Справочник по прикладной статистике. Том 2

Ллойд Э., Ледерман У. (ред.). Справочник по прикладной статистике. Том 2. М.: Финансы и статистика, 1990. - 526 с.

В справочнике освещены основные математико-статистические методы. Том 2 включает линейные методы регрессионного анализа, последовательные и свободные от распределения методы, байесовский подход, многомерный статистический анализ, анализ временных рядов, фильтры Калмана. Для широкой аудитории специалистов, разрабатывающих и использующих статистические методы.

Глава 11. ЛИНЕЙНЫЕ МОДЕЛИ I
11.1.1. ЭЛЕМЕНТЫ ЛИНЕЙНОЙ АЛГЕБРЫ
11.1.2. БИНОМИАЛЬНАЯ ЛОГИСТИЧЕСКАЯ МОДЕЛЬ
11.1.3. ОБЩАЯ ЛИНЕЙНАЯ МОДЕЛЬ
11.1.4. МОДЕЛЬ С НОРМАЛЬНОЙ ФУНКЦИЕЙ ПЛОТНОСТИ И ТОЖДЕСТВЕННОЙ ФУНКЦИЕЙ СВЯЗИ (Normal-ldentity Model)
11.1.5. ЛИНЕЙНЫЙ ПРЕДИКТОР И ФУНКЦИЯ СВЯЗИ
11.1.6. ФУНКЦИЯ ПЛОТНОСТИ РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТИ
11.1.7. ФУНКЦИЯ ПРАВДОПОДОБИЯ ДЛЯ ЭКСПОНЕНЦИАЛЬНОГО СЕМЕЙСТВА
11.1.8. ПРИМЕР С БИНОМИАЛЬНО-ЛОГИСТИЧЕСКОЙ МОДЕЛЬЮ
11.2. ПОДГОНКА МОДЕЛЕЙ ПО ДАННЫМ
11.2.2. ФУНКЦИЯ ПРАВДОПОДОБИЯ И ЕЕ МАКСИМУМ
11.2.3. ДЕВИАЦИЯ
11.2.4. РЕГРЕССИЯ, ПРОХОДЯЩАЯ ЧЕРЕЗ НАЧАЛО КООРДИНАТ
11.2.5. РАЗЛОЖЕНИЕ ДЕВИАЦИИ
11.3. СПЕЦИФИКАЦИЯ И ОТБОР МОДЕЛЕЙ
11.3.2. ФОРМУЛЫ МОДЕЛЕЙ ДЛЯ ЛИНЕЙНОГО ПРЕДИКТОРА
11.3.3. МОДЕЛИ С КАЧЕСТВЕННЫМИ ДАННЫМИ
11.3.4. ДВА ФАКТОРА: ГЛАВНЫЕ ЭФФЕКТЫ И ВЗАИМОДЕЙСТВИЕ
11.3.5. ДВУХФАКТОРНАЯ МОДЕЛЬ ДВУХВХОДОВОЙ МОДЕЛИ ДИСПЕРСИОННОГО АНАЛИЗА
11.3.6. ФАКТОРНАЯ МОДЕЛЬ ДЛЯ КРОСС-КЛАССИФИЦИРОВАННЫХ ДАННЫХ
11.3.7. СМЕШАННЫЕ МОДЕЛИ
11.3.8. ФАКТОРЫ С УПОРЯДОЧЕННЫМИ УРОВНЯМИ
