SCI Библиотека

Представлены результаты исследований особенностей применения метода сингулярного спектрального анализа (Singular Spectrum Analysis - SSA) в задачах анализа и прогнозирования временных рядов (ВР). В ходе их проведения были решены следующие задачи: 1) разработка научно обоснованных рекомендаций по выбору параметров метода SSA при анализе и прогнозировании реальных ВР и их экспериментальная апробация на примере реальных геофизических и экономических ВР; 2) разработка алгоритма оценки точности прогнозирования нестационарных ВР методом SSA; 3) получение количественных оценок точности прогнозирования нестационарных ВР, содержащих среднемесячные значения чисел Вольфа, а также часовых значений цен на электроэнергию на оптовом рынке электрической мощности (ОРЭМ). При этом получен ряд новых научных результатов, в том числе предложен научно обоснованный критерий выбора значений параметров метода SSA, обеспечивающий совпадение ВР, восстановленного по рекомендованному набору сингулярных троек, и дискретных значений периодической функции, породивших анализируемый ВР. В задаче анализа ВР вида : 1) обоснована возможность упрощения процедуры разделения ВР на главные компоненты (ГК), соответствующие ВР , , за счет использования зависимости где i - номер сингулярной тройки разложения траекторной матрицы ВР , - размер окна сдвига, - период дискретизации анализируемого ВР: 2) уточнены понятия сильной и слабой разделимостей ВР 3) научно обоснованы рекомендации по выбору размер окна сдвига обеспечивающие наилучшее разделение ВР типов «шум + const», «шум + периодическая составляющая», «шум + тренд» при различных отношениях сигнал/шум; 4) предложен алгоритм исследования точности прогнозирования ВР методом SSA; 5) предложен алгоритм выбора сингулярных троек траекторной матрицы ВР , используемых для прогнозирования значений ВР; 6) получены экспериментальные подтверждения целесообразности использования для краткосрочного прогнозирования нестационарных ВР полинома, аппроксимирующего ВР, восстановленный по набору сгруппированных сингулярных т

Рассматриваются принципы и особенности реализации проектно-исследовательской деятельности студентов, обучающихся математике и, в частности, стохастике. Сформулирована концепция теоретико-эмпирического дуализма в обучении, который понимается как единство абстрактно-теоретической и опытно-экспериментальной познавательной деятельности обучающихся. Исследовательские задачи, ставящиеся перед студентами, должны быть направлены на решение двух связанных проблем: проблема содержательной интерпретации математического материала и проблема математизации профессиональных задач. Представлены разнообразные исследовательские проекты, связанные с экономикой, транспортом, обработкой и анализом экспериментальных данных, радионавигацией, системами верификации личности по речевым сигналам и др.

Монография может быть полезна научным сотрудникам и преподавателям, которые обучают математическим дисциплинам студентов разных специальностей и направлений подготовки.

В учебном пособии рассмотрены основные методы визуализации данных в приложении Microsoft Power BI Desktop: получение данных и создание визуальных элементов (простых визуализаций, комбинированных диаграмм, визуализаций карт, точечных диаграмм, каскадных и воронкообразных диаграмм, диаграмм дерева, таблиц и матриц). Приведены примеры, позволяющие получить навыки практического применения их в бизнес-аналитике.

Предназначено для студентов учреждений высшего профессионального образования, обучающихся по направлению подготовки 38.03.05 — Бизнес-информатика (бакалавриат).

В учебнике кратко и доступно изложено содержание основных разделов математической статистики (классификация признаков, основные характеристики варьирующих объектов, законы распределения, выборочный метод и оценка генеральных параметров, статистические гипотезы и их проверка, корреляционный, дисперсионный, регрессионный анализ, многомерные методы). Рассмотрены примеры использования приемов статистической обработки результатов с привлечением собственных экспериментальных данных авторов, предложены задания для самостоятельной работы. Для студентов, магистров, аспирантов биологических факультетов, а также может быть использован при обучении студентов, магистров и аспирантов медицинских, фармацевтических, сельскохозяйственных специальностей.

В учебном пособии рассмотрены основные методы автоматизации бизнес-процессов, используемые в BPM-системе ELMA для моделирования, улучшения, исполнения и контроля за процессами в компании на основе собранной системой аналитики. Приведены примеры, позволяющие получить навыки их практического применения.

Предназначено для студентов учреждений высшего профессионального образования, обучающихся по направлению подготовки 38.04.05 — «Бизнес-информатика» (магистратура).

Учебное пособие предназначено для студентов направления подготовки 38.03.05 «Бизнес-информатика» и содержит перечень изучаемых тем в соответствии с рабочей программой дисциплины «Анализ данных», решения типовых задач с подробными пояснениями, с использованием R., варианты контрольной работы, вопросы к экзамену, таблицы, а также список основной и дополнительной литературы.

Дисциплина «Анализ данных» является базовой компонентой цикла математических и естественнонаучных дисциплин ФГОС ВО по направлению подготовки 38.03.05 «Бизнес-информатика», профиль ИТ-менеджмент в бизнесе.

Учебное пособие будет полезно преподавателям, аспирантам, научным сотрудникам, студентам, изучающих применение современных вычислительных технологий в анализе данных и эконометрике, для широкого круга читателей.

Рассмотрены вероятностно-статистические методы принятия решений как для оценки надёжности в процессе испытаний изделий, продукции, объектов различных областей техники, так и для решения задач технической диагностики. Пособие соответствует рабочим программам учебных дисциплин «Теория и методы мониторинга и диагностики», «Планирование и организация неразрушающего контроля» и предназначено для обучающихся по направлениям: 11.04.03 «Конструирование и технология электронных средств»; 11.04.01 «Радиотехника»; 12.04.01 «Приборостроение»; 11.04.02 «Инфокоммуникационные технологии и системы связи»; 11.04.04 «Электроника и наноэлектроника», 12.03.01 «Приборостроение».