-  позволяет пользователю размещать файлы на удаленных серверах при помощи клиента или с  использованием веб-интерфейса через браузер

115 

- организации тестирования; 

- учебных курсов (могут использоваться аудио и видеоданные). 

Модуль имеет большое количество параметров и их сочетаний, представим некоторые из них: 

- Таймер на основе jQuery. 

- Интеграция с видами. 

- Случайный вывод вопросов. 

- Отчёт о результатах тестирования. 

- Вопросы можно разбить на несколько подтестов. 

- Сортировка вопросов перетаскиванием мышкой. 

- АПИ для создания своих типов вопросов 

и многие, многие другие. 

Модуль «Backup»  

Возможности модуля «Backup» с применением DropBox следующие: 

1. DropBox позволяет  загружать  файлы  любого  типа  и формата.  Если  на ПК  или мобильном 

устройстве установлен клиентский агент, сервис может автоматически работать в качестве системы 

резервного копирования и синхронизации. 

2. DropBox  хранит  файлы  неограниченное  количество  времени,  история  изменений  файлов 

сохраняется  в течение 30 дней.  У этого  сервиса,  пожалуй,  самый  широкий  список  поддерживаемых 

клиентов — это MS Windows, Mac OS, Linux, iOS, Android, а также Blackberry OS, Symbian и Bada. 

Пользователи Dropbox могут  создавать  отдельные  общие  папки (Shared), за счет  которых  можно 

управлять  правами  доступа  к документам.  Файлы,  сохраненные  на DropBox,  можно  публиковать 

в Facebook и Twitter или превращать в слайд-шоу, которое будет доступно по прямой ссылке.  

Модуль «Backup and Migrate» 

Модуль «Backup and Migrate» выполняет  задачи  по  созданию  и  восстановлению  базы  данных 

сайта, а также может использоваться для переноса данных с одного сайта на другой. 

Возможности модуля «Backup and Migrate»: 

1.  Сохранение  резервной  копии  не  только  на  домашнем  компьютере  пользователя,  но  и    на 

сервисе Amazon S3, в любой папке сервера FTP, экспорт резервной копии напрямую в другую базу 

данных MySQL, на сервисе Dropbox при установке Backup and Migrate Dropbox. 

2.Установка определённых прав на файл с резервной БД после резервирования 

3. Автоматическое создание резервной копии БД по расписанию 

4. Использование сжатия gzip, bzip и zip 

5. Создание профилей для различных целей и способов копирования 

6. Использование токенов в названии файла 

7. Исключение определённых таблиц при создании копии БД 

8. Очистка определённых таблиц таблиц при создании копии БД 

9.Блокирование и разблокирование таблиц при создании копии БД 

10. Блокирование и разблокирование таблиц при восстановлении базы данных 

11. Перевод сайт в режим обслуживания и обратно при создании копии БД 

12. Перевод сайт в режим обслуживания и обратно при восстановлении БД 

13. Отправка оповещений об удачном/неудачном создании резервной копии 

14. Интеграция с модулем Drush 

15. Шифрование файла с резервной копией при установке AES encryption 

16. Сохранение резервной копии файлов сайта при установке Backup and Migrate Files 

Модуль «Online Office»  

Google Docs  — это  онлайн-сервис,  работающий  на  платформе Google Docs и  позволяющий 

непосредственно в веб-браузере и без авторизации: 

-  просматривать  документы  поддерживаемые  сервисом Google Docs, например Adobe PDF, 

Microsoft Word или Microsoft PowerPoint; 

- 

возможность просмотра документов множества форматов без загрузки на локальный диск; 

-  преимуществом  является  безопасность — не  все PDF и DOC документы  безопасны  для 

просмотра через Adobe Reader и MS Word; 

- сервис генерирует html-код для встраивания в сторонние страницы упрощенного приложения 

просмотра через iframe; 

-  используется  в Google Search, предлагая  пользователю  ссылку  на  быстрый  просмотр 

найденных файлов, формат которых поддерживается Google Docs; 

- поддерживает большее количество форматов файлов, чем задокументировано 

116 

- 

предоставляет  очень  гибкий  и  удобный  интерфейс  как  для  пользователей,  так  и  для 

разработчиков приложений; 

-  с  помощью  сервиса  легко  получить  тексты  из  различных  источников,  которые  могут  в 

дальнейшем  быть  использованы  при  поиске  по  документам  или  для  других  целей.  Так  же  легко 

получить  превью  изображения  этих  документов.  Предоставленный  интерфейс  по  протоколу HTTP 

даст возможность работать с документами даже в скриптовых языках (JS и др. 

