Задание по курсовой работе для студентов заочной формы

Министерство образования РБ
Учреждение образования
"Гомельский государственный технический университет им.
П.О.Сухого"
Кафедра информационных технологий
дисциплина "Основы алгоритмизации и программирования "
Задание по курсовой работе
для студентов заочной формы обучения по специальности 1- 40 01 02 "Информационные системы и технологии (по направлениям) "
на тему "Определение параметров регрессионной зависимости"
Гомель 2012
Цель и задачи работы
1
Целью курсовой работы является получение студентами навыков по
алгоритмизации и программированию.
В процессе выполнения работы студент решает следующие задачи:
 разработка алгоритма вычисления статистических характеристик по
заданным формулам;
 запись алгоритма в виде блок-схемы и программы на языке Си;
 подготовка данных для отладки программы средствами табличного
процессора MS Excel;
 изучение теоретических вопросов использования системы
программирования.
2
Постановка задачи
Исходными данными задачи являются:
1) набор значений фактора х1 , х 2 ,  , х n и набор значений результата
y1 , y 2 ,, y n , где n – количество значений;
2) две функции yˆ  f1 (aˆ0 , aˆ1 , x) и ~y  f 2 (a~0 , a~1 , x) , которые будут
использоваться как регрессионные зависимости;
3) указываются формулы, с помощью которых можно рассчитать
значения параметров â0 и â1 таких, что зависимость yˆ  f1 (aˆ0 , aˆ1 , x)
наилучшим образом приближает исходные наборы фактора
х1 , х 2 ,  , х n и результата
y1 , y 2 ,, y n , а также указываются
аналогичные формулы для расчета параметров a~0 и a~1 ;
4) название
функциональности
системы
программирования,
описание которой требуется найти в литературе.
На основе указанных исходных данных требуется выполнить следующее:
1) разработать алгоритм и представить его в виде блок-схемы и
программы на языке Си, который для заданных наборов фактора
х1 , х 2 ,  , х n и результата y1 , y 2 ,, y n рассчитывает следующие
статистические характеристики:
1. средние значения этих наборов
x
1 n
1 n
  xi , y    y i ;
n i 1
n i 1
2. дисперсии
 x2 
n
n
1
1
  ( xi  x ) 2 ,  y2 
  ( yi  y ) 2 ;
n  1 i 1
n  1 i 1
3. среднеквадратические отклонения:
 x   x2 ,  y   y2 ;
4. коэффициент парной корреляции:
n
r
 (x
i 1
i
 x )  ( yi  y )
(n  1)   x   y
;
2) в алгоритме должен быть предусмотрен анализ вычисленного
значения парной корреляции r: если r  0.5 , то считают, что
между фактором и результатом отсутствует функциональная
зависимость, а при r  0.5 считают, что функциональная
зависимость существует;
3) далее в алгоритме следует предусмотреть вычисление
характеристик регрессионных зависимостей yˆ  f1 (aˆ0 , aˆ1 , x) и
~
y  f 2 (a~0 , a~1 , x) . Для этого надо вычислить:
~
~
1. значения параметров â0 , â1 , a 0 и a1 по формулам, указанным в
задании (указанные формулы выведены из условия
минимальности суммы квадратов отклонений значений ŷi и ~yi
от yi в точках xi , i  1, n );
2. вычислить
значения
результата
по
регрессионным
зависимостям:
yˆ i  f1 (aˆ0 ,aˆi , xi ) , ~
yi  f 2 (a~0 ,a~1 , xi ) ;
3. вычислить остаточные дисперсии:
̂ y2 
n
n
1
1
  ( yi  yˆ i ) 2 , ~ y2 
  ( yi  ~
yi ) 2 ;
n  1 i 1
n  1 i 1
4. вычислить коэффициенты Фишера, характеризующие качество
приближений функций y и ~y к заданному результату y :
 y2 ~  y2
ˆ
F  2 , F  ~2 ;
y
ˆ y
4) в заключение алгоритм должен сравнить полученные значения F̂
~
и F – лучшей регрессионной зависимостью является та, для
которой коэффициент Фишера имеет большее значение;
5) следующим этапом работы является подготовка данных для
отладки
составленной
программы.
