Помощь в написании студенческих работ
Антистрессовый сервис

Методика разработки экспертно-статистических моделей при неполных исходных данных

Диссертация: Методика разработки экспертно-статистических моделей при неполных исходных данных
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Выраженную актуальность указанное явление приобрело в последние годы, которые вызвали целый спектр исключительно сложных для анализа экономических проблем различного характера и масштаба. Крупный пласт таких проблем связан с настоятельной необходимостью развития в России малого и среднего бизнеса, темпы расширения которого — и на это постоянно указывают руководители страны, — все еще остаются… Читать ещё >

Методика разработки экспертно-статистических моделей при неполных исходных данных (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. Методическое обеспечение процесса построения статистических моделей предприятий малого бизнеса
    • 1. 1. Этапы построения статистических моделей
    • 1. 2. Традиционные методы оценивания параметров регрессионных уравнений
    • 1. 3. Критерии адекватности регрессионных равнений
    • 1. 4. 11екоторые вопросы построения статистических моделей в условиях наличия экспертной информации
    • 1. 5. Алгоритмическая схема реализации «конкурса» моделей
    • 1. 6. Проблемы анализа и моделирования предприятий малого бизнеса
  • Глава 2. Методы построения экспертно-статистических моделей в условиях дефицита исходной информации
    • 2. 1. Формирование исходной информации при построении экспертно-статистической модели
    • 2. 2. Оценивание параметров экспертно-статистической модели
    • 2. 3. Программное обеспечение процесса построения ЭСМ
  • Глава 3. Математическое моделирование деятельности предприятия малого бизнеса на основе экспертной информации
    • 3. 1. Процесс формирования экспертной информации
    • 3. 2. Формирование исходной информации для моделирования ПМ1> компьютерного профиля
    • 3. 3. Математическая модель статистического типа предприятия малого бизнеса «Элерон»

Актуальность темы

Методы математического моделирования являются весьма эффективным средством научного анализа сложных объектов практически любой природы. При этом традиционно одной из наиболее широких сфер применения этих методов является экономика, которая в силу своей специфики особенно интенсивно «потребляет» новые достижения, появляющиеся в этой области.

Выраженную актуальность указанное явление приобрело в последние годы, которые вызвали целый спектр исключительно сложных для анализа экономических проблем различного характера и масштаба. Крупный пласт таких проблем связан с настоятельной необходимостью развития в России малого и среднего бизнеса, темпы расширения которого — и на это постоянно указывают руководители страны, — все еще остаются недостаточно высокими.

Экономико-математическое моделирование деятельности предприятий малого бизнеса представляет собой особенно активно развиваемое научное направление в области разработки математических методов для исследования экономических систем. Можно назвать, в частности, фамилии российских ученых: А. И. Орлова, Н. И. Иванову, В. Н. Жихарева, С. А. Вологжанина, Д. С. Чернавского, А. В. Щербакова, С. А. Соловьева, Н. Е. Егорову, С. Р. Хачатряна и др. Из зарубежных специалистов можно выделить К. Ланкастера, Д. Хана, Т. Нсйлора, Г. Тейла, Э. Янга, Дж. Вильямса, П. Фишберна, Р. Пиндайка, Э. Наумана, Э. Долана, Д. Линдсея, М. Кубониву и др.

К настоящему времени известно несколько наиболее часто используемых подходов к математическому моделированию экономических объектов, в том числе относящихся и к малому бизнесу.

Один из эффективных подходов основывается на методах современной прикладной статистики (отметим, что настоящая работа выполнена в рамках так называемых аппроксимационных, а не вероятностных вычислительных схем этой дисциплины). Большой вклад в его создание и развитие внесли ведущие иностранные и российские специалисты: Н. Дрейпер, Г. Смит, Дж. Себер, А. Афифи, С. Эйзен, Дж. Кади, Дж. Джонстон, Б. Болч, К. Хуань, К. Доугерти, Ф. Мостселлер, Дж. Тьюки, П. Хыобер, Ф.ХампельА.С.Айвазян, И. С. Ешоков, Л. Д. Мешалкин, Ю. А. Поляков, А. И. Орлов, Е. З. Демиденко, Г. Г. Пирогов, Ю. П. Федоровский, С. И. Жилин, А. П. Вощинин и др.

Традиционная схема применения методологии прикладной статистики предполагает формализованное описание функционирования объекта исследований в прошлом с привлечением для обработки статистической или экспериментальной информации соответствующих специальных методов экстраполяционного характера на этапах формирования модельных спецификаций и оценивания неизвестных параметров. При этом предполагается, что используемая информация полна, или (на языке прикладной статистики) что ряды наблюдений показателей имеют достаточную длину. При нарушении этой предпосылки, в частности, при полном или частичном отсутствии ретроспективной информации, применение при моделировании только традиционных методов оказывается явно недостаточным.

Приведенные обстоятельства как раз и указывают на актуальность настоящей работы.

Целью диссертационной работы является разработка методики экспертно-статистического моделирования и ее применение для построения математической модели предприятия малого бизнеса.

Основные задачи исследования.

1. Исследование закономерностей создания и функционирования предприятий малого бизнеса.

2. Разработка способа формирования исходной информации при построении экспертно-статистических моделей.

3. Разработка методов определения оценок параметров экспертно-статистических моделей на основе обработки комбинированной информации.

4. Разработка программного комплекса построения экспертно-статистических моделей.

