На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Работа № 83283


Наименование:


Диплом общие задачи проектирования, методы оценки качества проекта на начальных стадиях проектирования

Информация:

Тип работы: Диплом. Добавлен: 24.12.2014. Сдан: 2012. Страниц: 80. Уникальность по antiplagiat.ru: 100.

Описание (план):


Оглавление
Введение 3
1. Анализ предметной области 4
1.1 Принципы построения интерактивных систем проектирования 4
1.1.1. Стратегии проектирования 4
1.1.2. Модель задачи принятия решений 5
1.2. Методы оценки качества проектных решений 7
1.2.1. Статистические методы 7
1.2.2. Эмпирические методы 8
1.3. Программные средства анализа статистических данных 9
2. Постановка задачи 13
3. Техническое задание 14
3.1. Основание для разработки 14
3.2. Назначение дипломного проекта 14
3.3. Результаты разработки 14
3.4. Требования к программному продукту 15
4. Анализ применимости критериев 15
4.1. Определения 15
4.2.Непараметрические критерии 16
4.2.1. Преимущества и недостатки непараметрической статистики 16
4.2.2. Обоснование выбора непараметрических критериев 17
4.3. Процесс выбора решений 20
4.3.1.Векторный критерий и отношение предпочтения 20
4.3.2. Множество недоминируемых решений. 23
4.3.3. Множество Парето 24
4.3.4. Понятия относительной важности критериев 26
4.4. Экспертные оценки 27
4.5. Классификация методов поддержки принятия решений 29
4.6. Построение решающего правила 31
4.6.1. Функция полезности 31
4.6.2. Итеративные методы 24

4.6.3. Лексикографический метод 32_Toc356833216
4.6.4. Метод квазиоптимизации 33_Toc356833216
5. Разработка алгоритма выбора 35
5.1. Выбор методов решения 35
5.2. Выявление различий в уровне исследуемого признака 40
6. Разработка пользовательского интерфейса 46
6.1. Организация ввода информации 46
6.2. Реализация приложения 48
7.Технология применения средств автоматизации программирования 50
7.1. Понятие формы 51
7.2.Элементы управления 52
7.3.Объектная модель MS Excel 53
7.4. Программирование доступа к данным 54
8. ОХРАНА ТРУДА 56
8.1. Пожарная безопасность 56
8.2. Оценка пожарной опасности промышленных предприятий 59
8.3. Расчет защитного зануления 61
9. ЭКОЛОГИЧЕСКАЯ ЧАСТЬ 63
9.1. Влияние шума на производительность труда 65
9.2. Микроклимат в рабочей зоне 71
9.3. Влияние влажности на работоспособность человека 74
10. РЕШЕНИЕ ЗАДАЧИ НА ЭВМ 75
Заключение 79
Литература 79




Введение
Кoмплексная задaча проектирования предполагает исследование целостной картины для получения данных об информационных потоках и процессах принятия решений в различных ситуациях. Изменение цeлей, состoяния внешней среды требует необходимости адаптации проектируемой системы путем изменения ее свойств, структуры и параметрической настройки элементов для более эффективной реализации ее функциональных возможностей. Для этого необходим тщательный анализ состава структурных компонентов проектируемой системы, наличия средств построения моделей этих компонентов и оценки целесообразности их применения
Для оцeнки качества проектируемой системы используется набор, как правило, противоречивых показателей, поэтому оптимизационные задачи являются многокритериальными и предполагают наличие эвристических процедур для их решения. Это требует непосредственного участия проектировщика в процессе принятия решений. Использование интерактивных систем проектирования, в которых организован активный диалог человека и ЭВМ, дает возможность значительно улучшить подход к проектированию, известный как «интуитивное» проектирование. Однако, данный подход во многом схож со способом проектирования «проб и ошибок», что недопустимо при проектировании больших систем, так как ведет к неоправданным затратам. Поэтому одной из важнейших задач является оценка разработки и реализации проекта на начальных стадиях проектирования.
В дипломном проекте рассмотрены общие задачи проектирования, а также методы оценки качества проекта на начальных стадиях проектирования.


