1.1 Постановка задачи

Пусть наблюдается изменение котировок акций за определенный промежуток времени. Количество рассматриваемых акций на данном фондовом рынке будем обозначать через N, а число дней, за которое осуществлялось наблюдение, - через n.

Как было сказано ранее, основой данной работы является информация о доходностях акции за определенный промежуток времени, которая находится по формуле:

где - цена акции iза день t (i = 1,…,N; t = 1,…,n)

Также в работе делаем следующие предположения:

· является наблюдением случайной величины

· Случайные величины при t=1,…,nи фиксированном iнезависимы и имеют одинаковое распределение.

· Случайный вектор ()имеет многомерное нормальное распределение с вектором средних значений , где , и ковариационной матрицей , где .

Основной теоретический вопрос: возможно ли считать, что реальные данные не противоречат гипотезе о том, что средняядоходность акций фондовых рынков различных стран равна нулю.

Для проверки этого вопроса, необходимо узнать для каких акций, при каком объеме данных и для каких фондовых рынков гипотеза о значении средней доходности равной 0 будет отвергаться. А значит задача сводится к задаче множественной проверки гипотез и выбору одной гипотезы из набора следующих гипотез:

где - суммарное число гипотез.

1.2 Методы теории множественных решений

Набор гипотез описанный выше можно записать через следующие порождающие гипотезы

(2)

Таким образом, можно записать

(3)

Стоит отметить, что в данном случае все пресечения параметрических областей для соответствующих гипотез не пустые.

Для проверки порождающих или индивидуальных гипотез используется следующий тест:

(4)

Где - решение о принятии гипотезы ; - решение об отвержении гипотезы (принятии альтернативной гипотезы ); - статистика теста.

Нетрудно видеть, что все пересечения областей принятия и отвержения гипотез не пустые, т.е.

Тогда между разбиением (1) пространства и разбиением (2) параметрического пространства существует взаимнооднозначное соответствие. Таким образом, множество тестов (4) совестимо с задачей (1), статистическую процедуру которой можно записать в следующем виде:

(5)

Пусть будет обозначать потери в случае отвержения гипотезы , когда гипотеза истинная, т.е. потери от ошибки первого рода, и пусть будет обозначать потери в случае принятия гипотезы , когда она ложная, т.е. потери от ошибки второго рода(i = 1,2,…,N).

Обозначим через потери в случае принятии решения при верной гипотезе , где j,k=1,2,…,L. Связь потерь , и является ключевой во множественной проверке гипотез и называется аддитивной функцией потерь. В работе предполагается, что условие аддитивности выполняется. Это означает, что потери от неправильной классификации акций равны сумме потерь от неправильной классификации отдельных акций.

Рассмотрим пару примеров, чтобы разобраться. При таком условии имеем , потому что и отличались одной компонентой, и гипотеза должна быть верной, хотя было принято решение. По такому же принципу получаем , , , . Таким образом, можем записать в общем виде

(6)

Где

Качество любой статистической процедуры измеряется функцией риска [4]. В данном случае функция риска определяется следующим образом.

Тогда

С учетом аддитивности функции потерь функция риска принимает вид:

(7)

Основной результат теории Лемана гласит: если статистические процедуры все не смещены, то процедура множественного решения тоже не смещена, а также если все оптимальны в классе несмещенных статистических процедур, то процедура принятия решения также оптимальна.[2]

Обозначим через функцию потерь

(8)

Функция принятия решения называется W-несмещенной если для всех м и м'

(9)

Риск для теста (4) порождающих гипотез для и функция потерь ()

(10)

Риск для теста (4) порождающих гипотез для и функция потерь ()

(11)

Тогда можно записать

Таким образом (4) будет W-несмещенным если

(12)

Преобразуем неравенства с учетом

Получим

(13)

Таким образом, можно видеть, что условие W-несмещенности для данной функции потерь эквивалентно

Согласно (7) условие W-несмещенности для аддитивной функции потерь для статистической процедуры множественного решения (5) имеет вид:

(14)

1.3 Оптимальный несмещенный тест без учета априорной информации

Прежде чем приступить к рассмотрению процедур множественной проверки статистических гипотез, необходимо выяснить, для чего именно эти процедуры служат с математической точки зрения.