5. Построение экспертно-статистической модели малого предприятия.

Методы исследования. Для решения поставленных в работе задач используются элементы системного анализа, методы современной прикладной статистики, экспертных оценок, некоторых экономических теорий.

Научную новизну работы составляют следующие результаты.

1. Произведен анализ преимуществ и недостатков наиболее эффективных и часто используемых в прикладной статистике методов оценивания неизвестных параметров моделей.

2. Проведено исследование основных проблем деятельности предприятий малого бизнеса в условиях конкуренции и отсутствии значимой государственной поддержки.

3. Предложен способ расширения исходных данных при построении экспертно-статистической модели, основанный на привлечении и последующей обработке экспертной информации.

4. Разработаны методика и программный комплекс параметрической идентификации экспертно-статистических моделей.

5. Построена математическая модель экспертно-статистического типа малого предприятия компьютерного профиля. Выработан комплекс рекомендаций по повышению эффективности его функционирования.

Практическая значимость работы состоит в: возможности построения математических моделей статистического типа для объектов любой природы в условиях ограниченной исходной информации, что может выражаться необходимостью обработки выборок ограниченной длинытиражировании технологии построения экспертно-статистических моделей предприятий малого бизнеса с целыо повышения эффективности их деятельности.

Внедрение результатов.

Представленные в диссертации теоретические и прикладные результаты внедрены в:

— Институте динамики систем и теории управления СО РАН;

— Восточно-Сибирском институте МВД России;

— Иркутском государственном университете путей сообщения;

— научно-производственном предприятии «Симплекс»;

— ООО «Сибвест» .

Кроме того, эти результаты используются в учебном процессе в Институте информационных технологий и моделирования ИрГУПС.

Апробация работы.

Основные результаты диссертации докладывались и обсуждались на: Всероссийской научно-методической конференции, но проблемам моделирования географических систем (Иркутск, 2004), Международной научной конференции «Инфокоммуникационные и вычислительные технологии в науке, технике и образовании (Ташкент, 2004), Международной научно-практической конференции «Техника и технология дистанционного обучения» (Ташкент, 2004), Всероссийской конференции «Информационные и математические технологии в науке, технике и образовании (Иркутск, 2005), Международной научной конференции по современным информационным технологиям — ТУИТ-50 (Ташкент, 2005).

Кроме того, эти результаты неоднократно докладывались на научных семинарах в ИрГУПС.

Публикации.

Основное содержание работы изложено в семи публикациях. Структура диссертации.

Диссертация изложена на 113 страницах машинописного текста, состоит из введения, трех глав, заключения, списка литературы из 192 наименований и приложения. Работа содержит 8 таблиц, 10 рисунков.

ЗАКЛЮЧЕНИЕ

.

На основе приведенных в диссертационной работе результатов можно сделать следующие выводы.

1. Проанализированы наиболее часто используемые и эффективные методы прикладной статистики, главным образом предназначенные для оценивания неизвестных параметров линейного регрессионного уравнения. Обсуждены преимущества и недостатки этих методов и особенности их применения в различных ситуациях. Особое внимание уделено процедуре реализации «конкурса» моделей, состоящего в построении множества альтернативных вариантов одного уравнения с последующим выбором лучшего из них на основе векторного критерия адекватности.

2. Исследованы некоторые крупные проблемы создания и функционирования предприятий малого бизнеса в условиях конкуренции и отсутствия значимой государственной поддержки. Обоснованна целесообразность использования для решения этих проблем современных методов математического моделирования.

3. Разработан способ расширения статистических исходных данных за счет специальным образом сформированной и обработанной экспертной информации для случая неполноты этих данных.

4. Разработаны методы параметрической идентификации экспертно-статистических моделей на основе обработки комбинированной (статистической и экспертной) информации.

5. Разработан программный комплекс, позволяющий эффективно строить и оценивать адекватность экспертно-статистических моделей и, кроме того, определять уровень компетентности привлеченных экспертов.

6. Построена математическая модель экспертно-статистического типа малого предприятия компьютерного профиля, разработан краткосрочный прогноз его развития, на основе чего выработаны некоторые рекомендации, но повышению эффективности функционирования предприятия.

