Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Применение информационных технологий

Покупка
Артикул: 678867.01.99
Доступ онлайн
190 ₽
В корзину
Пособие содержит указания по выполнению лабораторного практикума по дисциплине «Применение информационных систем в экономике и управлении». Изучаются методики применения пакетов MS Excel 2013 и MS Access 2013 в управлении и экономике. Предназначено для студентов очной и заочной форм обучения специальностей «Экономика и управление» всех факультетов и слушателей ФПК в качестве справочного материала и руководства при выполнении лабораторных работ.
Коршунов, М. К. Применение информационных технологий: Учебное пособие / Коршунов М., - 2-е изд., стер. - Москва :Флинта, Изд-во Урал. ун-та, 2017. - 108 с. ISBN 978-5-9765-3139-0. - Текст : электронный. - URL: https://znanium.ru/catalog/product/947726 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Министерство образования и науки Российской Федерации 
Уральский федеральный университет 
имени первого Президента России Б. Н. Ельцина 

М. К. Коршунов 

ПРИМЕНЕНИЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ 

Москва
Издательство «ФЛИНТА»
Издательство Уральского университета

2-е издание, стереотипное

Учебное пособие

УДК 004.65:005.52(076.5) 
ББК 65-24с51я73-5 
К70 

Рецензенты: 

И. А. Кайбичев доктор физико-математических наук,  
профессор кафедры математики и информатики  
Уральского института ГПС МЧС России; 
кафедра математики и информатики УрГАУ 
(В. И. Потанин, кандидат физико-математических наук, доцент) 

Научный редактор 
кандидат технических наук, доцент Э. П. Макаров 

Коршунов, М. К. 
К70 
Применение информационных технологий [Электронный 
ресурс]: [учеб. пособие] / М. К. Коршунов. – 2-е изд., стер. — 
М. : ФЛИНТА : Изд-во Урал. ун-та, 2017. – 108 с. 

ISBN 978-5-9765-3139-0 (ФЛИНТА)
ISBN 978-5-7996-1431-7 (Изд-во Урал. ун-та)

Пособие содержит указания по выполнению лабораторного практикума по дисциплине «Применение информационных систем в экономике и управлении». Изучаются методики применения пакетов 
MS Excel 2013 и MS Access 2013 в управлении и экономике. 
Предназначено для студентов очной и заочной форм обучения специальностей «Экономика и управление» всех факультетов и слушателей ФПК в качестве справочного материала и руководства при выполнении лабораторных работ.  
УДК 004.65:005.52(076.5) 
ББК 65-24с51я73-5 

 Издательство Уральского  
университета, 2015 
 Коршунов М. К., 2015 

ISBN 978-5-9765-3139-0 (ФЛИНТА)
ISBN 978-5-7996-1431-7 (Изд-во Урал. ун-та)


ПРЕДИСЛОВИЕ 

Задачей данного курса является подготовка студентов очной и 
заочной форм обучения специальности «Экономика и управление» 
всех факультетов и слушателей ФПК к работе в современной организации, интеграции знаний, полученных в курсах информационного направления, и навыков профессиональной работы с использованием информационных технологий. 
1. Информационные технологии в управлении организацией. 
Типы экономических информационных систем. Локальные, региональные и глобальные сети. Электронная коммерция. 
Представление субъектов информационных технологий в общих 
сетях. 
2. Типы организаций и их информационных технологий.   
Основные понятия информационных технологий в управлении. 
Управленческая информация. Ее виды и функции. Базы данных. 
Логическое проектирование баз данных. Проектирование баз данных для конкретной СУБД. Использование страниц доступа к данным в общих сетях. 
3. Информационные технологии подразделений производственной организации.  
Функциональные подсистемы комплексных информационных 
систем предприятия. Информатизация финансового планирования 
и бухгалтерского учета. Представление документов и данных 
в корпоративной сети. 
4. Информационные технологии банковского сектора. 
Информационные технологии и расширение банковских услуг. 
Система межбанковских расчетов. Банковские информационные 
системы. Подготовка финансовых аналитических документов. 
5. Организация поддержки информационных технологий.  
Аутсортинг и консалтинг в области информационных технологий. Практические аспекты внедрения информационных технологий. Подготовка бюджетов и сопоставительных таблиц. 
6. Информационные технологии уровня рабочей группы.  
Организация совместной работы с использованием офисных 
приложений. Подготовка многовариантных смет. 
7. Типы рабочих групп им их информационных технологий. 


