Каталог книг

Салин В. Курс теории статистики для подг. специалистов фин.-эконом. профиля.

Перейти в магазин

Сравнить цены

Категория: Книги

Описание

Сравнить Цены

Предложения интернет-магазинов
Салин В. Курс теории статистики для подг. специалистов фин.-эконом. профиля. Салин В. Курс теории статистики для подг. специалистов фин.-эконом. профиля. 363 р. chitai-gorod.ru В магазин >>
В. М. Земцов Элементы теории вероятностей и математической статистики В. М. Земцов Элементы теории вероятностей и математической статистики 490 р. litres.ru В магазин >>
Рау В. Практ. курс мат-ки и общей теории статистики Рау В. Практ. курс мат-ки и общей теории статистики 218 р. chitai-gorod.ru В магазин >>
Салин В., Шпаковская Е. (ред.) Социально-эконом. статистика Практикум Салин В., Шпаковская Е. (ред.) Социально-эконом. статистика Практикум 330 р. chitai-gorod.ru В магазин >>
Статистика. Учебное пособие Статистика. Учебное пособие 357 р. labirint.ru В магазин >>
А. Е. Захарова Элементы теории вероятностей, комбинаторики и статистики в основной школе А. Е. Захарова Элементы теории вероятностей, комбинаторики и статистики в основной школе 198 р. litres.ru В магазин >>
А. Е. Захарова, Ю. М. Высочанская Элементы теории вероятности, комбинаторики и статистики в основной школе А. Е. Захарова, Ю. М. Высочанская Элементы теории вероятности, комбинаторики и статистики в основной школе 203 р. ozon.ru В магазин >>

Статьи, обзоры книги, новости

Книга: Курс теории статистики для подг

Курс теории статистики для подг. специалистов фин.-эконом. профиля.

Альфа-самец. Моделирование будущего. Экстрасенсорика (комплект из 3 книг)

Магические книги Руси

Ошибка богов. Вселенский код или тайна великого мага

Почему у животных не бывает инфаркта, … а у людей бывает! Естесственное предотвращение инфарктов, инсультов, высокого артериального давления, диабета, высокого уровня холестерина и многих других проблем сердечно-сосудистой системы

Таинственный мир, в котором мы живем

Общая теория статистики Ответы на экз. вопросы

Продавать и покупать книги с BazarKnig – это быстро, удобно и легко!

Источник:

bazarknig.ru

Бесплатная доставка Курс теории статистики для подг

Курс теории статистики для подг. специалистов фин.-эконом. профиля.

Tweet Поделиться Google+ Pinterest

Состояние:

  • Новый товар

    Наличие: В наличии

    Внимание: ограниченное количество товара в наличии!

    Доступно с даты:

    Отправить другу

    Курс теории статистики для подг. специалистов фин.-эконом. профиля.

    Особое внимание уделяется проблеме оценки достоверности статистической информации, приводится важный для теории статистики материал, связанный с обработкой статистических

    Имя вашего друга * :

    Адрес электронной почты Вашего друга * :

    Особое внимание уделяется проблеме оценки достоверности статистической информации, приводится важный для теории статистики материал, связанный с обработкой статистических данных, когда в процессе статистического наблюдения удается собрать лишь часть информации (например, в финансовом секторе экономики, где данные либо конфиденциальны, либо неохотно сообщаются владельцами информации). Теоретический материал иллюстрируется примерами из финансовой сферы. Для студентов, аспирантов финансово-экономических специальностей, преподавателей, научных работников, а также для работников экономических служб и организаций финансовой сферы экономики. Может использоваться студентами, которые получают второе высшее экономическое образование.

    Еще нет отзывов.

