Планирование эксперимента, оценивание параметров и выбор структуры при построении моделей многофакторных объектов по неоднородным, негауссовским, зависимым наблюдениям
Диссертация
Апробация работы. Результаты диссертационной работы докладывались и обсуждались на Международных конференциях «Актуальные проблемы электронного приборостроения» (г. Новосибирск, 1996, 1998, 2000, 2002, 2004 гг.), на Международных научно-технических конференциях «Информатика и проблемы телекоммуникаций» (г. Новосибирск, 1997, 2001, 2002 гг.), на Международной научно-технической конференции… Читать ещё >
Список литературы
- Авербух Е.А. К вопросу о выборе вида регрессионных моделей с учетом их прогнозирующей способности // Заводская лаборатория. 1990. -Т. 56, № 3.- С. 92−96.
- Айвазян С.А., Бежаева З. И., Староверов О. В. Классификация многомерных наблюдений. М.: Статистика, 1974. — 240 с.
- Айвазян С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.-471 с.
- Айвазян С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Исследование зависимостей. М.: Финансы и статистика, 1985. — 487 с.
- Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998. — 1022 с.
- Акаике X. Развитие статистических методов // Современные методы идентификации / Под ред. П. Эйкхоффа. М.: Мир, 1983. — С. 148 — 176.
- Алгоритмы и программы восстановления зависимостей / Под ред. В. Н. Вапника. М.: Наука, 1984. — 816 с.
- Арене X., Лейтер Ю. Многомерный дисперсионный анализ. М.: Финансы и статистика, 1985. — 232 с.
- Бард Й. Нелинейное оценивание параметров. М.: Статистика, 1979.-349 с.
- Богданович В.А., Вострецов А. Г. Теория устойчивого обнаружения, различения и оценивания сигналов. М.: Физматлит, 2004. — 320 с.
- Болдин М.В., Симонова Г. И., Тюрин Ю. Н. Знаковый статистический анализ линейных моделей. М.: Наука. Физматлит, 1997. — 288 с.
- Боровков А.А. Математическая статистика. Новосибирск: Наука- Изд-во Ин-та математики, 1997. — 772 с.
- Бостанджиян В.А. Пособие по статистическим распределениям. -Черноголовка, 2000. 1007 с.
- Боровиков В.П., Боровиков И.П. STATISTIC, А Статистический анализ и обработка данных в среде Windows. — М.: Информационно-издательский дом «Филинъ», 1998. — 608 с.
- Бримкулов У.Н., Круг Г. К., Саванов B.JI. Планирование экспериментов при исследовании случайных полей и процессов. М.: Наука, 1986. -153 с.
- Буньков Р.В., Лисицин Д. В. Выбор структуры многомерной динамической стохастической модели // Рос. науч.-техн. конф. «Информатика и проблемы телекоммуникаций», Новосибирск, 22−23 апр., 2004.: Материалы конф. Новосибирск, 2004. — Т. 1. — С. 111.
- Валентей Д.И., Кваша А. Я. Основы демографии. М.: Мысль, 1989. -286 с.
- Вапник В.Н. Восстановление зависимостей по эмпирическим данным. М.: Наука, 1979. — 447 с.
- Венецкий И.Г. Математические методы в демографии. М.: Статистика, 1971.-296 с.
- Вержбицкий В.М. Основы численных методов. М.: Высшая школа, 2002. — 840 с.
- Верулава Ю.Ш., Поляк Б. Т. Выбор порядка регрессионной модели // Автоматика и телемеханика. 1988. -№ 11. — С. 113 — 129.
- Вощинин А.П. Метод анализа данных с интервальными ошибками в задачах проверки гипотез и оценивания параметров неявных линейно параметризованных функций // Заводская лаборатория. 2000. — Т. 66, № 3. -С. 51−65.
- Вощинин А.П., Бочков А. Ф., Сотиров Г. Р. Метод анализа данных при интервальной нестатистической ошибке // Заводская лаборатория. -1990. Т.56, № 7. — С. 75−81.
- Гаврилов К.В., Лисицин Д. В. Локальная устойчивость в задаче оценивания параметров распределений // Наука. Технологии. Инновации: Материалы докладов всероссийской научной конференции молодых ученых. Новосибирск: Изд-во НГТУ, 2003. — Ч. 1. — С. 17 — 18.
- Гаврилов К.В., Лисицин Д. В. Робастное оценивание параметра локализации финитной модели // Рос. науч.-техн. конф. «Информатика и проблемы телекоммуникаций», Новосибирск, 22−23 апр., 2004.: Материалы конф. Новосибирск, 2004. — Т. 1. — С. 112.
- Гантмахер Ф.Р. Теория матриц М.: Наука, 1988. — 552 с.
- Голикова Т.И., Микешина Н. Г. Свойства D-оптимальных планов и методы их построения // Новые идеи в планировании эксперимента / Под ред.
- B.В. Налимова. -М.: Наука, 1969. С. 21 — 58.
- Голикова Т.И., Панченко Л. А. Непрерывные, А и <2-оптимальные планы второго порядка на кубе // Регрессионные эксперименты (Планирование и анализ) / Под ред. В. В. Налимова. — М.: Изд-во Моск. ун-та, 1977.1. C. 71−84.
- Голованов И.Н., Пономаренко B.C., Кузьменко Ю. И. Оптимизационный метод сокращения перебора моделей в комбинаторных алгоритмах МГУА//Автоматика. 1983.-№ 3.-С. 12−17.
- Горский В.Г. Планирование кинетических экспериментов. -М.: Наука, 1984.-241 с.
- Губарев В.В. Вероятностные модели: Справочник. В 2-х ч. / Ново-сиб. электротехн. ин-т. Новосибирск, 1992.
- Гусев В.А. Использование подвыборок и понятия устойчивости в задаче определения общего вида искомой зависимости // Заводская лаборатория. 1987. — Т. 53, № 1. — С. 48 — 53.
- Дайитбегов Д.М., Калмыкова О. В., Черепанов А. И. Программное обеспечение статистической обработки информации. М.: Финансы и статистика, 1984.- 192 с.
- Демиденко Е.З. Псевдонезависимые регрессии и их оценивание // Малоразмерные модели экономического роста. М.: ИМЭМО АН СССР, 1978.-С. 115−147.
- Демиденко Е.З. Линейная и нелинейная регрессии. М.: Финансы и статистика, 1981. — 302 с.