Организация совместной работы с использованием удаленного 
доступа. Виртуальные частные сети. Безопасность в сетях рабочей 
группы. 
8. Информационные технологии уровня рабочего места. 
Работа с основными офисными приложениями. Общее понятие 
об Интернете. Использование почты. Система документов рабочего 
места. Информационно-логическая модель офисной технологии. 
9. Вычислительные офисные приложения. 
Фундаментальные концепции. Риск и доходность. Оценка акций 
и облигаций. NCF, NPV, IRR. Инвестиции на фондовом рынке. Финансовый анализ и планирование. Оптимальное соотношение переменных и постоянных затрат. Краткосрочные финансовые решения. 
10. Настольные базы данных для офиса. 
Окно базы данных. Создание таблиц базы данных. Связи между 
таблицами. Таблицы, запросы, отчеты. Связи между таблицами. 
Простейшие операции поиска и фильтрации данных. Элементы 
языка SQL. Экспорт и импорт данных. 
В Приложении 1 приведены опорные конспекты по теории, 
в Приложении 2 – справочник по экономическим функциям Excel. 
Теория к работам 1 и 12 дана в объеме достаточном для выполнений курсовых работ. Дополнительный материал по работе 1 дан 
в Приложении 3, по работе 6 – в Приложении 4. 
Приложение 2 – это опорные конспекты по теории, Приложение 4 – это образец бизнес-плана содержащий существенные детали, которые при поверхностном изложении темы обычно опускают. 
В соответствии с предлагаемой классификацией изданы учебнометодические пособия. 

Учебно-методические разработки  

Коршунов М. К. Методические указания. Екатеринбург : УГТУ–
УПИ, 2006. 22 с. [Электронный ресурс]. Режим доступа: 
http://umc.ustu.ru/ 
Коршунов М. К. Методические указания. Екатеринбург : УГТУ–
УПИ, 2008. 31 с. [Электронный ресурс]. Режим доступа: 
http://umc.ustu.ru/ 


РАБОТА 1. ПРОГНОЗИРОВАНИЕ И ОЦЕНКИ 

1.1. Аддитивные и мультипликативные  
модели временных рядов 

1.1.1. Виды моделей временных рядов 

Определение 1. Временным рядом называются значение некоторого статистического показателя, взятое в различные моменты 
времени. 
Записывается в виде {yt}, где yt называется уровнями временного 
ряда, t – это моменты времени. 
Уровни временного ряда должны быть однородны по экономическому содержанию, учитывать существо изучаемого явления и 
цели исследования. Если часть уровней ряда рассчитывается, то методика расчета должна быть одинакова. 
Предпосылкой для прогнозирования временного ряда является 
предположение о том, что будущее значение показателя находится 
в зависимости от его прошлых значений, а другие параметры игнорируются. 
Простейшей операцией с временным рядом является визуализация, т. е. построение графика временного ряда. 
Определение 2. Цепным абсолютным изменение уровней 
называется величина n = yn – yn–1, а цепным темпом роста – вели
чина 

1

n
n
n

y
k
.
y 

 

Основные элементы временного ряда 
Тенденцией, или трендом, называется характеристика процесса 
изменений явления за длительное время, освобожденная от колебаний. 
Некоторые примеры трендов: 
1) линейный y = a0 + a1t; 
2) степенной 
1
0
a
y
a t

; 
3) экспоненциальный 
0
1
t
y
a a

; 

4) S – образная кривая 
1
0
exp
a
y
a
x








 ; 

5) гиперболический тренд 
1
0
a
y
a
t


; 



6) обратная 


1
y
a
a t


; 