 

ЛИТЕРАТУРА: 

[1] What is shared web application access [Электронный  ресурс]. – Режим  доступа:http://www.accounts-on-

web.com/OnlineAccountingPrices.asp, свободный.  

[2] 

Список 

функций 

[Электронный 

ресурс]. – Режим 

доступа: 

http://www.igate.ru/products/erpfeaturelist;jsessionid=0a0104451f43be49bc50443c4e079822d7f6a6cdfb57.e3eSbNmQ

aheLe3aNa40, свободный.  

[3] SaaS-каталог  [Электронный  ресурс]. – Режим  доступа: http://saas4russia.wordpress.com/directory/, 

свободный.  

[4]     http://www.cloudfoundry.com 

[5]  Ломко  О.,  Два  года SaaS – что  дальше  [Электронный  ресурс]. – Режим  доступа: 

http://friends.pmbox.ru/blogs/mc_weblog/archive/2008/11/27/saas.aspx, свободный.  

 

REFERENCES: 

[1] Spisok funkciy [Electronyi resurs]. – link:  http://www.igate.ru/ products/ erpfeaturelist;jsessionid= 

0a0104451f43be49bc50443c4e079822d7f6a6cdfb57.e3eSbNmQaheLe 3aNa40, free 

[2]  http://www.cloudfoundry.com 

[3] SaaS – catalog [Electronyi resurs]. – link: http://saas4russia.wordpress.com/directory/ , free 

[4] What is shared web application access [Electronyi resurs]. – link: http://www.accounts-on-web.com/Online 

AccountingPrices.asp, free 

[5] Lomko O., Dva goda SaaS – chto dalshe [Electronyi resurs]. – link: http://friends.pmbox.ru 

/blogs/mc_weblog/archive/2008/11/27/saas.aspx, free 

 

Галиева Н.Г., Утепбергенов И.Т., Наралиев Н.А., Баймуратов О.А.

 

Білім беру саласы үшін бұлттық шешімдердің функционалдық құрылымын жасау 

Түйіндеме.  Мақалада  «бұлттық  технологиялар»  терминіне  түсініктеме  берілген.  Бұлттық 

технологияларды  Қазақстандағы  білімге  қолданудың  артықшылықтары  көрсетілген.  Жүйенің  толықрақ 

функционалдық  құрылымы  қарастырылған.  Құрылған  бұлттық  сервисте  кəсіпкерлерінің  қажеттіліктерін 

ескеретін 6 модуль бар. 

Түйін сөздер: бұлттық шешімдер, бұлттық хостинг, синхрондау, бұлттық сервистің модульдері, бұлттық 

сревистердің архитектурасы, масштабталу. 

 

Galiyeva N.G.

 

, Utepbergenov I.T., Naraliev N.A.

 

, Baimuratov O.A.

  

The development functional structure cloud services for education 

Summary. The article provides a definition of the "cloud computing" term. The main advantages of using cloud 

computing in educational sphere of Kazakhstan are indicated. The detailed functional structure of the system is given. 

Developed cloud service is consists of 6 modules, providing monitoring and functional needs of the users of the cloud 

service. 

Key words: cloud computing, cloud service, functional structure  

 

 

УДК 004.942 

 

Гнатченко А.А. магистрант, Нурсеитов Д.Б. 