Показать весь текст

Список литературы

  1. С.А. Модельно- и методоориентированные интеллектуализированные програмные комплексы по статистическому анализу данных // Многомерный статистический анализ и вероятностное моделирование реальных процессов,-М.:Наука, 1990.-е.7−16.
  2. С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.:Финансы и статистика, 1983.- с. 472.
  3. С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Исследование зависимостей. -М.:Финансы и статистика, 1985.- с. 607.
  4. С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Классификация и снижение размерности.-М.:Финансы и статистика, 1989.-c.607.
  5. С.А., Мхитрян B.C. Прикладная статистика и основы эконометрики.-М.: Юнити, 1998.-с. 102.
  6. В.П., Андрусевич В. В., Еналеев А. К. Динамика модели «оператор-советчик оператора». М.: ИПУ РАН. Механизмы функционирования организационных систем. Теория и приложения. 1982.
  7. В.П., Бурков В. П., Колтун В. З., Пинтов A.B. Здоровье трудовых коллективов как система управления / Всесоюзная конференция «„Теория, методология и практика системных исследований“». Москва, 1984."
  8. В.П., Бурков В. П., Еналеев А. К. Многоканальные активные системы // Автоматика и Телемеханика. 1990. № U.c. 106 116.
  9. В.П., Бурков В. Н., Еналеев А. К. Многоканальные конкурсные механизмы в активных системах. Новокузнецк: ВСНТО.
  10. ВНП семинар «Опыт использования распределенных СУ технол.проц. производством». 1986.
  11. Ю.Авдеев В. П., Бурков В. Н., Еналеев А. К., Кондратьев В. В. Организационное управление с использованием нормативной модели. М.: ИПУ РАН. Синтез механизмов управления сложными системами. 1980.
  12. П.Авдеев В. П., Еналеев А. К., Зельцер С. Р., Мышляев Л. П. Натурно-математическое моделирование в деловых играх и промышленных исследованиях. М.: ИПУ РАН. Деловые игры и имитационное моделирование. 16-й семинар ИФАК/ИСАГА. 1985.
  13. Л.А. Моделирование организационных структур. Л.: ЛГУ, 1978. с. 160.
  14. Л.А., Соколов Д. В., Франева Л. К. Модели и методы рационализации и проектирования организационных структур управления: Учеб. пособие Л.: Изд-во Ленингр. фин.-экон. ин-та, 1991.
  15. И.Н., Новиков Д. А. Механизмы управления динамическими активными системами и модели коллективного поведения. Севастополь: 3-я Украинская конференция по автоматическому управлению. 2. 1996.
  16. П.С., Буркова И. В., Глаголев A.B., Колпачев В. Н. Задачи распределения ресурсов в управлении проектами. М.: ИПУ РАН, 2002.-c.65.
  17. С.А., Бакунец О. Н., Гуреева И. В., Колпачев В. Н., Руссман И. Б. Оптимизационные модели распределения инвестиций на предприятии по видам деятельности. М.: ИПУ РАН, 2002. с. 68.
  18. С.А., Бурков В.II., Новиков Д. А., Шульженко H.A. Моделии механизмы в управлении организационными системами. М.: Издательство «Тульский полиграфист», 2003. Том 1. с. 560, Том 2 -с.380, Том 3 — с. 205.
  19. С.А., Буркова И. В., Колпачев В. Н., Потапенко A.M. Модели и методы распределения ресурсов в управлении проектами. М.:ИПУ РАН, 2004.-c.85.
  20. С.А., Новиков Д. А., Попов С. С. Индивидуальные стратегии предложения труда: теория и практика. М.: ИПУ РАН, 2002. с. 109.
  21. С.А., Новиков Д. А., Песковатсков В. Ю. Двухканальная модель активной экспертизы. М.: ИПУ РАН, 1999. с. 58.
  22. В.Г. Модели и методы принятия выгодных финансовых решений. М.: Физматлит, 2003. с. 408.
  23. В.Г., Заложнев А. Ю., Иващенко A.A., Новиков Д. А. Механизмы управления организационными проектами. М.: ИПУ РАН, 2003.-c.73.
  24. В.М., Суханов В. А., Гузеев В. В., Унгер Ф. Г., Оценивание параметров линейных физико-химических зависимостей прямоугольником метода центра неопределенности // Изв. вузов. Физика, 1991. № 8.-с.35−45.
  25. В.М., Суханов В. А., Унгер Ф. Г., Обзор основных статистических методов определения параметров аппроксимирующих функций. Препринт № 46, ТНЦ СО АН СССР, Томск, 1990,-с.34.
  26. В.П. Комментарий I статье А.П. Вощинина, А. Ф. Бочкова, Г. Р. Сотирова «Метод анализа данных при интервальной нестатистической ошибке». Заводская лаборатория. -1990. -Е.56. -№ 7. -с.81−83.
  27. Д.К., Заложнев А. Ю., Новиков Д. А., Цветков A.B. Типовые97решения в управлении проектами. М.: ИПУ РАН, 2003. с. 84.
  28. Д.К., Колосова Е. В., Цветков A.B. Процедуры управления проектами // Инвестиционный эксперт. 1998. №№ 31 35.
  29. A.A. Модели динамики коллективного поведения. М.: МГУ, 1989.-с. 156.
  30. A.A., Гурвич В. А. Коалиционные ситуации равновесия в метаиграх / Вестник МГУ. Вычислительная математика и кибернетика. 1980. № 3. с. 38−44.