Подготовка
данных
выполняется с помощью надстройки MS Excel Пакет анализа
следующим образом:
1. заполните ячейки листа рабочей книги Excel заданными
значениями xi и yi , где i  1, n , получим два столбца таблицы;
2. образуйте дополнительный столбец и заполните его
формулами, вычисляющими некоторую функцию ˆ( xi ) такую,
что функция yˆ  f1 (aˆ0 , aˆ1 , x) может быть представлена линейной
функцией yˆ  aˆ0  aˆ1  ˆ( x) ;
3. вызовите надстройку Пакет анализа и в диалоговом окне
Анализ данных выберите элемент Регрессия;
4. в диалоговом окне Регрессия укажите в качестве входного
интервала Y диапазон ячеек, содержащих значения yi , а в
качестве входного интервала X – диапазон ячеек, содержащих
значения ˆ( xi ) ;
5. на листе результатов проанализируйте полученное значение
коэффициента детерминации R-квадрат, показывающего
качество приближения исходных данных найденной
регрессионной зависимостью;
6. скопируйте на лист исходных данных с листа результатов
полученные коэффициенты регрессии â 0 и â1 и заполните еще
один столбец значениями yˆ i  aˆ0  aˆ1  ˆ( xi ) ;
7. образуйте еще дополнительный столбец и заполните его
~
формулами, вычисляющими некоторую функцию  ( xi ) такую,
что функцию ~y  f 2 (a~0 , a~1 , x) можно представить линейной
~
функцией ~y  a~0  a~1   ( x) ;
8. аналогично предыдущему с помощью функциональности
Регрессия надстройки Пакет анализа определите коэффициент
детерминации и коэффициенты регрессии a~0i и a~1i , заполните
~
новый столбец значениями ~yi  a~0  a~1   ( xi ) ;
9. постройте на одном листе графики трех функций y , ŷ и ~y с
отметкой их значений в точках xi , i  1, n ;
10.сделайте вывод о качестве приближения заданных значений
найденными регрессионными зависимостями.
3
Содержание и правила оформления пояснительной записки
Пояснительная записка к курсовой работе должна содержать:
1) титульный лист;
2) введение;
3) постановка задачи и исходные данные;
4) графическая схема алгоритма решения задачи;
5) программа на языке Си;
6) расчет параметров регрессионных зависимостей с помощью
надстройки Пакет анализа;
7) график с исходными данными и регрессионными зависимостями;
8) описание функциональности системы программирования;
9) заключение;
10) список использованных источников.
3.2. Пример оформления титульного листа приведен на следующей
странице.
3.1.
МИНИСТЕРСТВО ОБРАЗОВАНИЯ РЕСПУБЛИКИ БЕЛАРУСЬ
Учреждение образования
«Гомельский государственный технический университет
имени П.О.Сухого»
Факультет автоматизированных и информационных систем
Кафедра «Информационные технологии»
направление специальности 1-40 01 02-01 «Информационные системы и
технологии в проектировании и производстве»
ПОЯСНИТЕЛЬНАЯ ЗАПИСКА
к курсовой работе
по дисциплине «Основы алгоритмизации и программирования»
на тему: «Определение параметров регрессионной зависимости годовой прибыли
туристической фирмы от расходов на рекламу»
Исполнитель:
Руководитель:
студент гр. ЗИТ-11
Вегеро Ю.В.
доцент
Кравченко О.А.
Дата проверки:
_____________________
Дата допуска к защите: _____________________
Дата защиты:
_____________________
Оценка работы:
_____________________
Подписи членов комиссии
по защите курсовой работы: ____________________
Гомель 2012
3.3. Во введении необходимо указать сущность регрессионного анализа,
его значение для практики, средства реализации.