7) логарифмическая y = a0 + a1lnt. 
Определение 3. Аддитивной моделью временного ряда называется его представление в виде суммы четырех случайных величин 

t
t
t
t
t
y
u
s
v



  , 

где ut – тренд временного ряда, st – сезонная составляющая временного ряда, vt – циклическая составляющая временного ряда, t – 
случайная составляющая временного ряда. 
Соответственно мультипликативной моделью временного ряда 
называется его представление в виде произведения четырех случайных величин. 

t
t
t
t
t
y
u s v



  , 

где ut – тренд временного ряда, st – сезонная составляющая временного ряда, vt – циклическая составляющая временного ряда, t – 
случайная составляющая временного ряда.  
С моделью временного ряда связаны две операции: спецификация модели временного ряда – это выбор вида модели временного 
ряда; идентификация – это нахождение значений параметров временного ряда. 
В зависимости от наличия и отсутствия тренда и колебаний существует пять типов моделей временного ряда. Они приведены 
в таблице 1. 
Таблица 1 
Типы моделей временного ряда 

Колебания 
Тренд существует 
Тренда нет 

Колебания  
присутствуют 

t
t
t
u
s

   – аддитивная модель 

t
t
t
u s
   – мультипликативная модель 
st + t  

Колебаний нет 
ut + t 
t 

1.1.2. Этапы прогнозирования временного ряда 

1. Визуализация временного ряда. 
2. Спецификация модели временного ряда. 
2.1. Проверка наличия тренда временного ряда. 
2.2. Проверка наличия колебаний. 
2.3. Уточнение вида модели временного ряда. 
3. Идентификация модели временного ряда. 
4. Прогнозирование временного ряда. 



1. Визуализация временного ряда. 
Визуализация временного ряда – это построение его графика. 
Обычно для этого используется диаграмма «Точечная». Это связано 
с тем, что это единственный вид диаграммы, дающий математически точный образ графика функции. 
2. Спецификация модели временного ряда. 
Спецификация модели временного ряда, следуя [1, 2], проводится визуальным исследование компонентного состав ряда путем 
сравнения с таблицей 2. 
Таблица 2 
Основные варианты моделей временного ряда 

Наличие колебаний 
Есть колебания 
Нет колебаний 

Наличие тренда 
Аддитивная 
модель 
Мультипликативная модель

Есть тенденция 
Линейный 
рост 

Экспоненциальный 
рост 

Нет тенденции 

Спецификация модели временного ряда проводится визуальным 
сравнением с таблицей 1. 
3. Выбор алгоритмов идентификации моделей временного ряда. 
Пусть у временного ряда присутствуют и тренд, и сезонные колебания.  
Есть два алгоритма идентификации: тренд-сезонный алгоритм и 
адаптивный алгоритм идентификации. 



Тренд-сезонный алгоритм выбирают при наличии нескольких 
полных колебаний в исходных данных и стабильности их характеристик. Адаптивный алгоритм используют во всех остальных случаях. 
3.1. Тренд-сезонный алгоритм идентификации сезонной модели 
временного ряда включает сглаживание временного ряда, десериализацию, определение параметров временного ряда, расчеты по 
тренд-сезонной модели. Шаги для аддитивной и мультипликативной модели аналогичны. 
Определение 4. Сглаживание временного ряда – это замена фактических уровней временного ряда расчетными уровнями, которые 
в меньшей степени подвержены колебаниям. 
Для центрального сглаживания вычисляем по формулам: 
,
2
1
l
p


 

,
1
2
1

t
p
t
p
t
p
t
y
y
...y
y
p


 







 

где l – интервал сглаживания, р – натуральное число, yt – уровни 
ряда, 
ty  – сглаженные значения ряда. Интервал сглаживания равен 
периоду колебаний. 
После сглаживания исходного ряда находим аддитивные коэффициенты 
t
t
t
as
y
y

  . Они имеют период l. 
Далее в соответствии с таблицей 3 вычисляем исправленное 
значение аддитивного коэффициента колебаний. 
Таблица 3 
Расчет исправленных значений аддитивных коэффициентов колебаний 

t 
mst 
st 

1 
ms1 
1
1
t
s
ms
ms / l



2 
ms2 
2
2
t
s
ms
ms / l



… 
… 
… 

l 
msl 
t
t
t
s
ms
ms / l



Здесь mst – это среднее значение аддитивного коэффициента 
колебаний, st – исправленное значение коэффициента колебаний. 