- Демиденко Е.З. Оптимизация и регрессия. М.: Наука, 1989.296 с.
- Денисов В.И. Математическое обеспечение системы ЭВМ-экспериментатор. М.: Наука, 1977. — 252 с.
- Денисов В.И., Лаптев В. Н. О численном построении оптимальных планов / Новосиб. электротехн. ин-т, 1973. Деп. в ВИНИТИ, № 5476−73.
- Денисов В.И., Лемешко Б. Ю., Цой Е.Б. Оптимальное группирование, оценка параметров и планирование регрессионных экспериментов / Новосиб. гос. техн. ун-т. Новосибирск, 1993. — 346 с.
- Денисов В.И., Лисицин Д. В. Оценивание параметров регрессионной модели с эллиптическим распределением и мультипликативной ковариационной структурой ошибок // Сиб. журн. индустр. матем. 2002. — Т. V, № 3(11).-С. 92−102.
- Денисов В.И., Лисицин Д. В. О свойствах оценок параметров регрессионной модели с эллиптическим распределением и мультипликативной ковариационной структурой ошибок // Сиб. журн. индустр. матем. 2003. -Т. VI, № 2(14).-С. 37−45.
- Денисов В.И., Лисицин Д. В. Планирование эксперимента с учетом появления пропусков в данных // Научный вестник НГТУ. Новосибирск, 2004.-№ 1(16).-С. 53−61.
- Денисов В.И., Лисицин Д. В., Гаврилов К. В. Планирование эксперимента при оценивании параметров многофакторной модели по неоднородным наблюдениям // Сиб. журн. индустр. матем. 2002. — Т. V, № 4(12).' — С. 14−28.
- Денисов В.И., Попов А. А. Условия оптимальности планов экспериментов для функционалов типа дискретного минимакса / Новосиб. электро-техн. ин-т, 1978. Деп. в ВИНИТИ, № 3731−78. — 21 с.
- Денисов В.И., Попов А. А. Алгоритмы построения точных оптимальных планов регрессионных экспериментов / Новосиб. электротехн. ин-т, 1979. Деп. в ВИНИТИ, № 560 — 79.
- Денисов В.И., Попов А. А. Пакет программ оптимального планирования эксперимента. -М.: Финансы и статистика, 1986. 159 с.
- Денисов В.И., Тимофеев B.C. Знаковый метод: преимущества, проблемы, алгоритмы // Научный вестник НГТУ. Новосибирск, 2001. -№ 1(10). — С. 21 -35.
- Денисов В.И., Чистяков В. М., Данилов А. Н., Лисицин Д. В., Тимофеев B.C., Фадцеенков А. В. Прогнозирование численности населения города Новосибирска: опыт математического моделирования // Научный вестник НГТУ. Новосибирск, 1998. — № 1(4). — С. 123 — 138.
- Дженнрич Р.И. Пошаговая регрессия // Статистические методы для ЭВМ / Под ред. К. Энслейна, Э. Рэлстона, Г. С. Уилфа. М.: Наука, 1986. -С. 77−94.
- Джонстон Дж. Эконометрические методы. М.: Статистика, 1980.450 с.
- Дисперсионный анализ и синтез планов на ЭВМ / Маркова Е. В., Денисов В. И., Полетаева И. А., Пономарев В. В. М.: Наука, 1982. — 196 с.
- Дрейпер Н., Смит Г. Прикладной регрессионный анализ: В 2-х кн. Кн. 2. М.: Финансы и статистика, 1987. — 351 с.
- Духин С.С., Дерягин Б. В. Электрофорез. М.: Наука, 1976 — 328 с.
- Дюк В. Обработка данных на ПК в примерах. СПб.: Питер, 1997.240 с.
- Ермаков С.М., Жиглявский А. А. Математическая теория оптимального эксперимента. М.: Наука, 1987. — 320 с.
- Ершов А.А. Стабильные методы оценки параметров // Автоматика и телемеханика. 1978. — № 8. — С. 66 — 100.
- Загоруйко Н.Г. Прикладные методы анализа данных и знаний. -Новосибирск: Изд-во Ин-та математики, 1999. 270 с.
- Зельнер А. Байесовские методы в эконометрии. М.: Статистика, 1980.-439 с.
- Ивахненко А.Г. Индуктивный метод самоорганизации моделей сложных систем. Киев: Наук, думка, 1982. — 296 с.
- Ивахненко А.Г. Задача регуляризации и унимодальности критерия непротиворечивости и ее решение в алгоритмах объективного системного анализа и объективной компьютерной кластеризации // Автоматика. 1988. -№ 3. — С. 12−17.
- Ивахненко А.Г. Переборные методы моделирования и кластеризации (Обзор работ по МГУА в 1983 88 гг.) // Автоматика. — 1988. — № 4. -С. 3−16.
- Ивахненко А.Г., Кротов Г. И., Костенко Ю. В. Самоорганизация тензорных моделей (на примере моделирования гидрохимической системы водохранилищ) // Автоматика. 1988. — № 6. — С. 17−23.
- Ивахненко А.Г., Мюллер И. А. Самоорганизация прогнозирующих моделей. Киев: Техшка, 1985. — 221 с.
- Ивахненко А.Г., Степашко B.C. Помехоустойчивость моделирования. Киев: Наук, думка, 1985. — 216 с.
- Ивахненко А.Г., Степашко B.C. Структурная идентификация как задача выделения сигнала на фоне помех // Автоматика. 1987. — № 1.-С. 37−42.
- Ивахненко А.Г., Юрачковский Ю. П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987. — 120 с.
- Изместьев Д.И., Филимоненко В. Н., Лисицин Д. В. Оптимизация процесса нанесения электрофоретического покрытия на детали машин объемно-погружным методом // Сб. науч. тр. НГТУ. Новосибирск: Изд-во НГТУ, 1999.-Вып. 2(15).-С. 33−38.
- Изместьев Д.И., Филимоненко В. Н., Лисицин Д. В. Локализация процесса электрофоретического осаждения и его математическое описание // Сб. науч. тр. НГТУ. Новосибирск: Изд-во НГТУ, 1999. — Вып. 2(15). — С. 39 -44.
- Каминскас В.А. Идентификация динамических систем по дискретным наблюдениям. Вильнюс: Мокслас, 1982. — Ч. 1. — 245 с.
- Качала В.В. Роль контрольных точек в задачах идентификации // Многомерный статистический анализ и вероятностное моделирование реальных процессов. М.: Наука, 1990. — С. 91 — 94.