3.4. В разделе Постановка задачи необходимо указать исходные
данные:
11.набор значений фактора х1 , х 2 ,  , х n и набор значений результата
y1 , y 2 ,, y n , где n – количество значений;
12.две функции yˆ  f1 (aˆ0 , aˆ1 , x) и ~y  f 2 (a~0 , a~1 , x) , которые будут
использоваться как регрессионные зависимости;
13.указываются формулы, с помощью которых можно рассчитать
значения параметров â0 и â1 таких, что зависимость
yˆ  f1 (aˆ0 , aˆ1 , x ) наилучшим образом приближает исходные наборы
фактора х1 , х 2 ,  , х n и результата y1 , y 2 ,, y n , а также указываются
аналогичные формулы для расчета параметров a~0 и a~1 .
3.5. Графическая схема алгоритма решения задачи должна быть
оформлена в соответствии с указаниями пособия "Алгоритмизация и
программировании" (электронная версия).
3.6. В раздел пояснительной записки, связанный с расчетом
параметров регрессии на базе надстройки Пакет анализа, необходимо
включить два листа электронной таблицы – в режиме формул и в режиме
результатов. Электронная таблица должна содержать следующие столбцы:
~
x, y , ˆ( x ), yˆ ,  ( x ), ~
y . Кроме того, на листе должны быть приведены значения
коэффициентов aˆ 0 , aˆ1 , a~0 , a~1 . Далее необходимо приложить два листа
результатов работы функциональности Регрессия надстройки Пакет анализа.
3.7. Средствами MS Excel надо построить график трех функций y , ŷ и
~y с отметкой их значений в точках x , i  1, n и включить этот график в
i
пояснительную записку на отдельном листе.
3.8. Описание заданного раздела функциональности системы
программирования должно представлять собой четко структурированный
реферат из любого учебного пособия, в том числе и электронного. Объем
данного раздела – не менее семи страниц. Список литературы, имеющейся в
библиотеке ГГТУ, приводится.
3.9. Заключение должно содержать вывод о качестве приближения
исходных данных исследуемыми регрессионными зависимостями.
3.10. Список использованных источников может содержать ссылки на
адреса Web-страниц и не только на литературу, имеющуюся в библиотеке
ГГТУ.
4
Общие требования к разработке и оформлению программы
Программа должна быть написана на языке программирования Си и
отлажена в доступной студенту системе программирования, желательно DevC++ . При этом в тексте пояснительной записки должно быть указано, в какой
конкретно системе программирования отлажена программа.
Для хранения исходных данных (фактора и результата) создать текстовый
файл, структуру которого студент придумывает самостоятельно, например,
такую, как в приведенном ниже примере (рисунок 4.1).
Объем розничного
товарооборота и платных
услуг
в 2010 г.
Освоение
денежных
доходов, %
Белыничское
Бобруйское
Быховское
Глусское
Горецкое
17417
14313
24280
14084
26159
37,0
27,2
33,2
36,8
40,0
Дрибинское
Кировское
Климовичское
Кличевское
8215
19216
13226
11138
29,1
37,4
21,2
29,5
Костюковичское
Краснопольское
Круглянское
Могилевское
Мстиславское
Осиповичское
9098
10147
3125
8476
22518
17398
15,6
54,2
11,8
25,4
27,6
32,5
Славгородское
Хотимское
Чаусское
Чериковское
Шкловское
Кричевское
9627
11271
7362
13123
9123
18355
22,8
35,3
29,4
28,6
29,9
30,3
Райпо
Рисунок 4.1 – Пример текстового файла с исходными данными
В программе исходные данные должны считываться из текстового файла
и представляться тремя одномерными массивами или одним массивом записей
или другими типами структурированных данных.
Все расчеты (вычисления статистических характеристик, значений
функций и т.д.) должны быть оформлены в виде подпрограмм с входными и
выходными параметрами.
Результаты выполнения программы должны выводиться на экран и в
текстовый файл. Структуру выходного текстового файла придумать
самостоятельно и сделать описание его структуры в пояснительной записке.