1. Анализ предметной области
1.1 Принципы построения интерактивных систем проектирования
Эффективность интерактивных систем проектирования определяется способом организации взаимодействия человека и компьютера, условиями работы проектировщика и способами представления промежуточных и конечных результатов. Oбщие требования организации таких систем [1]:
Сиcтема моделей должна предоставлять лицу, принимающему решения (ЛПР), возможность отображать различные ситуации, возникающие при решении проблемы;
Возможность построения структyрных моделей без проведения натурных экспериментов;
Возможность организации оперативных процедур поиска решений;
Способность подстройки диалога к предметной области и уровню подготовки пользователя;
Возможность организации диалога в естественной для пользователя форме.
1.1.1. Стратегии проектиpования
Рассмотрим вопросы общей стратегии проектирования технологических систем в условиях виртуальной системы, которая подразумевает общую направленность и основные принципы разработки архитектуры проектируемой системы. Наиболее часто используется стратегия функционального синтеза и декомпозиции, которая реализуется в виде схем [2]:
По принципу «снизу-вверх»;
По принципу «сверху-вниз».
Функциональная декомпозиция по первой схеме заключается в первоначальном представлении системы в виде гипотетического объекта, выполняющего определенный набор функций. Этот набор представляется как сложная функция F, далее путем разложения F на множество подфункций F1, F2 . . . получают следующий уровень иерархии. Продолжая этот процесс, получим все остальные уровни.
Функциональный синтез по второй схеме предполагает наличие исходных функций (объектов, реализующих данные функции) нижнего уровня, группируя эти функции, получают агрегированные объекты более высокого уровня иерархии до получения требуемого объекта.
Использование данных стратегий ставит ряд проблем, связанных со сложностью оценки структур, полученных в результате декомпозиции или синтеза. При этом необходимо:
получение достоверных оценок качества проектных решений;
минимизация избыточности проектных решений;
увеличение степени преемственности стандартизованных, как наиболее предпочтительных, проектных решений;
сокращение сроков и трудоемкости процесса проектирования.
Далее рассматриваются подходы к организации оценки процесса проектирования, соответствующие сформулированным выше требованиям.
1.1.2. Модель задачи принятия решений
В общем виде модель задачи принятия решения может быть пред­ставлена [4]: , где: М - постановка задачи; X - множество решений; К - множество критериев, характеризующих принимаемое решение; S - множество шкал критериев; f - отображение множества допустимых решений в множестве векторных оценок; Р - система предпочтений ЛПР; r -решающее правило.
Постановка задачи характеризует цели лица, принимающего ре­шение, например, найти предпочтительное решение или множеств допустимых. Множество решений X представляет собой совокупность решений, удовлетворяющих имеющимся ограничениям и рассматрива­емых как возможные способы достижения поставленной цели. Это мно­жество определяется имеющимся множеством альтернатив.
Каждое решение приводит к выбору какого-либо варианта, который оценивается по совокупности критериев (k1(x), k2(x), . . , ,kn(x)) Совокупность представлена в виде вектора К(х) = (kt (х),... ,k n (x)).
Для каждого из критериев kt(x) должна быть задана или построена шкала Sj, представляющая собой множество упорядоченных оценок. Шкалы Slt S2, . . . , Sn, образующие множество оценок, в общем случае могут быть различ­ных типов.
Декартово произведение Y = S1x S2 х . . . х Sn образует множество векторных оценок. Каждое решение измеряется по шкале S1, S2, ... , Sn т.е. каждому решению х из множества X ставится в соответствие п- мер­ная векторная оценка S =(S1, . . . , Sn), где Sj - некоторое значение j-го критерия по шкале Sj. Таким образом, множеству допустимых решений X ставится в соответствие множество допустимых векторных оценок D С Y с помощью отображения f:X®D.
Под системой предпочтений ЛПР понимается совокупность его пред­ставлений о преимуществах и недостатках сравниваемых решений. В многокритериальной модели система предпочтений задается совокуп­ностью Р множеств с отношениями предпочтений. Отношения предпоч­тения можно задать следующим образом: решение X, предпочтительнее Хг (Xt>Xt), если K(Xt) > К(Х2), т.е. если среди равенств и неравенств ki (X1) ? ki(X2) найдется хотя бы одно строгое неравенство. Если же К(Х1) =К(Х2), то решения Х1 и Х2 считаются эквивалентными: Xt ~Х2.
