Московский государственный технический университет им. Н.Э. Баумана
Список авторов организации
Список статей, написанных авторами организации
-
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
-
Краткое описание
Актуальность экологических проблем была осознана примерно 50 лет назад. Пиком экологического движения в защиту окружающей среды была, по нашей оценке, Конференция ООН по окружающей среде и развитию (Рио-де- Жанейро, 1992 г.), на которой была принята концепция устойчивого развития. Затем интерес широких масс к экологии несколько стих, хотя сами экологические проблемы не только остались, но и проявились в большей мере. Однако уже есть правовая база для их решения. В частности, предприятия должны иметь сертифицированную систему экологического менеджмента, иначе на международных рынках они будут неконкурентоспособными. Осознание человечеством необходимости защиты окружающей среды привело, в частности, к развертыванию научных исследований в области экологической безопасности. Поэтому мы сочли необходимым и полезным рассказать о работах нашего коллектива по этой тематике. Проблемы обеспечения экологической безопасности весьма актуальны для топливно-энергетической отрасли, в частности, для газодобывающих предприятий. В качестве примера нового научного результата рассматриваем инновационный подход к захоронению отходов бурения. Его основная идея - использование подземных безоболочечных резервуаров в многолетнемерзлых грунтах для захоронения отходов бурения. Вечная мерзлота обычно отрицательно влияет на хозяйственное развитие, однако в рассматриваемой ситуации она оказывается определяющим положительным фактором, давая возможность снижать издержки по обеспечению экологической безопасности и, следовательно, повышать конкурентоспособность отечественных предприятий на мировом газовом рынке. Настоящая статья посвящена методам захоронения отходов бурения и проблемам, которые возникают при их захоронении. Рассмотрены различные способы захоронения отходов, их преимущества и недостатки, а также влияние на окружающую среду
-
Производственные риски и экономические опасности современных наукоемких производств
Краткое описаниеВ статье показано, что при выполнении планов создания и производства современной наукоемкой инновационной продукции различного назначения необходимо учитывать всевозможные риски и опасности, которые сопровождают современные инновационные проекты. Новые подходы к планированию развития наукоемких производств должны обеспечивать учет и управление рисковыми ситуациями финансово-экономического, научно-технического и производственно- технологического характера. Одним из перспективных направлений вывода отечественного производственного комплекса из нынешнего нестабильного состояния является стратегическое планирование и прогнозирование его деятельности, при этом разработка стратегий развития должна основываться на оценке имеющихся в распоряжении предприятия ресурсов, нехватка которых ведет к застою. При активной государственной поддержке предприятие может успешно реализовать стратегию стабилизации и прогресса за счет кооперации и диверсификации производства и сделать технологический прорыв при создании наукоемких и высокотехнологичных изделий нового поколения
-
Математические методы в социологии за сорок пять лет
22.00.00 Социологические науки
Краткое описаниеСоциология - одна из наиболее важных общественных наук. Математические, прежде всего статистические методы - эффективные интеллектуальные инструменты социологов. Проанализируем работы автора настоящей статьи, посвященные разработке статистических методов с целью решения задач социологии. Обсуждаются основные научные события этих лет, прежде всего, формирование прикладной статистики и ее основы - статистики нечисловых данных (в социологии 70- 90% переменных имеют нечисловой характер). В течение последних 30 лет российская социология бурно растет по всем количественным параметрам. Очевидно, глубину исследованиям придает использование развитого научного аппарата - методологии и методов сбора и анализа данных, математических моделей. На наш взгляд, принципиальный прорыв был осуществлен в нашей стране в 1970-е годы. Именно тогда в арсенале отечественных социологов появились теория измерений и нечеткие множества, математические методы классификации и многомерное шкалирование, непараметрическая статистика и статистика нечисловых данных. В дальнейшие десятилетия шло естественное развитие научного аппарата. Одни и те же математические и статистические методы и модели могут с успехом применяться в самых разных областях науки и практики. Статистические методы и модели весьма эффективны в социологических, социально- экономических, управленческих, технических и технико-экономических исследованиях, медицине, истории, практически в любой прикладной отрасли и области знания. В рассматриваемой области основное событие последних тридцати пяти лет – это становление научно-практической дисциплины «прикладная статистика», посвященной разработке и применению статистических методов и моделей. Анализ динамики развития прикладной статистики приводит к выводу, что в XXI в. статистика нечисловых данных становится центральной областью прикладной статистики, поскольку содержит наиболее общие подходы и результаты
-
01.00.00 Физико-математические науки
Краткое описаниеДля реализации инновационных стратегий нужны подготовленные кадры. Поэтому, вполне естественно, большое внимание, уделяемое кадровому обеспечению процессов управления инновационной деятельностью на предприятиях ракетно-космической промышленности (РКП). Подготовка кадров и управление персоналом в соответствии с действующим законодательством должны проводиться на основе профессиональных стандартов. Содержание профессиональных стандартов должно отражать результаты прогнозирования научно-технического прогресса в соответствующей области, например, в РКП. Необходимо прогнозирование тенденций использования информационно- коммуникационных технологий при решении проблем управления в социально-экономической области с целью отражения этих тенденций в профессиональных стандартах. Подходам к решению этой задачи и посвящена настоящая статья. Каким должен быть профессиональный стандарт в РКП? Основная проблема состоит в том, что хотя стандарт должен быть введен в действие в ближайшее время, его реальное влияние на отрасль начнется через 5 - 10 лет и будет продолжаться еще по крайней мере 10 лет, т.