Материал: 416

Окончание табл. 12

Компонентный состав и его структура Лек. Пр. СРС

4.2. "Алгебры" обработки результатов

4.2.1.Аппроксимация числовых данных

4.2.1.1.Численное интегрирование

4.2.1.2.Численное дифференцирование

4.2.2.Вычисление характеристик случайных величин: математическое ожидание, дисперсия, среднеквадратическое отклонение

5. Результат эксперимента – событие

5.1. Классификация событий

5.1.1.Детерминированное событие

5.1.2.Случайное событие

5.1.2.1. Случайное элементарное событие

Классификация случайных элементарных событий: равновозможное, невозможное (возможное), совместное (несовместное), зависимое (независимое), противоположное, полная группа событий. Числовая характеристика элементарного события при многократном повторении эксперимента

–вероятность

5.1.2.2.Случайное сложное событие

Числовые характеристики сложного события – произведение (сложение) элементарных событий, образующих сложное событие. Формула полной вероятности (Байеса)

Всего часов

Литература для самостоятельной работы студента [7, 8, 11, 20].

ИСПОЛЬЗУЕМАЯ ТЕРМИНОЛОГИЯ

"Алгебры" обработки результатов – под «алгеброй» обработки ре-

зультатов А понимают совокупность множества результатов М эксперимента с заданными в нем операциями f1,...,fn . А = <М, f1,...,fn >, где М – носитель алгебры (результаты проведенного эксперимента), fi – методы (инструменты) обработки носителей алгебры.

Аппроксимация – приближенное выражение математических объектов через другие, более простые.

Бивалентные величины – величины, принимающие в эксперименте только два значения, например двоичные переменные.

Величина – одно из основных математических понятий, возникшее как абстракция от числовых характеристик физических свойств. Понятие служит для точной характеристики количественных отношений объектов и процессов действительности. Различают величину длины, объема, поверхности, силы, момента силы, теплоемкости и т.д.

46

Вероятность – число, заключенное между нулем и единицей, характеризующее меру возможности наступления случайного события в результате испытаний при заданной совокупности условий.

Вероятность произведения вероятностей двух простых событий –

вероятность произведения двух независимых событий А и В равна произведению вероятностей этих событий. P(AB) = P(A)*P(B). Вероятность совместного появления двух зависимых событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную в предположении, что первое событие уже наступило. P(AB) = P(A)*PA (B), где PA (B) – условная вероятность события В, вычисленная в предположении, что событие А уже наступило.

Вероятность сложения вероятностей простых событий – вероят-

ность суммы двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления P(A+B) = P(A) + P(B) – P(AB). Вероятность суммы двух несовместных событий равна сумме вероятностей этих событий P(A+B) = P(A) + P(B). Если несовместные события Аi образуют полную группу, то сумма вероятностей этих событий равна единице.

Дисперсионный анализ – метод математической статистики, предназначенный для выявления влияния отдельных фактов на результаты эксперимента и для последующего планирования аналогичных экспериментов.

Дисперсия дискретной случайной величины – это математическое ожидание квадрата отклонения случайной величины от ее математического ожидания.

Математическое ожидание дискретной случайной величины – это сумма произведений всех возможных значений случайной величины на их вероятности.

Модель – это явление, предмет, установка, знаковое образование или условный образ, характеристики которого находятся во взаимооднозначном соответствии со сходными характеристиками изучаемого объекта и связаны законом преобразования. Модель замещает объект в процессе эксперимента и дает о нем необходимую информацию. Понятие модели является одним из центральных и сложных понятий теории познания, поскольку оно опирается на понятие отражения, истины, сходства, различия, правдоподобия и т.п.

Мультивалентные величины – это величины, принимающие в эксперименте более двух значений.

Реакция – действие (состояние, процесс), возникающее в ответ на ка- кое-либо внешнее воздействие.

Событие – это всякий факт, который в эксперименте может произойти или не произойти, но для которого определена вероятность.

Событие сложное – это комбинации элементарных событий. В наибо-

47

лее распространенных задачах сложное событие состоит в осуществлении элементарных событий заданного числа раз (или не менее/не более числа раз).

Среднеквадратическое отклонение – корень квадратный из диспер-

сии.

Терминология – это соотнесенная с профессиональной сферой деятельности (областью знания, техники, управления, культуры) совокупность терминов, связанных друг с другом на понятийном, лексикосемантическом, словообразовательном и грамматическом уровнях.

Условия эксперимента – это известные события, существующие объективно или специально создаваемые экспериментатором, влияющие на ход эксперимента.

Фактор – причина, движущая сила какого-либо процесса, явления, определяющая его характер и черты. Это существенное обстоятельство, способствующее какому-либо процессу, явлению.

Формула – символическая запись, состоящая из цифр, букв и специальных знаков, расположенных в определенном порядке, и являющаяся носителем информации.

«Черный ящик» – это модель объекта исследования, которая во всем существенном ведет себя так же, как реальная система, но в то же время более доступна для экспериментирования. Такая модель как бы заключена в непроницаемый футляр, в который никаким способом нельзя проникнуть; для наблюдения доступны только его входы и выходы, а внутреннее содержание «ящика» на первых порах неизвестно. «Черный ящик» гомоморфен (подобен) объекту исследования.

Численное интегрирование – это геометрический смысл определенного интеграла – площадь, ограниченная подынтегральной кривой, осью абсцисс и ординатами нижнего и верхнего пределов интегрирования. Если для подынтегральной кривой найдена ее первообразная функция, то интеграл, как известно, можно вычислить по формуле Ньютона – Лейбница. В тех случаях, когда нельзя найти первообразную F(x), используют численные методы, в которых вместо кривой подынтегральной функции используют заменяющие ее кривые или ломаные линии, для которых вычисление ограниченной ими площади производят достаточно простыми формулами. В основе численного интегрирования лежит приближенное вычисление площади подынтегральной кривой.