Алгоритм решения задачи необходимо представить в виде графических
схем. Например, обобщенная схема алгоритма может выглядеть как на рисунке
4.2.
начало
Ввод n, массива x,
массива y
А
Вычисление средних
арифметических x и y
В
Вычисление среднеквадратических
отклонений  x и  y
С
Вычисление коэффициента парной
корреляции r
D
нет
да
r  0.5
E
Вычисление коэффициентов первой
регрессии aˆ 0 и aˆ1
Вывод "связь между
x и y слабая"
F
Вычисление значений
G
ŷi
Вычисление коэффициентов второй
~ и a~
регрессии a
0
1
H
Вычисление значений
I
Вычисление дисперсий
J
~
yi
ˆ y2 и ~y2
Вычисление коэффициентов
~
Фишера Fˆ и F
K
Вывод всех
результатов
нет
~
Fˆ  F
да
Вывод "первая
регрессия лучше"
Вывод "вторая
регрессия лучше"
конец
Рисунок 4.2 – Обобщенная схема алгоритма
В качестве примера приведем схему алгоритмов блока: А-В на рисунках
4.3 и 4.4. Вычисление среднего арифметического значения x произвольного
1
n
n
массива x, состоящего из n элементов, вычисляется по формуле x    xi .
i 1
Разработаем функцию вычисления среднего значения элементов массива х.
Пусть имя функции SR и она будет принимать в качестве исходных данных
массив x и число его элементов n. Возвращать функция будет среднее значение.
Алгоритм представлен на рисунке 4.3.
Для вычисления среднего значения фактических массивов x и y надо два
раза обратиться к алгоритму SR с разными параметрами. Тогда схема схемы
алгоритма блока: А-В будет иметь вид, изображенный на рисунке 4.4.
SR(x,n)
s=0
i=0
Нет
i<n
Да
s=s+xi
i=i+1
s=s/n
Возврат s
Рисунок 4.3 – Алгоритм вычисления среднего значения элементов массива
A
bbф
bbb
bA
x =SR(x,n)
BA
y =SR(y,n)
B
Рисунок 4.4 – Алгоритм вычисление средних значений массивов x и y
Аналогичным
образом
следует
организовать
вычисление
среднеквадратических отклонений  x и  y , коэффициентов первой и второй
регрессий, значений функций, дисперсий, коэффициентов Фишера. При
разработке подпрограмм требуется правильно определить параметры
подпрограмм, выявить входные, выходные параметры, возвращаемые
параметры по оператору return.
Наиболее
трудным
представляется
определение
параметров
подпрограммы вычисления коэффициентов a0 и a1 регрессионной зависимости.
Подпрограмма должна в качестве исходных данных принимать массивы x и y,
количество их элементов n и функцию  (x) . Возвращать должна коэффициенты
a0
и a1, рассчитанные по формулам, приведенным в п.5.1. Придется
внимательно изучить теоретический раздел, касающийся передачи функции в
качестве параметра в другую функцию.
ОБЩИЕ ТРЕБОВАНИЯ К ОФОРМЛЕНИЮ ПОЯСНИТЕЛЬНОЙ
5
ЗАПИСКИ
Правила оформления пояснительной записки изложены в пособии, текст
которого приводится в файле pravila oformleniya.pdf.
Формулы следует набирать с помощью какого-либо редактора формул.
Пример титульного листа приведен на рисунке 5.1.
Студент представляет на проверку преподавателю не только
напечатанный вариант пояснительной записки, но и все файлы, на
основании которых работа была выполнена.
6
Варианты заданий
6.1
Виды регрессионных зависимостей
Все регрессионные зависимости имеют вид: y  a0  a1   ( x) . При этом,
значения коэффициентов a 0 и a1 вычисляются по следующим формулам:
n
n
d  n    2 ( xi )  (  ( xi )) 2 ;
i 1
i 1
n
n
n
n
i 1
a 0  ( y i    2 ( xi )    ( xi )   ( y i   ( xi ))) / d
i 1
i 1
i 1
n
n
n
i 1
i 1
i 1
a1  (n   ( y i   ( xi ))    ( xi )   y i ) / d
Варианты зависимостей приведены в табл. 6.1., а распределение
вариантов по студентам – в таблице 6.2.
