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
-
Проблемы внедрения математических и инструментальных методов контроллинга
01.00.00 Физико-математические науки
Краткое описаниеСтатистические методы опираются на развитую теорию и продемонстрировали свою полезность в отраслях народного хозяйства. Однако анализ положения дел в области применения статистических методов показывает явное неблагополучие, в результате которого накопленный в нашей стране научный потенциал используется далеко не в полной мере. Как показывает практика, мало разработать перспективные современные научно обоснованные эффективные математические и инструментальные методы контроллинга. Чтобы эти методы использовались, необходимо, чтобы они были внедрены. Управление внедрением новшеств, т.е. инновационный менеджмент, вполне обоснованно является в настоящее время одним из наиболее обсуждаемых разделов экономики и организации производства, всей экономической науки в целом. Однако внедрение прикладной статистики и других статистических методов, более широко, математических и инструментальных методов контроллинга, имеет свою специфику. Она рассмотрена в статье. Выделены болезни роста - низкий научный уровень многих лиц, применяющих статистические методы, отсутствие организационной структуры прикладной статистики как области прикладной деятельности и др. С сожалением приходится констатировать, что как сама идея необходимости установления требований к методам анализа данных, так и проект с формулировками таких требований остались вне внимания тех специалистов, которым они необходимы и были адресованы. Отсутствует система методические документы по конкретным статистическим методам, выполненных на современном научном уровне. По мнению автора, желательное будущее прикладной статистики состоит в ее реорганизации по образцу метрологии. Проанализировано применение статистических методов как специальность. Дан анализ системы государственных стандартов по статистическим методам и причинам появления в них грубых ошибок. Обсуждается статус документов по статистическим методам стандартизации и управления качеством продукции. Рассмотрена новая система «Шесть сигм» внедрения перспективных математических и инструментальных методов контроллинга
-
01.00.00 Физико-математические науки
Краткое описаниеТребования к профессиональной подготовке специалистов по контроллингу включают, в частности, требования к интеллектуальным инструментам, которыми должны владеть контроллеры. Одним из таких инструментов является эконометрика. Организация обучения, в частности, составление учебных планов, программ, методических материалов и учебников, предполагает обсуждение объема и содержания соответствующей учебной дисциплины. Дано описание эконометрических инструментов контроллинга, следуя программам курсов «Эконометрика-1» и «Эконометрика-2», которые кафедра ИБМ-2 "Экономика и организация производства" ведет на факультете «Инженерный бизнес и менеджмент» Московского государственного технического университета им. Н.Э. Баумана. Обсуждается внешняя среда эконометрики и необходимые изменения в ней. Например, курс «Теория вероятностей и математическая статистика» является основой для изучения эконометрики. Однако его необходимо привести в соответствие с современными требованиями. В частности, необходимо рассматривать такие понятия, как случайные элементы со значениями в произвольных пространствах, эмпирические и теоретические средние в таких пространствах, доказывать законы больших чисел в общих постановках. Одновременно с указанным расширением содержания курса целесообразно исключить из программы методы, опирающиеся на те предположения, которые не выполняются в конкретных экономических ситуациях. В частности, исключить одновыборочный и двухвыборочный критерии Стьюдента и заменить их соответствующими непараметрическими критериями. Не нужны "классическая" и геометрическая вероятности, и т.д. Учитывая важность проблемы построения интегральных показателей в различных задачах эконометрики, вопросы анализа ситуации с помощью системы показателей обсуждаются подробнее
-
Эконометрические инструменты контроллинга
01.00.00 Физико-математические науки
Краткое описаниеЭконометрика – один из наиболее эффективных математических инструментов контроллинга. В статье рассмотрены общие проблемы применения эконометрических методов при решении задач контроллинга. Эконометрические методы - это прежде всего методы статистического анализа конкретных экономических данных, естественно, с помощью компьютеров. В нашей стране они пока сравнительно мало известны, хотя именно у нас наиболее мощная научная школа в области основы эконометрики – теории вероятностей. В статье показано, что для решения задач контроллинга необходимо применять эконометрические методы. Классификация эконометрических инструментов может быть проведена по различным основаниям: по методам, по виду данных, по решаемым задачам и т.