    Похожие товары Кроссовки Nike

    Кроссовки для мальчиков дошкольного возраста Nike Revolution 3 Print (PSV) с легким верхом из сетки и бесшовными кожаными накладками для воздухопроницаемости и поддержки. Эластичные

    " itemprop="name"> GLASER H40379-00 Прокладка ГБЦ Renault Laguna 1.9DCI MLS 1.1mm 99>

    Не секрет, что машина давно уже перестала восприниматься как просто средство передвижения, и водители покупают всё лучшее для своих железных коней. GLASER H40379-00 Прокладка

    YAMAHA GTR BWS125 Демонстрационная доска Hebel Maul 2526170 меловая 60x90см деревянная рама

    Удобная и легкая меловая доска в деревянной раме. Специальное покрытие доски предназначено для использования любого мела и легко очищается влажной тряпочкой.

    Краскопульт Elmos

    Принцип работы: воздушный распылительМощность двигателя: 85 втЕмкость бака: 1100 млВес: 1.5 кгДополнительная информация: Размер сопла 0.6—1 ммКомплектация: Краскопульт

    EQ MAXON Зубная паста-гель с экстрактом прополиса, 150 гр.

    Зубная паста-гель содержит экстракты прополиса и зеленого чая. Предотвращает появление кариеса, устраняет неприятный запах изо рта, превосходно удаляет зубной налет,

    Резиновые коврики сетка для Cadillac Escalade c 2007-г. (Seintex)

    Резиновые коврики с рисунком - сетка для автомобиля Cadillac Escalade с 2007-2014 г. Особенности: - коврики долговечны, не порвутся и не сломаются - не имеют неприятного запаха - узор

    Городской самокат SLand

    Возрастная группа: детскийКоличество колес: 4Тип: городскойДиаметр колеса: 120/80 ммТормоз: ножнойМатериал: полиуретанВысота рулевой стойки: 90.5 смДлина самоката: 80 смДополнительная

    Сиденье Zlatek КРЕС0181 colibri

    Группа: 0+ (до 13 кг), Способ установки: спиной вперед, Регулировка внутренних ремней: есть, Использование в качестве переноски: есть, Съемный чехол: есть

    Крем БИОДЕРМА СЕНСИБИО ЛАЙТ, 40 мл (Bioderma)

    Способствует мягкости, эластичности и увлажненности.

    Практикум по общей теории статистики

    Раскрыты основные понятия обшей теории статистики. Рассмотрены группировка статистических данных и их роль в анализе информации, абсолютные, относительные и средние

    Источник:

    www.fullmaster.ru

  • Курс теории статистики для подготовки специалистов финансово-экономического профиля

    Салин В. Курс теории статистики для подг. специалистов фин.-эконом. профиля.

    (495) 625-35-02 реализация

    (495) 621-36-28 реализация

    (495) 625-47-08 секретарь

    (495) 621-86-57 киоск

    АЛФАВИТНЫЙ КАТАЛОГ

    • Авторы
    • Названия

    ПРАЙС-ЛИСТ

    • Скачать

    Курс теории статистики для подготовки специалистов финансово-экономического профиля

    Особое внимание уделяется проблеме оценки достоверности статистической информации, приводится важный для теории статистики материал, связанный с обработкой статистических данных, когда в процессе статистического наблюдения удается собрать лишь часть информации (например, в финансовом секторе экономики, где данные либо конфиденциальны, либо неохотно сообщаются владельцами информации). Теоретический материал иллюстрируется примерами из финансовой сферы.

    Источник:

    ifinstat.ru

    Салин В. Курс теории статистики для подг. специалистов фин.-эконом. профиля.

    Э. Ю. Курс теории статистики для подготовки специалистов финансово-экономического профиля: учебник

    Салин В.Н., Чурилова Э.Ю. Курс теории статистики для подготовки специалистов финансово-экономического профиля: учебник /В.Н. Салин, Э.Ю. Чурилова. – М.: Финансы и статистика. - 2006. – 480с.

