chebЧебышевский сборникChebyshevskii Sbornik2226-8383Tula State Lev Tolstoy Pedagogical University10.22405/2226-8383-2025-26-1-149-156cheb-1940Research ArticleКраткие сообщенияО формировании норм на основе регрессионных моделей по малым выборкамOn the formation of norms based on regression models for small samplesЖуковРоман АлександровичZhukovRoman Aleksandrovich

доктор экономических наук, кандидат физико-математических наук

doctor of economic sciences, candidate of physical and mathematical sciences

pluszh@mail.ruТульский филиал Финансового университета при Правительстве РФРоссияFinancial University under the Government of the Russian Federation (Tula Branch)Russian Federation202522062025261149156Copyright © Жуков Р.А., 20252025Жуков Р.А.Zhukov R.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.chebsbornik.ru/jour/article/view/1940

Представлено расширение метода формирования нормативов для структурных элементов сложной системы, основанное на методологии байесовских интеллектуальных измерений и эконометрического моделирования на малых выборках. Реализация метода продемонстрирована на примере сельского хозяйства Тульской области.

The extension of the method of forming norms for structural elements of a complex system based on the methodology of Bayesian intelligent measurements and econometric modeling in small samples is presented. The implementation of the method is demonstrated using the example of agriculture in the Tula region.