На практике данное условие выполняется редко, лишь при согласова­нии всех критериев, т.е. увеличение одного соответствует увеличению других и наоборот. В общем случае обычна ситуация, когда решение, обеспечивающее увеличение значения критерия, приво­дит к уменьшению другого. Очевидно, что в этом случае принимаемое ре­шение должно основываться на некоторых условиях компромисса меж­ду критериями.
Решающее правило r (метод принятия решения) представляет собой принцип векторных оценок и вынесения суждений о предпочтительности одних из них по отношению к другим; оно может быть задано в виде аналитического выражения, алгоритма или словесной формулировки. Решающее правило формулируется на основе выявления системы пред­почтений ЛПР. На рис. 1. представлена схема задачи принятия решений.
Рисунок 1. Процеcc принятия решений
1.2. Методы оценки качества проектных решений
1.2.1. Статистические методы
В основе статистических методов оценки лежит понятие различных шкал [5].
Порядковая шкала - это шкала, классифицирующая по принципу «больше - меньше». Если в шкале наименований было безразлично, в каком порядке расположены классифицирующие ячейки, то в порядковой шкале они образуют последовательность от ячейки «самое малое значение» к ячейке «самое большое значение» (или наоборот).
Ячейки в порядковых шкалах часто называют классами («низкий», «большой» и т.п.). В порядковой шкале должно быть не менее трех классов. В порядковой шкале мы не знаем расстояний между классами, а знаем лишь, что они образуют последовательность. От классов легко перейти к числам, просто пронумеровав классы.
Интервальная шкала - это шкала, классифицирующая по принципу «больше на определенное количество единиц - меньше на определенное количество единиц». Каждое значение признака отстоит от другого на равном расстоянии.
По литературным источникам [3] равноинтервальными считаются лишь шкалы в единицах стандартного отклонения и процентильные шкалы, при условии, что распределение значений в стандартизирующей выборке было нормальным.
Для построения большинства интервальных шкал используется метод на известном правиле «трех сигм». Примерно 98% всех значений признака при нормальном распределении укладывается в диапазон M ± 3s. Можно построить шкалу в единицах долей стандартного отклонения, которая будет охватывать весь возможный диапазон изменения признака, если крайний слева и крайний справа интервалы останутся открытыми.
Другой способ построения равноинтервальной шкалы - группировка интервалов по принципу равенства накопленных частот. При нормальном распределении признака в окрестностях среднего значения группируется большая часть всех наблюдений, поэтому в этой области среднего значения интервалы оказываются уже, а по мере удаления от центра распределения они увеличиваются. Следовательно, такая процентильная шкала является равноинтервальной только относительно накопленной частоты.
Шкала равных отношений - это шкала, классифицирующая объекты пропорционально степени выраженности измеряемого свойства. В шкалах отношений классы обозначаются числами, которые пропорциональны друг другу. Это предполагает наличие абсолютной нулевой точки отсчета. По отношению к показателю частот можно применять все арифметические операции.
1.2.2. Эмпирические методы
Основная трудность в процес­се принятия решения обоснована наличием значительного числа крите­риев, характеризующих принимаемое решение. Поэтому ЛПР стремит­ся выбрать такой вариант, который представляется ему наилучшим в соответствии с его системой предпочтений.
Однако система предпочтений лица, принимающего решения, слабоструктурирована, т.е. не позволяет полностью проанализировать все альтернативы, установить их существенность, сформулировать крите­рий выбора наилучшей альтернативы. Поэтому необходимо провести определенную структуризацию задачи принятия решения, позволяю­щую уточнить систему предпочтений ЛПР, а уже затем осуществить выбор [4].
Для выявления и уточнения предпочтений ЛПР и выбора решения, согласованного с этими предпочтениями, строится многокритериаль­ная модель для проведения объективного анализа. Эта модель долж­на быть логически непротиворечивой, содержать описание всех важней­ших элементов задачи принятия решений; давать возможность исполь­зования реальной информации о задаче, получаемой от ЛПР, быть прос­той и удобной для анализа и использования лицом, принимающим решение.
1.3. Программные средства анализа статистических данных
Статистические данные востребованы разными отраслями производства, но для решения многих статистических задач не обязательно обладать большими математическими знаниями. Для решения многих задач существуют всевозможные программы, для управления которыми не обязательно обладать соответствующими математическими знаниями. Для таких случаев существуют подобные пакеты программ.