п. Массовое внедрение программных продуктов, включающих современные эконометрические инструменты анализа конкретных экономических данных, можно рассматривать как один из эффективных способов ускорения научно-технического прогресса. Весь арсенал используемых в настоящее время эконометрических и статистических технологий (методов) можно распределить по трем потокам: высокие эконометрические (статистические) технологии; классические эконометрические (статистические)технологии, низкие (неадекватные, устаревшие) эконометрические (статистические) технологии. Основная современная проблема эконометрики состоит в обеспечении того, чтобы в конкретных эконометрических и статистических исследованиях использовались только технологии первых двух типов. Для получения более объемной картины использования эконометрических методов при управлении деятельностью организации проанализирован базовый учебник "Организация и планирование машиностроительного производства (производственный менеджмент)", подготовленный кафедрой «Экономика и организация производства» Московского государственного технического университета им. Н.Э. Баумана. В нем более 20 раз используются эконометрические методы и модели, что свидетельствует об эффективности такого инструмента менеджера, как эконометрика
-
Вероятностно-статистическое моделирование помех, создаваемых электровозами
01.00.00 Физико-математические науки
Краткое описаниеДвижение электровозов создает помехи, влияющие на проводные линии связи. Создание достаточно эффективных и в то же время экономичных средств защиты проводных линий связи от мешающих влияний, создаваемых тяговыми сетями переменного тока, предполагает в качестве подготовительного этапа разработку математических моделей помех, создаваемых электровозами. Разработана вероятностно-статистическая модель помех, создаваемых электровозами. Найдено асимптотическое распределение суммарной помехи, являющегося распределением длины двумерного случайного вектора, координаты которого - независимые нормально распределенные случайные величины с математическими ожиданиями 0 и дисперсиями 1. Доказана предельная теорема для математического ожидания амплитуды суммарной помехи. Методом статистических испытаний (Монте-Карло) изучена скорость сходимости математического ожидания амплитуды суммарной помехи к предельному значению. Использовался алгоритм перемешивания Макларена-Марсальи (М-алгоритм). Проанализированы пять наборов амплитуд, выбранных в соответствии с рекомендациями специалистов в области тяговых сетей переменного тока. Наиболее быстрая сходимость к пределу имеет место в случае равенства амплитуд. Установлено, что максимально возможное среднее значение амплитуды случайной помехи на 7,4% меньше ранее использовавшегося значения, что сулит значительный экономический эффект
-
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
-
Оптимальный план управления запасами нельзя найти на основе формулы квадратного корня
01.00.00 Физико-математические науки
Краткое описаниеУправление запасами (другими словами, материально-техническое снабжение) – неотъемлемая часть работы фирм и организаций. Речь идет о запасах сырья, топлива, материалов, инструментов, комплектующих изделий, полуфабрикатов, готовой продукции на промышленном (или сельскохозяйственном) предприятии, о запасах товаров на оптовых базах, складах магазинов, на рабочих местах продавцов, наконец, у потребителей. Запасы постоянно расходуются и пополняются по тем или иным правилам, принятым на предприятии. Оптимизация этих правил, т.е. оптимальное управление запасами, дает большой экономический эффект. Математическая теория управления запасами, основанная на моделях движения товарных потоков, является крупной областью экономико-математических исследований. Предложенная еще в 1915 г. Ф. Харрисом классическая модель теории управления запасами является одним из наиболее простых и наглядных примеров применения математического аппарата для принятия решений в экономической области. Эту модель обычно называют моделью Вильсона (или Уилсона), так как она получила известность после публикации работы Р.Г. Вильсона в 1934 г. Формула оптимального размера заказа (т.н. "формула квадратного корня"), полученная в модели Вильсона, широко применяется на различных этапах производства и распределения продукции, поскольку оказывается практически полезной для принятия решений при управлении запасами, в частности, приносящей заметный экономический эффект. Однако, вопреки распространенному заблуждению, эта формула не дает возможности рассчитать оптимальный размер заказа (хотя и является необходимым этапом на пути его нахождения). Это выясняется при строгом экономико-математическом анализе модели Вильсона, проведенном в статье. Дан алгоритм расчета оптимального размера партии. Установлено, что формула квадратного корня дает асимптотически оптимальный план. Изучена устойчивость выводов в экономико-математической модели. Рассмотрен пример практического применения классической модели управления запасами
-
О высоких статистических технологиях
01.00.00 Физико-математические науки