Допустим, что мы проверяем истинность m нулевых гипотез, которые в дальнейшем будем обозначать через ,,… . В отношении каждой из этих гипотез мы применяем определенный статистический критерий и делаем заключение о том, отвергаем ли мы гипотезу или нет. Результаты такого анализа можно отобразить в следующей таблице:

Таблица 2. Ошибки первого и второго рода при множественной проверке гипотез.

Представленную выше таблицу необходимо понимать следующим образом:

· В первой строчке мы видим, что всего число верных нулевых гипотез равняется , из которых часть U гипотез в результате анализа определяется правильно, а соответственно остальная V часть ошибочно отвергается.

· Аналогичная ситуация происходит и во второй строчке, существует число неверных (альтернативных) гипотез, которые в свою очередь содержат число S безошибочно отвергнутых гипотез и соответственно число T ошибочно принятых.

· Стоит заметить, что количество отвергнутых R и количество принятых W гипотез известно, в то время как и нам неизвестны.

Получается, необходимо минимизировать количество ложно отвергнутых гипотез (ошибка первого рода), а так же количество ложно принятых гипотез. Если число ложно отвергнутых гипотез не меньше одного (V?1), то в таком случае совершается как минимум одна ошибка первого рода, а вероятность такой ошибки в случае множественной проверки гипотез принято называть «групповой вероятностью ошибки» или FWER (англ. «familywiseerrorrate»).

(19)

Пытаясь контролировать групповую вероятность ошибки на определенном, заданном уровне значимости б, необходимо, чтобы выполнялось неравенство.

Процедура Бонферрони

Глава II. Проведение экспериментов и анализ характеристик тестов

Перед непосредственным применением тестов для проверки гипотезы на реальных данных, необходимо изучить основные характеристики, проанализировать поведение теста без учета априорной информации и теста с учетом априорной информации и выбрать из этого анализа лучший.

Для тестирования статистических процедур применялся метод Монте-Карло. Дляэтогоспомощьюфункцииnumpy.random.multivariate_normal(mean, cov, size), гдеmean-вектор математического ожидания, cov-ковариационная матрица, size-размер выборки, генерировались повторные наблюдения, имеющие псевдослучайное многомерное нормальное распределение.

2.1 Эксперименты сравнения тестов без учета и с учетом априорной информации

Сравнение процедур без учета и с учетом априорной информации, осуществлялось по средствам сравнения ошибок первого рода и мощности обеих процедур.

Для того, чтобы показать различия процедур, брались 3 вида ковариационных матриц: ковариационная матрицаакций индекса NASDAQ100; ковариационная матрица, элементы которой превышают заданный порог; единичная матрица.Уровень значимости брался равным б=0,05. Количество повторных генераций = 1000.

Ошибка первого рода

Из графиков видно, что для ковариационной матрицы NASDAQ100 и пороговой ковариационной матрицы мощности обоих тестов при различных значениях м, где это значение не равно 0, на промежутке от -1 до 1 максимальны, т.е. равны 1. В случае единичной матрицы значения мощностей обоих тестов примерно одинаковы и равны единице для м, значения которых по модулю больше и равны 0.5. Посмотрим как ведут себя мощности тестов при меньших значениях м.

Из рисунков 10 и 11 можно увидеть что для ковариационной матрицы NASDAQ100 мощность теста с учетом априорной информации имеет большую мощность в отличие от теста без учета априорной информации. Однако, для пороговой ковариационной и единичной матриц тест с учетом априорной информации имеет некоторое отставание в мощности(Рис.13-15).

2.2 Эксперименты множественной проверки гипотез. Использование процедур Бонферрони и Холма

На данном этапе проводились эксперименты в предположении, что среди N акций есть K известных и U неизвестных акций (N=K+U). В этом случае задача становится задачей множественной проверки гипотез и в этом случае, как обсуждалось в главе Х, имеется групповая вероятность ошибки первого рода. Поэтому, помимо использования тестов с учетом априорной информации и без в экспериментах будут рассмотрены использование этих тестов вместе с процедурами Бонферрони и Холма.

