Рабочая программа дисциплины «Компьютерная обработка экспериментальных данных»
жүктеу/скачать 230 Kb.
|
Компьют. обраб. эксперим. данных(последний вар)
| Аннотация
Дисциплина «Прикладные методы статистики» является факультативной дисциплиной образовательной программы по направлению «01.03.02 «Прикладная математика и информатика» направленность «Исследование операций, системный анализ и управление динамическими системами». Дисциплина реализуется кафедрой №41. Дисциплина не является обязательной при освоении обучающимся образовательной программы и направлена на углубленное формирование профессиональных компетенций: ПК-1 «способность собирать, обрабатывать и интерпретировать данные современных научных исследований, необходимые для формирования выводов по соответствующим научным исследованиям», ПК-2 «способность понимать, совершенствовать и применять современный математический аппарат». Содержание дисциплины охватывает круг вопросов, связанных с современными средствами математического описания и анализа производственных процессов и систем, методах обработки и анализа результатов численных и натурных экспериментов. В процессе изучения дисциплины Прикладная методы статистики студенты учатся выбирать и разрабатывать адекватные алгоритмы решения задач, связанных с обработкой информации, грамотно использовать вычислительные средства для решения задач по общеинженерным и профилирующим дисциплинам, а также при курсовых проектированиях. Изучение дисциплины должно способствовать более раннему привлечению студентов к научно-исследовательской работе Содержание дисциплины является логическим продолжением содержания дисциплин: курса математики и информатики; вопросы, изучаемые в курсе дискретной математики, базируются на общематематических курсах, изучаемых студентами на предыдущих семестрах, в частности, в курсах математического анализа и вычислительной математики. Выпускник ГУАП должен знать основные сведения из теории распределений; общие принципы метода Монте-Карло; некоторые конкретные методы статистического анализа данных; знать основные сведения из теории погрешностей; области применения изученных методов; строить точечные и интервальные оценки неизвестных изучаемых параметров математических моделей; проверять простые статистические гипотезы о числовых значениях распределений; строить и вычислять параметры линейной регрессии по наблюденным данным. Уметь строить математические модели инженерных задач и анализировать производственные процессы на основе их математических моделей; использовать возможности ЭВМ для выражения количественных и качественных связей реальных процессов, построения и исследования моделей, делать практические выводы из результатов численных и натурных экспериментов; иметь опыт использования возможностей современных ЭВМ и опыт работы со стандартными пакетами прикладных программ. Преподавание дисциплины предусматривает следующие формы организации учебного процесса: лекции, лабораторные работы, консультации, курсовое проектирование. Программой дисциплины предусмотрены следующие виды контроля: текущий контроль успеваемости, промежуточная аттестация в форме зачета. Общая трудоемкость освоения дисциплины составляет 2 зачетных единицы, 72 часа. Язык обучения по дисциплине «русский». жүктеу/скачать 230 Kb. Достарыңызбен бөлісу:
|