    9.9. Особенности прогнозирования

    при исследовании динамических рядов

    При комплексном исследовании динамических рядов в боль­шинстве случаев ставится задача, касающаяся дальнейшего прог­нозирования их уровней. Экстраполяцией называется прогнози-рование финансовых и экономических явлений и процессов на основе выявленных закономерностей их развития в прошлом и настоящем периодах, представленных данным динамическим ря­дом. Экстраполяция всегда проводится за пределы исследуемого временного ряда: в будущее или в прошлое. В зависимости от этого различают перспективную экстраполяцию (в будущее) и ретроспективную (в прошлое). Вместе с этим может осуще­ствляться и интерполяция - прогнозирование неизвестных по ка­ким-либо причинам уровней внутри самого исследуемого ряда динамики.

    Точность и надежность прогнозов, получаемых при экстрапо­ляции, зависят от того, насколько инерционно то финансовое или экономическое явление, которое подвергается прогнозирова­нию, насколько точно выявлена тенденция развития явления и выбран метод получения дальнейшего прогноза. Не последнюю роль при этом играет и период экстраполяции: чем он короче, тем, естественно, точнее прогноз.

    С этими требованиями тесным образом связана задача выбора длины динамического ряда, на основе которого будет проводиться экстраполяция. Правило «чем больше, тем лучше» в данном слу­чае не всегда верное. Дело в том, что в быстро развивающемся ми­ре экономики и финансов длинные динамические ряды зачастую оказываются несопоставимыми. Из-за того, что меняются мето­дология расчета показателей, тенденции и сущность социально-экономических явлений и процессов, полученные прогностичес­кие модели оказываются неустойчивыми.

    Вместе с тем имеется общее правило: срок, на который осу­ществляется прогноз, не должен превышать 1/3 длины базового динамического ряда. Так, если исследуется ряд динамики, состо­ящий из девяти уровней, прогнозирование проводится не далее чем на три уровня и т.п. Но этот вопрос опять должен решаться на основе анализа степени инерционности исследуемого явления. Если процесс имеет малую инерционность, то информативность уровней ряда по мере их удаления от периода прогнозирования будет соответственно снижаться: наибольшую информационную ценность будут иметь «последние» периоды. На этом основаны так называемые адаптивные методы прогнозирования, которые учитывают различную информационную ценность членов ряда. При проведении процедуры выравнивания им задается опреде-

    ленный вес, кроме того, могут меняться параметры моделей в за­висимости от точности результата прогноза, сделанного на пре­дыдущем шаге'.

    В данной главе мы рассмотрим более простые методы экстра­поляции, основанные на использовании: среднего уровня ряда; среднего абсолютного прироста; среднего темпа роста и функции аналитического выравнивания.

    Первые три метода являются простейшими и поэтому самыми приближенными. Экстраполяция на основе функции тренда, полученной в результате аналитического выравнивания, относится к наиболее распространенным и практически приме­няемым методам прогнозирования.

    9.9.1. Прогнозирование на основе среднего уровня ряда

    Данный метод используется, если явление обладает высокой сте­пенью инерционности. В этом случае точечная оценка прогноз­ного значения принимается равной среднему уровню ряда, а ин­тервальная строится следующим образом:

    где tа — значение /-распределения Стьюдента, соответствующее (п — I) сте­пени свободы и выбранному значению уровня значимости а;

    Sy, — средняя квадратическая ошибка средней где

    среднее квадратическое отклонение, вычисле­ние для членов ряда).

    При использовании данного способа прогнозирования счи­тают, что значения исследуемого явления колеблются вокруг среднего уровня и эта тенденция сохранится в будущем.

    'См.: Лукашин Ю.П. Адаптивные методы краткосрочного прогнозиро­вания временных рядов. — М.: Финансы и статистика, 2003.

    9.9.2. Прогнозирование на основе

    среднего абсолютного прироста

    Если цепные абсолютные приросты рассматриваемого ряда ди­намики приблизительно постоянны, то развитие явления можно описать линейной функцией. В этом случае возможно примене­ние метода прогнозирования на основе среднего абсолютного прироста. Значение предсказываемого уровня п+1) рассчитыва­ется по формуле

    где уn последний уровень динамического ряда;

    ? — средний абсолютный прирост ряда динамики; t количество периодов экстраполяции (срок прогноза).

