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
-
Предельные теоремы для ядерных оценок плотности в пространствах произвольной природы
01.00.00 Физико-математические науки
Краткое описаниеОценки плотности распределения вероятностей в пространствах произвольной природы используют для решения различных задач нечисловой статистики. Систематическое изложение теории таких оценок начато в нашей статье [2], непосредственным продолжением которой является настоящая статья. Регулярно используются ссылки на условия и утверждения из статьи [2], в которой введено несколько видов непараметрических оценок плотности вероятности по выборке. Подробнее изучены линейные оценки. В настоящей статье рассмотрим их частные случаи – ядерные оценки плотности в пространствах произвольной природы. При оценивании плотности числовой случайной величины ядерные оценки переходят в оценки Парзена-Розенблатта. Асимптотическому поведению ядерных оценок плотности в общем случае пространствах произвольной природы посвящены теоремы 1 - 8. При различных условиях доказана состоятельность и асимптотическая нормальность ядерных оценок плотности. Изучена равномерная сходимость. Введено понятие "предпочтительный показатель различия" и изучены ядерные оценки плотности на его основе. Введены и изучены естественные меры близости, используемые при анализе асимптотического поведения ядерных оценок плотности. Найдена асимптотика дисперсий ядерных оценок плотности. Рассмотрены примеры, в том числе в конечномерных пространствах и в пространстве интегрируемых с квадратом функций
-
Оценивание параметров: одношаговые оценки предпочтительнее оценок максимального правдоподобия
01.00.00 Физико-математические науки
Краткое описаниеСогласно новой парадигме прикладной математической статистики следует отдавать предпочтение непараметрическим методам и моделям. Однако в настоящее время в прикладной статистике используются разнообразные параметрические модели. Термин «параметрический» означает, что вероятностно-статистическая модель полностью описывается конечномерным вектором фиксированной размерности, причем эта размерность не зависит от объема выборки. В параметрической статистике задача оценивания состоит в том, чтобы оценить неизвестное статистику значение параметра наилучшим (в каком-либо смысле) образом. В статистических задачах стандартизации и управления качеством используют трехпараметрическое семейство гамма-распределений. В настоящей статье это семейство рассматривается как пример. Сравним методы оценивания параметров. Метод моментов является универсальным. Однако получаемые с его помощью оценки лишь в редких случаях обладают оптимальными свойствами. Оценки максимального правдоподобия (ОМП) входят в класс наилучших асимптотически нормальных оценок. В большинстве случаев аналитических решений не существует, следовательно, для нахождения ОМП необходимо применять численные методы. Однако применение численных методов порождает многочисленные проблемы. Сходимость итерационных алгоритмов требует обоснования. В ряде примеров анализа конкретных данных функция правдоподобия имеет много локальных максимумов, а потому естественные итерационные процедуры не сходятся. Предлагаем использовать одношаговые оценки (ОШ-оценки). Они имеют столь же хорошие асимптотические свойства, что и оценки максимального правдоподобия, при тех же условиях регулярности, что и ОМП. Одношаговые оценки выписываются в виде явных формул. В статье доказано, что одношаговые оценки являются наилучшими асимптотически нормальными оценками (при выполнении естественных условий). Найдены ОШ-оценки для гамма-распределения. Приведены результаты расчетов по данным о наработке резцов до предельного состояния
-
Краткое описание
Оценка погрешностей характеристик финансовых потоков инвестиционных проектов необходима для принятия адекватных управленческих решений, в частности, в ракетно-космической промышленности. Организационно-экономические подходы к оценке реализуемости инновационно-инвестиционных проектов создания изделий ракетно-космической техники предполагают интенсивное использование числовых характеристик финансовых потоков многолетних проектов рассматриваемого типа. В организационно-экономическом обеспечении решения задач управления в аэрокосмической отрасли предусмотрена необходимость получения оценок погрешностей характеристик финансовых потоков. Такие оценки - неотъемлемая часть организационно-экономического обеспечение инновационной деятельности в ракетно-космической отрасли. Их можно сравнить с интервальными прогнозами, т.е. доверительным оцениванием прогнозных значений. Половина длины доверительного интервала - это и есть оценка погрешности прогнозирования. В настоящей статье разработан новый метод оценки погрешностей основных характеристик инвестиционных проектов. Основное внимание уделено чистой текущей стоимости NPV. Метод оценки погрешностей основан на результатах статистики интервальных данных, являющейся неотъемлемой частью системной нечеткой интервальной математики. Построена асимптотическая теория, соответствующая малых отклонениям коэффициентов дисконтирования. Погрешность NPV найдена как асимптотическая нотна. С точностью до бесконечно малых более высокого порядка погрешность NPV является линейной функцией от максимально возможной погрешности коэффициентов дисконтирования