11.4. ТАБЛИЦЫ СОПРЯЖЕННОСТЕЙ
11.4.2. МОДЕЛИ НЕЗАВИСИМОСТИ ДЛЯ ЛИНЕЙНОГО ПРЕДИКТОРА
11.4.3. МОДЕЛИ НЕЗАВИСИМОСТИ ДЛЯ ТРЕХВХОДОВЫХ ТАБЛИЦ
11.4.4. ФАКТОРЫ ОТКЛИКА И ОБРАБОТКИ
Глава 12. ЛИНЕЙНЫЕ МОДЕЛИ II
12.1. МЕТОД НАИМЕНЬШИХ КВАДРАТОВ
12.1.2. МЕТОД НАИМЕНЬШИХ КВАДРАТОВ НА ПЛОСКОСТИ
12.1.3. МЕТОД МАКСИМАЛЬНОГО ПРАВДОПОДОБИЯ ДЛЯ НОРМАЛЬНОГО РАСПРЕДЕЛЕНИЯ
12.1.4. МЕТОД НАИМЕНЬШИХ КВАДРАТОВ В СЛУЧАЕ ДВУХ ОБЪЯСНЯЮЩИХ ПЕРЕМЕННЫХ
12.1.5. НЕОРТОГОНАЛЬНЫЙ СЛУЧАЙ
12.1.6. ОБОБЩЕНИЯ НА СЛУЧАЙ НЕСКОЛЬКИХ ОБЪЯСНЯЮЩИХ ПЕРЕМЕННЫХ
12.2. ВЫБОРОЧНЫЕ СВОЙСТВА
12.2.1. ТЕОРИЯ НОРМАЛЬНОГО РАСПРЕДЕЛЕНИЯ
12.2.2. ПЕРВЫЕ И ВТОРЫЕ МОМЕНТЫ
12.2.3. ОДНА ОБЪЯСНЯЮЩАЯ ПЕРЕМЕННАЯ
12.2.4. ДВЕ ОРТОГОНАЛЬНЫЕ ОБЪЯСНЯЮЩИЕ ПЕРЕМЕННЫЕ
12.2.5. НЕОРТОГОНАЛЬНЫЕ ОБЪЯСНЯЮЩИЕ ПЕРЕМЕННЫЕ
12.3. МЕТОД НАИМЕНЬШИХ КВАДРАТОВ И ФУНКЦИЯ ПРАВДОПОДОБИЯ
12.3.2. АППРОКСИМАЦИЯ ФУНКЦИИ ПРАВДОПОДОБИЯ ОБОБЩЕННЫХ ЛИНЕЙНЫХ МОДЕЛЕЙ
12.3.3. ПРИМЕР: МОДЕЛЬ НЕЗАВИСИМОСТИ
12.3.4. ПРИМЕР С ЭКСПОНЕНЦИАЛЬНЫМ РАСПРЕДЕЛЕНИЕМ
12.3.5. ИТЕРАТИВНАЯ ПРОЦЕДУРА
12.3.6. АСИМПТОТИЧЕСКАЯ ТЕОРИЯ
Глава 13. ПОСЛЕДОВАТЕЛЬНЫЙ АНАЛИЗ
13.1. ПОСЛЕДОВАТЕЛЬНАЯ ПРОВЕРКА ГИПОТЕЗ
13.2. ПОСЛЕДОВАТЕЛЬНЫЙ КРИТЕРИЙ ОТНОШЕНИЯ ВЕРОЯТНОСТЕЙ (ПКОВ)
13.3. ОПЕРАТИВНАЯ ХАРАКТЕРИСТИКА ПКОВ
13.4. ОЖИДАЕМЫЙ ОБЪЕМ ВЫБОРКИ ДЛЯ ПКОВ
13.5. ПРИМЕРЫ
13.6. ПКОВ ДЛЯ СЛОЖНЫХ ГИПОТЕЗ
13.7. КРИТЕРИИ ОТНОСИТЕЛЬНО ДВУХ БИНОМИАЛЬНЫХ РАСПРЕДЕЛЕНИЙ
13.8. ДРУГИЕ ПОСЛЕДОВАТЕЛЬНЫЕ ПРОЦЕДУРЫ
Глава 14. МЕТОДЫ, СВОБОДНЫЕ ОТ РАСПРЕДЕЛЕНИЯ
14.2. КРИТЕРИИ, ОСНОВАННЫЕ НА ЭМПИРИЧЕСКОЙ ФУНКЦИИ РАСПРЕДЕЛЕНИЯ
14.2.1. КРИТЕРИЙ КОЛМОГОРОВА. ОДНА ВЫБОРКА