Казахский национальный технический университет имени К.И. Сатпаева 

г.Алматы, Республика Казахстан 

andrey.gnatchenko@mail.ru 

 

МЕТОДЫ ВТОРИЧНОЙ ОБРАБОТКИ СТАТИСТИЧЕСКОЙ ИНФОРМАЦИИ 

ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ 

 

Аннотация. В статье даются сведения относительно методов по обработке статической информации уже 

после того, как она прошла первичную статическую обработку. Именно на этом этапе появляется возможность 

более качественно отсортировать и проанализировать поступающую из имитационной модели информацию  с 

целью  получения  более  достоверных  результатов.  Также  статья  фокусируется  на  использовании  в  таком 

117 

анализе  различных  методов  и  распределений,  которые  нашли  свое  применение  в  классической  теории 

вероятностей. Отдельное внимание в статье уделяется методиками сравнения и различия выборок в процессе 

анализа статистических данных. 

Ключевые  слова:  статистическая  выбора,  вторичная  обработка  статистики,  имитационное 

моделирование, модель симуляции, критерии различий выборок, нулевая гипотеза, альтернативный анализ. 

 

При  статистической  обработке  результатов  эксперимента,  полученных  средствами 

имитационного  моделирования  большую  роль  играют  не  только  методы,  применяемые  при 

группировке  исходной  информации  по  категориям,  но  и  методы,  позволяющие  оценить  качество  и 

достоверность  полученных  результатов.  При  этом  часто  возникает  необходимость  выявить  общие 

критерии сравнения среди множества выборок различных групп. 

Это  делается  для  того,  чтобы  различные  группы  можно  было  сравнивать  между  собой.  При 

сравнении также учитываются условия измерения. Например, до введения имитационного признака, 

после  введения  имитационного  признака  и  во  время  влияния  имитационного  признака  на  процесс 

побуждения событий.[1] 

Важным  является  также  отметить  то,  что  в  современных  системах  имитационного 

моделирования используются не только статические критерии, такие как критерии среднего, медиана 

или среднее отклонение квадрата, но и критерии, имеющие тенденцию изменяться во времени. При 

этом  в  качестве  системы  отсчета  или  начальной  точки,  с  которой  осуществляется  сравнение 

результатов,  полученных  путем  имитационного  моделирования.  Такие  точки  получили  название 

начальных или исходных контрольных точек. 

Стоит  отметить  то,  что  данные  точки  характеризуются  несколькими  классификационными 

показателями.  Одни  экспериментальные  контрольные  точки  могут  характеризоваться  периодом 

времени выполнения. Другие – динамикой изменения внутреннего свойства состояния. При решении 

задач подобного рода наиболее общие для изучаемых сущностей состояния и их значения называют 

критериями различия. 

Эти  критерии  дают  возможность  оценить,  насколько  правдоподобно  имитационная  модели 

описывает  систему  предметной  области.  Существует  достаточно  большое  количество  критериев 

различий.  Каждый  критерий  обладает  своими  отличительными  особенностями,  скоростью  поиска, 

точностью и гетерогенностью поиска.[1] 

К  примеру,  одни  критерии  могут  обладать  фиксированным  измерительным  интервалом.  А 

другие – динамическим. Существуют такие критерии, в которых даже максимальный объем выборки 

может  меняться.  Более  того,  применяются  также  критерии,  в  которых  изменяется  как  количество 

выборок в последовательности моделирования, так и качество самой выборки. 

Классификация критериев различий 

Все  множество  статистических  критериев  различия  можно  формально  обособить  в 

классификационные  группы,  отождествляемые  с  условиями  и  характеристиками  применения  того 

или  иного  критерия  при  рассмотрении  конкретной  предметной  области.  Основным 

классификационным признаком многих критериев является мощность критерия. Выборки различной 

мощности проиллюстрированы на следующем рисунке. 

 

 

 

Рисунок 1. Выборки различной мощности 

118 

Мощность  критерия,  по  сути,  это  реализация  критерия  различия  в  условиях  множественности 

результатов исследования по основанию отклонения нулевой гипотезы. Введение понятия «мощность 

критерия»  позволяет  с  высокой  точностью  определять  необходимые  критерии  из  необходимости 

применения  определенной  шкалы.  Сама  шкала  измерения  выбирается  из  расчета  совпадения  с 

данными,  которые  были  получены  из  имитационной  модели  при  ее  непосредственном 

использовании.Также разнообразие критериев позволяет делить выборки на связные и несвязные. 