Эксперименты проверки ошибок первого рода и мощности осуществлялись по тому же принципу - метод Монте-Карло. Уровень значимости брался равный 0.05, количество повторений - 1000, в качестве ковариационной матрицы бралась ковариационная матрица для первых 30 акций индекса NASDAQ100.

Ошибка первого рода

Для проверки ошибки первого рода проводилось несколько экспериментов: подсчет доли отвергнутых гипотез при изменении размера выборки n, при изменении количества неизвестных акций(U) и при изменении количества известных акций(K).



Из графиков видно, что наименьшее количество ошибочно отвергнутых гипотез было у процедур Бонферрони и Холма с учетом априорной информации, это значение было очень близко к нулю даже при маленьких размерах выборки. Стоит также отметить, что приразмере выборки меньшего 100 обычному тесту без учета априорной информации не удается контролировать уровень значимости (Рисунок 16), в то время как обычный тест с учетом информации имел близкую к нулю долю ошибок первого рода.

Мощность

Для проверки мощности брался вектор математического ожидания, состоящий из K нулей для известных акций и U не нулевых значений для неизвестных акций. На данном этапе проводились следующие эксперименты: подсчет (количество верно отвергнутых акций) мощности при изменении значения математического ожидания неизвестных акций на диапазоне [-1,1]; подсчет мощности при малых значениях математического ожидания [0.001,0.01]; подсчет мощности при изменении количества неизвестных акций; подсчет мощности при изменении количества известных акций; подсчет мощности при изменении размера выборки.



Таким образом, можно сделать следующие выводы:

· наибольшую мощность имеет тест без учета априорной информации;

· все тесты на интервале от 0.1 до 1 имеют максимальную мощность;

· тесты никак не реагируют на увеличение количества известных акций;

· на увеличение количества неизвестных акций реагируют тесты с использованием процедур Бонферрони и Холма, их мощность с увеличением числа акций уменьшается;

· уже при размере выборки n = 250 и более мощность всех тестов близка к максимальному значению - 1 даже при низких значениях альтернативы - 0.005.

Вывод по всем экспериментам на сгенерированных данных: Для проверки гипотезы о том, что все акции на рынке равны 0, в том случае, когда нет никакой информации о доходностях акций, целесообразней использовать тест без учета априорной информации с использованием процедуры Холма, так как доля ошибок первого рода с его использованием близка к нулю, а мощность несильно уступает обычному тесту без учета априорной информации и при размере выборки больше 250 имеют одинаковую высокую мощность (Рисунок 23).В том случае, когда на рынке имеется информация о доходностях некоторых акций, целесообразней всего использовать тест с учетом априорной информации без каких-либо дополнительных процедур, так как доля ошибок первого рода уже при малых размерах выборки близка к нулю, что совпадает с результатами процедур Бонферрони и Холма, а мощности с их использованием сильно уступают другим тестам.

2.3 Анализ Российского и Американского рынков

В этой главе приведены результаты анализа двух рынков - Российского (Московская Биржа [8]) и Американского (NASDAQ [9]) за период 01.01.2019-31.12.2019-всего 251 торговых дней. Данные о ценах акций были получены с сайта YahooFinance. Анализ производился по акциям основных индексов -RTSIndex,NASDAQ-100 - а также осуществлялся отраслевой анализ. Заданный уровень значимости б = 0.05.

Основные индексы стран

В этом анализе было рассмотрено 2 случая: осуществление проверки гипотез, в предположении о том, что акции между собой независимы; осуществление проверки гипотезы, в предположении, что акции на рынке зависимы и имеется априорная информация о некоторых акциях. В первом случае использовался тест без учета априорной информации совместно с процедурой Холма. Результаты для индексов обоих рынков приведены в Приложении А. Во втором случае использовался тест с учетом априорной информации, а также осуществлялся предварительный анализ поведения акций за 10 лет. За каждый год осуществлялась проверка гипотезы о равенстве нулю, в том случае, когда для анализируемой акции гипотеза не отвергалась за все 10 лет, предполагалось, что ее математическое ожидание действительно равно 0 и она добавлялась в список «известных» акций. Таким образом, для RSTIndexбыло выбрано 26 известных акций из 41 акции и для NASDAQ100 - 40 из 89. Для оставшихся «неизвестных» акций осуществлялась проверка гипотез за период 01.01.2019 - 31.12.2019. Результаты представлены в Приложении Б.