е. до 2030-х годов. Профессиональный стандарт должен исходить из концепции "Образование через науку", т.е. знания, умения, навыки, компетенции, предусмотренные профессиональным стандартом, должны быть основаны на современных научных достижениях. Так, математические методы исследования должны исходить из новой парадигмы этой области знаний, а статистические методы анализа данных должны соответствовать высоким статистическим технологиям. Для разработки профессионального стандарта в области РКП необходимо спрогнозировать характеристики квалификации (уровень знаний, умений, профессиональных навыков и опыта работы), необходимой работнику для осуществления профессиональной деятельности в РКП в 2020 - 2030 гг. Современные информационно-коммуникационные технологии создают принципиально новую ситуацию в организации хозяйства. Возникла возможность управлять из одного центра работой подразделений организации, разбросанными по всему миру. Требование присутствия на рабочем месте - во многом пережиток прошлого. Преимуществ удаленной работы много
-
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)
-
Организационно-экономическое моделирование при решении задач контроллинга
Краткое описаниеНа кафедре «Экономика и организация производства» в конце ХХ – начале XXI вв. создана научная школа в области организационно- экономического моделирования, эконометрики и статистики. Преподавание соответствующих дисциплин курирует одноименная секция кафедры, научные исследования ведет Лаборатория экономико-математических методов в контроллинге Научно-образовательного центра "Контроллинг и управленческие инновации" МГТУ им. Н.Э. Баумана. Статья посвящена деятельности научной школы, ведущимся исследованиям и некоторым полученным результатам. Начинаем с обсуждения используемых нами терминов. Организационно- экономическое моделирование – научная, практическая и учебная дисциплина, посвященная разработке, изучению и применению математических и статистических методов и моделей в экономике и управлении народным хозяйством, прежде всего промышленными предприятиями и их объединениями. Термин «экономико-математические методы и модели» имеет близкое содержание. Статистические методы в экономике – предмет эконометрики, базой которой является прикладная статистика. Организационно-экономическое моделирование и эконометрика обсуждаются как научно- практические и учебные дисциплины. Разработаны учебники и учебные пособия по организационно- экономическому моделированию, эконометрике и статистике. Нами ведутся теоретические исследования и прикладные разработки в области организационно-экономического моделирования. В частности, прогнозирование рассматривается как одна из функций управления промышленными предприятиями. Изучаются проблемы устойчивости в моделях и методах разработки стратегии предприятия. Перспективные организационно-экономические механизмы управления производственно-хозяйственной деятельностью предлагаем конструировать на основе солидарной информационной экономики
-
Прикладная статистика - состояние и перспективы
01.00.00 Физико-математические науки
Краткое описаниеПрикладная статистика - наука о том, как обрабатывать статистические данные. Как самостоятельная научно-практическая область она развивается весьма быстро. В ее состав входят многочисленные широко и глубоко развитые научные направления. Те, кто применяет прикладную статистику и другие статистические методы, обычно ориентированы на конкретные области исследования, т.е. не являются специалистами по прикладной статистике. Поэтому представляется полезным провести критический анализ современного состояния прикладной статистики и обсудить тенденции развития статистических методов. Большая практическая значимость прикладной статистики оправдывает целесообразность проведения работ по развитию ее методологии, в которых эта область научной и прикладной деятельности рассматривалась бы как целое. Дана краткая информация об истории прикладной статистики. На основе наукометрии прикладной статистики констатируем, что каждый специалист владеет лишь небольшой частью накопленных в этой области знаний. Обсуждаются пять актуальных направлений, в которых развивается современная прикладная статистика, т.е. пять "точек роста": непараметрика, робастность, бутстреп, статистика интервальных данных, нечисловая статистика. Подробнее рассмотрены основные идеи нечисловой статистики. В течение последних более чем 60 лет в России наблюдается огромный разрыв между государственной статистикой и научным сообществом специалистов по статистическим методам
-
01.00.00 Физико-математические науки
Краткое описаниеНечеткие множества – частный вид объектов нечисловой природы. Поэтому при обработке выборки, элементами которой являются нечеткие множества, могут быть использованы различные методы анализа статистических данных произвольной природы - расчет средних, непараметрических оценок плотности, построение диагностических правил и т.д. Рассказано о развитии наших работ по теории нечеткости (1975 - 2015). В первой нашей работе по нечетким множествам (1975) теория случайных множеств рассматривается как обобщение теории нечетких множеств. В научно-популярной серии «Математика. Кибернетика» издательства «Знание» в 1980 г. вышла первая книга советского автора по нечетким множествам - наша брошюра [13]. Эта книга представляет собой в основном «выжимку» наших исследований 70-х годов, т.е. работ по теории устойчивости и, в особенности, по статистике объектов нечисловой природы, с уклоном в методологию. Книга включает в себя основные результаты по теории нечеткости и ее сведению к теории случайных множеств, а также новые результаты (первая публикация!) по статистике нечетких множеств. На основе дальнейшего опыта можно ожидать, что теория нечеткости будет всё активнее применяться при организационно-экономическом моделировании процессов управления промышленными предприятиями. Обсуждается понятие среднего значения нечеткого множества. Рассмотрен ряд постановок задач проверки статистических гипотез о нечетких множествах. Предложены и обоснованы алгоритмы восстановления зависимостей между нечеткими переменными. Дано представление о различных вариантах кластер-анализа нечетких данных и переменных. Описаны методы сбора и описания нечетких данных
-
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