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: 150 шт
Сформировать список работ, опубликованных в Научном журнале КубГАУ
-
Методы снижения размерности пространства статистических данных
01.00.00 Физико-математические науки
Краткое описание
Одной из «точек роста» прикладной статистики являются методы снижения размерности пространства статистических данных. Они все чаще используются при анализе данных в конкретных прикладных исследованиях, например, социологических. Рассмотрим наиболее перспективные методы снижения размерности. Метод главных компонент является одним из наиболее часто используемых методов снижения размерности. Для визуального анализа данных часто используют проекции исходных векторов на плоскость первых двух главных компонент. Обычно хорошо видна структура данных, выделяются компактные кластеры объектов и отдельно выделяющиеся вектора. Метод главных компонент является одним из методов факторного анализа. Новая идея по сравнению с методом главных компонент состоит в том, что на основе нагрузок происходит разбиение факторов на группы. В одну группу объединяются факторы, имеющие сходное влияние на элементы нового базиса. Затем из каждой группы рекомендуется оставить одного представителя. Иногда вместо выбора представителя расчетным путем формируется новый фактор, являющийся центральным для рассматриваемой группы. Снижение размерности происходит при переходе к системе факторов, являющихся представителями групп. Остальные факторы отбрасываются. На использовании расстояний (мер близости, показателей различия) между признаками и основан обширный класс методов многомерного шкалирования. Основная идея этого класса методов состоит в представлении каждого объекта точкой геометрического пространства (обычно размерности 1, 2 или 3), координатами которой служат значения скрытых (латентных) факторов, в совокупности достаточно адекватно описывающих объект. В качестве примера применения вероятностно-статистического моделирования и результатов статистики нечисловых данных обоснуем состоятельность оценки размерности пространства данных в многомерном шкалировании, ранее предложенной Краскалом из эвристических соображений. Рассмотрен ряд работ по оцениванию размерностей моделей (в регрессионном анализе и в теории классификации). Дана информация об алгоритмах снижения размерности в автоматизированном системно- когнитивный анализе
-
Многообразие областей и инструментов контроллинга
Краткое описание
В современных условиях количественной и качественной деградации науки в целом и экономики в частности, особенно в нашей стране, научное направление "Контроллинг" выделяется не только своей активностью, но и быстрым интенсивным и экстенсивным ростом. Настоящая работа - сводка публикаций основных научных результатов по контроллингу, полученных в Лаборатории экономико-математических методов в контроллинге Научно-образовательного центра «Контроллинг и управленческие инновации» МГТУ им. Н.Э. Баумана. Обсуждаются понятия "метод", "инструмент", "механизм", "алгоритм" применительно к контроллингу. Адекватное использование этих терминов необходимо как для обоснованной формулировки научных результатов, так и для обеспечения их восприятия научной общественностью. Инновации в сфере управления в промышленности и других отраслях народного хозяйства основаны, в частности, на использовании новых адекватных организационно- экономических методов. Контроллинг в этой области – это разработка процедур управления соответствием используемых и вновь создаваемых (внедряемых) организационно-экономических методов поставленным задачам. Разработка, систематизация и применение современных математических инструментов контроллинга - основная тематика наших работ. Рассмотрены проблемы новых областей контроллинга - контроллинга рисков, контроллинга качества, контроллинга организационно-экономического обеспечения решения задач управления в аэрокосмической отрасли, контроллинга научной деятельности. Получены новые научные результаты в контроллинге персонала и контроллинге в области экологической безопасности
-
Многообразие объектов нечисловой природы
01.00.00 Физико-математические науки
Краткое описание
В соответствии с новой парадигмой математической статистики статистика объектов нечисловой природы (статистика нечисловых данных, нечисловая статистика) является одним из четырех основных областей математической статистики. Статистика объектов нечисловой природы состоит из центрального ядра – статистики в пространствах произвольной природы – и статистических теорий анализа конкретных видов нечисловых данных. Для выявления прикладных возможностей статистики объектов нечисловой природы целесообразно изучить многообразие объектов нечисловой природы. Этому и посвящена настоящая статья. Рассмотрены результаты измерений в шкалах, отличных от абсолютной; бинарные отношения; дихотомические (бинарные) данные; множества. Проанализированы объекты нечисловой природы как статистические данные, их значение при формировании статистической или математической модели реального явления, в качестве результата анализа данных
-
Краткое описание
Во многих областях - в экономике, управлении качеством, медицине, экологии, при обеспечении безопасности полетов и др. - задачи анализа, оценки и управления рисками имеют много общего. Поэтому мы считаем нужным развивать общую теорию риска, подходы и методы которой позволяют единообразно решать задачи риск- менеджмента в конкретных предметных областях. На основе анализа научных публикаций и отраслевых нормативных документов приходится констатировать, что частные теории риска имеют тенденцию замыкаться внутри себя, создавать свои внутренние стандарты и системы нормативных документов. Отдельно – для банковской деятельности, отдельно – для безопасности полетов, отдельно – для промышленных аварий, и т.д. С целью построения общей теории риска анализируем употребление термина «риск» в различных областях, рассматриваем многообразие видов рисков, даем основные определения в области анализа, оценки и управления риском. Обсуждаем планетарные риски (на уровне Земли в целом), глобальные риски (на уровне одного или нескольких государств), финансовые риски, коммерческие риски (риски на уровне непосредственного окружения компании), производственные (внутренние, операционные) риски, относящиеся к деятельности отдельного предприятия (организации), личные риски. Инструментарий общей теории риска позволяет единообразно решать основные проблемы анализа, оценки и управления риском для всех предметных областей
