Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
РУПД ИТУ.doc
Скачиваний:
14
Добавлен:
19.03.2016
Размер:
281.09 Кб
Скачать

6. Современные подходы к реинжинирингу бизнес процессов и построению информационных систем управления

  1. Функционально-ориентированные и объектно-ориентированные методологии описания предметной области.

  2. В чем состоит различие объектного и функционального подходов при построении модели предприятия?

  3. Основные  идеи построения функциональной модели предметной деятельности предприятия в  SADT  (Structured Analysis and Design Technique).

  4. Функциональная методика IDEF0.

  5. Основные принципы построения модели бизнес-процессов в стандарте IDEF0.

  6. Правила стандарта IDEF0. Изображение бизнес-процесса в нотации IDEF0. Контекстная диаграмма.

  7. Декомпозиция бизнес-процессов. Что понимается под декомпозицией  функции бизнес-процесса?

  8. Правила декомпозиции.

  9.  Как отображаются обратные связи в  стандарте IDEF0?

  10. Что включает в себя понятие CASE -технология?

  11. Case-технологии и программные средства для их реализации. Какие программные продукты используются для реализации CASE-технологий?

7. Информационные технологии поддержки принятия решений в менеджменте. Экспертные системы. Экспертные системы на основе алгоритмов нечеткой логики

  1. Задачи, для решения которых используются экспертные системы.

  2. База знаний и ее использование в экспертных системах.

  3. Нечеткие множества. Принципы построения нечеткой логики. Функция принадлежности и примеры построения функции принадлежности.

  4. Операции над нечеткими множествами. Нечеткие числа и нечеткий логический вывод.

  5. Экспертные системы на основе нечеткой логики. формализация знаний эксперта в виде правил. Эффективность нечетких систем принятия решений. Применение нечеткой логики для построения экспертных систем финансового менеджмента. Программа CubiCalc ее интерфейс и использование для построения экспертных систем на основе нечеткой логики.

  6. Задача поиска ассоциативных правил. Поддержка и достоверность ассоциативных правил. Использование ассоциативных правил в коммерческой практике.

  7. OLAP технологии. Построение OLAP-моделей в SPSS.

  8. Какова роль анализа данных в информационных технологиях поддержки принятия решений? Какие основные типы задач решаются с применением технологии Data Mining? Приведите примеры применения технологии Data Mining в сферах государственного муниципального управления и менеджменте.

  9. Понятия «статистическая гипотеза», «доверительная вероятность», «уровень значимости», «число степеней свободы» и их использование при анализе данных в SPSS.

  10. Для каких целей производится предварительный анализ данных? Что понимается под робастным оцениванием? Как можно выявить засоренность исходного набора данных?

  11. Типы шкал используются для анализа данных в SPSS. Примеры данных, для измерения которых используются номинативная, порядковая и интервальная шкалы. Основные операции, которые допускают данные, измеренные в номинативной, порядковой и интервальной шкалах

  12. Какими способами можно установить взаимосвязь переменных? Какие методы оценки корреляций имеются в SPSS? В чем состоит смысл таблиц сопряженности и как на их основе можно установить взаимосвязь признаков? Как исключить ложные корреляции?

  13. Почему приходится решать задачу сравнения выборочных средних? Методы сравнения выборочных средних. Параметрические и непараметрические критерии для сравнения выборочных средних и условия их применимости. Понятие зависимых и независимых выборок. Привести примеры.

  14. Модель множественной линейной регрессии. Условия применимости метода МНК. Понятие гомоскедастичности, толерантности переменных. Способы оценки качества регрессионной модели. Факторы и нормированный . Чем нормированный коэффициент детерминации отличается от обычного?

  15. Критерий Фишера и его смысл. Оценка значимости регрессионных коэффициентов с помощью критерия Стьюдента.

  16. Способы выявления автокорреляции во входном наборе данных. Критерий Дарбина – Уотсона.

  17. Постановка задачи логистической регрессии. Какие переменные могут быть результативными в модели логистической регрессии? Как оценивается пригодность модели логистической регрессии.

  18. Постановка задачи дискриминантного анализа. Условия применимости метода. Графическая интерпретация задачи дискриминантного анализа для случая двух переменных. Математическая постановка задачи дискриминантного анализа. Для каких целей может использоваться дискриминантный анализ в задачах государственного и муниципального управления и менеджменте? Приведите примеры.

  19. Факторный анализ. Постановка задачи факторного анализа. Понятие «фактор», факторная «нагрузка». Выделение главных факторов. Для каких целей может использоваться факторный анализ в задачах государственного и муниципального управления и менеджменте? Приведите примеры.

  20. Кластерный анализ. Постановка задачи. Иерархический кластерный анализ и его алгоритм. Понятие расстояния в признаковом пространстве. Какие меры расстояний чаще всего используются в SPSS для кластеризации объектов? Дендрограмма кластеризации и ее смысл. Кластеризация объектов и кластеризация переменных. Какой из методов кластерного анализа можно использовать в SPSS для определения похожих переменных (кластеризации переменных)? Как определить актуальное число кластеров в методе иерархического кластерного анализа на основании таблицы шагов агломерации? Метод К-средних и его алгоритм. Как происходит образование кластеров в методе К-средних? Может ли быть процесс кластеризации неоднозначным? Какие факторы влияют на итоговый результат объединения объектов в кластеры? Для каких целей может использоваться кластерный анализ? Приведите примеры.

  21. Для каких целей используется метод построения деревьев решений? Можно ли назвать построение дерева решений методом классификации объектов?

  22. Дайте определение понятий «корневой узел», «терминальный узел», «дочерний узел». Какие существуют методы отбора переменных для расщепления узла на два или несколько дочерних узлов?

  23. В чем состоит проблема переобучения при построении дерева решений? Назовите методы ограничения излишней «пушистости» дерева решений?

  24. С помощью какого показателя можно судить о качестве классификации объектов при построении дерева решений?

  25. Являются ли правила классификации объектов, извлеченные при построении дерева решений, однозначными?

  26. Для каких целей может использоваться метод построения деревьев решений в задачах государственного и муниципального управления и менеджменте? Приведите примеры.