14.2.2. КРИТЕРИЙ СМИРНОВА. ДВЕ ВЫБОРКИ
14.3. КРИТЕРИИ, ОСНОВАННЫЕ НА ПОРЯДКОВЫХ СТАТИСТИКАХ
14.4. ОДНОВЫБОРОЧНЫЕ КРИТЕРИИ
14.4.1. КРИТЕРИЙ ЗНАКОВ
14.4.2. КРИТЕРИЙ ЗНАКОВЫХ РАНГОВ УИЛКОКСОНА
14.5. СОПОСТАВЛЕННЫЕ ПАРЫ
14.6. ДВУВЫБОРОЧНЫЕ КРИТЕРИИ
14.6.1. ДВУВЫБОРОЧНЫЙ МЕДИАННЫЙ КРИТЕРИЙ
14.6.2. КРИТЕРИЙ УИЛКОКСОНА-МАННА-УИТНИ
14.6.3. КРИТЕРИЙ СЕРИЙ
14.7. НЕСКОЛЬКО ВЫБОРОК
14.7.1. МЕДИАННЫЙ КРИТЕРИЙ
14.7.2. КРИТЕРИЙ КРАСКЕЛА—УОЛЛИСА
14.8. РАНДОМИЗИРОВАННЫЕ КРИТЕРИИ
14.9. МЕРЫ РАНГОВОЙ КОРРЕЛЯЦИИ
14.9.2. КОЭФФИЦИЕНТ РАНГОВОЙ КОРРЕЛЯЦИИ КЕНДЭЛА
Глава 15. БАЙЕСОВСКИЙ ПОДХОД В СТАТИСТИКЕ
15.2. ТЕОРЕМА БАЙЕСА: ДИСКРЕТНЫЙ СЛУЧАЙ
15.2.2. ЗНАНИЯ, ИЗВЛЕКАЕМЫЕ ИЗ НЕСКОЛЬКИХ МНОЖЕСТВ ДАННЫХ
15.2.3. ТЕОРЕМА БАЙЕСА, ВЫРАЖЕННАЯ В ТЕРМИНАХ «ШАНСОВ» (odds)
15.2.4. ОБОБЩЕНИЕ НА СЛУЧАЙ БЕСКОНЕЧНОГО СПИСКА ВОЗМОЖНЫХ МОДЕЛЕЙ
15.3. ТЕОРЕМА БАЙЕСА: НЕПРЕРЫВНЫЙ СЛУЧАЙ
15.3.2. ФОРМИРОВАНИЕ АПРИОРНЫХ ПЛОТНОСТЕЙ
15.3.3. ТЕОРЕМА БАЙЕСА ДЛЯ ЕДИНСТВЕННОГО НЕИЗВЕСТНОГО ПАРАМЕТРА
15.3.4. ТЕОРЕМА БАЙЕСА ДЛЯ ДВУХ НЕИЗВЕСТНЫХ ПАРАМЕТРОВ
15.3.5. ПРИБЛИЖЕННЫЙ АНАЛИЗ ПРИ БОЛЬШОЙ АПРИОРНОЙ НЕОПРЕДЕЛЕННОСТИ
15.4. БАЙЕСОВСКИЕ ПОДХОДЫ К ТИПИЧНЫМ СТАТИСТИЧЕСКИМ ЗАДАЧАМ
15.4.2. ИНТЕРВАЛЬНОЕ ОЦЕНИВАНИЕ
15.4.3. ПРОВЕРКА ЗНАЧИМОСТИ
15.4.4. ПРОГНОЗИРОВАНИЕ
15.4.5. ПРИВЕДЕНИЕ ДАННЫХ: ДОСТАТОЧНЫЕ СТАТИСТИКИ
15.4.6. ПРИНЦИП ПРАВДОПОДОБИЯ
15.5. БАЙЕСОВСКИЙ ВЫВОД ДЛЯ НЕКОТОРЫХ ОДНОМЕРНЫХ ВЕРОЯТНОСТНЫХ МОДЕЛЕЙ
15.5.2. ВЫВОДЫ ДЛЯ РАСПРЕДЕЛЕНИЯ ПУАССОНА
15.5.3. ВЫВОДЫ В СЛУЧАЕ НОРМАЛЬНОГО РАСПРЕДЕЛЕНИЯ
15.6. БАЙЕСОВСКИЕ МЕТОДЫ ДЛЯ МОДЕЛЕЙ, СОДЕРЖАЩИХ МНОГО ПАРАМЕТРОВ
