УДК 004
DOI: 10.36871/ek.up.p.r.2026.02.13.020

Авторы

Алла Алексеевна Кочеткова,
Шамиль Сайд-Магомедович Яударов,
Грозненский государственный нефтяной технический университет им. акад. М.Д. Миллионщикова

Аннотация

В статье исследуются теоретические и прикладные аспекты построения и функционирования информационно-аналитических систем, предназначенных для прогнозирования динамики сложных процессов на основе вероятностных моделей, учитывающих стохастическую природу исследуемых явлений, неполноту исходных данных и неопределённость будущих состояний. На основе синтеза положений теории вероятностей, математической статистики, теории случайных процессов, байесовского вывода и системного анализа рассматриваются основные классы вероятностных моделей, применяемых в информационно-аналитических системах прогнозирования, включая модели временных рядов, марковские процессы, байесовские сети, скрытые марковские модели, гауссовские процессы, а также методы ансамблирования и байесовского усреднения моделей.

Ключевые слова

информационно-аналитические системы, вероятностные модели, прогнозирование

Список литературы

  1. Андерсон Т. Статистический анализ временных рядов. — М.: Мир, 2020. — 632 с.
  2. Бокс Дж., Дженкинс Г. Анализ временных рядов: прогноз и управление. — М.: Мир, 2019. — 406 с.
  3. Гельман А., Карлин Дж., Стерн Х. Байесовский анализ данных. — М.: ДМК Пресс, 2021. — 848 с.
  4. Ковязин А. И., Мартыненко С. И. Информационно-аналитические системы в управлении сложными процессами // Информационные технологии и вычислительные системы. — 2020. — № 3. — С. 23–38.
  5. Лемешко Б. Ю., Постовалов С. Н. Статистический анализ и прогнозирование временных рядов. — Новосибирск: Изд-во НГТУ, 2021. — 312 с.
  6. Макаров В. Л., Бахтизин А. Р. Вероятностное моделирование социально-экономических систем // Экономика и математические методы. — 2020. — Т. 56, № 4. — С. 3–18.
  7. Ратникова Т. А., Фурманов К. К. Анализ временных рядов и прогнозирование. — М.: ИНФРА-М, 2020. — 512 с.
  8. Рашид Т. Байесовские сети: вероятностный вывод в интеллектуальных системах. — М.: Мир, 2019. — 448 с.
  9. Цыплаков А. А., Сальникова Е. А. Вероятностное прогнозирование макроэкономических показателей с использованием байесовских методов // Прикладная эконометрика. — 2022. — № 4. — С. 45–67.
  10. Шитов В. Н., Колосов Д. А. Информационно-аналитические системы прогнозирования на основе гауссовских процессов: методы и архитектуры // Информатика и её применения. — 2021. — Т. 15, № 3. — С. 56–64.