-
Краткое описание
Совершенствование организационных структур позволяет повысить эффективность работы предприятий. Контроллинг персонала на предприятиях типа "Научно-исследовательский институт" является инструментом поддержки принятия кадровых решений, способствует выполнению поставленных стратегических целей и тактических задач. В статье описаны основные виды организационных структур, их свойства, социометрическое исследование как инструмент менеджера, этапы внедрения модели кадрового контроллинга в систему управления персоналом для предприятий типа "Научно-исследовательский институт". Контроллинг персонала заключается в регламентации процессов управления персоналом, определении контрольных показателей, мониторинге выполнения поставленных целей, учете затрат на осуществление улучшения системы управления и т.д. Он направлен на определение качества, оптимальности и эффективности специфических механизмов, технологий и методов реализации функций управления персоналом. Объективно объем реализации функций управления персоналом зависит от наличия определенного количества материальных, трудовых, финансовых и других ресурсов, от целей предприятия на различных этапах жизненного цикла, а также от численности и квалификации персонала. Качество реализации функций управления персоналом зависит от понимания значимости управления персоналом в деятельности предприятия ее руководством, а также уровня квалификации среднего руководящего звена. Контроллинг функций управления персоналом позволяет сформировать информационную базу для принятия эффективных управленческих решений, с помощью которых можно оптимизировать систему управления персоналом в сложившихся условиях рыночной среды, что является необходимой базой для успешного развития предприятий, работающих в области наукоемкой продукции и услуг
-
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
-
Базовые результаты математической теории классификации
01.00.00 Физико-математические науки
Краткое описаниеМатематическая теория классификации содержит большое число подходов, моделей, методов, алгоритмов. Эта теория весьма многообразна. Выделим в ней три базовых результата - оптимальный метод диагностики (дискриминантного анализа), адекватный показатель качества алгоритма дискриминантного анализа, утверждение об остановке после конечного числа шагов итерационных алгоритмов кластер-анализа. А именно, на основе леммы Неймана - Пирсона показано, что оптимальный метод диагностики существует и выражается через плотности распределения вероятностей, соответствующие классам. Если плотности неизвестны, следует использовать их непараметрические оценки по обучающим выборкам. Часто используют такой показатель качества алгоритма диагностики, как «вероятность (или доля) правильной классификации (диагностики)» – чем этот показатель больше, тем алгоритм лучше. Показана нецелесообразность повсеместного применения этого показателя и обоснован другой – «прогностическая сила», полученная путем пересчета на модель линейного дискриминантного анализа. Остановка после конечного числа шагов итерационных алгоритмов кластер-анализа продемонстрирована на примере метода k-средних. По нашему мнению, эти результаты являются основными в теории классификации, с ними должен быть знаком каждый специалист, развивающий эту теорию или применяющий её
-
Экономико-математические методы при управлении промышленной и экологической безопасностью
01.00.00 Физико-математические науки
Краткое описаниеПри рассмотрении экологической безопасностью предприятия, территории и т.п. обычно выделяют постоянный риск и аварийный риск. Постоянный риск определяется используемой технологией и не может быть существенно изменен. Аварийный риск, в отличие от постоянного риска, связан с неопределенностью. Пусть в принятой математической модели неопределенность носит вероятностный характер, а потери описываются одномерной случайной величиной. Функция распределения потерь, как правило, не является нормальной. Подробно обсуждаются 7 характеристик случайного ущерба: математическое ожидание; медиана и, более общо, квантили; дисперсия; среднее квадратическое отклонение; коэффициент вариации; линейная комбинация математического ожидания и среднего квадратического отклонения; математическое ожидание функции потерь. Управления риском может состоять в минимизации этих характеристик и их комбинаций (в различных вариантах многокритериальной оптимизации). Например, в двухкритериальной постановке требуется минимизировать средний ущерб и разброс. Двухкритериальная постановка тем или иным способом сводится к однокритериальной. Кроме вероятностных методов моделирования риска, иногда рассматриваются методы описания рисков с помощью объектов нечисловой природы, в частности, качественных признаков, понятий теории нечетких множеств, интервальных математических и эконометрических моделей и других математических средств. Рассмотрены основные проблемы теории и практики экологического страхования