При  проведении  эксперимента  часто  бывает  необходимо  производить  выборки,  которые 

характеризуются разным количеством элементов, присущих каждой выборке. Это позволяет оценить 

тенденцию  отклонения  средней  величины  ошибки  данного  критерия  в  зависимости  от  изучения 

выборки разного объема и мощности.[2] 

Все  множество  критериев  можно  условно  разделить  на  два  больших  подмножества – 

параметрические  и  непараметрические  критерии.  Параметрические  критерии  различия 

характеризуются  наличием  конкретного  типа  распределения,  что  позволяет  оценивать  параметры 

данного распределения во взаимосвязи с параметрами отождествляемого распределения. 

К  таким  параметрам  относятся  среднее  арифметическое,  дисперсия,  среднее  отклонение, 

медиана,  мода.  Типичным  представителем  параметрического  критерия  на  основании  генеральной 

совокупности  может  служить  нормальное  распределение.  График  нормального  распределения,  его 

основные параметры и коэффициенты, проиллюстрированы на следующем рисунке. 

 

 

 

Рисунок 2. График нормального распределения с различными коэффициентами 

 

Также критерии различия могут быть непараметрическими. Данные критерии характеризуются 

отсутствием  типа  распределения  генеральной  совокупности  или  же  тип  этой  совокупности  при 

моделировании  неизвестен,  что  делает  невозможным  применение  параметров,  соответствующих 

определенному типу распределения.[2] 

В  таком  случае  при  анализе  совокупности  данных,  получаемых  при  помощи  моделирования  с 

применением  непараметрических  критериев  различия  применяют  термин  «критерий,  свободный  от 

распределения».  На  практике  чаще  всего  применяются  методы,  которые  используют  критерии 

параметрического различия. Данный выбор определен тем, что при работе с данными критериями за 

основу  или  эталонную  модель  распределения  генеральной  совокупности  можно  использовать 

нормальное  распределение,  что  обладает  большей  мощностью  в  сравнении  с  непараметрическими 

критериями различия. 

В свою очередь, это позволяет с большей достоверностью принимать решения о том, отвергать 

принятую  в  качество  основания  нулевую  гипотезу,  если  она  не  верна.  Однако,  часто  на  практике 

происходят  ситуации,  при  которых  результаты,  полученные  на  основании  моделирования,  не 

укладываются в модель нормального распределения.[3] 

При  игнорировании  данного  фактора  и  использовании  параметрических  критериев  при 

определении  основополагающих  характеристики  выборок,  ситуация  может  обернуться  появлением 

ошибок  в  статистических  предположениях,  что  ведет  к  получению  недостоверных  результатов.В 

119 

этом  случае  выбор  останавливают  на  применении  непараметрических  критериев,  так  как  в  этом 

случае их выбор оправдан с точки зрения достоверности результатов. 

При обработке результатов имитационного моделирования применяют подход, характеризуемый 

наличием совокупности гипотез, на основании которых принимается выбор и исходе имитационного 

моделирования, а также делается прогноз о результатах будущего применения имитационной модели. 

При  моделировании  в  целом  и  имитационном  моделировании  в  частности,  все  множество  гипотез 

исхода моделирования приводится к бинарному множеству. 

Бинарное  множество  гипотез  состоит  из  двух  гипотез.  Нулевая  гипотеза  и  альтернативная 

гипотеза – вот две составляющие этого множества. В качестве гипотезы о том, что выборки имеют 

схожие критерии, принимают нулевую гипотезу. А в качестве гипотезы о том, что выборки являются 

различными – альтернативную. Общая схема,  в  соответствии с которой осуществляется замена или 

отказ принятия гипотезы, проиллюстрирована на следующем рисунке. 

 

 

 

Рисунок 3. Реализация решения замены гипотезы 

 

При  этом  интерпретация  результатов  моделирования  выполняется  следующим  образом.  Если 

оказалось,  что  нулевая  гипотеза  принята  правдивой,  ситуация  свидетельствует  о  том,  что 

анализируемые выборки  не имеют различий. Если же альтернативная гипотеза является правдивой, 

делается  предположение  о  том,  что  существуют  некоторые  различия  в  исходных  изучаемых 

выборках. 