Таблица 6.1 - Виды регрессионных зависимостей
№ варианта
Зависимость
№ варианта
Зависимость
1.
y  a0  a1  x
16. y  a 0  a1  e1 / x / x 2
2.
y  a 0  a1  x 2
17. y  a 0  a1  ln 2 ( x)
3.
y  a0  a1  (1 / x)
18. y  a0  a1  x  ln( x)
4.
19. y  a0  a1  x / ln( x0
5.
y  a0  a1  x
y  a0  a1  ln( x)
6.
y  a 0  a1  e1 / x
21. y  a0  a1  x / e1 / x
7.
y  a0  a1  x / ln( x)
22. y  a 0  a1  x  ln 2 ( x)
8.
y  a 0  a1  x / e1 / x
23. y  a0  a1  x 2  x
9.
y  a 0  a1  x 2 / ln( x)
24. y  a0  a1  x  ln 2 ( x)
20. y  a0  a1  x  e1 / x
10. y  a 0  a1  x 2 / e1 / x
25. y  a 0  a1  e1 / x  ln( x)
11. y  a 0  a1  x 2  ln( x)
26. y  a0  a1  ln( x )
12. y  a 0  a1  x 2  e1 / x
27. y  a0  a1  x  ln( x )
13. y  a0  a1  ln( x) / x
28. y  a0  a1  x  ln( x )
14. y  a 0  a1  e1 / x / x
29. y  a0  a1  x  e1 /
15. y  a 0  a1  ln( x) / x 2
30. y  a 0  a1  x 3  ln( x)
Таблица 6.2 - Распределение вариантов по студентам
№ п/п
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Номера
регрессионных
зависимостей
2, 17
3, 18
4, 25
5, 20
6, 19
7, 21
8, 22
9, 23
10, 24
11, 26
12, 27
13, 28
14. 26
15, 29
16, 30
17, 7
18, 8
19, 9
20, 2
21, 3
Номер
набора
исходных
данных
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Номер
теоретическо
го вопроса
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
x
21
22
23
24
25
26
27
28
29
30
6.2
22, 4
23, 5
24, 6
25, 7
26, 8
27, 9
28, 10
29, 11
30, 2
1, 13
21
22
23
24
25
26
27
28
29
30
21
22
23
24
25
26
27
28
29
30
Варианты наборов исходных данных для подготовки тестов
Варианты наборов исходных данных приведены в файле Факторы и
результаты.xls. Номер набора соответствует номеру листа. Первый числовой
столбец на листе – значения фактора, второй – значения результата.
6.3
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
Варианты теоретических вопросов для курсовой работы
Среда программирования Dev-C++.
Конфигурация среды программирования Dev-C++.
Базовые средства языка С.
Типы данных языка С.
Базовые
конструкции
структурного
программирования
реализующие их операторы языка С.
Указатели и операции с указателями.
Массивы в языке С.
Строки в языке С.
Функции. Объявление и определение функций.
Типы данных, определяемые пользователем в языке С.
Модульное программирование.
Функции. Параметры функции.
Директивы препроцессора.
Функции. Области действия идентификаторов.
Обработка в функции массивов данных.
Указатели на функции. Массивы указателей на функции.
Рекурсивные функции.
Функции с переменным числом параметров.
Командная строка. Параметры функции main().
Структуры.
Объединения.
Файлы и файловая система.
Работа с файлами средствами библиотеки языка Си.
Функции стандартной библиотеки обработки строк.
и
25.
26.
27.
28.
29.
30.
7
Технология создания программ.
Проектирование и тестирование программы.
Функции ввода-вывода строк и символов языка С.