- Каширин Б.Л. Построение оптимальной модели по результатам наблюдений функций многих переменных // Прикладной многомерный статистический анализ. М.: Наука, 1978. — С. 368 — 373.
- Кендалл М.Дж., Стьюарт А. Статистические выводы и связи. -М.: Наука, 1973.-900 с.
- Кильдишев Г. С., Аболенцев Ю. И. Многомерные группировки. -М.: Статистика, 1978. 160 с.
- Клейнер Г. Б., Смоляк С. А. Эконометрические зависимости. -М.: Наука, 2003.-104 с.
- Козубовский С.Ф., Юрачковский Ю. П. Информационные критерии селекции моделей // Автоматика. 1981. — № 4. — С. 80 — 89.
- Кокс Д., Хинкли Д. Теоретическая статистика. М.: Мир, 1978.560 с.
- Кононенко И.В. Исследование алгоритма выбора структуры прогнозирующих моделей, основанного на использовании Н-критерия // Автоматика. 1990. — № 6. — С. 28 — 34.
- Котюков В.И. Многофакторные кусочно-линейные модели. -М.: Финансы и статистика, 1984. 216 с.
- Куке Я.П., Тийтс Т. В., Вийкманн Э. В. Программы множественного регрессионного анализа. Таллин: АН ЭССР, 1979. — 61 с.
- Кулаичев А.П. Методы и средства анализа данных в среде Windows: STADIA 6.0. М.: Информатика и компьютеры, 1996. — 257 с.
- Лбов Г. С. Методы обработки разнотипных экспериментальных данных.-М.: Наука, 1981.-160 с.
- Лбов Г. С., Старцева Н. Г. Логические решающие функции и вопросы статистической устойчивости решений. Новосибирск: Изд-во Ин-та математики, 1999.-212 с.
- Леман Э. Теория точечного оценивания. М.: Наука, 1991. — 448 с.
- Лемешко Б.Ю., Постовалов С. Н. К вопросу о робастности оценок по группированным данным // Сб. науч. тр. НГТУ. Новосибирск: Изд-во НГТУ. — 1996. — № 2(4). — С. 9 — 18.
- Лемешко Б.Ю. Группирование наблюдений как способ получения робастных оценок // Надежность и контроль качества. 1997. — № 5. -С. 26−35.
- Лемешко Б.Ю. Робастные методы оценивания и отбраковка аномальных измерений // Заводская лаборатория. 1997. — Т.63, № 5. — С. 43 — 49.
- Лисицин Д.В. Шаговая процедура выбора многооткликовой модели, оперирующая линейными гипотезами и ограничениями произвольного вида // Сб. науч. тр. НГТУ. Новосибирск: НГТУ, 1995. — Вып. 2. — С. 31 — 34.
- Лисицин Д.В. Алгоритмы выбора структуры для многомерных моделей // Сб. науч. тр. НГТУ. Новосибирск: Изд-во НГТУ, 1997. — Вып. 2(7). -С. 33−38.
- Лисицин Д.В. Выбор структуры многомерной линейной модели при построении зависимостей по статистическим данным: Дис. канд. техн. наук. -Новосибирск, 1998.-272 с.
- Лисицин Д.В. Обобщенная задача выбора структуры многомерной модели // Труды IV Междунар. конф. «Актуальные проблемы электронного приборостроения» АПЭП-98. Новосибирск, 1998. — Т. 3. — С. 69 — 72.
- Лисицин Д.В. Оценивание параметров многооткликовой регрессии при мультипликативной параметризации ковариационной матрицы ошибок // Научный вестник НГТУ. Новосибирск, 2000. — № 1(8). — С. 12 — 22.
- Лисицин Д.В. Адаптивные методы построения многооткликовых регрессионных моделей // Труды V Междунар. конф. «Актуальные проблемы электронного приборостроения» АПЭП-2000. Новосибирск, 2000. — Т. 3. -С. 14−18.
- Лисицин Д.В. Выбор структуры многооткликовой регрессионной модели при использовании М -оценивания // Междунар. науч.-техн. конф. «Информатика и проблемы телекоммуникаций», Новосибирск, 26−27 апр., 2001.: Материалы конф. Новосибирск, 2001. — С. 83.
- Лисицин Д.В. Устойчивые методы оценивания параметров и выбора структуры многооткликовой линейно параметризованной модели // Научный вестник НГТУ. Новосибирск, 2001. — № 2(11). — С. 53 — 66.
- Лисицин Д.В. Регрессионная модель с эллиптическим распределением и мультипликативной ковариационной структурой ошибок // Научный вестник НГТУ. Новосибирск, 2001. — № 2(11). — С. 67 — 76.
- Лисицин Д.В. Устойчивое оценивание регрессии при ошибках, имеющих двустороннее экспоненциальное распределение // Материалы VI Междунар. конф. «Актуальные проблемы электронного приборостроения» АПЭП-2002. Новосибирск, 2002. — Т. 6. — С. 43−45.
- Лисицин Д.В. ЕМ-алгоритмы оценивания регрессионной модели с мультипликативной ковариационной структурой ошибок // Автометрия. -2004.-№ 1.-С. 15−26.
- Лисицин Д.В. О критериях выбора структуры многооткликовой регрессионной модели // Сиб. журн. индустр. матем. 2004. — Т. VII, № 1(17). — С. 61 — 72.
- Лисицин Д.В. Планирование эксперимента при использовании логит-модели пропусков // Материалы VII Междунар. конф. «Актуальные проблемы электронного приборостроения» АПЭП-2004. Новосибирск, 2004. -Т. 6.-С. 273−277.
- Лисицин Д.В. Планирование эксперимента при робастном оценивании параметров регрессионной модели по неоднородным наблюдениям // Сиб. журн. индустр. матем. 2004. — Т. VII, № 4(20). — С. 92 — 106.
- Лисицин Д.В. Конструирование робастных оценок параметров регрессии при неоднородных наблюдениях // Научный вестник НГТУ. Новосибирск, 2004. -№ 3(18). — С. 43 — 55.
- Лисицин Д.В. Оценивание параметров многофакторной модели при наличии разнотипных откликов // Научный вестник НГТУ. Новосибирск, 2005. -№ 1(19). — С. 11−20.
