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
-
Проблемы управления малыми производственными предприятиями на ранних стадиях жизненного цикла
Краткое описаниеВ 1970-х годах в публикациях журналов "Forbes" и "Business Week" появился термин «стартап», который впоследствии стал популярен в научной и деловой литературе. Стартапом называют организацию, создающую новый продукт или услугу в условиях высокой неопределённости. В последние 25-30 лет в связи с переходом России от плановой к смешанной экономике вопросы развития малого бизнеса, в том числе производственного, волнуют многих исследователей и практиков в области менеджмента, экономики и предпринимательства. При этом особо остро стоит проблема смертности российского малого бизнеса: только трем из ста малых предприятий удается прожить больше 3 лет. И одной из главных причин такой статистики являются недостатки менеджмента и управленческие ошибки, которые изучаются в нашем исследовании. Нас интересуют прежде всего малые производственные предприятия и проблемы их развития на ранних стадиях жизненного цикла. В литературе им уделено недостаточно внимания. Малое производственное предприятие — это компания, связанная с организацией производства, либо встраивания продукта/технологии в производственный процесс. Рассматриваем малые производственные предприятия на ранней стадии развития, работающие в области машиностроения, приборостроения, энергетики, телекоммуникаций, робототехники, производства материалов. В настоящей статье мы проанализируем сначала зарубежные, а затем отечественные исследования по малому бизнесу, обсудим проблемы управления малыми производственными предприятиями на ранних стадиях жизненного цикла (на основе результатов проведенного нами анкетного исследования) и в качестве примера рассмотрим историю одного стартапа - Всесоюзного центра статистических методов и информатики Центрального правления Всесоюзного экономического общества (в настоящее время - Институт высоких статистических технологий и эконометрики МГТУ им. Н.Э. Баумана)
-
Распределения реальных статистических данных не являются нормальными
01.00.00 Физико-математические науки
Краткое описаниеВ учебных курсах по теории вероятностей и математической статистике рассматривают различные параметрические семейства распределений числовых случайных величин. А именно, изучают семейства нормальных распределений, логарифмически нормальных, экспоненциальных, гамма- распределений, распределений Вейбулла - Гнеденко и др. Все они зависят от одного, двух или трех параметров. Поэтому для полного описания распределения достаточно знать или оценить одно, два или три числа. Широко развита параметрическая теория математической статистики, в которой предполагается, что распределения результатов наблюдений принадлежат тем или иным параметрическим семействам. Эта традиция идет от Карла Пирсона, который в начале ХХ в. предложил использовать четырехпараметрическое семейство распределений. Перечисленные выше семейства распределений - это подмножества четырехпараметрического семейства Пирсона. К сожалению, параметрические семейства существуют лишь в головах авторов учебников по теории вероятностей и математической статистике. В реальной жизни их нет. Поэтому современная прикладная статистика и эконометрика используют в основном непараметрические методы, в которых распределения результатов наблюдений могут иметь произвольный вид. Сначала на примере нормального распределения обсуждаем невозможность практического использования параметрических семейств для описания распределений конкретных экономических данных. Приводим результаты исследований метрологов и оценки сходимости в предельных теоремах. Затем разбираем параметрические методы отбраковки резко выделяющихся наблюдений. Весьма неустойчивы как уровни значимости при фиксированном правиле отбраковки, так и параметр правила отбраковки при фиксированном уровне значимости. Следовательно, отбраковка по классическим правилам математической статистики не является научно обоснованной
-
Задача исследования итогового ранжирования мнений группы экспертов с помощью медианы Кемени
01.00.00 Физико-математические науки
Краткое описаниеВ различных прикладных областях возникает необходимость анализа нескольких экспертных упорядочений, т.е. кластеризованных ранжировок объектов экспертизы. К таким областям относятся технические исследования, экология, менеджмент, экономика, социология, прогнозирование и т.