- •1. Системность практической деятельности. Системный анализ. Разнообразие системных технологий (Привести примеры).
- •4.Второе определение системы. Модель состава. Модель структуры
- •5.Третье определение системы. Искусственные и естественные системы. Субъективные и объективные цели.
- •6. Модель. Понятие. Сходство и различие между моделью и действительностью. Предел истинности модели.
- •7. Многоместная модель: субъект-объект-модель-среда.
- •8. Познавательные и прагматические модели.
- •9. Абстрактные модели.
- •10.Материальные модели.
- •11. Определение обобщенного критерия (показателя) качества по показателям единичных свойств объекта исследования.
- •12. Фундаментальные и прикладные результаты теории информации.
- •13. Понятие «сигнал». Модель сигнала. Классы случайных процессов.
- •14. Модели реализаций непрерывных сигналов.
- •15. Принцип частотно-временной неопределённости. Проблема дискретного представления непрерывных сигналов.
- •16. Понятие «энтропии». Дифференциальная энтропия.
- •18. Понятие эксперимента.
- •19. Понятие измерительной шкалы. Шкала наименований.
- •20. Порядковая шкала. Интервальная шкала.
- •21. Агрегирование. Эмерджентность. Агрегаты. Агрегат-конфигуратор.
- •22. Декомпозиция. Формирование содержательной модели.
- •23. Назначение, преимущества и недостатки среды разработки MatLab.
- •24. Основные классы вычислительных объектов MatLab. Операции с переменными класса struct.
- •25. Основные классы вычислительных объектов MatLab. Операции с переменными класса cell.
- •26. Основные классы вычислительных объектов MatLab. Операции с переменными класса char.
- •27. Операции с матрицами в MatLab: формирование, преобразование, обработка данных.
- •28. Операции с полиномами в MatLab.
- •30. Выполняемые файлы ядра MatLab. Различия и сходства function- и script-файлов.
- •31. Применение метода размерности при построении моделей. Пример
- •32. Уточнение проблемы методом «Букета проблем». Пример.
- •5. Обратная проблема:
- •33. Привести пример модели косвенного подобия для системы. Объяснить выбор модели.
- •34. Многокритериальный выбор.
- •35. Многократный выбор (отбор). Идеи теории элитных групп.
- •36. Неформализуемые этапы системного анализа. Выявление целей
- •37. Алгоритмизация системного анализа.
- •38.Обработка экспериментальных данных. Возможность перевода измерений из одной шкалы в другую.
- •39. Алгоритм методики системного анализа. Пояснить выполнение на конкретном примере.
- •40. Роль измерений в создании моделей систем.
18. Понятие эксперимента.
Непосредственное проведение экспериментальных исследований изучаемой системы осуществляется прямыми специалистами по проведению конкретных экспериментов. Однако эти специалисты действуют в соответствии с «техническим заданием», в котором оговариваются постановка эксперимента (цели) и его планирование (извлечение информации из результатов опыта) с использованием одной или нескольких моделей. Формирование этого задания является сложной комплексной задачей, при решении которой необходимо учитывать множество факторов. Отношение между экспериментом и теоретической моделью является двояким:
1. Эксперимент позволяет проверить и при необходимости уточнить исходную модель, т.е. является источником информации для моделирования;
2. Исходная модель диктует, какой именно эксперимент следует проводить, т.е. является источником информации для организации эксперимента.
Основные особенности, которые необходимо учитывать при измерениях, следующие:
1. Существуют явления, которые не допускают числовой меры, поэтому измерения могут носить количественный или/и качественный характер.
2. Измерение может не снимать неопределенность, если она носит расплывчатый характер.
3. Исходя из сигнальных свойств измерений, широкое распространение получили статистические измерения, т.е. оценивание функционалов распределений вероятностей по реализации случайного процесса.
4. Хотя по-прежнему считается, что чем точнее измерение, тем лучше, однако теперь осознано, что погрешности измерений неизбежны и естественны.
19. Понятие измерительной шкалы. Шкала наименований.
Измерение – алгоритмическая операция, которая данному наблюдаемому состоянию объекта или процесса ставит в соответствие определенное обозначение: число, номер или символ. Система обозначений формирует шкалу измерений. Таким образом, посредством измерительных шкал осуществляется установление соответствия между наблюдаемыми и предполагаемыми состояниями при условии, что любые два состояния можно различить. Количество информации зависит от степени полноты соответствия между этими состояниями и разнообразия возможных вариантов. Различимые состояния обозначаются разными символами, не различимые – могут обозначаться одним. Нужная информация получается из результатов измерения с помощью их преобразований (обработки экспериментальных данных). Чем сильнее шкала (теснее соответствия между состояниями и их обозначениями), в которой производятся измерения, тем более определенными являются сведения и тем больше информации можно извлечь в результате обработки данных. Шкала наименований используется, если возможные состояния системы можно классифицировать по классам принадлежности и их число конечно. Т.е. речь идет о дискретных явлениях. К ним относятся, например, различные объекты (географические названия, имена людей и т.д.), символы (гербы, эмблемы и т.д.), номера (регистрационные, адреса, документов и т.д.) и т.д. Часто в шкале наименований присутствует классификация, которая позволяет «увеличить емкость информации». Например, почтовый адрес, который включает: страну, территориальную административную единицу, населенный пункт, улицу, дом, квартиру, адресата. При этом в данной шкале обозначения классов – это только символы, даже если они являются цифрами (например, номера). Соответственно, измерение заключается в проведении эксперимента, который позволяет установить принадлежность объекта к одному из классов в соответствии с аксиомами тождества:
1°. Либо А = В, либо А В.
2°. Если А = В, то В = А.
3°. Если А = В и В =С, то А = С.