https://elib.bsu.by:443/handle/123456789/310778 Mon, 20 Apr 2026 01:19:58 GMT 2026-04-20T01:19:58Z https://elib.bsu.by:443/handle/123456789/310674 Заглавие документа: Статистические методы управления качеством: учебная программа учреждения высшего образования по учебной дисциплине для специальности: 1-31 03 06 Экономическая кибернетика (по направлениям) Направление специальности: 1-31 03 06-01 Экономическая кибернетика (математические методы и компьютерное моделирование в экономике). № УД-12591/уч. Авторы: Малюгин, В. И. Аннотация: ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Важнейшим условием успешного функционирования и развития, как отельных производителей, так и экономики в целом является выпуск конкурентной продукции. В основе конкурентоспособности лежит высокое качество товаров и услуг. Современные технологии управления качеством основываются на концепции всеобщего управления качеством (Total Quality Management  TQM) и системах менеджмента качества, одним из основных элементов которых в соответствии с международными стандартами ISO является применение статистических методов управления качеством (Statistical Quality Control  SQС). Учебная дисциплина «Статистические методы управления качеством» для специальности 1-31 03 06 Экономическая кибернетика (по направлениям) предполагает изучение статистических методов и моделей, предназначенных для решения задач статистического управления качеством продукции (товаров и услуг) на различных этапах производства, включая: анализ состояния технологических процессов, регулирование технологическими процессами в процессе производства продукции, приемочного контроля качества готовой продукции на основе статистического выборочного контроля качества продукции. Особое внимание в курсе уделяется применению статистических методов управления качеством в разработке программных продуктов. Теоретический курс поддерживается лабораторным компьютерным практикумом. Индивидуальные компьютерные задания практикума, позволяют студентам применить на практике теоретические знания и получить навыки решения типовых задач статистического управления качеством с помощью универсальных статистических пакетов SPSS Statistics, STATISTICA, и языков программирования R или Python. Цели и задачи учебной дисциплины Цели дисциплины «Статистические методы управления качеством»:  освоение студентами теоретических основ статистического управления качеством;  формирование навыков их практического применения статистического управления качеством для решения практических задач с помощью статистического программного обеспечения и языков программирования. Задачи дисциплины «Статистические методы управления качеством»:  изучение теоретических основ статистического управления качеством, включая: методы оценки качества и анализа дефектности; методы анализа состояния технологических процессов (ТП); методы статистического регулирования ТП на основе контрольных карт; методы статистического приемочного контроля качества готовой продукции; методы оценки и анализа затрат на качество.  приобретение практических навыков решения задач статистического управления качеством на этапе производства продукции;  приобретение навыков программирования алгоритмов статистического управления качеством на языке R. Место учебной дисциплины в системе подготовки специалиста с высшим образованием. Учебная дисциплина «Статистические методы управления качеством» относится к дисциплинам специализации компонента учреждения образования. Wed, 05 Jul 2023 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/310674 2023-07-05T00:00:00Z https://elib.bsu.by:443/handle/123456789/310673 Заглавие документа: Статистический анализ данных: учебная программа учреждения высшего образования по учебной дисциплине для специальности: 1-31 03 06 Экономическая кибернетика (по направлениям) Направление специальности: 1-31 03 06-01 Экономическая кибернетика (математические методы и компьютерное моделирование в экономике). № УД-12589/уч. Авторы: Малюгин, В. И.; Харин, Ю. С. Аннотация: ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Статистический анализ данных (САД) – это научное направление, которое объединяет вероятностно-статистические модели и способы описания эмпирических данных, а также алгоритмы, методы и компьютерные технологии, предназначенные для сбора, систематизации, представления, хранения, предварительной обработки и анализа данных с целью получения научно обоснованных и практически важных выводов, а также принятия решений относительно исследуемых объектов и процессов. Методы статистического анализа данных представляют собой универсальный инструментарий, который активно применяется в научных исследованиях и в практических приложениях для решения задач анализа причинно-следственных связей, прогнозирования и оптимизации решений при разработке технических систем, статистическом управлении технологическими процессами, защите информации, анализе процессов в экономике и социологии, разработке новых методик лечения и медицинских препаратов в медицине и биоинформатике. Развитие математического инструментария и компьютерных технологий способствует расширению числа и сложности решаемых задач анализа данных сложной структуры с помощью методов статистического анализа данных в режимах «обучения» и «самообучения», реализованных в статистических пакетах с пользовательским интерфейсам и пакетах языков программирования R и Python с развитыми возможностями статистического анализа данных. В целом методология статистического анализа данных лежит в основе методов машинного обучения, интеллектуального анализа данных и анализа больших данных. Учебная дисциплина «Статистический анализ данных» для специальности 1-31 03 06 Экономическая кибернетика (по направлениям) предполагает изучение методов статистического анализа данных в предположении, что данные имеют вероятностную (стохастическую) природу, а для их описания и анализа используются многомерные вероятностно-статистические модели и методы, реализованные в пакетах с пользовательским интерфейсом, таких как IBM SPSS Statistics, STATISTICA, Stata, а также в пакетах языков R и Python. Данная дисциплина охватывает важные разделы «Науки о данных» (Data Science) и является необходимым этапом обучения специалистов в области анализа данных (аналитиков данных), предшествующим изучению методов машинного обучения и технологий анализа больших данных. Теоретический