Технодоктрина - новая молодёжная промышленная политика Технодоктрина, ноябрь 2014 | Página 541

выводов (датчики псевдослучайных чисел, методы
размножение выборок, в т.ч. бутстреп, и др.). Вид
постановок задач приблизился к потребностям практики – от отдельных задач оценивания и проверки
гипотез перешли к статистическим технологиям
(технологическим процессам анализа данных). Выявилась важность проблемы «стыковки алгоритмов»
– влияния выполнения предыдущих алгоритмов в
технологической цепочке на условия применимости
последующих алгоритмов. В старой парадигме эта
проблема не рассматривалась, а для новой – весьма
важна.
Если в старой парадигме вопросы методологии
моделирования практически не обсуждались, достаточными признавались схемы начала ХХ в., то в
новой парадигме роль методологии (учения об организации деятельности) является основополагающей.
Резко повысилась роль моделирования – от отдельных систем аксиом произошёл переход к системам
моделей. Сама возможность применения вероятностного подхода теперь – не «наличие повторяющегося комплекса условий» (реликт физического определения вероятности, использовавшегося до аксиоматизации теории вероятностей А.Н. Колмогоровым
в 30-х гг. прошлого века), а наличие обоснованной
вероятностно-статистической модели. Если раньше
данные считались полностью известными, то для новой парадигмы характерен учёт свойств данных, в
частности, интервальных и нечётких. Изменилось отношение к вопросам устойчивости выводов – в старой парадигме практически отсутствовал интерес к
этой тематике, в новой разработана развитая теория
устойчивости (робастности) выводов по отношению
к допустимым отклонениям исходных данных и предпосылок моделей.
В 1992 г. на базе секции статистических методов
Всесоюзной статистической ассоциации была организована Российская ассоциация статистических методов, а в 1996 г. – Российская академия статистических методов. В соответствии с новой парадигмой
проводились научные исследования, публиковались
статьи, по этой тематике собирались семинары и
конференции. Однако размах работ сокращался, как
и число участвующих в них исследователей. Поэтому
на рубеже тысячелетий нами было принято решение
сосредоточить усилия на подготовке учебной литературы, соответствующей новой парадигме.
Первым был учебник по эконометрике4 2002 г.,
переизданный в 2003 г. и в 2004 году. Четвёртое
издание5 существенно переработано. Оно соответствует первому семестру курса, в отличие от первых
трёх изданий, содержащих материалы для годового
курса, в него включены новые разделы, полностью
обновлена глава про индекс инфляции, добавлено
методическое обеспечение.
В фундаментальном курсе 2006 г. по прикладной
4 Орлов А.И. Эконометрика. – М.: Экзамен, 2002 (1-е изд.), 2003 (2-е
изд.), 2004 (3-е изд.). – 576 с.
5 Орлов А.И. Эконометрика. Изд. 4-е, доп. и перераб. – Ростов-на-Дону:
Феникс, 2009. – 572 с.

статистике6 в рамках новой парадигмы рассмотрены
как нечисловая статистика, так и классические разделы прикладной статистики, посвящённые методам
обработки элементов линейных пространств – чисел,
векторов и функций (временных рядов).
В том же году в рамках новой парадигмы был
выпущен курс теории принятия решений7. Его сокращённый (в 1,5 раза) вариант вышел годом раньше8.
В соответствии с потребностями практики в
2005 г. в России введена новая учебная специальность 220701 «Менеджмент высоких технологий»,
относящаяся к тогда же введённому направлению
подготовки 220700 «Организация и управление наукоёмкими производствами», предназначенному для
обеспечения инженерами-менеджерами высокотехнологичных предприятий. Большинство студентов
научно-учебного комплекса (факультета) «Инженерный бизнес и менеджмент» МГТУ им. Н.Э. Баумана
обучаются по этой специальности. Общий взгляд на
неё представлен в учебнике «Менеджмент высоких
технологий»9.
Государственным образовательным стандартом
по специальности «Менеджмент высоких технологий» предусмотрено изучение дисциплины «Организационно-экономическое моделирование». Одноимённый учебник выпущен в трёх частях (томах).
Первая из них10 посвящена сердцевине новой парадигмы – нечисловой статистике. Её прикладное
«зеркало» – вторая часть11, современный учебник по
экспертным оценкам. В третьей части12 наряду с основными постановками задач анализа данных (чисел,
векторов, временных рядов) и конкретными статистическими методами анализа данных классических видов (чисел, векторов, временных рядов) рассмотрены
вероятностно-статистические модели в технических
и экономических исследованиях, медицине, социологии, истории, демографии, а также метод когнитивных карт (статистические модели динамики).
В названиях ещё двух учебников есть термин
«организационно-экономическое моделирование».
Это книги по менеджменту13 и по теории принятия
решений14, в которых содержание соответствует
6 Орлов А.И. Прикладная статистика. – М.: Экзамен, 2006. – 671 с.
7 Орлов А.И. Теория принятия решений. – М.: Экзамен, 2006. – 576 с.
8 Орлов А.И. Принятие решений. Теория и методы разработки управленческих решений. М.: – ИКЦ «МарТ»; Ростов н/Д: Издательский
центр «МарТ», 2005. – 496 с.
9 Колобов А.А., Омельченко И.Н., Орлов А.И. Менеджмент высоких
технологий. Интегрированные производственно-корпоративные
структуры: организация, экономика, управление, проектирование,
эффективность, устойчивость. – М.: Экзамен, 2008. – 621 с.
10 Орлов А.И. Организационно-экономическое моделирование. Ч. 1.
Нечисловая статистика. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2009. –
541 с.
11 Орлов А.И. Организационно-экономическое моделирование. Ч. 2.
Экспертные оценки. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2011. – 486
с.
12 Орлов А.И. Организационно-экономическое моделирование. Ч. 3.
Статистические методы анализа данных. – М.: Изд-во МГТУ им. Н.Э.
Баумана, 2012. – 624 с.
13 Орлов А.И. Менеджмент: организационно-экономич еское моделирование. – Ростов н/Д: Феникс, 2009. – 475 с.
14 Орлов А.И. Организационно-экономическое моделирование: теория
принятия решений. – М.: КноРус, 2011.– 568 с.

539