Глава 16. МНОГОМЕРНЫЙ АНАЛИЗ: КЛАССИЧЕСКИЕ МЕТОДЫ
16.2. ВЫБОРКИ ИЗ МНОГОМЕРНЫХ НОРМАЛЬНЫХ (MVN) РАСПРЕДЕЛЕНИЙ
16.2.1. ОЦЕНКИ МАКСИМАЛЬНОГО ПРАВДОПОДОБИЯ
16.2.2. НЕКОТОРЫЕ ВЫБОРОЧНЫЕ РАСПРЕДЕЛЕНИЯ
16.2.3. ПРОВЕРКА ГИПОТЕЗ И ДОВЕРИТЕЛЬНЫЕ ОБЛАСТИ ДЛЯ ВЕКТОРА МАТЕМАТИЧЕСКИХ ОЖИДАНИЙ
16.2.4. ЗАДАЧИ ДЛЯ ДВУХ ВЫБОРОК
16.2.5. ВЫВОДЫ ДЛЯ КОЭФФИЦИЕНТА КОРРЕЛЯЦИИ
16.2.6. НЕЦЕНТРАЛЬНЫЕ РАСПРЕДЕЛЕНИЯ
16.3. ГЛАВНЫЕ КОМПОНЕНТЫ
16.4. ФАКТОРНЫЙ АНАЛИЗ
16.4.2. ФАКТОРНАЯ МОДЕЛЬ
16.4.3. НЕКОТОРЫЕ СВОЙСТВА
16.4.4. ОЦЕНИВАНИЕ
16.5. КАНОНИЧЕСКАЯ КОРРЕЛЯЦИЯ
16.5.2. КАНОНИЧЕСКИЕ КОРРЕЛЯЦИИ СОВОКУПНОСТИ
16.5.3. ВЫБОРОЧНЫЕ КАНОНИЧЕСКИЕ КОРРЕЛЯЦИИ
16.5.4. ЧИСЛЕННЫЙ ПРИМЕР
16.6. ДИСКРИМИНАНТНЫЙ АНАЛИЗ
16.6.3. ДИСКРИМИНАЦИЯ В ДВЕ МНОГОМЕРНЫЕ СОВОКУПНОСТИ
16.6.4. ДИСКРИМИНАЦИЯ В НЕСКОЛЬКО СОВОКУПНОСТЕЙ
Глава 17. МНОГОМЕРНЫЙ АНАЛИЗ: ОРДИНАЦИЯ, МНОГОМЕРНОЕ ШКАЛИРОВАНИЕ И СМЕЖНЫЕ ВОПРОСЫ
17.2. АНАЛИЗ ГЛАВНЫХ КОМПОНЕНТ
17.3. МУЛЬТИПЛИКАТИВНЫЕ МОДЕЛИ И ТЕОРЕМА ЭКАРТА—ЮНГА
17.4. ДВОЙСТВЕННЫЕ ГРАФИКИ (биплоты)
17.5. АНАЛИЗ СООТВЕТСТВИЙ
17.6. МЕТРИЧЕСКОЕ ШКАЛИРОВАНИЕ: АНАЛИЗ ГЛАВНЫХ КООРДИНАТ И КЛАССИЧЕСКОЕ ШКАЛИРОВАНИЕ
17.7. МЕТРИЧЕСКОЕ ШКАЛИРОВАНИЕ: ДРУГИЕ МЕТОДЫ
17.8. НЕМЕТРИЧЕСКОЕ МНОГОМЕРНОЕ ШКАЛИРОВАНИЕ
17.9. МНОГОМЕРНАЯ РАЗВЕРТКА
17.10. ОРТОГОНАЛЬНЫЙ ПРОКРУСТОВ АНАЛИЗ
17.11. ОБЩЕЕ СРАВНЕНИЕ МЕТОДОВ ШКАЛИРОВАНИЯ
17.12. ШКАЛИРОВАНИЕ МАТРИЦ С ТРЕМЯ ВХОДАМИ
17.13. АНАЛИЗ АСИММЕТРИИ
Глава 18. ВРЕМЕННЫЕ РЯДЫ
18.2. КЛАССИЧЕСКИЕ РЕГРЕССИОННЫЕ МОДЕЛИ ДЛЯ ВРЕМЕННЫХ РЯДОВ
18.2.2. МОДЕЛЬ ЦИКЛИЧЕСКИХ КОМПОНЕНТ
18.3. ПЕРИОДОГРАММА ВРЕМЕННОГО РЯДА
18.3.2. ГАРМОНИЧЕСКИЙ РЕГРЕССИОННЫЙ АНАЛИЗ
