозирования. Линейная аппроксимация.
- •6.Стандартные функции прогнозирования. Экспоненциальная
- •10.Ска Maple. Исследование функций. Экстремум.
- •11. Ска Maple. Исследование функции. Минимум и максимум.
- •12. Ска Maple. Отыскание оптимума. Симплекс – метод.
- •15.Ска Maple. Линейная алгебра. Решение линейных уравнений.
- •19.Ска Maple. Статистика. Модули библиотеки.
- •21.Ска Maple. Статистика. Описательные характеристики.
- •22.Ска Maple. Финансовые функции.
- •23.Компьютерные сети. Основные виды и их характеристики.
- •24.Компьютерные сети. Топология сетей.
- •25.Компьютерные сети. Адресация в сетях.
- •26.Технологии доступа в интернет.
- •27.Internet/Intranet – технологии. Протоколы tpc/ip.
- •28. Internet/Intranet – технологии. Электронные сервисы.
- •29. Internet/Intranet – технологии. Url. Доменные адреса верхнего уровня.
- •30. Internet/Intranet – технологии. Служба доменных имён.
- •31. Internet/Intranet – технологии. Характеристики и особенности современных web – браузеров.
- •32. Тенденции развития Internet.
- •33. Стандарты интеграции систем (mrp, mrpii)
- •34. Стандарты интеграции систем( erp, crm, csrp)
- •35. Понятие бизнес-моделей в2в, в2с
- •36. Геоинформационные системы
- •37.Методологии информационного и функционального моделирования.
- •38. Программное обеспечение для моделирования корпоративных информационных сетей.
- •39. Реинжиниринг бизнес-процессов.
- •40. Моделирование бизнес-процессов.2вида моделей(as is,to be)
- •42. Технологии автоматизированного проектирования кис(case,rad).
- •41.Информационные технологии и реинженеринг бизнес-процессов.
- •43. Html. Название. Основные тэги.
- •44. Html. Структура документа.
- •45. Html. Тэги заголовка, параграфа, предварительного форматирования, разрыва строки.
- •46. Html. Нумерованные списки.
- •47. Html. Ненумерованные списки.
- •48. Html. Гипертекстовые ссылки.
- •49. Html. Рисунки.
- •50.Html. Таблицы. Основные тэги.
- •51.Html. Интерактивные формы. Основной тэг.
- •53. Css. Назначение и основные понятия.
- •54.Css. Правила описания различных вариантов использования таблиц каскадных стилей.
- •56.Средства разраотки web-приложений.
- •57. Искусственный интеллект. Основные понятия.
- •58. Искусственный интеллект. Модели представления знаний.
- •59. Искусственный интеллект. Экспертные системы.
- •60. Искусственный интеллект. Нейросети.
- •61. Поисковые машины в Internet. Принципы организации поисковых систем.
- •62. Особенности русскоязычных поисковых систем. Организация поисковых запросов в русскоязычных поисковых машинах.
- •63. Программы для стат. Анализа.
- •64. Программы для специальности. Бухгалтерский учёт.
5.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.
6.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.
10.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;