- Лисицин Д.В. Планирование эксперимента при оценивании параметров регрессионной модели с разнотипными откликами // Научный вестник НГТУ. Новосибирск, 2005. — № 3(21). — С. 53 — 66.
- Лисицин Д.В. Выбор структуры многооткликовой регрессионной модели // Научный вестник НГТУ. Новосибирск, 2006. — № 1(22). -С. 17−32.
- Лисицин Д.В. Об устойчивом оценивании параметров модели по неоднородным наблюдениям // Научный вестник НГТУ. Новосибирск, 2006.-№ 2(23).-С. 35−42.
- Лисицин Д.В. Критерии выбора структуры регрессионной модели при негауссовских и зависимых ошибках // Сиб. журн. индустр. матем. -2006. Т. IX, № 2(26). — С. 90 — 106.
- Лисицин Д.В., Гаврилов К. В. О локально устойчивом оценивании параметров распределений // Сб. науч. тр. НГТУ. Новосибирск: НГТУ, 2004. — Вып. 2(36). — С. 37 — 46.
- Лисицин Д.В., Гаврилов К. В. Робастное оценивание финитной модели // Сб. науч. тр. НГТУ. Новосибирск: НГТУ, 2004. — Вып. 2(36). -С. 47−56.
- Лисицин Д.В., Гаврилов К. В. Робастное оценивание приближенной финитной модели // Сб. науч. тр. НГТУ. Новосибирск: НГТУ, 2005. -Вып. 1(39).-С. 39−48.
- Лисицин Д.В., Гаврилов К. В. Устойчивое оценивание параметров модели при асимметричном засорении данных // Известия Международной академии наук высшей школы. 2006. — № 1(35). — С. 60 — 73.
- Лисицин Д.В., Попов А. А. Структурная оптимизация многомерных регрессионных моделей // Второй Сибирский конгресс по прикладной и индустриальной математике: Тез. докл. Новосибирск, 1996. — Ч. II. — С. 179.
- Лисицин Д.В., Попов А. А. Конструирование критериев селекции многомерных регрессионных моделей // Сб. науч. тр. НГТУ. Новосибирск: Изд-воНГТУ, 1996. — Вып. 1.-С. 13−20.
- Лисицин Д.В., Попов А. А. Исследование критериев селекции мно-гооткликовых регрессионных моделей // Сб. науч. тр. НГТУ. Новосибирск: Изд-во НГТУ, 1996. — Вып. 2(4). — С. 19 — 28.
- Лисицин Д.В., Попов А. А. Исследование работоспособности критериев выбора многомерных моделей // Материалы Междунар. науч.-техн. конф. «Информатика и проблемы телекоммуникаций», Новосибирск, 24 25 апр., 1997.-Новосибирск, 1997.-С. 103- 105.
- Лисицин Д.В., Солнышков В. А. Исследование локально оптимальных планов эксперимента при разнораспределенных ошибках наблюдений // Сб. науч. тр. НГТУ. Новосибирск: НГТУ, 2006. — Вып. 1(43). -С. 15−22.
- Лисицин Д.В., Филимоненко В. Н., Гаврилов К. В. Математическое моделирование процессов струйного электрофоретического осаждения // Научный вестник НГТУ. Новосибирск, 2006. — № 1(22). — С. 71 — 83.
- Лисицин Д.В., Форманчук Д. С. Исследование адаптивных робаст-ных оценок линейной регрессионной модели при неоднородных данных // Сб. науч. тр. НГТУ. Новосибирск: НГТУ, 2006. — Вып. 1(43). — С. 23 — 30.
- Литтл Р.Дж.А., Рубин Д. Б. Статистический анализ данных с пропусками. -М.: Финансы и статистика, 1990. 336 с.
- Логинов Э.А., Логинов В. Э. О выборе вида уравнения регрессии // Заводская лаборатория. -1989. Т. 55, № 1. — С. 87 — 91.
- Малолеткин Г. Н., Мельников Н. Н., Хашин В. М. Об алгоритмах выбора наилучшего подмножества признаков в регрессионном анализе // Вопросы кибернетики. Вып. 35. — М.: Советское радио, 1977. — С. 110 — 144.
- Маркова Е.В., Лисенков А. Н. Планирование эксперимента в условиях неоднородностей. -М.: Наука, 1973. 219 с.
- Мостеллер Ф., Тьюки Дж. Анализ данных и регрессия. М.: Финансы и статистика, 1982. — Вып. 2. — 239 с.
- Мудров В.И., Кушко В. Л. Методы обработки измерений: Квазиправдоподобные оценки. М.: Радио и связь, 1983. — 304 с.
- Налимов В.В., Голикова Т. И. Логические основания планирования эксперимента. М.: Металлургия, 1981. — 152 с.
- Никифоров A.M. Статистический анализ наблюдений со случайными пропусками // Пятая Международная Вильнюсская конференция по теории вероятностей и математической статистике: Тез. докл. Вильнюсе, 1989. -С. 98−99.
- Новицкий П.В., Зограф И. А. Оценка погрешностей результатов измерений. Л.: Энергоатомиздат, 1991. — 304 с.
- Областной центр город Новосибирск: информационно-аналитический сборник. — Новосибирск: НИИРУ, 1997. — 122 с.
- Орлов А.И. Предельное распределение одной оценки числа базисных функций // Прикладной многомерный статистический анализ. М.: Наука, 1978.-С. 380−381.
- Орлов А.И. Оценка размерности модели регрессии // Алгоритмическое и программное обеспечение прикладного многомерного статистического анализа. М.: Наука, 1980. — С. 92 — 99.
- Орлов А.И. Методы поиска наиболее информативного множества признаков в регрессионном анализе // Заводская лаборатория. 1995. — Т. 61, № 1.- С. 56−58.
- Перельман И.И. Методология выбора структуры модели при идентификации объектов управления // Автоматика и телемеханика. 1983. -№ 11.-С. 5−29.
- Пинскер И.Ш., Трунов В. Г., Кипнис В. М., Айду Э.А. И. Имитационные оценки качества решения // Поиск зависимости и оценка погрешности. -М.: Наука, 1985.-С. 14−32.
- Планирование эксперимента в задачах нелинейного оценивания и распознавания образов / Г. К. Круг, В. А. Кабанов, Г. А. Фомин, Е. С. Фомина -М.: Наука, 1981.-172 с.
- Полотнов М.М. Метод построения математической модели по неоднородным данным // VII Всесоюзн. конф. по планированию и автоматизации эксперимента в научных исследованиях: Тез. докл. М., 1983. — Ч. 1. -С. 137- 139.
- Полотнов М.М. Разработка и исследование методов построения регрессионных моделей объектов управления при воздействии неконтролируемого дискретного фактора неоднородности: Автореф. дис.. канд. техн. наук. М, 1986.-20 с.
- Полотнов М.М., Фомин Г. А. Оценивание параметров модели объекта по неоднородным экспериментальным данным // Заводская лаборатория. -1986.-№ 7. -С. 37−43.
- Пономарев В.В. Диалоговая система обработки данных многооткликовых экспериментов с качественными и количественными факторами: Дис. канд. техн. наук. Новосибирск, 1985. — 193 с.
- Попов А.А. Дисперсионный анализ моделей с качественными факторами как задача структурного моделирования // Машинные методы оптимизации, моделирования и планирования эксперимента. Новосибирск: Ново-сиб. электротехн. ин-т, 1988. — С. 130 — 133.
- Попов А.А. Конструирование дискретных и непрерывно-дискретных моделей регрессионного типа // Сб. науч. тр. НГТУ. Новосибирск: Изд-во НГТУ, 1996. — Вып. 1. — С. 21 — 30.
- Попов А.А. Композиционный подход построения адекватных регрессионных моделей в схемах активного эксперимента. // Сб. науч. тр. НГТУ. Новосибирск: Изд-во НГТУ, 1996. — Вып. 2(4). — С. 29 — 38.
- Попов А.А. Оптимальное планирование эксперимента в задачах структурной и параметрической идентификации моделей многофакторных систем: Дис. д-ра техн. наук. Новосибирск, 1997. — 424 с.
- Прикладная статистика: Классификация и снижение размерности / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин. М.: Финансы и статистика, 1989. — 607 с.
- Пуарье Д. Эконометрия структурных изменений. М.: Финансы и статистика, 1981.- 183 с.
- Рао С. Р. Линейные статистические методы и их применения. -М.: Наука, 1968.-548 с.
- Редько М.Ю. Квазиправдоподобные оценки для линейной регрессии. Новосибирск: Новосиб. электротехн. ин-т, 1988. — 31 с. — Деп. в ВИНИТИ, № 4821-В88.
- Редько М.Ю. Реализация алгоритма пошаговой регрессии для многооткликовой модели // Электронная техника. Сер. 7. Технология, организация производства и оборудование. 1993. — Вып. 2(177) — 3(178). — С. 41 — 44.
- Робастность в статистике. Подход на основе функций влияния / Ф. Хампель, Э. Рончетти, П. Рассеу, В. Штаэль М.: Мир, 1989. — 512 с.
- Розин Б.Б. Теория распознавания образов в экономических исследованиях. М.: Статистика, 1973. — 224 с.
- Розин Б.Б., Котюков В. И., Ягольницер М. А. Экономико-статистические модели с переменной структурой. Новосибирск: Наука, 1984. -242 с.
- Романов В.Л. Выбор наилучшей линейной регрессии: сравнение формальных критериев (Обобщающая статья) // Заводская лаборатория. -1990. Т. 56, № 1.-С. 90−95.
- Савараги Е., Соэда Т., Накамизо Т. «Классические» методы и оценивание временных рядов // Современные методы идентификации / Под ред. П. Эйкхоффа. М.: Мир, 1983. — С. 74 — 147.
- Салуквадзе М.Е. Задачи векторной оптимизации в теории управления. Тбилиси: Мецниереба, 1975. — 201 с.
- Сарычев А.П. Усредненный критерий регулярности метода группового учета аргументов в задаче поиска наилучшей регрессии // Автоматика. -1990.-№ 5.-С. 28−33.
- Себер Дж. Линейный регрессионный анализ. М.: Мир, 1980.456 с.
- Сильвестров Д.С. Программное обеспечение прикладной статистики: Обзор состояния. Тенденции развития. -М.: Финансы и статистика, 1988. -240 с.
- Смоляк С.А., Титаренко Б. П. Устойчивые методы оценивания: (Статистическая обработка неоднородных совокупностей). М.: Статистика, 1980.-208 с.
- Спектор А.А. Гауссовские дискретные поля с разделимыми спектрально-корреляционными характеристиками // Прикладная теория случайных процессов и полей / Под ред. К. К. Васильева, В. А. Омельченко. Ульяновск: УлГТУ, 1995.-С. 143−164.
- Степашко B.C. Помехоустойчивость выбора моделей по критерию баланса прогнозов // Автоматика. 1984. — № 5. — С. 27 — 37.
- Степашко B.C., Кочерга Ю. Л. Методы и критерии решения задач структурной идентификации // Автоматика. 1985. — № 5. — С. 29 — 37.
- Стогов Г. В., Макшанов А. В., Мусаев А. А. Устойчивые методы обработки результатов измерений // Зарубежная радиоэлектроника. 1982. -№ 9. — С. 3 — 46.
- Трунов В.Г. Оценка погрешности прогноза при выборе переменных в линейной регрессии // Поиск зависимости и оценка погрешности. М.: Наука, 1985.-С. 57−68.
- Трунов В.Г. Выбор линейной модели и оценка числа избыточных переменных // Алгоритмы обработки экспериментальных данных. М.: Наука, 1986.-С. 75−81.
- Устойчивые статистические методы оценки данных / Под ред. Ло-нера Р.Л., Уилкинсона Г. Н. М.: Машиностроение, 1984. — 229 с.
- Федоров В.В. Свойства и методы построения планов, минимизирующих выпуклые функционалы от информационной матрицы. М.: Изд-во Моск. ун-та, 1970. — 11 с.
- Федоров В.В. Теория оптимального планирования эксперимента (планирование регрессионных экспериментов). -М.: Наука, 1971.-312 с.
- Федоров В.В. Оценивание параметров регрессии в случае вектор-наблюдения // Регрессионные эксперименты (Планирование и анализ) / Под ред. В. В. Налимова. М.: Изд-во Моск. ун-та, 1977. — С. 112 — 122.
- Федоров В.В. Активные регрессионные эксперименты // Математические методы планирования эксперимента. Новосибирск: Наука, 1981. -С. 19−73.
- Финн Дж.Д. Многомерный дисперсионный и ковариационный анализ // Статистические методы для ЭВМ / Под ред. К. Энслейна, Э. Рэлстона, Г. С. Уилфа.-М.: Наука, 1986.-С. 219−268.
- Фомин Г. А., Фомина Е. С. Планирование эксперимента при изучении неоднородных объектов // VI Всесоюзн. конф. по планированию и автоматизации эксперимента в научных исследованиях: Тез. докл. М., 1980. -Ч. 2.-С. 54−57.
- Хеттманспергер Т. П. Статистические выводы, основанные на рангах. М.: Финансы и статистика, 1987. — 333 с.
- Хокинг P.P. Выбор наилучшего подмножества регрессионных переменных // Статистические методы для ЭВМ / Под ред. К. Энслейна, Э. Рэлстона, Г. С. Уилфа. М.: Наука, 1986. — С. 53 — 77.
- Хьюбер П. Робастность в статистике. М.: Мир, 1984. — 303 с.
- Цибель Н.А. Доасимптотические свойства оценок размерности модели регрессии // Заводская лаборатория. 1989. — Т. 55, № 7. — С. 88 — 94.
- Цибель Н.А. Некоторые свойства оценок размерности модели регрессии // Многомерный статистический анализ и вероятностное моделирование реальных процессов. М.: Наука, 1990. — С. 73 — 83.
- Цыпкин Я.З. Основы информационной теории идентификации. -М.: Наука, 1984.-320 с.
- Шеффе Г. Дисперсионный анализ. М.: Наука, 1980. — 512 с.
- Шуленин В.П. Введение в робастную статистику. Томск: Изд-во Том. ун-та, 1993.-227 с.
- Шурыгин A.M. Оценки параметров нормального распределения с экспоненциальным взвешиванием наблюдений: асимптотическая теория // Алгоритмическое и программное обеспечение прикладного статистического анализа. М.: Наука, 1980. — С. 241 — 259.
- Шурыгин A.M. Прикладная стохастика: робастность, оценивание, прогноз. М.: Финансы и статистика, 2000. — 224 с.
- Шурыгин A.M. Асимптотическая теория устойчивого оценивания: Дис. д-ра техн. наук. М., 2002. — 28 с.
- Яковлев А.А., Ставицкая Н. А. Алгоритм выбора субоптимальной совокупности предикторов для множественной многомерной регрессии // Вопросы кибернетики. Вып. 73.-М.: ВИНИТИ, 1981.-С. 110−118.
- Agresti A. An introduction to categorical data analysis. New York: John Wiley, 1996.-312 p.
- Akaike H. A new look at the statistical model identification // IEEE Trans. Automatic Control. 1974. — Vol. 19. — P. 716 — 723.
- Allen D.M. The relationship between variable selection and data augmentation and a method for prediction // Technometrics. 1974. — Vol. 16. — P. 125−127.
- Al-Subaihi A.A. Variable selection in multivariable regression using SAS/IML // Journal of Statistical Software. 2002. — Vol. 7, issue 12. — 20 p.
- Atkinson A.C., Cook R.D. D-optimum designs for heteroscedastic linear models // J. Amer. Statist. Assoc. 1995. — Vol. 90. — P. 204 — 212.
- Bearse P.M., Bozdogan H. Subset selection in vector autoregressive models using the genetic algorithm with informational complexity as the fitness function // Systems analysis, modeling and simulation. 1998. — Vol. 31. -P. 61 -91.
- Bedrick E.J., Tsai C.C. Model selection for multivariate regression in small samples // Biometrics. 1994. — Vol. 50. — P. 226 — 231.
- Biernacki C., Celeux G., Govaert G. Strategies for getting the highest likelihood in mixture models: Rapport de recherche / INRIA. № 4255. — 2001. -20 p.
- Bozdogan H. Multivariate regression models for nonnormal data: A new model selection approach // Bulletin of the International Statistical Institute: Proceedings of the 52nd Session. 1999. — Tome LVIII.
- Cantoni E., Mills Flemming J., Ronchetti E. Variable selection for marginal longitudinal generalized linear models // Biometrics. 2005. — Vol 61. -P. 507−514.
- Cavanaugh J.E. A large-sample model selection criterion based on Kull-back's symmetric divergence // Statistics and Probability Letters. 1999. — Vol. 44. -P. 333−344.
- Dempster A.P., Laird N.M., Rubin D.B. Maximum likelihood estimation from incomplete data via the EM algorithm // Journal of the Royal Statistical Society, ser. B. 1977. — Vol. 39.- 1 -38.
- Dempster A.P., Laird N.M., Rubin D.B. Iteratively reweighted least squares for linear regression when errors are normal/independent distributed // Multivariate analysis V / Krishnaiah P.R., eds. North Holland, Amsterdam, 1980. -P. 35−57.
- Dette H., Haines L.M., Imhof L.A. Bayesian and maximin optimal designs for heteroscedastic regression models // The Canadian Journal of Statistics. -2005.- Vol. 33.-P. 221−241.
- Dette H., Song D., Wong W.K. Robustness properties of minimally-supported Bayesian D-optimal designs for heteroscedastic models // The Canadian Journal of Statistics. 2001. — Vol. 29. — P. 633 — 647.
- Dette H., Wong W.K. Optimal Bayesian designs for models with partially specified heteroscedastic structure // The Annals of Statistics. 1996. — Vol. 24.-P. 2108−2127.
- Dette H., Wong W.K. Bayesian D-optimal designs on a fixed number of design points for heteroscedastic polynomial models // Biometrika. 1998. — Vol. 85.-P. 869−882.
- Efroimson M.A. Multiple regression analysis // Mathematical methods for digital computers / Ralston A., Wilf H.S., eds. New York: John Wiley, 1960. -P. 191 -203.
- Efron В., Hinkley D.V. Assessing the accuracy of the maximum likelihood estimator: observed versus expected Fisher information // Biometrika. 1978. -Vol. 65.-P. 457−487.
- Fedorov V.V., Gagnon R.C., Leonov S.L. Design of experiments with unknown parameters in variance // Appl. Stochastic Models Bus. Ind. 2002. -Vol. 18. — P. 207−218.
- Fletcher R., Grant J.A., Hebden M.D. The calculation of linear best Lp approximations // Computer Journal. 1971. — Vol. 14. — P. 276 — 279.
- Fujikoshi Y., Satoh K. Modified AIC and Cp in multivariate linear regression // Biometrika. 1997. — Vol. 84. — P. 707 — 716.
- Gorman J.W., Toman R.J. Selection of variables for fitting equations to data // Technometrics. 1966. — Vol. 8. — P. 27 — 51.
- Gupta V. К., Bhar L., Lai K. Robustness of designed experiments against missing data // Journal of Applied Statistics. 2001. — Vol. 28. — P. 63 — 79.
- Hannan E.J., Quinn B.G. The determination of the order of an autore-gression // Journal of the Royal Statistical Society, ser. B. 1979. — Vol. 41. -P. 190−195.
- Heise M.A., Myers R.H. Optimal designs for bivariate logistic regression // Biometrics. 1996. — Vol. 52. — P. 613 — 624.
- Helms R.W. The average estimated variance criterion for the selection-of-variables problem in general linear models // Technometrics. 1974. — Vol. 16. -P. 261 -273.
- Hocking R.R. Criteria for selection of a subset regression: which one should be used? // Technometrics. 1972. — Vol. 14. — P. 967 — 970.
- Hocking R.R., Leslie R.N. Selection of the best subset in regression analysis // Technometrics. 1967. — Vol. 9. — P. 531 — 540.
- Hogg R.V. Adaptive robust procedures: A partial review and some suggestions for future applications and theory // J. Amer. Statist. Assoc. 1974. — Vol. 69.-P. 909−923.
- Hosmer D.W. A comparison of iterative maximum likelihood estimates of the parameters of a mixture of two normal distributions under three different types of sample // Biometrics. 1973. — Vol. 29. — P. 761 — 770.
- Hosmer D.W., Lemeshow S. Applied Logistic Regression. New York: John Wiley, 2000.-375 c.
- Huber P.J. Minimax aspects of bounded-influence regression // J. Amer. Statist. Assoc. 1983. — Vol. 78. — P. 66 — 80.
- Humak K.M.S. Statistische Methoden der Modellbildung. Band I. Berlin: Akademie-Verlag, 1977. -516 s.
- Jacobs R.A., Jordan M.I., Nowlan S.J., Hinton G.E. Adaptive mixtures of local experts // Neural Computation. 1991. — Vol. 3. — P. 79 — 87.
- Jamshidian M. Adaptive robust regression by using a nonlinear regression program // Journal of Statistical Software. 1999. — Vol. 4, issue 6. — 25 p.
- Jamshidian M. A note on parameter and standard error estimation in adaptive robust regression // J. Statist. Comput. Simul. 2001. — Vol. 71. -P. 11−27.
- Jennrich R.I., Schluchter M.D. Unbalanced repeated-measures models with structured covariance matrices // Biometrics. 1986. — Vol. 42. -P. 805 — 820.
- Kashid D.N., Kulkarni S.R. A more general criterion for subset selection in multiple linear regression // Communications in Statistics Theory and Methods. -2002.-Vol. 31.-P. 795−811.
- Kassam S.A., Thomas J.B. Asymptotically robust detection of a known signal in contaminated non-gaussian noise // IEEE Trans. Information Theory. -1976.-Vol. 22.-P. 22−26.
- Kent J.T., Tyler D.E. Redescending M -estimates of multivariate location and scatter // Annals of Statistics. 1991. — Vol. 19. — P. 2102 — 2119.
- Kent J.T., Tyler D.E. Constrained M -estimation of multivariate location and scatter // Annals of Statistics. 1996. — Vol. 24. — P. 1346 — 1370.
- Kiefer N.M. Discrete parameter variation: efficient estimation of a switching regression model // Econometrica. 1978. — Vol. 46. — P. 427 — 434.
- Konishi S., Kitagawa G. Generalised information criteria in model selection//Biometrika.- 1996.-Vol. 83.- P. 875−890.
- La Motte L.R., Hocking R.R. Computational efficiency in the selection of regression variables // Technometrics. 1970. — Vol. 12. — P. 83 — 93.
- Lange K.L., Little R.J.A., Taylor J.M.G. Robust statistical modeling using the t distribution // J. Amer. Statist. Assoc. 1989. — Vol. 84. — P. 881 — 896.
- Lee T.-W., Lewicki M.S. The generalized Gaussian mixture model using ICA // Proceedings of the Second International Workshop on Independent Component Analysis and Blind Signal Separation (ICA'00). Espoo, 2000. — P. 239 — 244.
- Li L., Chow S.-Ch., Smith W. Cross-validation for linear model with unequal variances in genomic analysis // Journal of Biopharmaceutical Statistics. -2004.-Vol. 14.- P. 723−739.
- Little R.J.A., Schluchter M.D. Maximum likelihood estimation for mixed continuous and categorical data with missing values // Biometrika. 1985. -Vol.72. — P. 497−512.
- Liu C. ML estimation of the multivariate /-distribution and the EM algorithms // Journal of Multivariate Analysis. 1997. — Vol. 63. — P. 296 — 312.
- Liu C., Rubin D.B. The ECME algorithm: A simple extension of EM and ECM with faster monotone convergence // Biometrika. 1994. — Vol. 81. -P. 633 — 648.
- Liu C., Rubin D.B. ML estimation of the t distribution using EM and its extensions, ECM and ECME // Statistica Sinica. 1995. — Vol. 5. — P. 19 — 39.
- Liu C., Rubin D.B. Ellipsoidally symmetric extensions of the general location model for mixed categorical and continuous data // Biometrika. 1998. -Vol. 85. — P. 673 — 688.
- Liu C., Rubin D.B., Wu Y. Parameter expansion to accelerate EM: the PX-EM algorithm // Biometrika. 1998. — Vol. 85. — P. 755 — 770.
- Lucas A. Outlier robust unit root analysis: PhD Thesis. Amsterdam: Thesis Publishers, 1996. — 236 p.
- Mallows C.L. Some comments on Cp II Technometrics. 1973. — Vol. 15.- P. 661 -675.
- Mallows C.L. More comments on Cp II Technometrics. 1995. — Vol. 37.- P. 362−372.
- Mansson R.A., Prescott P. Missing values in replicated Latin squares // Journal of Applied Statistics. 2001. — Vol. 28. — P. 743 — 757.
- Mardia K.V., Goodall С. Spatial-temporal analysis of multivariate environmental monitoring data // Multivariate Environmental Statistics / Patil G.P., Rao C.R., eds. New York: Elsevier, Amsterdam: North-Holland, 1993. — Vol. 6. -P. 347−385.
- Maronna R.A. Robust M -estimators of multivariate location and scatter // Annals of statistics. -1976. Vol. 4. — P. 51 — 67.
