Технология автоматизированного офиса. Автоматизированные рабочие места (АРМ). АРМ ветеринарного врача

Автоматизи́рованное рабо́чее ме́сто (АРМ) — программно-технический комплекс, предназначенный для автоматизации деятельности определенного вида. При разработке АРМ для управления технологическим оборудованием как правило используют SCADA-системы.

АРМ объединяет программно-аппаратные средства, обеспечивающие взаимодействие человека с компьютером, предоставляет возможность ввода информации (через клавиатуру,компьютерную мышь, сканер и пр.) и её вывод на экран монитора, принтер, графопостроитель, звуковую карту — динамики или иные устройства вывода. Как правило, АРМ является частью АСУ.

Базой новых информационных технологий в области ветеринарии являются персональные компьютеры. Стационарные компьютеры устанавливают в административных зданиях хозяйств и предприятий, на их базе создают автоматизированные рабочие места (АРМ) ветеринарных врачей на фермах, в цехах. С помощью портативных компьютеров автоматизируются информационные процессы при обслуживании отдельных производственных участков, кооперативов и фермерских хозяйств. Функциональноеназначение программного комплекса — автоматизация процессов учета, планирования, диагностики, лечения, профилактики, экономики и отчетности

30. Основные понятия теории вероятностей. Пространство элементарных исходов и случайные события

Теория вероятностей –математическая наука, изучающая закономерности в случайных явлениях. Одним из основных понятий теории вероятностей является понятие случайного события (или просто события).

Событием называется любой факт, который в результате опыта может произойти или не произойти. Примеры случайных событий: выпадение шестерки при подбрасывании игральной кости, отказ технического устройства, искажение сообщения при передаче его по каналу связи. С событиями связываются некоторые числа, характеризующие степень объективной возможности появления этих событий, называемые вероятностями событий.

Современное построение теории вероятностей основывается на аксиоматическом подходе и опирается на элементарные понятия теории множеств. Такой подход называется теоретико-множественным.

Достоверным называется событие W, которое происходит в каждом опыте.

Невозможным называется событие Æ, которое в результате опыта произойти не может.

Несовместными называются события, которые в одном опыте не могут произойти одновременно.

Суммой (объединением) двух событий A и B (обозначается A+B, AÈB) называется такое событие, которое заключается в том, что происходит хотя бы одно из событий, т.е. A или B, или оба одновременно.

Произведением (пересечением) двух событий A и B (обозначается A×B, AÇB) называется такое событие, которое заключается в том, что происходят оба события A и B вместе.

Противоположным к событию A называется такое событие , которое заключается в том, что событие A не происходит.

События A_k(k=1, 2, ..., n) образуют полную группу, если они попарно несовСлучайные события и их классификация, операции над событиями.

Событием называется любой факт, который в результате опыта может произойти или не произойти. Примеры случайных событий: выпадение шестерки при подбрасывании игральной кости, отказ технического устройства, искажение сообщения при передаче его по каналу связи. С событиями связываются некоторые числа, характеризующие степень объективной возможности появления этих событий, называемые вероятностями событий.

При преобразовании выражений можно пользоваться следующими тождествами:

.

На основе вышеизложенного сформулированы аксиомы теориивероятностей. Пусть каждому событию ставится в соответствие число, называемое вероятностью события. Вероятность события Aобозначается P(A). Так как событие есть множество, то вероятность события есть функция множества. Вероятности событий удовлетворяют следующим аксиомам.

1. Вероятность любого события заключена между нулем и единицей:

(1.1)

2. Если A и B несовместные события, то

(1.2)

Вторая аксиома обобщается на любое число событий: если события А_i и A_j попарно несовместны для всех i≠j

События A₁, A_2, …, A_n называют равновозможнымиесли

P(A₁)=P(A₂)= … =P(A_n). (1.3)

Если в каком-то опыте пространство элементарных событий Ω можно представить в виде полной группы несовместных и равновозможных событий ω₁, ω₂, …, ω_n, то такие события называютсяслучаями, а сам опыт сводится к схеме случаев.

Случай ω_i называется благоприятным событием A, если он является элементом множества A: .

Классическое определение вероятности: вероятность события определяется по формуле

, (1.4)

где n - число элементарных равновозможных исходов данного опыта;

m - число равновозможных исходов, приводящих к появлению события.

31. Распределение хи-квадрат.

Распределение хи-квадрат применяется для проверки статистических гипотез.

где m-эмпирические частоты

m¹- теоретические частоты

n- число степеней свободы

При полном совпадении эмпирических частот с частотами вычисленными или ожидаемыми хи-квадрат равен 0 если же не равно 0 это укажет на несоответствие вычисленных частот эмпирическим частотам ряда. В таких случаях необходимо оценить значимость критерия хи-квадрат которое теоритически может изменяться от 0 до ∞ это производится путем сравнения его фактически полученного значения с его критическим значением. Гипотеза отвергается если хи-квадрат ≥ критического значения для принятого уровня значимости и числа степеней свобод.

Для определения критерия хи-квадрат необходимо найти теоретические частоты-равновероятные частоты- сложение всех частот и деление на количество категорий.

Для определения стандартного значения хи-квадрат число степеней свободы

где R – количество строк в таблице

С количество столбцов

32. Распределение Стьюдента.

Представляет собой сумму нескольких нормальных распределений случайных величин. Высчитывается по формуле для нахождения критерий. Полученные значения сравнивают до стандартного значения таблицы Стьюдента с учётом вероятности и числа степеней свободы.

33. Распределение Фишера.

Данное распределение нашло применение при построение интервальных оценок и статистических критериев, отношение двух выборочных дисперсий вычисленных по двум выборкам извлеченных из одной генеральной совокупности. Если имеются 2 случайных величины X и Y подчиняющихся закону распределения хи-квадрат со степенями свободы a и b соответственно то отношение - распределение Фишера, f- распределение с числом степеней свободы a и b.

34. Коэффициент корреляции.

Коэффициент корреляции показывает степень статистической зависимости между двумя числовыми переменными. Коэффициент корреляции варьирует от -1 до 1. При отрицательном показателе: при увеличение одного признака показатель другого признака снижается. При положительном: при повышении одного признака повышается и другой.

35. Двумерное нормальное распределение.

2 переменные имеют двумерное нормальное распределение если для каждого фиксированного значения одной переменной имеется соответствующее значение другой переменной. Свойственно для биологических признаков.

36. Статистические данные. Понятие генеральной совокупности и случайной выборки.

Статистические данные — это совокупность объектов (наблюдений, случаев) и признаков (переменных), их характеризующих. Генеральная совокупность- большое количество исследуемых наблюдений. Выборка- случайная совокупность испытуемых из общего числа, тех на которых можно будет распространять полученные в результате изучения совокупности.

37. Переменные и наблюдения, количественные, номинальные и ранговые переменные.

Переменные- характеристики изучаемых объектов. Наблюдения- числовые или номинальные данные переменных.

Номинальные переменные- нечисловые, означают принадлежность к классам, не могут быть использованы при вычислениях или упорядочены.

Количественные- выражены в единицах измерения; например, вес, рост, кровяное давление, число приступов астмы в определенный период и т.п.

Ранговые- данные упорядочены но не могут быть с уверенностью измерены и сопоставлены. К таким переменным применимы ранговые методы.

38. Статистическое оценивание. Понятие статистической оценки.