Для мультипликативной модели находим мультипликативные 
коэффициенты колебаний, а затем исправляем их в соответствии 
с таблицей 4. 
Таблица 4 
Расчет исправленных значений коэффициентов  

t 
mrt 
rt 

1 
mr1 
l
mr
l
n
mr
r
t /)
/
(
1
1




 

2 
mr2 
l
mr
l
n
ms
r
t
t
/)
/
(
2





… 
… 
… 

l 
mrl 
l
mr
l
n
ms
r
t
t
t
/)
/
(




 

Десериализованный ряд аддитивной модели получаем, вычитая 
из исходного ряда исправленные значения исходных колебаний. Для 
мультипликативной модели мы делим исходный ряд на исправленные значения мультипликативных коэффициентов колебаний. 
Параметры тренда находятся из десериализованного ряда с помощью метода наименьших квадратов. Для экономических временных рядов рассматриваются два варианта: линейный тренд и экспоненциальный тренд. 
Тренд-сезонную модель получаем, складывая разности и значения тренда.  
Вычисления удобно организовать в виде таблицы 5. 
Таблица 5 
Прогнозирование по тренд-сезонной модели 

t 
ty  
ty  
st 
Десериализованный ряд
Тренд 
Тренд-сезонная 
модель 

1 
2 
3 
4 
5 
6 
7 

 
 
 
st 
t
t
s
y 
tu  
t
t
s
u 
 

Если сезонная компонента ряда отсутствует, то таблица упрощается. Используем таблицу 6. 
3.2. Адаптивный алгоритм идентификации включает предварительные расчеты, формирование схемы расчета и формул прогноза, 
расчеты в соответствии со схемами с использованием данных предварительных расчетов. 



Прогнозирование при наличии тренда и отсутствии колебаний 
t 
yt 
Тренд 
tu  

1 
2 
3 

Пусть yt – это уровни исходного временного ряда. Общий вид 
формул для расчета по адаптивному алгоритму следующий 

1,
1
1
1
2
(1
)
,
t
a
d
d
 

 

 

где 
,1 t
a  – текущий уровень ряда после элиминации сезонных колебаний, α1 – параметр сглаживания, 
1
2
,
d d  – берутся из таблицы 7. 

Таблица 7 
Основные варианты расчета по адаптивной модели 

Тенденция роста 
 
Аддитивный 
сезонный 
эффект 

Мультипликативный сезонный эффект 

Отсутствие сезонного эффекта 

Отсутствие  
тенденции роста 

1d  
t
t l
y
g 
 
 
t
t l
y / f   
ty

2
d  
1
1
,t
a


 
1
1
,t
a


 
1
1
,t
a


 

Аддитивный рост 
1d  
t
t l
y
g 
 
 
t
t l
y / f   
1
1
,t
a


 

2
d  
1
1
2
1
,t
,t
a
a





 
1
1
2
1
,t
,t
a
a





 
1
1
2
1
,t
,t
a
a





 

Экспоненциальный 
рост 

1d  
t
t l
y
g 
 
 
t
t l
y / f   
ty

2
d  
1,
1
1
t
t
a
r



  
1,
1
1
t
t
a
r



  
1,
1
1
t
t
a
r



  

В таблице 7 используется ряд переменных величин. 

2,t
a
 – коэффициент линейного роста, вычисляемый по формуле 
,
2,
2
1,
1,
1
2
2,
1
(
) (1
)
t
t
t
t
a
a
a
a


 


 




 
где α2 – параметр сглаживания.  

tg  – аддитивная сезонная компонента, вычисляемая по формуле 

,
,
3
1
3
(
) (1
)
t
t
t
t l
g
y
a
g 
 


 


 
где α3 – параметр сглаживания.  

2,t
a
 – коэффициент линейного роста, вычисляемый по формуле 

,
,
1
3
3
1
1
(1
)
t
t
t
t

a
r
r
a




 

 




 

где α3 – параметр сглаживания.  


Доступ онлайн
190 ₽
В корзину