    Предположим, что последний уровень динамического ряда равен 10 у.е., рассчитанный средний абсолютный прирост — 1,5 у. е. Тогда через два года можно ожидать следующее значение пока­зателя:

    Такой подход к прогнозированию имеет то положительное свойство, что не требует проведения громоздких расчетов, и в то же время дает возможность получить достаточно объективно прогнозную оценку показателя на ближайший период.

    9.9.3. Прогнозирование на основе среднего темпа роста

    Данный способ прогнозирования применяется, если рассчитан­ные цепные темпы роста приблизительно одинаковые при пере­ходе от одного периода времени к другому. Тогда общую тенден­цию можно описать с помощью показательной функции, а прог­нозируемое значение уровня определить следующим образом:

    где уn - последний уровень динамического ряда;

    Tроста— средний темп роста динамического ряда, выраженный в коэффи­ циентах; t количество периодов экстраполяции (срок прогноза).

    Предположим, что последний уровень динамического ряда равен 20 у. е., рассчитанный средний темп роста составил 112,3 %. Тогда через два года можно ожидать следующее значение показа­теля:

    .

    Подобный подход к прогнозированию также не требует про­ведения громоздких расчетов.

    9.9.4. Прогнозирование на основе

    Цель проведения аналитического выравнивания — получение ма­тематической функции (уравнения тренда), которая описывает изменение уровней динамического ряда с течением времени t. Если продолжить обозначения условного показателя времени /до периода, для которого требуется построить прогноз, а затем подс­тавить соответствующее t в уравнение тренда, то можно получить прогнозную оценку показателя.

    Так, если тенденция динамического ряда описывается пара­болическим уравнением вида (пример 9.11):

    прогнозное значение показателя, например на 2006 г., составит (табл. 9.46):

    млн руб.

    Функцию, полученную методом аналитического выравнивая и которую предполагается использовать для прогнозных целей, предварительно всегда следует проверить «на качество». Для это­го рассчитывается величина остаточной дисперсии (чем она меньше, тем лучше уравнение описывает тренд) или средняя ошибка аппроксимации (она не должна превышать 12-15 %, что­бы модель была признана адекватной), в остаточных величинах должна отсутствовать автокорреляция.

    Таблица 9.46 Расчет прогнозного значения на основе уравнения тренда

    Вложения в уставные капиталы,

    Условное обозначение времени

    9.9.5. Прогнозирование на основе

    взаимосвязанных рядов динамики

    Прогнозирование также можно осуществлять, используя уравне­ние связи для взаимосвязанных рядов динамики. В этом случае, зная или планируя значение одного из показателей, можно предсказать значение другого.

    По даннымтабл. 9.47 построено уравнение, имеющее вид:

    Подставив в него соответствующие значениями x и t для прогно­зируемого года, получим прогноз балансовой прибыли у. Так, ес­ли для 2005 г. затраты на рекламу возрастут на 0,04 млн руб., то ба­лансовая прибыль составит:

    млн руб.

    В заключение отметим, что помимо рассмотренных нами методов в статистической теории описаны и другие, более эф­фективные подходы прогнозирования, учитывающие важнейшие нюансы в развитии явления. Одни из них, а именно, адаптивные методы прогнозирования мы уже упоминали. Кроме того, при нахождении аналитической функции и построении прогноза воз­можно применение комбинации нескольких видов кривых; при наличии экстремальных значений - использование кривой Гом-перца и т.п.

    Расчет прогнозного значения на основе уравнения взаимосвязанных

    Затраты на рекламу, млн руб.

    Балансовая прибыль, млн У

    Условный показатель времени t

    2000 2001 2002 2003 2004 2005

    0,09 0,18 0,36 0,41 0,68 0,69

    1,2 1,5 1,6 1,8 2,4 2,5

    В то же время следует помнить, что экстраполяция — не вол­шебное средство и не может дать точного совпадения прогнозных оценок с фактическими данными, поэтому для прогнозных зна­чений всегда рекомендуется строить доверительный интервал (он будет тем шире, чем дальше период прогнозирования), сопро­вождающийся доверительной вероятностью прогноза.