Численное дифференцирование связано с формулами интерполирования, так как при табличном задании функции ее производные удобно получать через разности различных порядков.

Эксперимент – общенаучный метод получения в контролируемых и управляемых условиях новых знаний о причинно-следственных отношениях между явлениями и процессами. Эксперимент – это опыт, воспроизво-

48

дящий объект познания, проверка гипотезы и т.д. В практике различают активный и пассивный эксперименты.

Эксперимент активный – это эксперимент, поставленный по заранее составленному плану, в котором предусмотрено одновременное изменение всех параметров, влияющих на процесс. Активный эксперимент – это исследование параметров процесса при активном воздействии на них новых условий, соответствующих целям исследования.

Эксперимент бивалентный – эксперимент, в котором рассматривают только два значения независимой переменной. Часто подобные эксперименты состоят в том, что одну из групп, участвующих в эксперименте, ставят в какие-либо специальные условия, эффект от взаимодействия которых интересует исследователя. Другая же группа находится в это время в обычных условиях.

Эксперимент мультивалентный – эксперимент, в котором рассматривают более одного значения независимой переменной.

Эксперимент на модели – это замещение объекта - оригинала другим объектом - моделью, с помощью которой судят о работоспособности первого. Процесс замещения одних объектов другими с целью получения информации о важнейших свойствах объекта - оригинала с помощью объекта - модели называют моделированием.

Эксперимент пассивный – эксперимент, в котором исследователь только наблюдает исследуемый процесс. К этому виду эксперимента относят сбор статистического материала и мысленный эксперимент.

Эксперимент факторный – эксперимент, в котором рассматривают более одной независимой переменной, каждая из которых обладает двумя или большим количеством значений. В плане факторного эксперимента каждое значение независимой переменной рассматривают в комбинации с каждым значением остальных независимых переменных.

ЗАКЛЮЧЕНИЕ

Всистеме обучения важную роль играет обратная связь в виде контроля знаний студента. Семантические сети могут быть использованы не только для организации учебного процесса, но и для диагностики знаний/незнания студента. В работах [16, 31] рассмотрен подход к построению диагностики знаний на основе семантической модели учебного материала.

Результаты декомпозиции учебного материала автор использовал для формирования структурированных вопросов к семинарским занятиям, контроля знаний на экзамене, а также для организации деловой игры.

Вработе не приводятся фрагменты текстов к каждой содержательной линии, что позволило автору акцентировать внимание на морфологической стороне описания системы знаний по дисциплине «Логистика». Структура

49

компонентного состава каждой процедуры дает представление о динамике изложения учебного материала, что в настоящее время актуально. Автор применил системный подход, представив данную дисциплину как 12 взаимосвязанных процедур, каждая из которых сама по себе является независимой учебной единицей, но вместе они образуют единый, логически связанный учебный материал.

Библиографический список

1.Афанасьев В.Г. Общество: системность, познание и управление. – М.: Политиз-

дат, 1981.

2.Берж К. Теория графов и ее применение. – М.: Иностранная литература, 1962.

3.Буолдинг К. Общая теория систем как скелет науки//Исследования по общей теории систем. – М.: Прогресс, 1969.

4.Волгин В.В. Склад: Практическое пособие. – М.: Издательский дом «Дашков и К», 2000.

5.Гаджинский А.М. Логистика. – М.: Информационно-внедренческий центр «Марке-

тинг», 2000.

6.Гмурман В.Е. Теория вероятностей и математическая статистика. – М.: Высш.

школа, 1972.

7.Горбатов В.А. Теория частично упорядоченных систем. – М .: Сов. радио, 1976.

8.Денисов А.А., Колесников Д.Н. Теория больших систем управления. – Л.: Энергоиздат, Ленингр. отд-ние, 1982.

9.Зеваков А.М. Логистика материальных запасов и финансовых активов. – СПб.: Пи-

тер, 2005.

10.Европейский складской комплекс в ближнем Подмосковье // Логистика. –1999. –

№2.

11.Казаков Г. Е. Логистика и информация // Машиностроитель. –1991. –№ 10

12.Кимбл Г. Как правильно пользоваться статистикой. – М.: Финансы и статистика, 1982.

13.Куликовский Л.Ф., Мотов В.В. Теоретические основы информационных процессов: Учеб. пособие по спец. «Автоматизация и механизация процессов обработки и выдачи информации». – М.: Высш. шк., 1987.

14.Леншин И.А. Основы логистики: Учебное пособие. – М.: Машиностроение, 2002.

15.Линдерс М.Р., Фирон Х. Е. Управление снабжением и запасами. Логистика. – СПб.: Изд-во «Полигон», 1999.

16.Лисовская О.Н., Пустобаев В.П. Диагностика знаний в системе профессиональной подготовки студентов по основам алгоритмизации курса информатики: структура, дидактика: Учебно-методическое пособие – Омск, 2006.

17.Логистика: Учеб. пособие/Под ред. Б.А. Аникина. – М.: ИНФРА, 1997.

18.Лоскутова О. Коридор больших возможностей // Бизнес Шанс.–№ 12. –1996.

19.Миротин Л.Б. и др. Транспортная логистика. – М.: Изд-во «Брандес», 1998.

20.Миротин Л.Б., Мадалиев К.О., Ташбаев Ы.Э. Выбор оптимального варианта дос-

тавки. http://www.logistics/ru/logisnics/liter/19/.

21.Миротин Л.Б., Сергеев В.И. Основы логистики: Учебное пособие. – М.: ИНФРА-

М, 2000.

22.Моисеев Н.Н. Математические задачи системного анализа. – М.: Наука, 1981.

50