д. В качестве объектов могут выступать образцы продукции, технологии, математические модели, проекты, кандидаты на должность и др. При построении итогового мнения комиссии экспертов необходимо найти кластеризованную ранжировку, усредняющую ответы экспертов. В статье описан ряд методов усреднения совокупности кластеризованных ранжировок, среди которых выделяется метод расчета медианы Кемени, основанный на использовании расстояния Кемени. Настоящая статья посвящена вычислительной стороне задачи исследования итогового ранжирования мнений группы экспертов с помощью медианы Кемени. В настоящее время неизвестно ни одного точного алгоритма поиска множества всех медиан Кемени для заданного множества перестановок (ранжировок без связей), кроме полного перебора. Однако, существуют различные подходы поиска части или всего множества медиан, которые проанализированы в этой работе. Эвристические алгоритмы Жихарева служат хорошим инструментом для исследования множества всех медиан Кемени: выявления каких- либо закономерностей при изучении взаимного расположения медиан по отношению к экспертной совокупности или экспертному подмножеству множества перестановок экспертных ответов. Литвак предлагает один точный и один эвристический подход к вычислению одной медианы среди всего возможного множества решений задачи. В настоящей статье введены необходимые понятия, проанализированы преимущества медианы Кемени среди других возможных поисков экспертного упорядочивания. Выявлены сильные и сравнительно слабые стороны рассматриваемых способов вычисления
-
Эконометрика как учебная дисциплина
01.00.00 Физико-математические науки
Краткое описаниеСтатистические методы широко используются в отечественных технико-экономических исследованиях. Однако для большинства менеджеров, экономистов и инженеров они являются экзотикой. Это объясняется тем, что в вузах современным статистическим методам не учат. Обсудим сложившуюся ситуацию, уделив основное внимание статистическим методам в экономических и технико-экономических исследованиях, т.е. эконометрике. В мировой науке эконометрика занимает достойное место. Имеются научные журналы по эконометрике, нобелевские премии по экономике присуждены ряду эконометриков. Положение в области научных и практических работ и особенно преподавания эконометрики в России является неблагополучным. Зачастую за эконометрику выдают отдельные частные построения, например, относящиеся к регрессионному анализу. Статья посвящена эконометрике как учебной дисциплине. Начинается курс с обсуждения структуры современной эконометрики, соотношения прикладной статистики и эконометрических методов. Рассмотрены выборочные исследования (анализ результатов опросов), элементы эконометрики чисел, методы статистической проверки гипотез однородности. Даны понятия о регрессионном анализе, эконометрических методах классификации, современной теории измерений. Важное место занимает статистика нечисловых данных (включая нечеткие множества и их связь со случайными), статистика интервальных данных. Обсуждается проблема устойчивости статистических процедур по отношению к допустимым отклонениям исходных данных и предпосылок модели. Дано представление об эконометрических методах экспертных исследований и управления качеством, анализе и прогнозе временных рядов, эконометрике прогнозирования и риска
-
О новой парадигме математических методов исследования
01.00.00 Физико-математические науки
Краткое описаниеВ 2011 - 2015 гг. научной общественности была представлена новая парадигма математических методов исследования в области организационно- экономического моделирования, эконометрики и статистики. Шла речь о новой парадигме прикладной статистики, математической статистики, математических методов экономики, анализа статистических и экспертных данных в задачах экономики и управления. Считаем необходимым при разработке организационно- экономического обеспечения для решения задач конкретной прикладной области, например, ракетно-космической отрасли, исходить из новой парадигмы математических методов исследования. Аналогичное требование предъявляем к преподаванию соответствующих дисциплин. При разработке учебных планов и рабочих программ необходимо исходить из новой парадигмы математических методов исследования. В настоящей статье мы приводим базовую информацию о новой парадигме математических методов исследования. Начинаем с краткой формулировки новой парадигмы. Изложение в этой статье посвящено в основном научной области «Математические и инструментальные методы экономики», включающей организационно-экономическое и экономико- математическое моделирование, эконометрику и статистику, а также теорию принятия решений, системный анализ, кибернетику, исследование операций. Обсуждаем основные понятия. Рассказываем о ходе разработки новой парадигмы. Проводим развернутое сравнение старой и новой парадигм математических методов исследования. Даем информацию об учебной литературе, подготовленной в соответствии с новой парадигмой математических методов исследования
-
Методы снижения размерности пространства статистических данных
01.00.00 Физико-математические науки
Краткое описаниеОдной 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
-
О развитии солидарной информационной экономики