Функции ввода-вывода. Форматы преобразования данных.
Операторы цикла языка С.
Средства отладки программ в системе программирования.
ПРИМЕР ПОДГОТОВКИ ТЕСТА
Пусть нам задан следующий набор значений фактора Торговые запасы
райпо, млн р. и результата Товарооборот райпо, млн р. (см. табл. 7.1).
Таблица 7.1 - Пример исходных данных
№ п/п
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15
Торговые
295 307 313 325 330 334 342 349 353 367 370 378 388 394 402
запасы райпо,
млн р.
Товарооборот 286 291 299 317 319 324 331 336 339 348 356 359 366 370 373
райпо, млн р.
Требуется исследовать возможность описания заданных наборов данных
с помощью регрессионных зависимостей:
y  a0  a1  x и y  a 0  a1  x 3  ln( x) .
В табличном процессоре MS Excel наберем столбцы исходных данных
так, как это показано на рисунке 7.1.
Рисунок 7.1 – Электронная таблица с исходными данными
Для нахождения коэффициентов â 0 и â1 первой заданной регрессионной
зависимости y  aˆ0  aˆ1  x выполним команду Сервис. Если в меню этой команды
мы не увидим команду Анализ данных, то выберем команду Надстройки… и в
открывшемся списке поставим флажок перед элементом Пакет анализа и
щелкнем по кнопке ОК. После этого вновь выполним команду Сервис и
выберем команду Анализ данных (см. рисунок. 7.2).
Рисунок 7.2 – Запуск надстройки Пакет анализа (Анализ данных)
В диалоговом окне Анализ данных выберем функциональность Регрессия
(см. рисунке 7.3).
Рисунок 7.3 – Диалоговое окно Анализ данных
В диалоговом окне Регрессия надо задать в качестве входного интервала
Y диапазон C1:C16, в качестве входного интервала X - диапазон B1:B16 и
поставить флажок перед параметром Метки (см. рисунок 7.4).
Рисунок 7.4 - Вид диалогового окна Регрессия для первой регрессионной
зависимости
На рисунке 5.5 приведен лист с результатами расчета коэффициентов
первой регрессионной зависимости. В ячейке B5 находится значение
коэффициента детерминации (R-квадрат), который показывает степень
приближения регрессионной зависимости к исходным данным. В нашем случае
это значение равно 0,98. Заметим, что максимально возможное значение равно
1. Таким образом, мы имеем высокую степень приближения.
Рисунок 7.5 – Результаты расчета коэффициентов первой регрессионной зависимости
Искомые коэффициенты находятся в ячейках B17 ( â0 ) и B18 ( â1 ).
Скопируем полученные значения на лист с исходными данными и
рассчитаем значения yˆ i  aˆ0  aˆ1  xi (см. рисунок 7.6).
Рисунок. 7.6 - Результаты расчета значений первой регрессии в режимах формул и
результатов
Добавим столбец, в котором вычислим значения функции xi3  ln( xi ) (см.
рисунок 7.7).
Рисунок 7.7 – Фрагмент таблицы с расчетом промежуточных значений для второй
регрессии
Вновь выполним команду Сервис / Анализ данных / Регрессия и зададим
исходные данные так, как это показано на рисунке. 7.8.
Рисунок. 7.8 - Вид диалогового окна Регрессия для второй регрессионной
зависимости
На рисунке 7.9 приведен лист с результатами расчета коэффициентов
второй регрессионной зависимости. В ячейке B5 находится значение
коэффициента детерминации (R-квадрат), равное 0,96. Заметим, что это
значение также свидетельствует о хорошем приближении второй регрессии к
исходным данным, но оно меньше, чем для первой регрессионной зависимости.
Рисунок.7.9 - Результаты расчета коэффициентов второй регрессионной зависимости
Искомые коэффициенты находятся в ячейках B17 ( a~0 ) и B18 ( a~1 ).
Скопируем полученные значения на лист с исходными данными и
рассчитаем значения ~yi  a~0  a~1  xi3  ln( xi ) (см. рисунок 7.10).