Различные по объему и качеству реализованной статистики, области возможного применения, пользовательскому интерфейсу, цене, требованиям к оборудованию и т.п., они отражают многообразие потребностей обработки данных в различных областях человеческой деятельности.
Компьютерные системы для анализа данных - пакеты статистических программ - считаются наукоемкими программными продуктами, но, пожалуй, наиболее широко применяются в практической и исследовательской работе в самых разнообразных областях.
На сегодняшний день Международный рынок насчитывает около тысячи (илидаже более) пакетов, решающих задачи статистического анализа данных в среде операционных систем Windows, DOS, OS/2.
В настоящее время, по перечисленным выше причинам, число статистических пакетов, получивших распространение в России, достаточно велико и спрос на них продолжает возрастать.
Из зарубежных пакетов это STATGRAPHICS, SPSS, SYSTAT, BMDP,SAS, CSS, STATISTICA, S-plus, и т.п.
Из отечественных можно назвать такие пакеты, как STADIA, ЭВРИСТА, МИЗОЗАВР, ОЛИМП:Стат-Эксперт, Статистик-Консультант, САНИ, КЛАСС-МАСТЕР и т.д.
Как ориентироваться в этом многообразии, если даже справочники, содержащие только краткие описания пакетов, представляют из себя объёмные тома?
Большую часть статистических пакетов можно разбить на две группы - это статистические пакеты общего назначения и специализированные программные продукты.
Универсальные пакеты - отсутствие прямой ориентации на специфическую предметную область, предлагают широкий диапазон статистических методов. В них отсутствует ориентация на конкретную предметную область. Они обладают дружественным интерфейсом. Из зарубежных универсальных пакетов наиболее распространены BAS, SPSS, Systat, Minilab, Statgraphics, STATISTICA.
Специализированные пакеты - как правило, реализуют несколько статистических методов или методы, применяемые в конкретной предметной области. Чаще всего это системы, ориентированные на анализ временных рядов, корреляционно-регресионный, факторный или кластерный анализ. Применять такие пакеты целесообразно в тех случаях, когда требуется систематически решать задачи из этой области, для которой предназначен специализированный пакет, а возможностей пакетов общего назначения недостаточно. Из российских пакетов более известны STADIA, Олимп, Класс-Мастер, КВАЗАР, Статистик-Консультант; американские пакеты - ODA, WinSTAT, Statit и т.д.
Статистический пакет в идеале должен удовлетворять определенным требованиям:
модульность;
ассистирование при выборе способа обработки данных;
использование простого проблемно-ориентированного языка для формулировки задания пользователя;
• автоматическая организация процесса обработки данных и связей с модулями пакета;
• ведение банка данных пользователя и составление отчета о результатах проделанного анализа;
• диалоговый режим работы пользователя с пакетом;
• совместимость с другим программным обеспечением.
Следует заметить что развитие СПП обычно идет поэтапно, на каждом из них создается вариант пакета, все в большей степени удовлетворяющий перечисленным выше требованиям. При этом, если создание есть результат разработки, то на каждом этапе пакет, с одной стороны, должен представлять собой готовую к использованию программную продукцию, а с другой - входить составной частью в более поздние стадии развития пакета.
Существующая классификация статистических пакетов предлагает делить их на четыре группы:
. интегрированные методо-ориентированные пакеты общего назначения;
. специализированные методо-ориентированные пакеты;
. предметно- (или проблемно-) ориентированные пакеты;
. обучающие программы.
Рассмотрим пакеты первых двух групп поскольку именно они "обслуживают" весьма широкий спектр прикладных задач.
Объемы обрабатываемых данных в пакете SРSS ограничиваются только величиной памяти вашего компьютера. Этот пакет также весьма удобен для работы с данными сложной структуры, когда необходимо делать их всевозможные срезы, как, например, в комплексном социологическом исследовании.
Следует отметить, что продвижение западных продуктов в российской аудитории наталкивается на ряд ограничений в связи с неадекватностью культурно-исторической ситуации.
Большинство из таких статистических пакетов имеют следующие недостатки:
. Требуют наличие профессиональных навыков и высокой квалификации, широкого первоначального статистического образования, доступной литературы и консультационных служб. Поэтому они содержат мало экранных подсказок и требуют внимательного изучения документации на английском языке.
