Ф.И.О.
Орлов Александр Иванович
Ученая степень
• кандидат физико-математических наук
• доктор технических наук
• доктор экономических наук
Ученое звание
профессор
Почетное звание
—
Организация, должность
• Московский государственный технический университет им. Н.Э. Баумана
Научные интересы
статистические методы, организационно-экономическое моделирование. Разработал новую область прикладной статистики — статистику объектов нечисловой природы
Адрес веб-сайта
—
Электропочта
Текущий рейтинг (суммарный рейтинг статей)
0
TOP5 соавторов
Статей в журнале: 155 шт
Сформировать список работ, опубликованных в Научном журнале КубГАУ
-
Теория экспертных оценок в нашей стране
01.00.00 Физико-математические науки
Краткое описаниеДан анализ развития экспертных оценок в нашей стране в послевоенные годы. Рассмотрено многообразие экспертных технологий, приведены основные идеи и публикации, позволяющие выявить движущие силы развития в этой перспективной научно-практической области.
-
Асимптотические методы статистического контроля
01.00.00 Физико-математические науки
Краткое описаниеСтатистический контроль - это выборочный контроль на основе теории вероятностей и математической статистики. Рассказано о развитии методов статистического контроля в нашей стране. Рассмотрены основы теории статистического контроля - планы статистического контроля и их оперативные характеристики, риски поставщика и потребителя, приемочный и браковочный уровни дефектности. Получены асимптотический метод синтеза планов контроля на основе предела среднего выходного уровня дефектности. Разработана асимптотическая теория одноступенчатых планов. Сформулированы некоторые нерешенные математические задачи теории статистического контроля
-
Расстояния в пространствах статистических данных
01.00.00 Физико-математические науки
Краткое описаниеЯдром прикладной статистики является статистика в пространствах произвольной природы, основанная на использовании расстояний и задач оптимизации. В настоящей статье обсуждаются расстояния в различных пространствах статистических данных, в частности, их вывод на основе соответствующих систем аксиом. Формулировки и доказательства теорем впервые публикуются в научной периодике
-
О контроллинге научной деятельности
Краткое описаниеВыделена новая область контроллинга – контроллинг научной деятельности. Рассмотрены некоторые проблемы развития этой области, прежде всего проблема выбора ключевых показателей эффективности. Установлено, что стимулированная административными мерами погоня за числом опубликованных статей в научных журналах мешает развитию науки. Методологические ошибки – упор на индексы цитирования, импакт-факторы и т.п. – приводят к неправильным управленческим решениям. Как показывает опыт Великобритании, в управлении наукой необходимо применять экспертизы. Кратко обсуждаются некоторые недостатки сложившейся системе научных специальностей. Предлагается развернуть научные исследования по науковедению и контроллингу научной деятельности. Обсуждаются проблемы контроллинга в научно-исследовательских организациях прикладного профиля
-
Оценки плотности распределения вероятностей в пространствах произвольной природы
01.00.00 Физико-математические науки
Краткое описаниеВведены линейные оценки плотности распределения вероятностей в пространствах произвольной природы и их частные случаи – ядерные и гистограммные оценки, оценки типа Фикс - Ходжеса. Состоятельность и асимптотической нормальность линейных оценок доказана при выполнении естественных условий. Показано, что вероятность попадания в область может быть найдена с помощью линейных оценок плотности. Рассмотрен частный случай конечного множества, установлено, что выборочная мода сходится к теоретической
-
Организационно-экономическое моделирование при решении задач управления хозяйственными единицами
Краткое описаниеМенеджмент создан в Московском государственном техническом университете им. Н.Э. Баумана. Ядро экономической теории - инженерная экономика, прежде всего - управление жизненным циклом изделия, контроллинг и организационно-экономическое моделирование. В статье продемонстрировано, как экономисты и менеджеры могут помочь коллективам разработчиков новшеств
-
Основные черты новой парадигмы математической статистики
01.00.00 Физико-математические науки
Краткое описаниеНовая парадигма математической статистики основана на переходе от параметрических статистических методов к непараметрическим, от числовых данных – к нечисловым, на интенсивном использовании информационных технологий. Ее отличительные черты выявлены в сравнении со старой парадигмой математической статистики середины ХХ в
-
Вероятностно-статистические методы в работах А.Н. Колмогорова
01.00.00 Физико-математические науки