  31. H.A. О математических моделях стимулирования в экономике / Планирование и управление экономическими системами. Новосибирск: Наука, 1975. с. 52 62.
  32. ЗГВатель И.А., Ерешко Ф. И. Математика конфликта и сотрудничества. М.: Знание, 1973.-с.64.
  33. А.П. Интервальный анализ данных: развитие и перспективы. // Заводская лаборатория. Диагностика материалов.-2002.- Е.68. № 1. — с.118−126.
  34. А.П. Метод оптимизации объектов по интервальным моделям целевой функции. М.: МЭИ, 1987. — с. 109.
  35. А.П., Сотиров Г. Р. Оптимизация в условиях неопределенности. М.: МЭИ- София: Техника, 1989. — с.224.
  36. А.П., Акматбеков P.A. Оптимизация по регрессионным моделям и планирование эксперимента. Бишкек: Илим, 1991. -с. 164.
  37. А.П., Бочков А. Ф., Сотиров Г. Р. Метод анализа данных при интервальной нестатистической ошибке // Заводская лаборатория. -1990. -Т.56. -№ 7. -с.76−81.
  38. Гаазе-Раппопорт М.Г., Поспелов Д. А. От амебы до робота: модели поведения. М.: Наука, 1987. с. 288.
  39. H.H., Карамзина Н. С., Колосова Е. В., Лысаков A.B. Анализ и управление проектами. М.: Изд-во Рос. Экон. Акад. 2000
  40. H.H., Карамзина Н. С., Колосова Е. В., Лысаков A.B. Анализ и управление проектами. Практический курс: Учебное пособие. М.: Изд-во Рос. Экон. Акад. 2000
  41. Ю.Н. Специальные математические методы и модели в социологии (опыт разработки и применения) / Математическое моделирование социальных процессов. № 2. М.: МГУ, 1999. с. 5 8.
  42. В.Б., Носков С. И. Выбор класса линейной по параметрам регрессии на основе экспертных высказываний // Кибернетика и сист. анализ. -1992. -№ 5.-с. 109−115.
  43. В.Б., Носков С. И., Комбинирование прогнозов с учетом экспертной информации // Автоматика и телемеханика.-1992.-№Н.-с. 109−117.
  44. В.Б., Носков С. И., Оценивание параметров эконометрической модели по статистической и экспертной информации // Автоматика и телемеханика.-1991.-№ 4.-с.123−132.
  45. В.Б., Носков С. И., Прогнозирование на основе дискретной динамической модели с использованием экспертной информации // Автоматика и телемеханика.-1993.-№ 10.-с. 140−148.
  46. ДемиденкоЕ.З. Комментарий II к статье А. П. Вощинина, А. Ф. Бочкова, Г. Р. Сотирова «Метод анализа данных при интервальной нестатистической ошибке». Заводская лаборатория. -1990. -Т.56. -№ 7. -с.83−84.
  47. ДемиденкоЕ.З. Линейная и нелинейная регрессии. -М.:Финансы и статистика, 1981.-с.302.
  48. Э.ДЖ., Линдсей Д. Е. Рынок: микроэкономическая модель.-СПб:
  49. СП «Автокомп», 1992.-c.496.
  50. К. Введение в эконометрику. — М.:Изд-во МГУ, 1999. -с.402.
  51. Н., Смит Г., Прикладной регрессионный анализ. -М.:Финансы и статистика, 1981.-T.I.- с. 366, т.2.- с. 351.
  52. Ким В.Х., Носков С. И. Математическое моделирование влияния структуры фонда оплаты труда на эффективность производства. -Иркутск.: ИрГТУ, 2002.-85 с.
  53. JI.H. Многофакторное прогнозирование на основе рядов динамики. -М.: Статистика, 1980. -с.102.
  54. С. Прикладной эконометрический анализ в статистическом пакете Stata.-M.: Российская экономическая школа, 2000.-c.112.
  55. В.В. Статистика объектов нечисловой природы. Наб. Челны: Изд-во Камского политехнического института, 2001. — с. 144.
  56. В.П. Комментарий VI к статье А.П. Вощинина, А. Ф. Бочкова, Г. Р. Сотирова «Метод анализа данных при интервальной нестатистической ошибке». // Заводская лаборатория. 1990. — Т.56. -№ 7. — с.90−93.
  57. Е.И. Эконометрия. М.: Финансы и статистика, 1999. -с.302.
  58. О.М., Коробочкин Ю. Б., Щаталов С. А. Минимаксная обработка информации.- М.:Энергоатомиздат, 1990.- с. 126.59Лецкий Э.к. Комментарий III к статье А. П. Вощинина, А. Ф. Бочкова,
  59. Г. Р.Сотирова «Метод анализа данных при интервальной нестатистической ошибке». Заводская лаборатория. -1990. -Т.56. -№ 7. -с.84−86.
  60. .Г. Экспертная информация. Методы получения и анализа. М.:Радио и связь, 1982.- с. 211.
  61. Я.Р., Катышев П. К., Пересецкий A.A. Эконометрика: Начальный курс. М.: Дело, 1997. — с.248
  62. Математическое моделирование процессов налогообложения (подходы к проблеме) / Под ред. Ивановой Н. Ю, Орлова А. И и др.-М.: ЦЭО Минобразования РФ, 1997.- с. 232.
  63. H.H. Математические задачи системного анализа. М.: Наука, 1981.-с. 488.
  64. В.И., Кушко В. А. Методы обработки измерений. Квазиправдоподобные оценки. -М.: Радио и связь, 1983.- с. 304.
  65. С.И. Интервальные эконометрические модели: проблемы построения и использования при прогнозировании // Деп в ВИНИТИ, 1991.-№ 4159-В91.- с. 10.
  66. С.И. Построение эконометрических зависимостей с учетом критерия «согласованности поведения». // Кибернетика и системный анализ,-1994.-№ 1.-с. 177−180.