-
Основные проблемы контроллинга качества
Краткое описаниеКонтроллинг статистических методов обеспечения качества продукции – частный случай контроллинга организационно-экономических методов управления. Сегодня контроллинг в практике управления российских предприятий понимается как «система информационно- аналитической и методической поддержки по достижению поставленных целей». Контроллер разрабатывает правила принятия решений, руководитель принимает решения, опираясь на эти правила. Нами обоснована концепция «контроллинга методов». Инновации в сфере управления основаны, в частности, на использовании новых адекватных организационно- экономических (а также экономико- математических и статистических) методов. Контроллинг в этой области – это разработка и применение процедур управления соответствием используемых и вновь создаваемых (внедряемых) организационно-экономических методов поставленным задачам. Таким образом, методология контроллинга имеет большое практическое значение в любой области, в которой действия (операции) необходимо осуществлять в соответствии с определенными правилами (регламентами, стандартами, инструкциями), поскольку в любой такой области необходимы разработка и применение процедур управления соответствием используемых и вновь создаваемых (внедряемых) правил задачам, поставленным перед организацией. В настоящей статье выделяем такую область контроллинга, как контроллинг качества, и обсуждаем ее основные проблемы. Речь идет о контроллинге организационно-экономических методов обеспечения качества продукции, прежде всего статистических методов, основанных на теории вероятностей и математической статистике. Рассмотрены анализ и синтез планов статистического контроля качества, варианты оптимизации планов статистического контроля, усеченные планы. Обсуждаются различие планов контроля у поставщика и потребителя, выделение единиц бесформенной (жидкой, газообразной) продукции, отбор случайной выборки при статистическом контроле качества продукции, оценка снизу необходимого объема выборки. Установлено, что не всегда нужен контроль качества продукции. Выявлен основной парадокс теории статистического приемочного контроля. Обсуждается развитие статистических методах управления качеством в нашей стране. Дана классификация статистических методов управления качеством
-
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
-
О ключевых показателях эффективности научной деятельности
Краткое описаниеИз многих актуальных проблем науковедения рассмотрим методы оценки эффективности и качества работы ученого, научной деятельности подразделения, организации, журнала. Показатели эффективности научной деятельности используются как важная составная часть при оценке вузов, инновационного потенциала предприятий и т.п. Для оценки эффективности научной деятельности естественно использовать хорошо зарекомендовавшие себя в других предметных областях интеллектуальные инструменты. К таким инструментам относятся, в частности, система сбалансированных показателей, основанная на ключевых показателях эффективности (отсюда и название настоящей статьи), а также контроллинг, прежде всего контроллинг научной деятельности. Подробно разработаны и широко применяются два инструмента оценки эффективности научной деятельности - наукометрические показатели и экспертные оценки. Их критическому анализу и посвящена настоящая статья. Различные варианты манипулирования значениями наукометрических показателей в РФ, по нашей оценке, пока еще применяются сравнительно редко. Возможно, это связано со сравнительно небольшим сроком их использования при управления наукой. Поскольку такой показатель, как число цитирований работ исследователя, позволяет объективно оценить его вклад в науку, то применение этого наукометрического показателя для управления наукой оправдано. В то же время число публикаций и особенно индекс Хирша не позволяют объективно оценить эффективность научной деятельности, особенно с учетом свойств реальных библиометрических баз данных. Экспертные процедуры имеют ряд недостатков. В настоящей статье обсудим реальную эффективность экспертных процедур в таких областях их применения, как присвоение ученых степеней и выборы в государственные академии наук (прежде всего в РАН). Основные принципы экспертизы в рассматриваемых областях остаются неизменными в течение последних 70 лет. На основе анализа практики приходится констатировать недостаточную эффективность экспертных оценок в указанных областях. Обоснование сказанному приведено в статье