Рисунок. 7.10 - Результаты расчета значений второй регрессии в режимах формул и
результатов
Построим графики трех функций y , yˆ , ~y , значения которых находятся в
столбцах C, D и E соответственно, в зависимости от значений x, т е. значений в
столбце В. Искомый график представлен на рисунке. 5.11.
Для решения вопроса о том, какая регрессионная зависимость лучше
описывает исходные данные, вычислим дисперсию для заданных значений,
остаточные дисперсии для каждой регрессии и соответствующие
коэффициенты Фишера. Соответствующие формулы и результаты приведены
на рисунке. 5.12. Так как коэффициент Фишера больше для первой регрессии,
то она лучше приближает исходные данные.
Рисунок. 7.11 – Исходные данные и значения двух регрессионных зависимостей
Рисунок. 7.12 – Вычисление статистических характеристик двух регрессий
8
СПИСОК ЛИТЕРАТУРЫ, ИМЕЮЩЕЙСЯ В БИБЛИОТЕКЕ
8.1 Список учебников и пособий
1. С/С++. Программирование на языке высокого
Т.А.Павловская. – СПб.: Питер, 2002. – 464 с.
уровня
/
2. Основы алгоритмизации и программирования. Язык СИ : учеб.
пособие / Е.М. Демидович. – СПб. : БХВ-Петербург, 2006. -440 с.
3. Касаткин А.И., Вальвачев А.Н. Профессиональное программирование
на языке СИ: от Turbo C к Borland C++: Справ.пособие. – Мн.:
Выш.шк., 1992. – 240 с.
4. И.Ф.Астахова, С.В.Власов.
Новое издание, 2003.
Язык С++ : Учебное пособие.- Мн.:
5. М/ук № 3089. Программирование ввода-вывода данных и линейных
вычислительных алгоритмов на языке С: практ. пособие к
выполнению лаб. и контрольных работ по дисциплине
"Вычислительная техника и программирование" для студентов техн.
специальностей дневн. и заочн. форм обучения /авт.-сост.:
О.А.Кравченко, А.М. Мартыненко. – Гомель: ГГТУ им. П.О. Сухого,
2005. – 33 с.
6. М/ук №
. Программирование разветвляющихся и циклических
алгоритмов на языке С. Пособие по выполнению лабораторных и
контрольных работ по дисциплине «Вычислительная техника и
программирование» для студентов технических специальностей
дневной и заочной форм обучения / авт.-сост.: О.А.Кравченко, Е.В.
Коробейникова. - Гомель: ГГТУ им. П.О. Сухого, 2005. – 33 с.
7. М/ук №
. Массивы в языке С. пособие по выполнению
лабораторных и контрольных работ по дисциплине "Вычислительная
техника и программирование"для студентов техн. специальностей
дневн. и заочн. форм обучения /авт.-сост.: О.А.Кравченко, Д.А.
Литвинов. - Гомель: ГГТУ им. П.О. Сухого, 2005. – 51 с.
8. М/ук № Подпрограммы и программирование с их использованием
на языке С. Пособие по курсу «Основы алгоритмизации и
программирования» для студентов специальностей 1-36 04 02
«Промышленная электроника» и «Информационные системы и
технологии (по направлениям)» дневной и заочной форм обучения /
авт.-сост.: О.А.Кравченко, Д.А. Литвинов. - Гомель: ГГТУ им. П.О.
Сухого, 2005. – 45 с.
8.2
Список электронных материалов
ЭЛЕКТРОННЫЙ УЧЕБНО_МЕТОДИЧЕСКИЙ КОМПЛЕКС
дисциплины
«ОСНОВЫ АЛГОРИТМИЗАЦИИ И ПРОГРАММИРОВАНИЯ»
для студентов специальности
1 40 01 02 - "Информационные системы и технологии (по направлениям)",
1 40 01 02-01 - "Информационные системы и технологии (в проектировании и
производстве)