Краткое описаниеС современной точки зрения рассмотрены работы А.Н. Колмогорова по аксиоматическому подходу к теории вероятностей, критерию согласия эмпирического распределения с теоретическим, свойствам медианы как оценки центра распределения, эффекту «вздувания» коэффициента корреляции, теории средних величин, статистической теории кристаллизации металлов, методу наименьших квадратов, свойствам сумм случайного числа случайных слагаемых, статистическому контролю, несмещенным оценкам, аксиоматическому получению логарифмически нормального закона распределения при дроблении, методам обнаружения различий при экспериментах типа погодных
-
01.00.00 Физико-математические науки
Краткое описаниеВ настоящее время в большинстве научных, технических и экономических исследований используются статистические методы, разработанные в основном в первой трети XX века. Они составляют содержание распространенных учебников. Однако, математическая статистика бурно развивалась и в последующие 60 с лишним лет. В ряде ситуаций назрела необходимость перехода от классических методов к современным. В качестве примера разобрана задача проверки однородности двух независимых выборок. Рассмотрены условия применимости традиционного метода проверки однородности, основанного на использовании статистики t Стьюдента, а также указаны более современные методы. Описана вероятностная модель порождения данных в задаче проверки однородности двух независимых выборок. В терминах этой модели понятие «однородности», т. е. «отсутствие различия», может быть формализовано различными способами. Наивысшая степень однородности достигается, если обе выборки взяты из одной и той же генеральной совокупности (абсолютная однородность). В некоторых случаях целесообразно проверять совпадение некоторых характеристик элементов выборок - математических ожиданий, медиан, дисперсий, коэффициентов вариации и др. (проверка однородности характеристик). Для проверки однородности математических ожиданий часто рекомендуют классический критерий Стьюдента. Предполагают, что выборки взяты из нормальных распределений с одинаковыми дисперсиями. Показано, что для научных технических и экономических данных предпосылки двухвыборочного критерия Стьюдента, как правило, не выполняются. Для проверки однородности математических ожиданий вместо критерия Стьюдента предлагается использовать критерий Крамера-Уэлча. Рассмотрены состоятельные непараметрические критерии Смирнова и Лемана-Розенблатта для проверки абсолютной однородности
-
Современное состояние непараметрической статистики
01.00.00 Физико-математические науки
Краткое описаниеНепараметрическая статистика – одна из пяти точек роста прикладной математической статистики. Несмотря на большое число публикаций по конкретным вопросам непараметрической статистики, внутренняя структура этого научного направления оставалась непроявленной. Цель настоящей статьи – на основе сложившегося в практике научной деятельности определения непараметрической статистики рассмотреть ее деление на области и систематизировать исследования по непараметрическим статистическим методам. Непараметрическая статистика, позволяет делать статистические выводы, в частности, оценивать характеристики распределения и проверять статистические гипотезы, без, как правило, слабо обоснованных предположений о том, что функция распределения элементов выборки входит в то или иное параметрическое семейство. Например, широко распространена вера в то, что статистические данные часто подчиняются нормальному распределению. Между тем анализ конкретных результатов наблюдений, в частности, погрешностей измерений, приводит всегда к одному и тому же выводу - в подавляющем большинстве случаев реальные распределения существенно отличаются от нормальных. Некритическое использование гипотезы нормальности часто приводит к значительным ошибкам, например, при отбраковке резко выделяющихся результатов наблюдений (выбросов), при статистическом контроле качества и в других случаях. Поэтому целесообразно использовать непараметрические методы, в которых на функции распределения результатов наблюдений наложены лишь весьма слабые требования. Обычно предполагается лишь их непрерывность. На основе обобщения многочисленных исследований можно констатировать, что к настоящему времени с помощью непараметрических методов можно решать практически тот же круг задач, что ранее решался параметрическими методами. Являются несостоятельными встречающиеся в литературе заявления о том, что непараметрические методы имеют меньшую мощность или требуют большего объема выборки, чем параметрические. При этом в непараметрической статистикe, как и в математической статистике в целом, остается ряд нерешенных задач