18.3.3. ПЕРИОДОГРАММА
18.3.4. ВЛИЯНИЕ ИСКЛЮЧЕНИЯ СРЕДНЕГО ЗНАЧЕНИЯ НА ПЕРИОДОГРАММУ
18.3.5. ПЕРИОДОГРАММЫ ДЛЯ ПРОСТЫХ МОДЕЛЕЙ
18.3.6. ИНТЕРПРЕТАЦИЯ ПЕРИОДОГРАММЫ
18.4. РАЗНОСТНЫЕ ОПЕРАТОРЫ
18.5. СТАЦИОНАРНЫЕ ВРЕМЕННЫЕ РЯДЫ
18.5.1. АВТОКОРРЕЛЯЦИОННАЯ ФУНКЦИЯ (АКФ)
18.5.2. СВЯЗЬ МЕЖДУ ПЕРИОДОГРАММОЙ И АКФ
18.5.3. СПЕКТР И ВЫБОРОЧНЫЙ СПЕКТР
18.5.4. СВОЙСТВА СПЕКТРА И АКФ
18.5.5. ЧАСТНАЯ АВТОКОРРЕЛЯЦИОННАЯ ФУНКЦИЯ (ЧАКФ)
18.5.6. ВЫБОРОЧНАЯ ЧАКФ
18.6. ОБЩАЯ ЛИНЕЙНАЯ МОДЕЛЬ
18.6.2. ЛИНЕЙНЫЕ ОПЕРАТОРЫ НАД ВРЕМЕННЫМИ РЯДАМИ
18.6.3. ЛИНЕЙНЫЕ ОПЕРАТОРЫ И СПЕКТР
18.6.4. ЛИНЕЙНЫЕ ОПЕРАТОРЫ НА КОНЕЧНЫХ ВЫБОРКАХ
18.6.5. ОГРАНИЧЕНИЯ НА ОЛМ
18.6.6. ПРОГНОЗИРОВАНИЕ С ПОМОЩЬЮ ОЛМ
18.7. МОДЕЛЬ СКОЛЬЗЯЩЕГО СРЕДНЕГО (СС)
18.7.2. ХАРАКТЕРИСТИЧЕСКИЕ СВОЙСТВА МОДЕЛИ СС(q)
18.7.3. ЭФФЕКТИВНЫЕ ОЦЕНКИ ДЛЯ МОДЕЛИ СС(q)
18.7.4. ПРОГНОЗИРОВАНИЕ С ПОМОЩЬЮ МОДЕЛЕЙ СС
18.7.5. ЭВСС-ПРЕДИКТОР
18.7.6. СЕЗОННАЯ МОДЕЛЬ БОКСА—ДЖЕНКИНСА ДЛЯ РЯДА АВИАПЕРЕВОЗОК
18.8. АВТОРЕГРЕССИОННЫЕ МОДЕЛИ
18.8.2. ПРИМЕРЫ ПЕРВОГО И ВТОРОГО ПОРЯДКОВ
18.8.3. ХАРАКТЕРИСТИЧЕСКИЕ СВОЙСТВА МОДЕЛИ АР(р)
18.8.4. ЭФФЕКТИВНЫЕ ОЦЕНКИ ДЛЯ МОДЕЛИ АР(р)
18.8.5. ПРОГНОЗ С ПОМОЩЬЮ МОДЕЛИ АР(р)
18.9. СМЕШАННЫЕ МОДЕЛИ АВТОРЕГРЕССИИ И СКОЛЬЗЯЩЕГО СРЕДНЕГО (АРСС)
18.9.2. ПРИМЕР
18.10. ОЦЕНИВАНИЕ СПЕКТРА
18.10.2. ПРЯМЫЕ МЕТОДЫ ОЦЕНКИ
18.10.3. КОСВЕННЫЕ МЕТОДЫ ОЦЕНИВАНИЯ
18.10.4. ПРИМЕНЕНИЕ СПЕКТРАЛЬНОГО АНАЛИЗА
18.11. РЕГРЕССИОННЫЕ МОДЕЛИ ВРЕМЕННЫХ РЯДОВ
Глава 19. ТЕОРИЯ ПРИНЯТИЯ РЕШЕНИЙ
19.1.2. МИНИМАКСНЫЕ И БАЙЕСОВСКИЕ РЕШАЮЩИЕ ПРАВИЛА
19.1.3. ДОПУСТИМЫЕ РЕШАЮЩИЕ ФУНКЦИИ