Представляют сложности для быстрого освоения и использования. Отсутствие подробной документации, доступной для начинающих и информативной для специалистов-статистиков (исключение SPSS).
Требуют больших финансовых затрат, так как немаловажное значение имеет цена пакета. Профессиональные западные статистические пакеты (SРSS,SAS,BMDР и т.д.) обычно стоят от 1 до 10 тыс. долларов и более. Мало кто готов заплатить такие деньги.
Пакет SРSS - универсальный статистический пакет фирмы SРSS Inc. (СА). Версии системы SРSS существуют для различных платформ - Windows, ОS/2, Macintоsh, UNIX, и др. Все они совместимы между собой по принципу работы, командному языку и форматам файлов. Версия SРSS для Windows продолжает сохранять позиции лидирующего статистического пакета в мире. В России сейчас распространяется 11 версия SРSS для Windows на англ.языке и версия 10.1 на русском языке. Большая часть обширной документации переведена на русский язык.
Пакет SРSS предлагает удобные возможности управления данными, широкий спектр статистических функций, интегрированных графиков и отчетов. SРSS является модульной программой. Базовая система SРSS Ваsе предоставляет пользователям возможности для преобразования данных, функции работы с файлами, описательную статистику, дисперсионный анализ, корреляцию,линейную регрессию, средства построения графиков и подготовки отчетов и др.
Дополнительные модули пакета включают: анализ и конструирование таблиц, анализ временных рядов, анализ категорий, методы углубленного и расширенного статистического анализа и др. Документация к системе SРSS признана лучшей для систем подобного типа и может использоваться в качестве доступного учебника по прикладной статистике.
Пакет STATISTICA - универсальный статистический пакет фирмы StatSоft, Inc. Пакет был создан в начале 1990-х годов сразу для среды Windows. В пакете нашли отражение многие последние достижения теоретической и прикладной статистики. В настоящее время в России распространяется версия 5.5 этого пакета на русском языке с русской документацией и версия 6.0 на английском языке.
У пакета есть специальная версия для обучения основам статистических методов - Studеnt Еditiоn оf STATISTICA. Эта версия позволяет анализировать файлы данных, включающих не более 400 наблюдений, и представляет собой урезанный вариант пакета.
Основная версия пакета может дополнительно комплектоваться специализированными модулями: Роwеr Analysis (планирование статистических исследовании), Nеural Nеtwоrks (нейросетевой анализ) и др.
Помимо общих статистических и графических средств в системе имеются специализированные модули, например, для проведения социологических или биомедицинских исследований, решения технических и, что очень важно,промышленных задач: карты контроля качества, анализ процессов и планирование эксперимента. Работа со всеми модулями происходит в рамках единого программного пакета, для которого можно выбирать один из нескольких предложенных интерфейсов пользователя.
С помощью реализованных в системе STATISTICA мощных языков программирования, снабженных специальными средствами поддержки, легко создаются законченные пользовательские решения и встраиваются в различные другие приложения или вычислительные среды. Очень трудно представить себе, .что кому-то могут понадобиться абсолютно все статистические процедуры и методы визуализации, имеющиеся в системе STATISTICA, однако опыт многих людей, успешно работающих с пакетом, свидетельствует о том, что возможность доступа к новым, нетрадиционным методам анализа данных помогает находить новые способы проверки рабочих гипотез и исследования данных.
Пакет STATGRAРHICS - универсальный, многопрофильный пакет с хорошо методически продуманным меню-ориентированным интерфейсом пользователя. DОS версии этого пакета, по-видимому, были самыми распространенными в России из западных статистических пакетов.
В настоящее время распространяется версия STATGRAРHICS Рlus Vеrsiоn 5 для среды Windows. Пакет не русифицирован и его документация не переведена на русский язык. Однако работа пакета хорошо разобрана на примерах.
2. Постановка задачи
Одной из важнейших проблем на начальных стадиях проектирования является отсутствие достаточного количества информации для применения стандартных статистических методов и использования соответствующих критериев [6]. Поэтому необходимо рассмотреть альтернативные методы решение задачи принятия решений для данного круга проблем. При уточнении целесообразности проведения проектных работ необходимо учитывать тенденции изменения признаков проектируемой системы, влияющих на их качество. При этом предварительная оценка должна исчисляться на основе обоснованного анализа, как собственного опыта, так и на базе сравнительного анализа.