Часто  бывает  необходимо  в  процесс  моделирования  совершить  переход  от  одного  критерия 

различия  к  другому.  При  этом  первое,  на  что  необходимо  обратить  внимание,  это  условие 

зависимости  выборки.  Существуют  два  типа  выборок,  которые  могут  быть  классифицированы  по 

критерию различия - зависимая или связная выборка и независимая. 

Выборки  полагаются  независимыми  или  несвязными,  если  при  протекании  эксперимента  над 

данными  выборками  ни  сам  процесс  эксперимента  или  имитационного  эксперимента  ни  его 

результаты  не  оказывают  влияния  на  проведение  имитационного  моделирования  над  выборками 

другой области.[3] 

При этом учитывается тот факт, что эксперимент, проводимый над группой несвязанных между 

собой выборок, не может быть взаимозависим в обоих направлениях. Зависимыми являются выборки, 

при  выведении  характеристик  которых  неизбежно  возникает  ситуация,  при  которой  работа  над 

выборками одного класса влечет за собой изменение характеристик иного класса. 

Еще  одним  условием  правильного  анализа  данных  имитационной  модели  является  условие 

однородности  выборки.  Критерий  однородности  выборки  предписывает  использование 

имитационного  моделирования  только  в  присутствии  предположения  о  том,  что  изучаемые 

последовательности принадлежат одному классу. При этом применение последовательности разных 

типов запрещено. 

Примером  может  служить  имитационное  моделирование  в  области  психологии.  При  этом 

результаты  изучения  характеристик  групп,  обладающих  различным  полом,  интеллектом  или  же 

120 

возрастом,  производятся  отдельно.  Данное  условие  позволяет  вывести  средние  имитационные 

критерии, соответствующие определенной группе событий.[4] 

Следующим  этапов  по  подбору  соответствующего  критерия  имитационного  моделирования 

является  определение  надлежащего  объема  выборки.  Это  связано  с  тем,  что  некоторые  критерии 

позволяют получить достоверные результаты имитационного моделирования при работе с выборками 

малого объема. При этом те же самые критерии проявляют неадекватность при обработке значений 

выборок  большой  величины.  Схема  функционирования  имитационной  модели  с  приращением  в 

алгоритме работе проиллюстрирована на следующем рисунке. 

 

 

 

Рисунок 4. Единичное приращение имитационной модели 

 

При  проведении  имитационного  моделирования  часто  складывается  ситуация,  при  которой 

критерий  не  выявляет  существенного  различия  между  выборками.  Это  вовсе  не  означает,  что 

выборки  на  самом  деле  являются  аналогичными.  Для  того,  чтобы  с  большей  долей  вероятности 

диагностировать  такой  исход,  недостаточно  одного  отдельно  взятого  критерия.  В  таком  случае 

применяют более мощный и одновременной более ресурсоемкий критерий оценки.[4] 

Ввиду  того,  что  имитационное  моделирование  является  источником  подачи  информации  для 

аналитических  структур  широкого  профиля,  выбор  критерия  статистического  анализа  должен 

проводиться с учетом информации и ее характеристик, которые получают исходя из характеристик 

изучаемой  предметной  области.  Именно  поэтому  при  выборе  критериев  оценки  результатов 

имитационного  моделирования  необходимо  выбирать  только  те  из  них,  которые  наиболее  полно 

используют информацию, содержащуюся в результатах имитационного моделирования. 

 

ЛИТЕРАТУРА 

1.  Мищенкова. О.В. "Математическое моделирование в технике" 2012г. 

2.  Рыжиков. Ю.И. "Имитационное моделирование: Теория и технологии" 2004г. 

3.  Лоу. А.М. "Имитационное моделирование" 2004г. 

4.  Лычкина. Н.Н. "Имитационное моделирование экономических процессов" 2012г. 

жүктеу/скачать 20,3 Mb.

Достарыңызбен бөлісу: