К.: ТВіМС, 2004(? ) - 283 с.
Зміст.
Регресійні моделі у дескриптивній статистиці.
Підгонка експериментальних кривих.
Проста лінійна регресія.
Нелінійні регресійні моделі та аналіз залишків.
Перевірка залежності. Рангова кореляція.
Робастна регресія.
Ортогональна регресія.
Непараметрична регресія.
Лінійна регресія.
Множинна лінійна регресія.
L2-регресія.
Гауссова функціональна модель.
Загальна лінійна гіпотеза.
Однофакторний дисперсійний аналіз.
Складніші моделі дисперсійного аналізу.
Структурна лінійна регресійна модель.
Труднощі лінійної регресії.
Гетероскедастичність і залежність.
Інші застосування техніки навантаження.
Регресори, залежні від похибок.
Мультиколлінеарність.
Регресія на головні компоненти.
Рідж-регресія.
Оптимальний вибір множини регресорів.
Пропущені значення.
А Відомості з лінійної алгебри.
А.1 Числові вектори та матриці.
А.2 Лінійні простори.
В Випадкові величини та їх характеристики.
В.1 Випадкові величини та вектори.
В.2 Умовні ймовірності та математичні сподівання. Незалежність.
В.3 Характеристичні функції та перетворення Фур'є.
В.4 Основні ймовірнісні розподіли.
В.5 Обчислення функцій розподілу.
В.6 Збіжність та граничні теореми.
С Відомості з математичної статистики.
С.1 Статистичне оцінювання.
С.2 Достатність і повнота.
С.3 Асимптотична теорія оцінювання.
С.4 Загальні методи побудови оцінок.
С.5 Перевірка статистичних гіпотез.
С.6 Надійні проміжки.
D Трохи дескриптивної статистики.
D.1 Статистики.
D.2 Графічні засоби статистичного аналізу.
Е Дані.
Е.1 Генерація псевдовипадкових чисел.
Е.2 Дані з прикладів.