    Источник:

    refdb.ru

    Чурилова теории статистики для подготовки специалистов финансово-экономического профиля: учебник, Контент-платформа

    , Чурилова теории статистики для подготовки специалистов финансово-экономического профиля: учебник

    , Чурилова теории статистики для подготовки специалистов финансово-экономического профиля: учебник /, . – М.: Финансы и статистика– 480с.

    9.9. Особенности прогнозирования

    при исследовании динамических рядов

    При комплексном исследовании динамических рядов в боль­шинстве случаев ставится задача, касающаяся дальнейшего прог­нозирования их уровней. Экстраполяцией называется прогнози-рование финансовых и экономических явлений и процессов на основе выявленных закономерностей их развития в прошлом и настоящем периодах, представленных данным динамическим ря­дом. Экстраполяция всегда проводится за пределы исследуемого временного ряда: в будущее или в прошлое. В зависимости от этого различают перспективную экстраполяцию (в будущее) и ретроспективную (в прошлое). Вместе с этим может осуще­ствляться и интерполяция - прогнозирование неизвестных по ка­ким-либо причинам уровней внутри самого исследуемого ряда динамики.

    Точность и надежность прогнозов, получаемых при экстрапо­ляции, зависят от того, насколько инерционно то финансовое или экономическое явление, которое подвергается прогнозирова­нию, насколько точно выявлена тенденция развития явления и выбран метод получения дальнейшего прогноза. Не последнюю роль при этом играет и период экстраполяции: чем он короче, тем, естественно, точнее прогноз.

    С этими требованиями тесным образом связана задача выбора длины динамического ряда, на основе которого будет проводиться экстраполяция. Правило «чем больше, тем лучше» в данном слу­чае не всегда верное. Дело в том, что в быстро развивающемся ми­ре экономики и финансов длинные динамические ряды зачастую оказываются несопоставимыми. Из-за того, что меняются мето­дология расчета показателей, тенденции и сущность социально-экономических явлений и процессов, полученные прогностичес­кие модели оказываются неустойчивыми.

    Вместе с тем имеется общее правило: срок, на который осу­ществляется прогноз, не должен превышать 1/3 длины базового динамического ряда. Так, если исследуется ряд динамики, состо­ящий из девяти уровней, прогнозирование проводится не далее чем на три уровня и т. п. Но этот вопрос опять должен решаться на основе анализа степени инерционности исследуемого явления. Если процесс имеет малую инерционность, то информативность уровней ряда по мере их удаления от периода прогнозирования будет соответственно снижаться: наибольшую информационную ценность будут иметь «последние» периоды. На этом основаны так называемые адаптивные методы прогнозирования, которые учитывают различную информационную ценность членов ряда. При проведении процедуры выравнивания им задается опреде-

    ленный вес, кроме того, могут меняться параметры моделей в за­висимости от точности результата прогноза, сделанного на пре­дыдущем шаге'.

    В данной главе мы рассмотрим более простые методы экстра­поляции, основанные на использовании: среднего уровня ряда; среднего абсолютного прироста; среднего темпа роста и функции аналитического выравнивания.

    Первые три метода являются простейшими и поэтому самыми приближенными. Экстраполяция на основе функции тренда, полученной в результате аналитического выравнивания, относится к наиболее распространенным и практически приме­няемым методам прогнозирования.

    Данный метод используется, если явление обладает высокой сте­пенью инерционности. В этом случае точечная оценка прогноз­ного значения принимается равной среднему уровню ряда, а ин­тервальная строится следующим образом:

    где tа — значение /-распределения Стьюдента, соответствующее (п — I) сте­пени свободы и выбранному значению уровня значимости а;

    Sy, — средняя квадратическая ошибка средней где

    — среднее квадратическое отклонение, вычисле­ние для членов ряда).

    При использовании данного способа прогнозирования счи­тают, что значения исследуемого явления колеблются вокруг среднего уровня и эта тенденция сохранится в будущем.