Вывод: Из таблиц (ПриложенияА, Б) видно, что гипотеза о математическом ожидании не отвергается для всех акций как при проверке с априорной информацией, так и без, что подтверждает основное предположение - реальные данные не противоречат гипотезе о том, что средняядоходность акций фондовых рынков различных стран равна нулю.

Отрасли стран

В данном анализе рассматривались сектор энергетических и минеральных ресурсов, транспортный сектор, финансовый сектор Российского рынка и сектор информационных технологий, сектор энергетических и минеральных ресурсов, сектор здравоохранения Американского рынка. Для проверки гипотез использовался тест без учета априорной информации с использованием процедуры Холма. Результаты анализа представлены в таблицах Приложения В.

Вывод: При анализе всех перечисленных секторов для Российского и Американского рынков за период 01.01.2019 - 31.12.2019 при заданном уровне значимости б = 0.05 гипотеза о математическом ожидании равном 0 не отвергается ни для одной акции. Таким образом, можно сделать вывод, что результаты секторного анализа не имеют достаточных оснований отвергнутьосновное предположение о нулевом значении средней доходности акций.



Заключение

Научное исследование, описанное в данной выпускной квалифицированной работе, является статистическим исследованием в области фондовых рынков. Целью данной дипломной работы являетсяпостроение статистических процедур множественной проверки гипотез о равенстве нулю средней доходности.Основной гипотезойявлялось предположение, что средняя доходность акций различных стран равна нулю.

Для проверки этой гипотезы было сделано следующее:

1. Формулировка основного предположения в терминах математической статистики многомерного нормального распределения.

2. Построение оптимальных одношаговых статистических процедур без учета и с учетом априорной информации, одношаговой статистической процедуры Бонферрони и многошаговой статистической процедуры Холма множественной проверки гипотез.

3. Проведение первичных экспериментов на искусственно сгенерированных данных для оценки ошибок первого рода и мощности, для различных ковариационных матриц, разного размера выборки и разного количества акций.

4. Проведение сравнительного анализа результатов тестирования всех тестов и выявление основных характеристик тестов.

5. Проведение экспериментов на реальных данных двух фондовых рынков, при анализе которых были применены изученные, в процессе работы, методы статистического исследования.

Основные результаты исследования:В ходе индексного и отраслевого анализов двух фондовых рынков - Российского и Американского - за период 01.01.2019 - 31.12.2019 основное предположение о равенстве нулю средней доходности всех акций при заданном уровне значимости б = 0.05 не имеет достаточных оснований быть отвергнутой.



Список литературы

1. Koldanov P., Bautin G. A., Multiple decision problem for stock selection in market network, Learning and Intelligent Optimization (Pardalos P.M., Resende M., Vogiatzis C., Walteros J. Editors), Lecture Notes in Computer Science, Springer, vol. 8426 (2014), P. 98-110.

2. Lehmann E.L.: A theory of some multiple decision procedures 1. Annals of Mathematical Statistics, vol. 28(1957), P. 1-25.

3. Lehmann E.L., Romano J.P.: Testing statistical hypotheses. Springer, New York, (2005).

4. Wald A.: Statistical Decision Function. John Wiley and Sons, New York (1950).

5. Андерсон Т., Введение в многомерный статистический анализ, (1963).

6. Ивченко Г.И., Медведев Ю.И. Введение в математическую статистику, (2009).

7. Леман Э., Проверка статистических гипотез, (1979).

8. Сайт московской фондовой биржи [Электронный ресурс]. - Режим доступа : https://www.moex.com/, свободный.

9. Сайт внебиржевого фондового рынка NASDAQ [Электронный ресурс]. - Режим доступа : http://www.nasdaq.com, свободный.