плотность распределения вероятностейбайесовские интеллектуальные измерениянормыэконометрическое моделированиерегрессиясложная система.probability distribution densityBayesian intelligent measurementsnormseconometric modelingregressioncomplex system.Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государ- ственному заданию ФинуниверситетаReferencesТехническое регулирование: технические регламенты и стандартизация : учебное пособие / сост. И. Ю. Матушкина, Л. А. Онищенко. — Екатеринбург : Изд-во Урал. ун-та, 2018. 208 с.Matushkina, I. Y., Onishchenko L. A., 2018, “Technical regulation: technical regulations and standardization: a textbook“, Yekaterinburg, Ural University Publishing House, 208 p.Мадера А. Г. Моделирование и оптимизация бизнес-процессов и процессных систем в условиях неопределенности // Бизнес-информатика. 2017. № 4. С. 74–82.Madera, A. G. 2017, “Modeling and optimization of business processes and process systems under conditions of uncertainty“, Business Informatics, no. 4, pp. 74–82.Trung D. D. Development of data normalization methods for multi-criteria decision making: Applying for MARCOS method // Manufacturing Review. 2022. Vol. 9. No. 22.Trung, D. D. 2022, “Development of data normalization methods for multi-criteria decision making: Applying for MARCOS method“, Manufacturing Review, vol. 9, no. 4, pp. 15.Жуков Р. А. Метод оценки результатов функционирования иерархических социально-экономических систем на основе агрегированной производственной функции // Экономика и математические методы. 2021. Т. 57. № 3. С. 17-31.Zhukov, R. A. 2021, “Method for assessing the results of hierarchical socio-economic systems’ functioning based on the aggregated production function“, Economics and Mathematical Methods, vol. 57, no. 3, pp. 17-31.Айвазян С. А. Байесовский подход в эконометрическом анализе // Прикладная эконометрика. 2008. № 1 (9). С. 93-130.Ayvazyan, S. A. 2008, “Bayesian approach in econometric analysis“, Applied Econometrics, no. 1 (9), pp. 93-130.Прокопчина С. В. Байесовские интеллектуальные технологии в задачах моделирования закона распределения в условиях неопределенности: монография. М.: ИД «НАУЧНАЯ БИБЛИОТЕКА», 2020. 292 с.Prokopchina, S. V. 2020, “Bayesian intelligent technologies in problems of modeling the distribution law under uncertainty: monograph“, M., Publishing house “SCIENTIFIC LIBRARY“, 292 p.Прокопчина С. В. Основы теории шкалирования в экономике: учебное пособие. — М.: ИД «НАУЧНАЯ БИБЛИОТЕКА», 2021. 272 с.Prokopchina, S. V. 2021, “Fundamentals of the theory of scaling in economics: textbook“, M., Publishing house “SCIENTIFIC LIBRARY“, 272 p.Прокопчина С. В. Байесовские интеллектуальные измерения. — М.: ИД «НАУЧНАЯ БИБЛИОТЕКА», 2021. 495 с.Prokopchina, S. V. 2021, “Bayesian intellectual measurements“, M., Publishing house “SCIENTIFIC LIBRARY“, 495 p.Жуков Р. А., Прокопчина С. В. О Формировании мягких норм для оценки функционирования сложных систем // Чебышевский сборник. 2024. Т. 25. № 3 (94). С. 351-358.Zhukov, R. A., Prokopchina, S. V. 2024, “On the formation of soft norms for evaluating the functioning of complex systems“, Chebyshevskii Sbornik, vol. 25, no. 3 (94), pp. 351-358.Жуков Р. А., Прокопчина С. В., Плинская М. А., Желуницина М. А. Построение системы динамических нормативов для оценки функционирования сложных систем на примере субъектов Центрального федерального округа // Бизнес-информатика. 2024. Т. 18. № 4.С. 46-60.Zhukov, R. A., Prokopchina, S. V., Plinskaya, M. A., Zhelunitsina, M. A. 2024, “Building a system of dynamic norms for evaluating the functioning of complex systems on the example of the regions of the Central Federal District“, Business Informatics, vol. 18, no. 4, pp. 46-60.Прокопчина С. В., Щербаков Г. А., Ефимов Ю. В. Моделирование социально-экономических систем в условиях неопределенности: учебное пособие. — М.: ИД «НАУЧНАЯ БИБЛИОТЕКА», 2019. 508 с.Prokopchina, S. V., Shcherbakov, G. A., Efimov, Yu. V. 2019, “Modeling of socio-economic systems in conditions of uncertainty“, M., Publishing house “SCIENTIFIC LIBRARY“, 508 p.Жуков Р. А., Прокопчина С. В., Плинская М. А., Желуницина М. А. Моделирование функциональных связей региональных экономических систем по малым выборкам на основе байесовских интеллектуальных измерений // Journal of Applied Economic Research. 2024. Т. 23. № 3. С. 721-750.Zhukov, R. A., Prokopchina, S. V., Plinskaya, M. A., Zhelunitsina, M. A. 2024, ‘Modeling of functional relationships of regional economic systems based on small samples based on Bayesian intelligent measurements“, Journal of Applied Economic Research, vol. 23, no. 3, pp. 721-750.Федеральная служба государственной статистики Российской Федерации. URL: https://gks.ru.Federal State Statistics Service of the Russian Federation. URL: https://gks.ru.Таблицы уровней инфляции. URL: https:// уровень-инфляции.рф/таблицы-инфляцииTables of inflation rates. URL: https://xn—-ctbjnaatncev9av3a8f8b.xn–p1ai/Жуков Р. А., Прокопчина С. В. Программный комплекс «Инфоаналитик 2.0». Свидетельство о государственной регистрации программы для ЭВМ No 2024617544 от 03.04.2024. URL: https://elibrary.ru/item.asp?id=65627372Zhukov R.A., Prokopchina S.V. The Infoanalyst 2.0 software package. Certificate of state registration of the computer program No. 2024617544 dated 04/03/2024. URL: https://elibrary.ru/item.asp?id=65627372Жуков Р. А., Прокопчина С. В., Гиниатов И. А., Николина Е. М. Применение библиотеки «Байесовская математическая статистика» в программном комплексе «Инфоинтегратор» // Мягкие измерения и вычисления. 2022. Т. 54. № 5. С. 99-108.Zhukov, R. A., Prokopchina, S. V., Giniatov, I. A., Nikolina, E. M. 2022, “Application of the Bayesian Mathematical Statistics Library in the Infointegrator Software Package“, Soft Measurement and Computing, vol. 54, no. 5, pp. 99–108.Жуков Р. А. Подход к оценке функционирования иерархических социально-экономических систем и принятию решений на базе программного комплекса «ЭФРА» // Бизнес-информатика. 2020. Т. 14. № 3. С. 82-95.Zhukov R. A. 2020, “An approach to assessing the functioning of hierarchical socio-economic systems and decision-making based on the EFRA software package“, Business Informatics, vol. 14, no. 3, pp. 82-95.

The authors declare that there are no conflicts of interest present.