    'См.: Лукашин методы краткосрочного прогнозиро­вания временных рядов. — М.: Финансы и статистика, 2003.

    среднего абсолютного прироста

    Если цепные абсолютные приросты рассматриваемого ряда ди­намики приблизительно постоянны, то развитие явления можно описать линейной функцией. В этом случае возможно примене­ние метода прогнозирования на основе среднего абсолютного прироста. Значение предсказываемого уровня (уп+1) рассчитыва­ется по формуле

    где уn последний уровень динамического ряда;

    ∆ — средний абсолютный прирост ряда динамики; t количество периодов экстраполяции (срок прогноза).

    Предположим, что последний уровень динамического ряда равен 10 у. е., рассчитанный средний абсолютный прирост — 1,5 у. е. Тогда через два года можно ожидать следующее значение пока­зателя:

    Такой подход к прогнозированию имеет то положительное свойство, что не требует проведения громоздких расчетов, и в то же время дает возможность получить достаточно объективно прогнозную оценку показателя на ближайший период.

    Данный способ прогнозирования применяется, если рассчитан­ные цепные темпы роста приблизительно одинаковые при пере­ходе от одного периода времени к другому. Тогда общую тенден­цию можно описать с помощью показательной функции, а прог­нозируемое значение уровня определить следующим образом:

    где уn - последний уровень динамического ряда;

    Tроста— средний темп роста динамического ряда, выраженный в коэффи­ циентах; t количество периодов экстраполяции (срок прогноза).

    Предположим, что последний уровень динамического ряда равен 20 у. е., рассчитанный средний темп роста составил 112,3 %. Тогда через два года можно ожидать следующее значение показа­теля:

    .

    Подобный подход к прогнозированию также не требует про­ведения громоздких расчетов.

    Цель проведения аналитического выравнивания — получение ма­тематической функции (уравнения тренда), которая описывает изменение уровней динамического ряда с течением времени t. Если продолжить обозначения условного показателя времени /до периода, для которого требуется построить прогноз, а затем подс­тавить соответствующее t в уравнение тренда, то можно получить прогнозную оценку показателя.

    Так, если тенденция динамического ряда описывается пара­болическим уравнением вида (пример 9.11):

    прогнозное значение показателя, например на 2006 г., составит (табл. 9.46):

    млн руб.

    Функцию, полученную методом аналитического выравнивая и которую предполагается использовать для прогнозных целей, предварительно всегда следует проверить «на качество». Для это­го рассчитывается величина остаточной дисперсии (чем она меньше, тем лучше уравнение описывает тренд) или средняя ошибка аппроксимации (она не должна превышать 12-15 %, что­бы модель была признана адекватной), в остаточных величинах должна отсутствовать автокорреляция.

    Таблица 9.46 Расчет прогнозного значения на основе уравнения тренда

    Вложения в уставные капиталы,

    Условное обозначение времени

    взаимосвязанных рядов динамики

    Прогнозирование также можно осуществлять, используя уравне­ние связи для взаимосвязанных рядов динамики. В этом случае, зная или планируя значение одного из показателей, можно предсказать значение другого.

    По даннымтабл. 9.47 построено уравнение, имеющее вид:

    Подставив в него соответствующие значениями x и t для прогно­зируемого года, получим прогноз балансовой прибыли у. Так, ес­ли для 2005 г. затраты на рекламу возрастут на 0,04 млн руб., то ба­лансовая прибыль составит:

    млн руб.

    В заключение отметим, что помимо рассмотренных нами методов в статистической теории описаны и другие, более эф­фективные подходы прогнозирования, учитывающие важнейшие нюансы в развитии явления. Одни из них, а именно, адаптивные методы прогнозирования мы уже упоминали. Кроме того, при нахождении аналитической функции и построении прогноза воз­можно применение комбинации нескольких видов кривых; при наличии экстремальных значений - использование кривой Гом-перца и т. п.