  67. С.И. Технология моделирования объектов с нестабильным функционированием и неопределенностью в данных. Иркутск: Облинформпечать, 1996.-320 с.
  68. С.И., Потороченко H.A. Диалоговая система реализации «конкурса» регрессионных зависимостей // Управл. системы и машины. -1992. № 2−4. -c.l 11−116.
  69. П.В., Зограф И. А. Оценка погрешностей результатов измерений.- Л.: Энергоатомиздат, 1985.-с.248.
  70. А.И. Интервальный статистический анализ //Статистические методы оценивания и проверки гипотез: Межвуз. сб. науч. тр.
  71. Пермь: Изд-во Пермского государственного университета, 1993. с. 149−158.
  72. А.И. Оценка размерности модели в регрессии // Алгоритмическое и программное обеспечение прикладного статистического анализа: Учебные записки по статистике.-М.:Наука, 1980.-Т.36.-С.92−99.
  73. А.И. Устойчивость в социально-экономических моделях.-М.: Наука, 1979.-c.296.
  74. Р., Эноксон JI. Прикладной анализ временных рядов. М.: Мир, 1982.-c.428.
  75. Р., Рубинфельд Д. Микроэкономика: Пер. с англ. М.: Экономика — Дело, 1992. — с.510.
  76. Прикладная статистика. М.: Финансы и статистика, 1 т., 1989. с. 510, 2 т.-1990.-с. 526.
  77. Ю.В. Теория и организация экспертного прогнозировнаия. М.: ИМЭМО АН СССР, 1990. — с. 190.
  78. Устойчивые статистические методы оценки данных / Под ред. PJL Лонера, Г. П. Уилкинсона: Пер. с англ. -М.: Машиностроение, 1984.-с.232.
  79. Ф., Рончетти Э., Рауссеу П., Штаэль В. Робастность в статистике. Подход на основе функций влияния. -М.:Мир, 1989.-с.512.
  80. Ю.С. и др. Основы имитационного и статистическогомоделирования. Минск: ДизайнПро, 1997. — с.218.
  81. А.И. О проблемах использования метода центра неопределенности для обработки экспериментальных данных // Вычислительные технологии.-1999.-Т.4.-№ 4.-с.80−81.
  82. П. Робастность в статистике. -М.: Мир, 1984.- с. 304.84.1Покин Ю. И. Интервальный анализ. Новосибирск: Наука, 1981. с. 112.
  83. П.Е., Измерительная информация. Сколько ее нужно, как ее обрабатывать? -М.: Наука, 1983.- с. 208.
  84. . Нетрадиционные методы многомерного статистического анализа. М.: Финансы и статистика, 1988. — с.500.
  85. В.А. Стратегии и методы качественного анализа в данных // Социология: методология, методы, математические модели. 1991.-№ 1.-с. 14−31.
  86. Deller J., Nayeri М., Odeh S. Least-square identification with error bounds for real time signal processing and control // Proc. of IEEE.-1993. Vol.8 l.-№ 6.-P.815−849.
  87. Esbensen K.H. Multivariate Data Analysis in practice. An introduction to multivariate data analysis and experimental design. — САМО AS, 2000. -600 p.
  88. Gaans P., Vriend S. Multiple Linear regression with correlation among the predictor variables. Theory and computer algorithm RIDGE // Comput. and Geosci. -1990.-V.16. -№ 7. -P.952−993.
  89. Rowe N. Managment of regression-model date // Date and Knowledge Eng. -1991. v.6.- № 4.-P.349−363.
  90. Trabelsi A., Hillman S.C. A benchmarking approach to forecast combination//J. Bus. and Econ. Statist. -1989. -v.7.-№ 3.-P.353−362.
  91. Varian H.R. Intermediate Microeconomics: A Modern Approach. N.Y.: W.W. Norton & Company, 1993. — 623 pp.
  92. Wenzhong S., Ehlers M., Tempfli K. Modeling and Visualising
  93. Uncertainties in Multi-Data-Based Spatial Analysis. 11 Proc. of European GIS Conference, 1994. P. 454−464.
  94. Wilke F.Z., Franciosi B.R.T., Oliveira P.W., Claudio D.M. Modeling the Measurement Uncertainty by Intervals // Journal of Universal Computer Science. 1998. — Vol 4. № 1. -P.82−88.
  95. Yager R.R. Fuzzy prediction based on regression models // Inform.Sci.-1982.-v.26.-№l .-P.45−63.
  96. C.A. Модельно- и методоориентированные интеллектуализированные програмные комплексы по статистическому анализу данных // Многомерный статистический анализ и вероятностное моделирование реальных процессов.-М.:11аука, 1990.-с.7−16.
  97. С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.:Финансы и статистика, 1983.- с. 472.
  98. С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Исследование зависимостей. -М.?Финансы и статистика, 1985.- с. 607.
  99. С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Классификация и снижение размерности.-М.:Финансы и статистика, 1989.- с. 607.
  100. С.А., Мхитрян B.C. Прикладная статистика и основы эконометрики. М.: Юнити, 1998. — с. 102.
  101. В.П., Андрусевич В. В., Еналеев А. К. Динамика модели «оператор-советчик оператора». М.: ИПУ РАН. Механизмы функционирования организационных систем. Теория и приложения. 1982.