курс поддерживается лабораторным компьютерным практикумом, предполагающим использование статистических пакетов и языков программирования R или Python. Учебная дисциплина «Статистический анализ данных» знакомит студентов с классическими и современными методами анализа многомерных данных. К ним относятся:  предварительный дескриптивный и графический анализ многомерных данных;  статистические методы оценивания параметров моделей;  статистические критерии проверки гипотез о свойствах моделей данных;  анализ и моделирование статистических зависимостей;  анализ аномальных наблюдений;  анализ неоднородных данных с помощью методов статистической классификации в режиме обучения и самообучения;  снижение размерности данных и формирование информативных классификационных признаков с помощью метода главных компонент. Цели и задачи учебной дисциплины Цели дисциплины «Статистический анализ данных»:  освоение студентами теоретических основ статистического анализа;  формирование навыков их практического применения для решения задач анализа данных с помощью статистического программного обеспечения. Задачи дисциплины «Статистический анализ данных»: – изучение теоретических основ статистического анализа многомерных данных; – овладение инструментальными средствами, включая статистические пакеты с пользовательским интерфейсом, а также языки R и Python; – формирование практических навыков решения типовых задач статистического анализа реальных данных с помощью стандартного статистического программного обеспечения. Место учебной дисциплины в системе подготовки специалиста с высшим образованием. Учебная дисциплина «Статистический анализ данных» относится к дисциплинам специализации компонента учреждения образования. Связи с другими учебными дисциплинами. Mon, 05 Jun 2023 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/310673 2023-06-05T00:00:00Z https://elib.bsu.by:443/handle/123456789/310666 Заглавие документа: Моделирование финансового рынка: учебная программа учреждения высшего образования по учебной дисциплине для специальности: 1-31 03 06 Экономическая кибернетика (по направлениям) Направление специальности: 1-31 03 06-01 Экономическая кибернетика (математические методы и компьютерное моделирование в экономике). № УД-12592/уч. Авторы: Малюгин, В. И. Аннотация: ПОЯСНИТЕЛЬНАЯ ЗАПИСКА Дисциплина «Моделирование финансового рынка» знакомит студентов с разделами финансовой экономики и финансовой эконометрики, в которых излагаются методы анализа финансового рынка на основе вероятно-статистических моделей курсов и доходностей финансовых активов и их эконометрических представлений. Изучаемый в рамках дисциплины подход к анализу финансового рынка принято называть количественным анализом финансового рынка (Quantitative Analysis of Financial Market). Основным объектом изучения выступает рынок ценных бумаг (фондовый рынок), который является наиболее важной и сложной для анализа и моделирования частью современного финансового рынка. Цели и задачи учебной дисциплины Целью дисциплины «Моделирование финансового рынка» является освоение студентами математических моделей и методов анализа финансового (фондового) рынка, предназначенных для решения следующих задач: - анализ стоимости и доходности ценных бумаг; - оптимизация структуры портфелей ценных бумаг; - минимизация инвестиционных рисков; - анализ и прогнозирование финансовых рынков в условиях неопределенности на основе математических моделей. Задачами дисциплины «Моделирование финансового рынка» являются: – освоение студентами принципов организации и функционирования финасовых рынков; – освоение теоретических основ и практических навыков по анализу ценных бумаг и фондового рынка в условиях неопределенности с использованием эконометрических моделей; – изучение методов оптимального портфельного инвестирования и теории эффективного финансового рынка; – знакомство с моделями равновесия фондового рынка и методами их применения в задачах оптимизации инвестиционных портфелей. Место учебной дисциплины в системе подготовки специалиста с высшим образованием. Учебная дисциплина «Моделирование финансового рынка» относится к циклу специальных дисциплин компонента учреждения высшего образования. Wed, 05 Jul 2023 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/310666 2023-07-05T00:00:00Z https://elib.bsu.by:443/handle/123456789/296934 Заглавие документа: Статистический анализ данных: учебная программа учреждения высшего образования по учебной дисциплине для специальности: 1-31 03 06 Экономическая кибернетика (по направлениям) направление специальности: 1-31 03 06-01 Экономическая кибернетика (математические методы и компьютерное моделирование в экономике). № УД-11711/уч. Авторы: Малюгин, В. И.; Харин, Ю. С. Аннотация: Статистический анализ данных (САД) – это научное направление, которое объединяет вероятностно-статистические модели и способы описания эмпирических данных, а также алгоритмы, методы и компьютерные технологии, предназначенные для сбора, систематизации, представления, хранения, предварительной обработки и анализа данных с целью получения научно обоснованных и практически важных выводов, а также принятия решений относительно исследуемых объектов и процессов. Методы статистического анализа данных представляют собой универ- сальный инструментарий, который активно применяется в научных исследованиях и в практических приложениях для решения задач анализа причинно- следственных связей, прогнозирования и оптимизации решений при разработке технических систем, статистическом управлении технологическими процессами, защите информации, анализе процессов в экономике и социологии, разработке новых методик лечения и медицинских препаратов в медицине и биоинформатике. Развитие математического инструментария и компьютерных технологий способствует расширению числа и сложности решаемых задач анализа данных сложной структуры с помощью методов статистического анализа данных в режимах «обучения» и «самообучения», реализованных в статистических пакетах с пользовательским интерфейсам и пакетах языков программирования R и Python с развитыми возможностями статистического анализа данных. В целом методология статистического анализа данных лежит в основе методов машинного обучения, интеллектуального анализа данных и анализа больших данных. Fri, 08 Jul 2022 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/296934 2022-07-08T00:00:00Z