    Расчет прогнозного значения на основе уравнения взаимосвязанных

    Затраты на рекламу, млн руб.

    Балансовая прибыль, млн У

    Условный показатель времени t

    0,09 0,18 0,36 0,41 0,68 0,69

    1,2 1,5 1,6 1,8 2,4 2,5

    В то же время следует помнить, что экстраполяция — не вол­шебное средство и не может дать точного совпадения прогнозных оценок с фактическими данными, поэтому для прогнозных зна­чений всегда рекомендуется строить доверительный интервал (он будет тем шире, чем дальше период прогнозирования), сопро­вождающийся доверительной вероятностью прогноза.

    Обзоры сервисов Pandia.ru

    или автореферат диссертации на соискание ученой степени кандидата экономических наук специальности 08.00.01 – Экономическая теория Государственного университета – Высшей школе экономики

    • Влияние рентоориентированного поведения на политические деловые циклы – часть 1 - общая характеристика диссертации

  • Влияние рентоориентированного поведения на политические деловые циклы – часть 2 - логика и структура работы, основные положения диссертации: временная структура ренты политика для стратегии "долговременного пребывания", функции дисконтированных потоков ренты в зависимости от длительности срока правления, потери избирателя при различных сроках правления

  • Влияние рентоориентированного поведения на политические деловые циклы – часть 3 - продолжение основных положений диссертации: возможные виды функции переизбрания, пример функции ожидаемых доходов политика в условиях политической конкуренции, связь административного ресурса с экономическим и политическим монополизмом, функция переизбрания без учета административного ресурса

    или автореферат диссертации на соискание ученой степени кандидата экономических наук специальности 08.00.01 – Экономическая теория Государственного образовательного учреждения высшего профессионального образования «Орловский государственный технический университет»

    • Воспроизводство информационных ресурсов в современной экономике России – часть 1 - общая характеристика работы

  • Воспроизводство информационных ресурсов в современной экономике России – часть 2 - продолжение общей характеристики работы, основные положения и результаты работы, выносимые на защиту: расширено и уточнено понимание информационного ресурса как экономической категории, выражающей отношения по поводу использования знаний, ИКТ и человеческого капитала в экономике, обоснованы особенности воспроизводства информационных ресурсов и его стадий: структура особенностей воспроизводства информационных ресурсов, определены и теоретически обоснованы сущностные характеристики структурных элементов рынка информационных ресурсов на основе выделения микро – и макроэкономических целей их функционирования

  • Воспроизводство информационных ресурсов в современной экономике России – часть 3 - продолжение основных положений и результатов работы, выносимых на защиту: определены и теоретически обоснованы сущностные характеристики структурных элементов рынка информационных ресурсов на основе выделения микро – и макроэкономических целей их функционирования: структура рынка информационных ресурсов, выявлены особенности механизма капитализации информационных ресурсов, который включает в себя: самовозрастание ценности в процессе потребления, способность приносить доход, высокий уровень образования участников рынка, предложена модель оценки интеллектуальной ренты как факторного дохода от использования информационных ресурсов, являющихся объектом интеллектуальной собственности: таблица расчет информационной ренты, выделены основные элементы информационной инфраструктуры как базиса современной экономики и показано, что такая инфраструктура призвана обеспечить создание единого социально-экономического пространства России

    Проекты по теме:

    Домашний очаг Справочная информация Общество Образование и наука Бизнес и финансы Досуг Технологии Инфраструктура Товары

    Мнение редакции может не совпадать с мнениями авторов.

    Источник:

    pandia.ru

  • Салин В. Курс теории статистики для подг. специалистов фин.-эконом. профиля. в городе Оренбург

    В данном интернет каталоге вы сможете найти Салин В. Курс теории статистики для подг. специалистов фин.-эконом. профиля. по разумной стоимости, сравнить цены, а также изучить другие книги в категории Книги. Ознакомиться с параметрами, ценами и обзорами товара. Транспортировка осуществляется в любой населённый пункт России, например: Оренбург, Краснодар, Ярославль.