Приложение А

Таблица 1. RTCIndex

	Holm	Number
0	не отвергается	AFKS.ME
1	не отвергается	SNGS.ME
2	не отвергается	SBERP.ME
3	не отвергается	GMKN.ME
4	не отвергается	GAZP.ME
5	не отвергается	MTSS.ME
6	не отвергается	TATNP.ME
7	не отвергается	SBER.ME
8	не отвергается	MOEX.ME
9	не отвергается	LSRG.ME
10	не отвергается	FEES.ME
11	не отвергается	VTBR.ME
12	не отвергается	PLZL.ME
13	не отвергается	POLY.ME
14	не отвергается	YNDX.ME
15	не отвергается	LKOH.ME
16	не отвергается	CBOM.ME
17	не отвергается	MVID.ME
18	не отвергается	IRAO.ME
19	не отвергается	ALRS.ME
20	не отвергается	DSKY.ME
21	не отвергается	HYDR.ME
22	не отвергается	LNTA.ME
23	не отвергается	NVTK.ME
24	не отвергается	FIVE.ME
25	не отвергается	SFIN.ME
26	не отвергается	RTKM.ME
27	не отвергается	UPRO.ME
28	не отвергается	NLMK.ME
29	не отвергается	PHOR.ME
30	не отвергается	PIKK.ME
31	не отвергается	ROSN.ME
32	не отвергается	MGNT.ME
33	не отвергается	TRNFP.ME
34	не отвергается	TATN.ME
35	не отвергается	SNGSP.ME
36	не отвергается	MAGN.ME
37	не отвергается	AFLT.ME
38	не отвергается	RNFT.ME
39	не отвергается	RUAL.ME
40	не отвергается	CHMF.ME

Таблица 2. NASDAQ100

	Holm	Number
0	не отвергается	CHTR
1	не отвергается	AAPL
2	не отвергается	COST
3	не отвергается	MSFT
4	не отвергается	LRCX
5	не отвергается	MDLZ
6	не отвергается	FISV
7	не отвергается	VRSK
8	не отвергается	SBAC
9	не отвергается	SRCL
10	не отвергается	AMAT
11	не отвергается	SWKS
12	не отвергается	CERN
13	не отвергается	ROST
14	не отвергается	PAYX
15	не отвергается	NXPI
16	не отвергается	FB
17	не отвергается	SBUX
18	не отвергается	ADBE
19	не отвергается	AKAM
20	не отвергается	CMCSA
21	не отвергается	MAR
22	не отвергается	PCAR
23	не отвергается	ADP
24	не отвергается	STX
25	не отвергается	NVDA
26	не отвергается	JD
27	не отвергается	TRIP
28	не отвергается	NCLH
29	не отвергается	ADSK
30	не отвергается	INTU
31	не отвергается	FAST
32	не отвергается	MU
33	не отвергается	QCOM
34	не отвергается	ORLY
35	не отвергается	ADI
36	не отвергается	TXN
37	не отвергается	WDC
38	не отвергается	GOOG
39	не отвергается	EBAY
40	не отвергается	GOOGL
41	не отвергается	DISH
42	не отвергается	INCY
43	не отвергается	SIRI
44	не отвергается	AMGN
45	не отвергается	TMUS
46	не отвергается	DISCK
47	не отвергается	PYPL
48	не отвергается	MNST
49	не отвергается	DISCA
50	не отвергается	AMZN
51	не отвергается	INTC
52	не отвергается	EA
53	не отвергается	ISRG
54	не отвергается	BBBY
55	не отвергается	KHC
56	не отвергается	MXIM
57	не отвергается	AVGO
58	не отвергается	MYL
59	не отвергается	CSX
60	не отвергается	ATVI
61	не отвергается	BIDU
62	не отвергается	TCOM
63	не отвергается	MAT
64	не отвергается	ENDP
65	не отвергается	NFLX
66	не отвергается	WBA
67	не отвергается	CTXS
68	не отвергается	TSCO
69	не отвергается	TSLA
70	не отвергается	CHKP
71	не отвергается	CSCO
72	не отвергается	AAL
73	не отвергается	XLNX
74	не отвергается	HSIC
75	не отвергается	ILMN
76	не отвергается	ALXN
77	не отвергается	LBTYA
78	не отвергается	GILD
79	не отвергается	LBTYK
80	не отвергается	CTSH
81	не отвергается	DLTR
82	не отвергается	EXPE
83	не отвергается	NTAP
84	не отвергается	ULTA
85	не отвергается	BIIB
86	не отвергается	BMRN
87	не отвергается	VOD
88	не отвергается	REGN