Краткое описаниеМы разрабатываем новую организационно- экономическую теорию - солидарную информационную экономику, опирающуюся на взгляды Аристотеля. Название рассматриваемой теории менялось со временем. Вначале мы использовали термин "неформальная информационная экономика будущего", затем стали применять термин "солидарная информационная экономика". В связи с биокосмологией и нео-аристотелизмом предпочтительным является адекватный термин "функционалистско-органическая информационная экономика". В настоящей статье подведен итог первому этапу развития работ по солидарной информационной экономике. Проанализирован массив публикаций. Выделены основные проблемы, решению которых посвящены исследования, относящиеся к рассматриваемой базовой организационно-экономической теории. Основоположник экономической теории - Аристотель. Обсуждаются обоснованные Аристотелем положения, на которых базируется экономическая теория, в частности, солидарная информационная экономика. Констатируем, что рыночная экономика осталась в XIX веке, а основное течение (мейнстрим) в современной экономической науке – обоснование несостоятельности рыночной экономики и необходимости перехода к плановой системе управления хозяйством. Рассматриваем влияние информационно-коммуникационных технологий на хозяйственную деятельность. Разрабатываем подходы к организации принятия решений в солидарной информационной экономике. На основе современных достижений теории принятия решений (прежде всего экспертных процедур) и информационно-коммуникационных технологий земляне избавятся от хрематистики и будут понимать термин "экономика" по Аристотелю
-
Отечественная научная школа в области эконометрики
01.00.00 Физико-математические науки
Краткое описаниеРассмотрено формирование отечественной научной школы в области эконометрики, полученные в ходе ее развития научные результаты, возможности их использования при решении задач экономики, организации производства и контроллинга на предприятиях и в организациях, а также при преподавании. Под эконометрикой понимаем научную и учебную дисциплину, посвященную развитию и применению статистических методов изучения экономических явлений и процессов, короче, статистические методы в экономике. Поэтому можно сказать, что очень многие отечественные книги и статьи, в частности, публикации автора настоящей работы с начала 70-х годов, относятся к эконометрике. Однако в настоящей статье рассмотрим только работы, в названии которых есть слово «эконометрика». В нашей стране термин "эконометрика" стал популярен с середины 90-х годов. Однако многие публикации и учебные курсы подготовлены в устаревшей западной парадигме. Они не соответствуют новой парадигме математических методов экономики, новой парадигме прикладной статистики и математической статистики, математических методов исследования. Отечественная научная школа в области эконометрики действует в рамках научной школы в области теории вероятностей и математической статистики, основанной А.Н. Колмогоровым, развивается в соответствии с новой парадигмой математических методов. Представляется необходимым рассмотреть основные результаты отечественной научной школы в области эконометрики. Дана информация об институциональном оформлении отечественной научной школы по эконометрике, в частности, о деятельности Института высоких статистических технологий и эконометрики
-
Вперед к Аристотелю: освободить экономическую теорию от извращений
Краткое описаниеОсновоположник экономической теории - Аристотель. Так называемая "рыночная экономика" - извращение взглядов Аристотеля. От извращений надо избавляться. Чем заменить "рыночную экономику"? Мы разрабатываем новую организационно-экономическую теорию - солидарную информационную экономику, опирающуюся на взгляды Аристотеля. Название рассматриваемой теории менялось со временем. Вначале мы использовали термин "неформальная информационная экономика будущего", затем стали применять термин "солидарная информационная экономика". В связи с биокосмологией и нео-аристотелизмом предпочтительным является адекватный термин "функционалистско-органическая информационная экономика". В настоящей статье рассмотрены основные положения солидарной информационной экономике, предназначенной для замены рыночной экономики в качестве инструмента управления хозяйством. Выделены основные проблемы, решению которых посвящены исследования, относящиеся к рассматриваемой базовой организационно-экономической теории. Обсуждаются обоснованные Аристотелем положения, на которых базируется экономическая теория, в частности, солидарная информационная экономика. Констатируем, что рыночная экономика осталась в XIX веке, а основное течение (мейнстрим) в современной экономической науке – обоснование несостоятельности рыночной экономики и необходимости перехода к плановой системе управления хозяйством. Рассматриваем влияние информационно-коммуникационных технологий на хозяйственную деятельность. Разрабатываем подходы к организации принятия решений в солидарной информационной экономике. На основе современных достижений теории принятия решений (прежде всего экспертных процедур) и информационно- коммуникационных технологий земляне избавятся от хрематистики и будут понимать термин "экономика" по Аристотелю
-
01.00.00 Физико-математические науки
Краткое описаниеАдекватная 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