С этой точки зрения необходимо оценить количество информации, выбрать методы решения и критерии оценки. То есть требуется в соответствии с моделью принятия решений разработать методы подготовки и оценки альтернатив при ограниченном количестве информации. При достаточном количестве информации данная задача может быть решена известными методами [5], однако при отсутствии достаточного количества информации сформулируем задачу следующим образом:
Имеется множество альтернатив A и множество факторов K, по которым оцениваются отдельные альтернативы.
Используя эту информацию, необходимо получить оценку решения в ситуации и получить тенденции влияния отдельных факторов на качество результатов проектирования.
Для этого необходимо осуществить:
Выбор и обоснование критериев оценки качества проекта, что представляет собой задачу идентификации, успех решения которой зависит от соотношения двух факторов - объема априорной информации о прогнозируемом процессе и объема информации, полученной в ходе решения проблемы.
При этом в силу того, что на определенных этапах могут быть неизвестны все факторы, но используя знания, накопленные при наблюдениях исследуемого процесса, можно произвести оценку с достаточной степенью точности, что позволяет использовать алгоритмы и полученные на их основе программы для подготовки и принятия решений.
3. Техническое задание
3.1. Основание для разработки
Основанием для настоящего дипломного проекта служит задание на дипломное проектирование.
3.2. Назначение дипломного проекта
В настоящем дипломном проекте реализуется подсистема оценки тенденций изменения факторов при принятии проектных решений.
3.3. Результаты разработки
Результаты разработки должны включать:
1. Формирование запросов к базе данных для проведения проектных исследований
2. Формы для ввода информации.
3. Средства для формирования данных для принятия решений.
4. Средства для интеграции с графическими и текстовыми редак­торами.
5. Интерфейс конечного пользователя.
3.4. Требования к программному продукту
1. Разрабатываемое программное обеспечение должно осуществлять ведение базы данных и возможность обработки поступающей информации для оперативного принятия решений.
2. Программный продукт должен иметь интерфейс с основными приложениями MS Office.
3. Для системы должна быть предусмотрена возможность функционирования в локальной сети.
4. Система должна быть разработана в виде библиотеки запросов, форм, отчетов и макросов.
5. Система должна функционировать в стандартной конфигурации под управлением Windows XP или других поздних версиях Windows. Используемые программы и драй­веры не должны конфликтовать с драйверами сетевой операционной системы.
4. Анализ применимости критериев
4.1. Определения
В процессе принятия решений могут участвовать множество проектировщиков и привлеченных экспертов, выполняя различные роли. Человека, фактически осуществляющего выбор варианта действий, принято называть лицом, принимающим решения (ЛПР).
Эксперт - профессионал в той или иной области, к которому обращаются люди, включенные в процесс принятия решений, за оценками и рекомендациями.
Факторы - показатели, характеризующие привлекательность той или иной альтернативы для ЛПР, также называют признаками, атрибутами или показателями качества. Все они служат критериями выбора решения.
Статистическая гипотеза - любое утверждение относительно распределения Р, случайной величины Х, известное полностью или частично. Различают:
· Статистическая гипотеза, однозначно определяющая распределение Р, то есть , где H :{P=P0 }, P какой-то конкретный закон, называется простой.
· Статистическая гипотеза, утверждающая принадлежность распределения Pk некоторому семейству распределений, то есть вида , где ? - семейство распределений, называется сложной.
Мощность критерия: вероятность отклонить гипотезу , если на самом деле верна альтернативная гипотеза . Мощность критерия является числовой функцией от альтернативной гипотезы .
4.2.Непараметрические критерии
Непараметрическими критериями называют те приемы обработки экспериментальных данных, которые не рассматривают анализируемое статистическое распределение как функцию, их применение не предполагает предварительного вычисления параметров распределения. Эти критерии сопоставляют не сами по себе полученные величины, а порядок их расположения, их соотношение по типу больше - меньше [6].
В большинстве психолого-педагогических исследованиях для оценки существенных различий испол........