  102. В.П., Бурков В. Н., Колтун В. З., Пинтов А. В. Здоровье трудовых коллективов как система управления / Всесоюзная конференция «„Теория, методология и практика системныхисследований“». Москва, 1984."
  103. В.П., Бурков В. Н., Еналеев А. К. Многоканальные активные системы // Автоматика и Телемеханика. 1990. № U.c. 106 116.
  104. В.П., Бурков В. Н., Еналеев А. К. Многоканальные конкурсные механизмы в активных системах. Новокузнецк: ВСНТО. ВНГ1 семинар «Опыт использования распределенных СУ технол.проц. производством». 1986.
  105. В.П., Бурков В. Н., Еналеев А. К., Кондратьев В. В. Организационное управление с использованием нормативной модели. М.: ИПУ РАН. Синтез механизмов управления сложными системами. 1980.
  106. В.П., Еналеев А. К., Зельцер С. Р., Мышляев Л. П. Натурно-математическое моделирование в деловых играх и промышленных исследованиях. М.: ИПУ РАН. Деловые игры и имитационное моделирование. 16-й семинар ИФАК/ИСАГА. 1985.
  107. Л.А. Моделирование организационных структур. Л.: ЛГУ, 1978. С. 160.
  108. Л.А., Соколов Д. В., Франева Л. К. Модели и методы рационализации и проектирования организационных структур управления: Учеб. пособие Л.: Изд-во Ленингр. фин.-экон. ин-та, 1991.
  109. И.Н., Новиков Д. А. Механизмы управления динамическими активными системами и модели коллективного поведения. Севастополь: 3-я Украинская конференция по автоматическому управлению. 2. 1996.
  110. П.С., Буркова И. В., Глаголев A.B., Колпачев В.Н.
  111. Задачи распределения ресурсов в управлении проектами. М.: ИПУ РАН, 2002.-c.65.
  112. С.А., Бакунец О. Н., Гуреева И. В., Колпачев В. Н., Руссман И. Б. Оптимизационные модели распределения инвестиций на предприятии по видам деятельности. М.: ИПУ РАН, 2002. с. 68.
  113. С.А., Бурков В. Н., Новиков Д. А., Шульженко H.A. Модели и механизмы в управлении организационными системами. М.: Издательство «Тульский полиграфист», 2003. Том 1. с. 560, Том 2-С.380, Том 3 — с. 205.
  114. С.А., Буркова И. В., Колпачев В. Н., Потапенко A.M. Модели и методы распределения ресурсов в управлении проектами. М.: ИПУ РАН, 2004.-c.85.
  115. С.А., Новиков Д. А., Попов С. С. Индивидуальные стратегии предложения труда: теория и практика. М.: ИПУ РАН, 2002.-с. 109.
  116. С. А., Новиков Д. А., Песковатсков В. Ю. Двухканальная модель активной экспертизы. М.: ИПУ РАН, 1999. -с.58.
  117. В.Г. Модели и методы принятия выгодных финансовых решений. М.: Физматлит, 2003. с. 408.
  118. В.Г., Заложнев А. Ю., Иващенко A.A., Новиков Д. А. Механизмы управления организационными проектами. М.: ИПУ РАН, 2003.-c.73.
  119. В.М., Суханов В. А., Гузеев В. В., Унгер Ф. Г., Оценивание параметров линейных физико-химических зависимостей прямоугольником метода центра неопределенности // Изв. вузов. Физика, 1991. № 8.-с.35−45.
  120. В.М., Суханов В. А., Унгер Ф. Г., Обзор основных статистических методов определения параметров аппроксимирующих функций. Препринт № 46, ТНЦ СО АН СССР, Томск, 1990.-с.34.
  121. В.П. Комментарий I статье А.П. Вощинина, А. Ф. Бочкова, Г. Р. Сотирова «Метод анализа данных при интервальной нестатистической ошибке». Заводская лаборатория. -1990. -Е.56. -№ 7. -с.81−83.
  122. Д.К., Заложнев А. Ю., Новиков Д. А., Цветков A.B. Типовые решения в управлении проектами. М.: ИПУ РАН, 2003. -с.84.
  123. Д.К., Колосова Е. В., Цветков A.B. Процедуры управления проектами // Инвестиционный эксперт. 1998. №№ 31 -35.
  124. A.A. Модели динамики коллективного поведения. М.: МГУ, 1989.-с. 156.
  125. A.A., Гурвич В. А. Коалиционные ситуации равновесия в метаиграх / Вестник МГУ. Вычислительная математика и кибернетика. 1980. № 3. с. 38−44.
  126. И.А. О математических моделях стимулирования в экономике / Планирование и управление экономическими системами. Новосибирск: Наука, 1975. с. 52 62.
  127. И. А., Ерешко Ф. И. Математика конфликта и сотрудничества. М.: Знание, 1973. с. 64.
  128. А.П. Интервальный анализ данных: развитие и перспективы. // Заводская лаборатория. Диагностика материалов.-2002.-Е.68.-№ 1.-с.118−126.
  129. А.П. Метод оптимизации объектов по интервальным107моделям целевой функции. М.: МЭИ, 1987. — с. 109.
  130. А.П., Сотиров Г. Р. Оптимизация в условиях неопределенности. М.: МЭИ- София: Техника, 1989. — с.224.
  131. А.П., Акматбеков P.A. Оптимизация по регрессионным моделям и планирование эксперимента. Бишкек: Илим, 1991.-c.164.
  132. А.П., Бочков А. Ф., Сотиров Г. Р. Метод анализа данных при интервальной нестатистической ошибке // Заводская лаборатория. -1990. -Т.56. -№ 7. -с.76−81.
  133. Гаазе-Раппопорт М.Г., Поспелов Д. А. От амебы до робота: модели поведения. М.: Наука, 1987. с. 288.
