当前位置: 网校> 咨询工程师培训> 2024咨询工程师考试课件
环球网校 咨询工程师培训

2024咨询工程师考试课件

发布时间:2019年10月10日

课程介绍

咨询工程师的考试培训,推荐到环球网校来参加学习,一般认为培训选择的第一要素就是老师,老师是决定培训成果的最直接因素,之所以推荐环球网校的咨询工程师也是因为他们的师资力量好,是由三位老师主讲,杨伯元,张宝魁,孙玉保,这三位老师可以说是建筑培训行业里德高望重的了,很多考生应该都听说过他们,这几位老师的课还是非常的稳妥的,推荐大家试听,环球的班级也是比较合理,有适合零基础的,有适合基础不错的。

热门推荐

咨询工程师畅学口碑班,两年免费重修

主讲老师:杨伯元,张宝魁,孙玉保

适合专业:政策与发展规划、组织与管理、分析与评价、方法与实务

免费试听

咨询工程师全程班,学期两年

主讲老师:杨伯元,张宝魁,孙玉保

适合专业:政策与发展规划、组织与管理、分析与评价、方法与实务

免费试听

课程详情

  • 零基础
    畅学班
    单科:1880元 全科:4880元 适合学员:第一次考、往年裸考,零基础、自律性差,需案例专项强化的学员,欲提高备考效率的学员; 套餐内容:备考指导班、教材精讲班、随堂作业、考点强化班、经典习题班、真题解析班、内部密卷、内部资料、实务考前直播密训、教研团队精编专属学习计划、在线答疑、节点提醒、考试不过2年免费重学;
  • 全程班
    单科:880元 全科:2280元 适合学员:基础薄弱、没时间,对考点命题方向把握不准的学员; 套餐内容:备考指导班、教材精讲班、随堂作业、考点强化班、经典习题班、真题解析班、在线答疑、节点提醒、考试不过次年免费重学;

师资详情

张宝魁

紧扣考试大纲资深讲师幽默风趣立即试听
天津某大学教授、博士生导师;国家级精品课《建筑工程施工》主讲教师,多次获得省部级科研与教学奖励;编著《建筑施工技术》等多部著作,发表科研论文20多篇;教学严谨,为人质朴醇厚,深受学员喜爱。

孙玉保

紧扣考纲突出重点教学严谨立即试听
高级经济师,造价工程师,监理工程师,咨询工程师,安全工程师;在某大型集团公司从事工程管理工作,并兼任某学校教学工作多年;撰写《项目决策分析与评价考点和答疑精选》等教辅,发表论文20余篇;具有多年的实操经验,教学深入浅出,条理清晰,深受学员好评。

培训流程

夯实基础
精讲班:全面系统解析,构建知识框架; 备考指导:详解各科考试重点,针对性学习;课后习题:随学随练,即时掌握,避免遗忘;
深化考点
经典习题:提炼考试重点,传授解题技巧; 模考点题:2套高质量模拟试题,浓缩考点; 真题解析:以题带点,把我考试方向!
考前冲刺
内部密卷:考前特训,通关必备!

    移动课堂


  • 听课

    课程与PC端同步更新,充分利用零碎时间。
  • 做题

    海量精选试题,想练就练,瞬间提分。
  • 答疑

    海量精选试题,想练就练,瞬间提分。
  • 直播

    讲师大咖面对面,有问有大收获多。

学习资料

  净现值(万元)概率累计概率

  ―40 5370.0300.030

  -31 8930.0240.054

  -23 2480.0060.060

  -23 1060.0150.075

  -14 4620.0120.087

  -5 8170.0030.090

  -5 6750.0050.095

  -4 0250.1200.215

  2 9690.0040.219

  根据表13-16,可求得净现值小于零的概率为:

  P[NPV(10%)<0]=215 (0.219-0.215)× =0.217,即项目不可行的概率为0. 215。计算得出净现值大于零或等于零的可能性为78.3%,大于投资者的要求。因此,项目在经济上是可行的。

  (五)蒙特卡洛模拟

  用随机抽样的方法抽取一组输入变量的数值,并根据这组输入变量的数值计算项目评价指标。

  1.蒙特卡洛模拟的程序

  (1)确定风险分析所采用的评价指标,如净现值、内部收益率等。

  (2)确定对项目评价指标有重要影响的输入变量。

  (3)经调查确定输入变量的概率分布。

  (4)为各输入变量独立抽取随机数。

  (5)由抽得的随机数转化为各输入变量的抽样值。

  (6)根据抽得的各输入随机变量的抽样值组成一组项目评价基础数据。

  (7)根据抽样值组成基础数据计算出评价指标值。

  (8)重复第4步到第7步,直至预定模拟次数。

  (9)整理模拟结果所得评价指标的期望值、方差、标准差和期望值的概率分布,绘制累计概率图。

  2.应用蒙特卡洛模拟法时应注意的问题

  (1)在运用蒙特卡洛模拟法时,假设输入变量之间是相互独立的,在风险分析中会遇到输入变量的分解程度问题。输入变量分解得越细,输入变量个数也就越多,模拟结果的可靠性也就越高。变量分解过细往往造成变量之间有相关性,就可能导致错误的结论。为避