19.1.4. ГЕОМЕТРИЧЕСКАЯ ИНТЕРПРЕТАЦИЯ
19.1.5. НЕКОТОРЫЕ ОСНОВНЫЕ ТЕОРЕМЫ
19.2. СТАТИСТИКА И ТЕОРИЯ ПРИНЯТИЯ РЕШЕНИЙ
19.2.2. ПРОВЕРКА ПРОСТОЙ ГИПОТЕЗЫ ПРОТИВ ПРОСТОЙ АЛЬТЕРНАТИВЫ
19.2.3. ЛЕММА НЕЙМАНА-ПИРСОНА
19.3. ОТНОШЕНИЕ К РИСКУ И ТЕОРИИ ПОЛЕЗНОСТИ
19.3.2. ОДНОМЕРНЫЕ ФУНКЦИИ ПОЛЕЗНОСТИ
19.3.3. ОЦЕНИВАНИЕ ФУНКЦИЙ ПОЛЕЗНОСТИ
19.3.4. ФУНКЦИИ ПОЛЕЗНОСТИ ВЫСШИХ РАЗМЕРНОСТЕЙ
19.4. ПОСЛЕДОВАТЕЛЬНЫЕ ПРОЦЕДУРЫ ПРИНЯТИЯ РЕШЕНИЙ
19.4.2. ДЕРЕВЬЯ РЕШЕНИЙ
19.5. АКСИОМАТИЧЕСКИЕ ПОДХОДЫ
19.5.1. АКСИОМЫ СОГЛАСОВАННОСТИ В ПРИНЯТИИ РЕШЕНИЙ
19.5.2. СТЕПЕНЬ УВЕРЕННОСТИ КАК ВЕРОЯТНОСТЬ
Глава 20. КАЛМАНОВСКАЯ ФИЛЬТРАЦИЯ
20.2. МОДЕЛИ В ФАЗОВОМ ПРОСТРАНСТВЕ
20.2.2. ПРОСТОЙ ПРИМЕР
20.3. ВЫВОД ФИЛЬТРА КАЛМАНА ДЛЯ ДИСКРЕТНОЙ ЛИНЕЙНОЙ ДИНАМИЧЕСКОМ СИСТЕМЫ
20.3.3. ОПТИМАЛЬНЫЙ ВЫБОР ФИЛЬТРА КАЛМАНА
20.3.4. ПРОГНОЗ СОСТОЯНИЯ
20.3.5. ИНТЕРПРЕТАЦИЯ УРАВНЕНИЙ ФИЛЬТРАЦИИ
20.3.6. РЕЗЮМЕ
20.4. ТЕСТЫ ПРОВЕРКИ КАЧЕСТВА ФИЛЬТРА
20.4.2. РАСХОДИМОСТЬ ФИЛЬТРА
20.5. КАЛМАНОВСКАЯ ФИЛЬТРАЦИЯ ДЛЯ НЕПРЕРЫВНОГО ВРЕМЕНИ И НЕЛИНЕЙНЫХ СИСТЕМ
20.5.2. НЕЛИНЕЙНЫЕ СИСТЕМЫ: ОБОБЩЕННЫЙ ФИЛЬТР КАЛМАНА
20.6 ИДЕНТИФИКАЦИЯ МОДЕЛИ И ОЦЕНИВАНИЕ ПАРАМЕТРОВ
20.6.2. ИДЕНТИФИКАЦИЯ МОДЕЛИ
20.6.3. ОЦЕНИВАНИЕ ПАРАМЕТРОВ
20.7. ПРИМЕНЕНИЯ
20.7.1. ПРИМЕНЕНИЕ ДИСКРЕТНОГО ЛИНЕЙНОГО ФИЛЬТРА КАЛМАНА
20.7.2. ПРИЛОЖЕНИЯ ОБОБЩЕННОГО ФИЛЬТРА КАЛМАНА
20.8. ЗАКЛЮЧИТЕЛЬНЫЕ ЗАМЕЧАНИЯ
Литература
Приложения. СТАТИСТИЧЕСКИЕ ТАБЛИЦЫ
ПРИЛОЖЕНИЕ 2
ПРИЛОЖЕНИЕ 3
ПРИЛОЖЕНИЕ 4
ПРИЛОЖЕНИЕ 5
ПРИЛОЖЕНИЕ 6
ПРИЛОЖЕНИЕ 7
ПРИЛОЖЕНИЕ 8
ПРИЛОЖЕНИЕ 9
ПРИЛОЖЕНИЕ 10
ПРИЛОЖЕНИЕ 11

Справочник по прикладной статистике. Том 2

Оглавление