  134. H.H., Карамзина Н. С., Колосова Е. В., Лысаков A.B. Анализ и управление проектами. М.: Изд-во Рос. Экон. Акад. 2000
  135. H.H., Карамзина Н. С., Колосова Е. В., Лысаков A.B. Анализ и управление проектами. Практический курс: Учебное пособие. М.: Изд-во Рос. Экон. Акад. 2000
  136. Ю.Н. Специальные математические методы и модели в социологии (опыт разработки и применения) / Математическое моделирование социальных процессов. № 2. М.: МГУ, 1999. с. 5 8.
  137. В.Б., Носков С. И. Выбор класса линейной по параметрам регрессии на основе экспертных высказываний // Кибернетика и сист. анализ. -1992. -№ 5.-с. 109−115.
  138. В.Б., Носков С. И., Комбинирование прогнозов с учетом экспертной информации // Автоматика и телемеханика.-1992.-№П.-с. 109−117.
  139. В.Б., Носков С. И., Оценивание параметров эконометрической модели по статистической и экспертной информации // Автоматика и телемеханика.-1991.-№ 4.-с.123−132.
  140. В.Б., Носков С. И., Прогнозирование на основе дискретной динамической модели с использованием экспертной информации // Автоматика и телемеханика.-1993.-№ 10.-с.140−148.
  141. ДемиденкоЕ.З. Комментарий II к статье А. П. Вощинина, А. Ф. Бочкова, Г. Р. Сотирова «Метод анализа данных при интервальной нестатистической ошибке». Заводская лаборатория. -1990. -Т.56. -№ 7. -с.83−84.
  142. ДемиденкоЕ.З. Линейная и нелинейная регрессии. М.:Финансы и статистика, 1981.- с. 302.
  143. Э.ДЖ., Линдсей Д. Е. Рынок: микроэкономическая модель.-СПб:
  144. СП «Автокомп», 1992.-c.496.
  145. К. Введение в эконометрику. М.:Изд-во МГУ, 1999. — с.402.
  146. Н., Смит Г., Прикладной регрессионный анализ. -М.:Финансы и статистика, 1981.-t.I.- с. 366, т.2.- с. 351.
  147. С.И. Эксперименты по оцениванию параметров эмпирической зависимости методом наименьших квадратов и методом центра неопределенности. // Известия Алтайского государственного университета.- 2003. -№ 1. -с.24−27.
  148. А.Г., Юрачковский Ю. П. Моделирование сложных систем по экспериментальным данным. -М.: Радио и связь, 1987.-с.120.
  149. Ким В.Х., Носков С. И. Математическое моделирование влияния структуры фонда оплаты труда на эффективность производства. Иркутск.: ИрГТУ, 2002.-85 с.
  150. Л.Н. Многофакторное прогнозирование на основе рядов динамики. -М.: Статистика, 1980. с. 102.
  151. С. Прикладной эконометрический анализ в статистическом пакете Stata.-M.: Российская экономическая школа, 2000.-с. 112.
  152. B.B. Статистика объектов нечисловой природы. Наб. Челны: Изд-во Камского политехнического института, 2001. -с. 144.
  153. В.П. Комментарий VI к статье А.П. Вощинина, А. Ф. Бочкова, Г. Р. Сотирова «Метод анализа данных при интервальной нестатистической ошибке». // Заводская лаборатория. 1990. — Т.56. -№ 7. — с.90−93.
  154. Е.И. Эконометрия. -М.: Финансы и статистика, 1999. -С.302.
  155. О.М., Коробочкин Ю. Б., Щаталов С. А. Минимаксная обработка информации.- М.:Энергоатомиздат, 1990.- с. 126.
  156. Э.к. Комментарий III к статье А.П. Вощинина, А. Ф. Бочкова, Г. Р. Сотирова «Метод анализа данных при интервальной нестатистической ошибке». Заводская лаборатория. -1990. -Т.56. -№ 7. -с.84−86.
  157. .Г. Экспертная информация. Методы получения и анализа. М.:Радио и связь, 1982.- с. 211.
  158. Я.Р., Катышев П. К., Пересецкий A.A. Эконометрика: Начальный курс. М.: Дело, 1997. — с.248
  159. Математическое моделирование процессов налогообложения (подходы к проблеме) / Под ред. Ивановой НЛО, Орлова А. И и др.-М.: ЦЭО Минобразования РФ, 1997.- с. 232.
  160. H.H. Математические задачи системного анализа. -М.: Наука, 1981.-е. 488.
  161. В.И., Кушко В. А. Методы обработки измерений. Квазиправдоподобные оценки.-М.: Радио и связь, 1983.- с. 304.
  162. С.И. Интервальные эконометрические модели: проблемы построения и использования при прогнозировании // Деп в ВИНИТИ, 1991.-№ 4159-В91.- с. 10.
  163. С.И. Построение эконометрических зависимостей с учетом критерия «согласованности поведения». // Кибернетика и системный анализ.-1994.-№I.-c. 177−180.
  164. С.И. Технология моделирования объектов с нестабильным функционированием и неопределенностью в данных. -Иркутск: Облинформпечать, 1996.-320 с.
  165. С.И., Потороченко H.A. Диалоговая система реализации «конкурса» регрессионных зависимостей // Унравл. системы и машины. -1992. № 2−4. -c.l 11−116.
  166. П.В., Зограф И. А. Оценка погрешностей результатов измерений.- JL: Энергоатомиздат, 1985.-с.248.
  167. А.И. Интервальный статистический анализ //Статистические методы оценивания и проверки гипотез: Межвуз. сб. науч. тр. Пермь: Изд-во Пермского государственного университета, 1993.-е. 149−158.