Приложение Б

Таблица 1.RTC Index

	Test	Ticker
0	Не отвергается	SBER.ME
1	Не отвергается	SBERP.ME
2	Не отвергается	MGNT.ME
3	Не отвергается	ALRS.ME
4	Не отвергается	PLZL.ME
5	Не отвергается	IRAO.ME
6	Не отвергается	VTBR.ME
7	Не отвергается	MAGN.ME
8	Не отвергается	AFLT.ME
9	Не отвергается	PIKK.ME
10	Не отвергается	FEES.ME
11	Не отвергается	AFKS.ME
12	Не отвергается	LSRG.ME
13	Не отвергается	SFIN.ME
14	Не отвергается	MVID.ME

Таблица 2. NASDAQ100

	Test	Ticker
0	Не отвергается	ATVI
1	Не отвергается	ADBE
2	Не отвергается	ALXN
3	Не отвергается	GOOGL
4	Не отвергается	GOOG
5	Не отвергается	AMZN
6	Не отвергается	AAL
7	Не отвергается	AAPL
8	Не отвергается	ADP
9	Не отвергается	BIIB
10	Не отвергается	AVGO
11	Не отвергается	CHTR
12	Не отвергается	CMCSA
13	Не отвергается	COST
14	Не отвергается	DLTR
15	Не отвергается	EA
16	Не отвергается	ENDP
17	Не отвергается	FB
18	Не отвергается	FISV
19	Не отвергается <...

дипломная работа "Множественная проверка гипотез о средней доходности" скачать

Подобные документы

• Разработка программного модуля выбора рационального варианта мер и средств защиты информации от несанкционированного доступа на типовых объектах информатизации

  Математические модели характеристик компьютеров возможных нарушителей и угроз безопасности информации в условиях априорной неопределённости. Методика построения комплексной системы защиты информационной сети военного ВУЗа от несанкционированного доступа.
  
  контрольная работа [401,8 K], добавлен 03.12.2012
  

• Процесс автоматизации бухгалтерского учета

  Автоматизированная обработка экономической информации. Методы и средства технологического контроля обработки экономической информации. АИС в области бухгалтерского учета с использованием 1: С Бухгалтерия. Программное обеспечение бухгалтерского учета.
  
  контрольная работа [39,4 K], добавлен 07.12.2010
  

• ЛИСП-реализация методов проверки статистических гипотез

  Принципы реализации программы проверки статистических гипотез с использованием t-критерия Стьюдента, ее общий алгоритм. Особенности применения двухвыборочного критерия для независимых выборок. Функциональные модели решения задачи для различных функций.
  
  курсовая работа [644,2 K], добавлен 25.01.2010
  

• Бухгалтерские информационные системы для малого и среднего бизнеса

  Система автоматизации бухгалтерского учета. Состав и характеристика нормативно-справочной информации. Этапы и средства бухучета в 1С. Виды Классификаторов информации. Перечень основных справочников, используемых в автоматизированной системе учета.
  
  контрольная работа [26,4 K], добавлен 27.07.2009
  

• Защита информации

  Проблемы защиты информации человеком и обществом. Использование информации. Организация информации. Угроза информации. Вирусы, характеристика и классификация. Проблемы защиты информации в Интернете. Анализ и характеристики способов защиты информации.
  
  реферат [36,5 K], добавлен 17.06.2008
  

• Информационные процессы

  Понятие и методы поиска информации, способы ее хранения и особенности процесса передачи от источника к получателю. Предназначение канала связи и кодирующего устройства. Правила обработки информации, ее использование при принятии решений и меры по защите.
  
  презентация [59,8 K], добавлен 14.10.2013
  

• Методы и средства защиты информации в сетях

  Основные положения теории защиты информации. Сущность основных методов и средств защиты информации в сетях. Общая характеристика деятельности и корпоративной сети предприятия "Вестел", анализ его методик защиты информации в телекоммуникационных сетях.
  
  дипломная работа [1,1 M], добавлен 30.08.2010
  

• Разработка автоматизированной системы складского учета для мельзавода №2 "Новая победа"

  Обоснование проектных решений по программному обеспечению. Теория складского учёта. Характеристика входной информации. Основные показатели эффективности программных продуктов. Реализация базы данных. Защита информации в автоматизированной системе.
  