Краткое описаниеПри практическом использовании методов прикладной статистики применяются не отдельные методы описания данных, оценивания, проверки гипотез, а развернутые цельные процедуры - так называемые «статистические технологии». Понятие «статистическая технология» аналогично понятию «технологический процесс» в теории и практике организации производства. Вполне естественно, что одни статистические технологии лучше соответствуют потребностям исследователя (пользователя, статистика), другие хуже, одни – современные, а другие – устаревшие, свойства одних изучены, а других – нет. Важно подчеркнуть, что квалифицированное и результативное применение статистических методов - это отнюдь не проверка одной отдельно взятой статистической гипотезы или оценка характеристик или параметров одного заданного распределения из фиксированного семейства. Подобного рода операции - только отдельные кирпичики, из которых складывается статистическая технология. Процедура статистического анализа данных – это информационный технологический процесс, другими словами, та или иная информационная технология. Статистическая информация подвергается разнообразным операциям (последовательно, параллельно или по более сложным схемам). В настоящей статье обсуждаются статистические технологии и проблема «стыковки» алгоритмов. Введено понятие «высокие статистические технологии», обоснована необходимость их разработки и применения. В качестве примера приведены исследования Института высоких статистических технологий и эконометрики Московского государственного технического университета им. Н.Э Баумана. Рассмотрен ряд вопросов подготовки специалистов по высоким статистическим технологиям
-
Вероятностные модели порождения нечисловых данных
01.00.00 Физико-математические науки
Краткое описаниеСтатистика объектов нечисловой природы (статистика нечисловых данных, нечисловая статистика) является областью математической статистики, посвященной методам анализа нечисловых данных. Основой применения результатов математической статистики являются вероятностно-статистические модели реальных явлений и процессов, важнейшей (а часто и единственной) составной частью которых являются модели порождения данных. Простейшим примером модели порождения данных является модель выборки как совокупности независимых одинаково распределенных случайных величин. В настоящей статье рассмотрены основные вероятностные модели порождения нечисловых данных. А именно, модели дихотомических данных, результатов парных сравнений, бинарных отношений, рангов, объектов общей природы. Обсуждаются различные варианты вероятностных моделей и их практическое использование. Например, базовая вероятностная модель дихотомических данных - бернуллиевский вектор (люсиан), т.е. конечная последовательность независимых испытаний Бернулли, для которых вероятности успеха могут быть различны. Математический аппарат решения различных статистических задач, связанных с бернуллиевскими векторами, полезен для анализа случайных толерантностей; случайных множества с независимыми элементами; при обработке результатов независимых парных сравнений; в статистических методах анализа точности и стабильности технологических процессов; при анализе и синтезе планов статистического приемочного контроля (по дихотомическим признакам); при обработке маркетинговых и социологических анкет (с закрытыми вопросами типа «да» - «нет»); при обработке социально-психологических и медицинских данных, в частности, ответов на психологические тесты типа MMPI (используемых, в частности, в задачах управления персоналом), при анализе топографических карт (применяемых для анализа и прогноза зон поражения при технологических авариях, распространении коррозии, распространении экологически вредных загрязнений, различных заболеваниях (в частности, при инфаркте миокарда), в других ситуациях), и т.д.
-
Социально-экологические вопросы управления в современной экономике
Краткое описаниеКлассические учебники по экономике предполагают, что влияние конкретного предприятия на окружающую среду бесконечно мало, в частности, что требуемые для деятельности предприятия ресурсы имеются в наличии, и дело только в цене, которую надо заплатить за их привлечение. Для крупной корпорации ситуация совершенно иная. Она своей деятельностью преобразует окружающую среду. Важными становятся объективно существующие ограничения на ресурсы. Эффекты усиливаются, если мы рассмотрим экономику в целом. Поэтому очевидна необходимость тщательного рассмотрения проблем управления в реальном процессе взаимодействия экономики, общества и природной среды. Подходам к такому рассмотрению посвящена настоящая статья. Продемонстрировано, что экономика – служанка общества. Во всех без исключения экономически развитых странах за ХХ в. в 3-5 раз выросла роль государства в экономике. Обсуждается влияние современной экологической ситуации на экономику и управление. В частности, предсказан конец частного предпринимательства в классическом его понимании. Рассмотрены социально-экологические аспекты управления в масштабах государства и при управлении персоналом предприятия. Обсуждение российских проблем начинается с анализа динамики основных экономических и демографических показателей России, в том числе коэффициентов суммарной рождаемости в России. Система сценариев демографических прогнозов на период до 2050 г. показывает неизбежность значительного сокращения населения России (при отсутствии интенсивных управленческих воздействий). Описаны два основных сценария разрешения социально-экологических противоречий