-
Модель оптимизации моментов выпуска новых моделей продукции на рынок
Краткое описание
Одна из важных задач маркетинга – выбор моментов выпуска новых моделей (марок) продукции на рынок. В статье впервые в научной периодике предлагается эскизная экономико-математическая оптимизационная модель выбора моментов выпуска новых марок продукции на рынок. Получены расчетные формулы для моментов выпуска новых марок
-
Краткое описание
Наука рассмотрена как отрасль народного хозяйства. Обсуждается взаимоотношение областей человеческой деятельности, прикладной науки и фундаментальной науки. В качестве примера рассмотрено развитие теории принятия решений и экспертных оценок в ходе выполнения прикладных научных работ в авиации и ракетно-космической промышленности. Подчеркнуто, что основное в науке – новизна результатов. Обсуждается проблема оценки эффективности научной деятельности. Рассмотрены преимущества и недостатки оценок на основе библиометрических баз данных и индексов цитирования, показана основная роль экспертных технологий. Рассмотрена роль глобализации и патриотизма в развитии науки. Показано принципиальное отличие получения знания и продвижения научного результата. Обоснована необходимость проведения развернутых исследований в области науковедения и разработки на их основе научно обоснованных рекомендаций по управлению наукой
-
01.00.00 Физико-математические науки
Краткое описание
Адекватная и технологичная оценка результативности, эффективности и качества научной деятельности конкретных ученых и научных коллективов является актуальной проблемой для информационного общества и общества, основанного на знаниях. Решение этой проблемы является предметом наукометрии и ее целью. Современный этап развития наукометрии существенно отличается от предыдущих появлением в открытом, а также платном on-line доступе огромного объема детализированных данных по большому числу показателей как об отдельных авторах, так и о научных организациях и вузах. В мире, это известные библиографические базы данных: Web of Science, Scopus, Astrophysics Data System, PubMed, MathSciNet, zbMATH, Chemical Abstracts, Springer, Agris или GeoRef. В России это прежде всего Российский индекс научного цитирования (РИНЦ). РИНЦ – это национальная информационно-аналитическая система, аккумулирующая более 9 миллионов публикаций российских ученых, а также информацию о цитировании этих публикаций из более 6000 российских журналов. Данных очень много, это так называемые «Большие данные» ("Big Data"). Но проблема состоит в том, чтобы осмыслить эти большие данные, точнее, выявить смысл значений наукометрических показателей) и тем самым преобразовать их в большую информацию («great information»), а затем применить эту информацию для достижения цели наукометрии, т.е. преобразовать ее в большие знания («great knowledge») о конкретных ученых и научных коллективах. Решение этой проблемы предлагается путем создания «Наукометрической интеллектуальной измерительной системы» на основе применения автоматизированного системно-когнитивного анализа и его программного инструментария – интеллектуальную систему «Эйдос». Приводится численный пример создания и применения Наукометрической интеллектуальной измерительной системы, на основе небольшого объема реальных наукометрических данных, находящихся в открытом бесплатном on-line доступе в РИНЦ
-
Непараметрическая и прикладная статистика в нашей стране
01.00.00 Физико-математические науки
Краткое описание
Продолжаем цикл публикаций по истории статистики. Обсуждается развитие непараметрической и прикладной статистики в нашей стране в 1930 – 1980 гг. Представлены работы великих статистиков ХХ в. Н.В. Смирнова, Л.Н. Большева, В.В. Налимова. Глазами американских статистиков показана российская дискуссия о прикладной статистике. Кратко рассказано о создании Всесоюзной статистической ассоциации (1990) и дальнейших событиях
-
Непараметрические критерии согласия Колмогорова, Смирнова, Омега-квадрат и ошибки при их применении
01.00.00 Физико-математические науки
Краткое описание
Рассмотрены работы А.Н. Колмогорова и Н.В. Смирнова, посвященные односторонним и двухсторонним критериям согласия и однородности. Показано, что термин «критерий Колмогорова – Смирнова» использовать некорректно. Даны рекомендации по использованию терминов «критерий Колмогорова», «критерий Смирнова», «критерий типа Колмогорова – Смирнова». Обсуждается критерий омега-квадрат (Крамера – Мизеса – Смирнова). Рассмотрены типовые ошибки при применении перечисленных критериев, в частности, для проверки нормальности распределения результатов измерений
-
Непараметрические оценки циклов
01.00.00 Физико-математические науки
Краткое описание
Во многих прикладных задачах рассматривают временной ряд, или случайный процесс), являющийся суммой детерминированной периодической функция от времени и случайных погрешностей, искажающих периодический сигнал. Требуется оценить длину периода и периодическую составляющую. При этом не предполагаем, что периодическая функция входит в какое-либо параметрическое семейство функций, например, конечных сумм синусов и косинусов. Очевидно, что предположение о вхождении периодической функции в параметрическое семейство не соответствует свойствам реального мира, т.е. является условным, внутриматематическим (ищем ключи под фонарем, потому что там светло, а не в кустах, где потеряли, потому что там темно). По аналогичным причинам нельзя предполагать, что функция распределения случайных погрешностей входит в какое-либо параметрическое семейство распределений. В соответствии с новой парадигмой математической статистики в настоящей статье рассматриваем задачу непараметрического оценивания (минимальной) длины периода и периодической составляющей сигнала. На основе естественных показателей разброса и размаха предлагаем новый класс непараметрических оценок длины периода и периодической составляющей во временных рядах. Исходя из общих результатов статистики объектов нечисловой природы доказана состоятельность этих оценок. С прикладной точки зрения необходимо численно минимизировать (по одному параметру -возможной длине периода) один или несколько из 66 описанных в статье функционалов
pdf 194.623kb
doc 194.623kb