  дипломная работа [4,6 M], добавлен 19.09.2014
  

• Методы защиты информации

  Современные физические и законодательные методы защиты информации. Внедрение системы безопасности. Управление доступом. Основные направления использования криптографических методов. Использование шифрования, кодирования и иного преобразования информации.
  
  реферат [17,4 K], добавлен 16.05.2015
  

• Проектирование программного средства "Автоматизация учета транспортных средств ГАИ"

  Программная реализация средства "Автоматизация учета транспортных средств ГАИ" для упрощения работы инспектора ГАИ: отслеживания информации об автомобилях, регистрации, информации о марке, технических характеристиках, владельцах и страховках автомобилей.
  
  курсовая работа [1,3 M], добавлен 12.02.2016
  

• Автоматизированная система ведения учета операций на предприятии

  Формы как носители информации. Реляционные базы данных. Разработка автоматизированной системы по ведению учета операций на предприятии ТОО "Фирма Радар". Задачи, выполняемые приложением. Цели, задачи, функции внутрифирменной системы обработки информации.
  
  дипломная работа [1,7 M], добавлен 03.07.2015
  

• Предмет и методы теории информации

  Теория информации как наука, предмет и методы ее изучения, применение в компьютерной технике. Системы передачи информации, разновидности сообщений и их источники. Разновидности помехи и способы их устранения. Аппаратура, используемая при передаче данных.
  
  реферат [23,7 K], добавлен 14.07.2009
  

• Интеллектуальные компьютерные технологии защиты информации

  Организационно-административное обеспечение информационной безопасности. Процедура санкционирования в отношении средств информации. Классификация ресурсов и контроль за ними. Неформальные методы поиска оптимальных решений. Управление защитой информации.
  
  учебное пособие [969,6 K], добавлен 18.01.2011
  

• Количественная мера информации

  Основы теории передачи информации. Экспериментальное изучение количественных аспектов информации. Количество информации по Хартли и К. Шеннону. Частотные характеристики текстовых сообщений. Количество информации как мера снятой неопределенности.
  
  лабораторная работа [42,3 K], добавлен 15.02.2011
  

• Проектирование информационной системы учета продаж компании "Max-Service"

  Автоматизация учета закупки и реализации продукции. Сущность задач учета операций товародвижения. Характеристика входной, постоянной, промежуточной и результатной информации. Структура программных средств. Руководство программиста и пользователя.
  
  курсовая работа [2,4 M], добавлен 23.12.2013
  

• Криптографические методы защиты информации

  Понятие и сущность стеганографии, использование свойств формата файла-контейнера. Классификация методов стеганографии. Компьютерные вирусы и стеганография, гарантированное уничтожение информации. Методы воздействия на средства защиты информации.
  
  контрольная работа [80,2 K], добавлен 02.01.2018
  

• Построение концептуальной модели

  Роль моделирования общественно-исторических процессов. Распределенный банк данных системы сбора информации. Концептуальная схема модели системы. Критерии оценки эффективности процесса функционирования СМО. Выдвижение гипотез и принятие предположений.
  
  дипломная работа [140,1 K], добавлен 30.07.2009
  

• Тестирование программного обеспечения

  Примеры построения тестов и технологии исследования алгоритмов на их основе. Построение тестов на основе метода покрытия решений и проведение исследования соответствующего исходного алгоритма и алгоритма с ошибками в операторах проверки условий.
  
  контрольная работа [224,8 K], добавлен 24.05.2016
  

• Тестирование при организации текущего контроля

  Функции, место и виды контроля в обучении. Тест как инструмент измерения качества знаний, формы тестов. Балльно-рейтинговая система оценивания студентов. Разработка компьютерных тестов по математике на базе Конструктора Distance Learning Studio.
  
  дипломная работа [2,2 M], добавлен 05.09.2011
  

• Информация и информационные процессы

  Актуальность (своевременность) информации. Информационные ресурсы и информационные технологии. Подходы к определению количества информации. Свойства информации, ее качественные признаки. Роль информатики в развитии общества. Бит в теории информации.
  
  презентация [200,9 K], добавлен 06.11.2011
  

Другие документы, подобные "Множественная проверка гипотез о средней доходности"

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам