Прикладная математика и вопросы управления

Рассматривается развитие теории робастного оценивания параметров статистических моделей с привлечением аппарата теории информации. Анализируется подход А.М. Шурыгина, основанный на модели серии выборок со случайным точечным засорением (модели байесовского точечного засорения). В первой части нашей работы описан непараметрический способ выбора распределения засоряющей точки – посредством максимизации энтропии Шеннона или перекрестной энтропии в окрестности модельного распределения, ограниченной величиной дивергенции Кульбака – Лейблера. Такой способ нахождения плотности распределения засоряющей точки позволяет рассматривать получаемые оценки как робастные, причем обладающие свойством оптимальности. Полученные оценки мы называем обобщенными радикальными, поскольку их частным случаем являются радикальные оценки А.М. Шурыгина.Во второй части работы получено другое оптимальное решение на основе формализма А. Реньи (или эквивалентного с точки зрения нашей задачи формализма К. Цаллиса), дающее новое семейство оценок, частными случаями которого также являются некоторые известные оценки. Для выбора одной оценки из семейства, определяемого разными ограничениями на дивергенцию, предложен оптимизационный подход. Основные теоретические результаты, полученные в работе, иллюстрируются на примере оценивания параметра сдвига косинусного распределения.

Основная задача факторного анализа – это выявление неявных факторов, объясняющих связи между наблюдаемыми переменными. Это дает возможность получить более полное и точное представление об изучаемых явлениях и процессах, что позволяет установить скрытые закономерности и тенденции, которые далеко не всегда возможно определить при визуальном анализе данных. Эти скрытые переменные могут быть использованы для упрощения данных и понимания основных механизмов, лежащих в основе изучаемого явления. Количественная оценка влияния каждой переменной на результат с помощью математических методов может быть выполнена с использованием различных подходов и инструментов. Приводится краткий обзор основного инструментария. Выбор конкретного метода зависит от характера данных, целей исследования и доступных ресурсов.Известно, что основным недостатком факторного анализа является невыполнение переместительного (коммуникативного) закона умножения, что объясняется возникновением неразложимого остатка. Неразложимый остаток объясняется тем, что рассматриваемая модель не полностью учитывает все факторы, влияющие на изучаемое явление, а поэтому вариация признака не будет определяться только рассматриваемыми факторами, то есть останется какая-то часть, не распределенная между факторами. В связи с этим величина влияния факторов на изменение результативного показателя меняется в зависимости от места, на которое поставлен тот или иной фактор в детерминированной модели. С увеличением числа факторов-сомножителей резко возрастает количество равноправных вариантов расчетов, так как увеличивается число возможных перестановок факторов. Таким образом, вариантов расчета степени влияния факторов на результирующий показатель достаточно много и выбор способа расчета зависит от целей исследования. При этом следует отметить, что количество вариантов, рассматриваемых возможных перестановок факторов можно уменьшить за счет агрегирования некоторых факторов. Важно только четко обосновать экономический смысл такого агрегированного показателя. Это обстоятельство дает возможность построения процедуры, позволяющей оценить неразложимый остаток.В статье рассматривается методика оценки неразложимого остатка. Величина неразложимого остатка может быть определена как разность данных, полученных в двух формах расчета, между значениями показателя в мультипликативной модели, где этот показатель стоит на последнем месте, и по другому способу расчета, где этот же фактор поставлен на первое место. Показано, что в ходе проведения факторного анализа имеется инвариантная константа, не зависящая от способа расчета. Приводится также способы уменьшения размерности исходной задача за счет агрегирования исходных факторов. Важно только четко обосновать экономический смысл такого агрегированного показателя. В статье приводится пример трехфакторной модели производительности труда, когда результативный показатель будет определяться тремя факторами: фондоотдачей, механовооруженностью рабочих и долей рабочих в общей численности предприятия. За счет объединения первых двух факторов в один произошла редукция задачи к двухфакторной модели производительности труда, зависящей от двух факторов: средней выработки рабочих и доли рабочих в общей численности работников предприятия.

Рассматривается сравнительный анализ методов построения виртуальных анализаторов с использованием робастной регрессии, гребневой регрессии, метода ортогональных проекций на скрытые структуры на основе ядра (англ. K-OPLS), метода чередующихся условных математических ожиданий (англ. ACE) и нейросетей прямого распространения. Данные модели в составе виртуальных анализаторов предназначены для оценки значений точек фракционного состава керосиновой фракции – продукта колонны фракционирования – в режиме реального времени.В ходе построения моделей рассмотрен вопрос усреднения значений входных переменных за определенный промежуток времени для привязки к значениям выходных переменных. В отличие от существующих работ, в данном исследовании обучение и тестирование моделей осуществляется на ограниченных по значениям выходной переменной сегментах данных, т.е. в условиях пропусков данных в обучающей выборки. Показано влияние ширины интервала усреднения значений входной переменной на точность оценки получаемых моделей. Также показано, что наименьшее значение средней абсолютной ошибки при оценке точек фракционного состава обеспечивают модели на основе нейронных сетей и K-OPLS при различных вариантах обучения и тестирования.

Представлен анализ различных методов прогнозирования спроса для телекоммуникационной компании «Триколор» с использованием как статистической модели SARIMA, так и современных подходов, включая XGBoost и рекуррентные нейронные сети. Исследование охватывает применение этих методов для оценки будущих изменений спроса на тарифные планы, учитывая сезонные колебания и другие влияющие факторы. Освещены вопросы настройки моделей, выбора параметров, а также вызовы и решения, связанные с каждым из методов, чтобы повысить точность прогнозов. Работа подчеркивает значимость интеграции разнообразных методов прогнозирования в стратегическое планирование и оперативное управление компанией в условиях рыночной конкуренции и изменчивости потребительских предпочтений. Результаты могут быть использованы для формирования гибких стратегий управления спросом и оптимизации предложений компании.

Работа посвящена использованию методов математического моделирования для разработки методического подхода к оценке эффективности организаций, деятельность которых связана с инновационным развитием. Раскрывается особенность инновационного развития и определяется роль организаций, участвующих в научно-технической политике государства. В результате анализа отображаются основные виды организаций инновационной инфраструктуры, их функциональное назначение и поддержка со стороны органов исполнительной власти. Теоретической частью исследования является формирование сводного перечня показателей эффективности деятельности организаций инновационной инфраструктуры с целью дальнейшего использования в практической составляющей работы. На основании ранее проведенного исследования обосновывается выбор математического инструментария для разработки методики оценки, который предусматривает использование теории нечетких множеств и нечеткой логики, метода анализа иерархии, анализа временных рядов. Перечисленный набор методов моделирования применяется с точки зрения комплексности объекта исследования: учитываются количественные и качественные показатели, расставляются приоритеты задействованным переменным, принимаются во внимание проанализированные внешние факторы влияния. Такой подход позволяет повысить объективность результатов оценки. В качестве примера предлагаемый методический подход используется для оценки одного из элементов инновационной инфраструктуры. Подчеркивается необходимость комплексной оценки и уточняется практическая применимость предлагаемого подхода. Методика может быть использована органами государственной власти для целесообразного распределения финансовых ресурсов и других мер стимулирования организаций инновационной инфраструктуры. Также методика применима для внутреннего аудита деятельности рассмотренных в работе элементов с целью выработки рекомендаций по повышению собственной эффективности.