  168. А.И. Оценка размерности модели в регрессии // Алгоритмическое и программное обеспечение прикладного статистического анализа: Учебные записки по статистике.-М.:Наука, 1980.-Т.36.-с.92−99.
  169. А.И. Устойчивость в социально-экономических моделях.1. М.: Наука, 1979.-c.296.
  170. А.И., Жихарев В. Н., Цупин В. А., Балашов В. В. Как оценивать уровень жизни?: (на примере московского региона.)// Обозреватель-Observer. 1999. — № 5(112). — с.80−83.
  171. Н.М., Максимов A.B., Жилин С. И. Построение и анализ эмпирических зависимостей методом центра неопределенности // Известия Алтайского государственного университета.-1998.-№ 1.-с.35−38.
  172. Р., Эноксон JI. Прикладной анализ временных рядов.1. М.: Мир, 1982.-c.428.
  173. Р., Рубинфельд Д. Микроэкономика: Пер. с англ. -М.: Экономика-Дело, 1992.-c.510.
  174. Прикладная статистика. М.: Финансы и статистика, 1 т., 1989. -с.510, 2 т.-1990.-с. 526.
  175. Сидельников 10.В. Теория и организация экспертного прогнозировнаия. М.: ИМЭМО АН СССР, 1990. — с. 190.
  176. Устойчивые статистические методы оценки данных / Под ред. P. J1. Лонера, Г. Н. Уилкинсона: Пер. с англ. -М.: Машиностроение, 1984.-c.232.
  177. Ф., Рончетти Э., Рауссеу П., Штаэль В. Робастность в статистике. Подход на основе функций влияния. -М.:Мир, 1989.-с.512.
  178. Ю.С. и др. Основы имитационного и статистического моделирования. Минск: ДизайнПро, 1997. — с.218.
  179. А.И. О проблемах использования метода центра неопределенности для обработки экспериментальных данных // Вычислительные технологии.-1999.-Т.4.-№ 4.-с.80−81.
  180. П. Робастность в статистике. -М.: Мир, 1984.- с. 304.
  181. Ю.И. Интервальный анализ. Новосибирск: Наука, 1981.-c.112.
  182. П.Е., Измерительная информация. Сколько ее нужно, как ее обрабатывать? -М.: Наука, 1983.- с. 208.
  183. . Нетрадиционные методы многомерного статистического анализа. М.: Финансы и статистика, 1988. — с.500.
  184. В.А. Стратегии и методы качественного анализа в данных // Социология: методология, методы, математические модели, 1991.-№ 1.-е. 14−31.
  185. Deller J., Nayeri М., Odeh S. Least-square identification with error bounds for real time signal processing and control // Proc. of IEEE.-1993.1. Vol.81.-№ 6. -P.815−849.
  186. Esbensen K.H. Multivariate Data Analysis in practice. An introduction to multivariate data analysis and experimental design. -CAMO AS, 2000. — 600 p.
  187. Gaans P., Vriend S. Multiple Linear regression with correlation among the predictor variables. Theory and computer algorithm RIDGE // Comput. and Geosci. -1990.-V.16. -№ 7. -P.952−993.
  188. Rowe N. Managment of regression-model date // Date and Knowledge Eng. -1991. v.6.- № 4.-P, 349−363.
  189. Trabelsi A., Hillman S.C. A benchmarking approach to forecast combination // J. Bus. and Econ. Statist. -1989. -v.7.-№ 3.-P.353−362.
  190. Varian H.R. Intermediate Microeconomics: A Modern Approach. -N.Y.: W.W. Norton & Company, 1993. 623 pp.
  191. Wenzhong S., Ehlers M., Tempfli K. Modeling and Visualising Uncertainties in Multi-Data-Based Spatial Analysis. // Proc. of European GIS Conference, 1994. P. 454−464.
  192. Wilke F.Z., Franciosi B.R.T., Oliveira P.W., Claudio D.M. Modeling the Measurement Uncertainty by Intervals // Journal of Universal Computer Science. 1998.-Vol 4. №l.-P.82−88.
  193. Yager R.R. Fuzzy prediction based on regression models // Inform.Sci.-1982.-v.26.-№l.-P.45−63.
  194. Модели и методы, представленные в диссертации В. Д. Торопова «Методика разработки экспертно-статистических моделей при неполных исходных данных», используются в ООО «Симплекс» при планировании деятельности. 26.09.06
  195. Программные средства, представленные в диссертации В. Д. Торопова «Методика разработки экспертно-статистических моделей при неполных исходных данных», используются в ООО «Сибвест» при моделировании функционирования предприятия. 26.09.06
  196. Алгоритмы и программные средства, представленные в диссертации В. Д. Торопова «Методика разработки экспертно-статистических моделей при неполных исходных данных», используются в ИДСТУ СО РАН при выполнении плана НИР. 26.09.06
  197. Заместитель директора Институтадинамики систем и теории управления СО РАН, доктор физико-математических наук А.В.Лакеев1. УТВЕРЖДАЮ
  198. Заместитель начальника ГОУ ВПО ВС1Д-МВД России по научной работе, полковиш^ьпицшгжЗан., доцент1. Ю. Жигалов•Iо внедрении
  199. Начальник кафедры Организация и экономики в ГПС, полковник внутренней службык.т.н., доцент С.Н.Шварц-Зиндер1309.06
Заполнить форму текущей работой

Сессия? Спокойно!