Литература
1. Малюх В. Н. Введение в современные САПР: Курс лекций. - М.: ДМК Пресс, 2010.
2. Норенков И. П. Основы автоматизированного проектирования: учеб. для вузов. - 4-е изд., перераб. и доп. - М.: Изд-во МГТУ им. Н. Э. Баумана, 2009.
3. Хемди А. Таха. Введение в исследование операций = Operations Research: An Introduction. - М.: Вильямс < w/index.php?title=%D0%92%D0%B8%D0%BB%D1%8C%D1%8F%D0%BC%D1%81_(%D0%B8%D0%B7%D0%B4%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D1%81%D1%82%D0%B2%D0%BE)&action=edit&redlink=1>, 2007.
4. Грешилов А. А. Математические методы принятия решений. - М.: МГТУ им. Н.Э. Баумана < w/index.php?title=%D0%9C%D0%93%D0%A2%D0%A3_%D0%B8%D0%BC._%D0%9D.%D0%AD._%D0%91%D0%B0%D1%83%D0%BC%D0%B0%D0%BD%D0%B0_(%D0%B8%D0%B7%D0%B4%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D1%81%D1%82%D0%B2%D0%BE)&action=edit&redlink=1>, 2006.
5. Кобзарь А. И. Прикладная математическая статистика. Справочник для инженеров и научных работников. - М.: Физматлит, 2006.
6. Холлендер М., Вульф Д. А. Непараметрические методы статистики. М., 1983
7. Ларичев О.И. Теория и методы принятия решений. М., 2000.
8. А.В. Лотов, И.И.Поспелова «Многокритериальные задачи принятия решений»: Учебное пособие. - М.: Макс Пресс, 2008. с.9
9. Ногин В.Д. Использование количественной информации об относительной важности критериев в принятии решений.// «Научно-технические ведомости СПбГТУ», 2000, №2
10. Элисон Балтер Microsoft Office Access 2007: профессиональное программирование . - М.: «Вильямс» < w/index.php?title=%D0%92%D0%B8%D0%BB%D1%8C%D1%8F%D0%BC%D1%81_(%D0%B8%D0%B7%D0%B4%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D1%81%D1%82%D0%B2%D0%BE)&action=edit&redlink=1>, 2008.
11. Уокенбах Джон. Microsoft Office Excel 2007. Библия пользователя. -М.: "Вильямс", 2008.
12. СанПиН 2.2.4/2.1.8.055-96
13. СанПиН 2.1.8/2.2.4.1383-03
14. < articles/public4.doc>
15. < db/msg.html?mid=1171833&s>=
16. < problems/gorsreda>




Перейти к полному тексту работы


Смотреть похожие работы

* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.