- Meng X.-L., Rubin D.B. Maximum likelihood estimation via the ECM algorithm: A general framework // Biometrika. 1993. — Vol. 80. — P. 267 — 278.
- McLachlan G.J., Peel D. An algorithm for unsupervised learning via normal mixture models // ISIS: Information, Statistics and Induction in Science / Dowe D.L., Korb K.B., Oliver J.J., eds. Singapore: World Scientific Publishing, 1996.-P. 354−363.
- McLachlan G.J., Peel D. MIXFIT: an algorithm for the automatic fitting and testing of normal mixture models // Proceedings of the 14th International Conference on Pattern Recognition. 1998. — Vol. I. — P. 553 — 557.
- McQuarrie A. D., Tsai C. Regression and time series model selection. -River Edge, NJ: World Scientific Publishing Co., 1998.
- Mineo A.M., Ruggieri M. A software tool for the exponential power distribution: The normalp package // Journal of Statistical Software. 2005. — Vol. 12, issue 4. — 24 p.
- Mitchell T.J. An algorithm for construction of D-optimal experimental designs // Technometrics. 1974. — Vol. 16. — P. 203 — 210.
- Moberg T.F., Ramberg J.S., Randies R.H. An adaptive multiple regression procedure based on M -estimators I I Technometrics. 1980. — Vol. 22. -P. 213−224.
- Muller Ch.H. High breakdown point designs // Robust statistics, data analysis, and computer intensive methods / Rieder H., eds. Lecture Notes in Statistics. — Vol. 109. -New York: Springer, 1996. — P. 353 — 360.
- Muller Ch.H. Optimal breakdown point maximizing designs // Tatra Mountains Math. Publ. 1996. — Vol. 7. — P. 79 — 85.
- Naik D.N., Rao S.S. Analysis of multivariate repeated measures data with a Kronecker product structured covariance matrix // Journal of Applied Statistics. 2001. — Vol. 28. — P. 91 — 105.
- Peel D., McLachlan G.J. Robust mixture modelling using the t distribution // Statistics and Computing. 2000. — Vol. 10. — P. 339 — 348.
- Pinheiro J.C., Liu C., Wu Y.N. Efficient algorithms for robust estimation in linear mixed-effects models using the multivariate /-distribution // Journal of Computational and Graphical Statistics. 2001. — Vol. 10. — P. 249 — 276.
- Prescott P., Mansson R.A. Robustness of balanced incomplete block designs to randomly missing observations // Journal of Statistical Planning and Inference. 2001. — Vol. 92. — P. 283 — 296.
- Rencher A.C. Methods of multivariate analysis. New York: John Wiley, 2002.-708 p.
- Ronchetti E. Robustness aspects of model choice // Statistica Sinica. -1997.-Vol. 7.-P. 327−338.
- Ronchetti E., Field C.A., Blanchard W. Robust linear model selection by cross-validation // J. Amer. Statist. Assoc. 1997. — Vol. 92. — P. 1017 — 1023.
- Ronchetti E., Staudte R.G. A robust version of Mallow’s Cp // J. Amer.
- Statist. Assoc. 1994. — Vol. 89. — P. 550 — 559.
- Rothman D. Letter to editor // Technometrics. 1968. — Vol. 10. -P. 432.
- Sakamoto Y., Ishiguro M., Kitagawa G. Akaike information criterion statistics. Tokyo: D. Reidel Publ. Сотр., 1986. — 290 p.
- Sakamoto Y., Ishiguro M., Kitagawa G. Bootstrapping log likelihood and EIC, an extension of AIC // Ann. Inst. Statist. Math. 1997. — Vol. 40. -P. 411−434.
- SAS/STAT. User’s guide release 6.03 edition. Cary: SAS Inst. Inc., 1988.-1028 p.
- Schwarz G. Estimating the dimension of a model // Annals of Statistics. 1978.-Vol. 6.-P. 461−464.
- Searle S.R. Linear models. New York: John Wiley, 1971. — 532 p.
- Shao J. Linear model selection by cross-validation // J. Amer. Statist. Assoc. 1993. — Vol. 88. — P. 486 — 494.
- Shi P., Tsai Ch.-L. A note on the unification of the Akaike information criterion // Journal of the Royal Statistical Society, ser. B. 1998. — Vol. 60. -P. 551 -558.
- Siotani M., Hayakawa Т., Fujikoshi Y. Modern multivariate statistical analysis: A graduate course and handbook. Columbus, Ohio: Amer. Sci. Press, 1985.-759 p.
- Sommer S., Staudte R.G. Robust variable selection in regression in the presence of outliers and leverage points // Austral. J. Statist. 1995. — Vol. 37. -P. 323−336.
- Sparks R.S., Coutsourides D., Troskie L. The multivariate Cp II Communications in Statistics Theory and Methods. — 1983. — Vol. 12. — P. 13 — 26.
- Srivastava R., Gupta V.K., Dey A. Robustness of some designs against missing observations // Communications in Statistics Theory and Methods. -1990.-Vol. 19.-P. 121−126.
- Srivastava R., Gupta V.K., Dey A. Robustness of some designs against missing data//Journal of Applied Statistics. 1991. — Vol. 18. — P. 313 -318.
- Sugiura N. Further analysis of the data by Akaike’s information criterion and the finite corrections // Communications in Statistics Theory and Methods. -1978.-Vol. 7.-P. 13−26.
- Varghese С., Rao A.R., Sharma V.K. Robustness of Williams square change-over designs // Metrika. 2002. — Vol. 55. — P. 199 — 208.
- Verbeke G., Lesaffre E. The effect of drop-out on the efficiency of longitudinal experiments // Journal of the Royal Statistical Society, ser. C. 1999. -Vol. 48.-P. 363−375.
- Verbeke G., Molenberghs G. Linear mixed models for longitudinal data. New York: Springer, 2000. — 568 p.
- Wiens D.P. Robust designs for approximately linear regression: M -estimated parameters // Journal of Statistical Planning and Inference. 1994. -Vol. 40.-P. 135−160.
- Wu Y. An M-estimation-based model selection criterion with a data-oriented penalty // J. Statist. Comput. Simul. 2001. — Vol. 70. — P. 71 — 87.
- Wu Y., Zen M.M. A strongly consistent information criterion for linear model selection based on M -estimation // Probab. Theory Relat. Fields. 1999. -Vol. 113.-P. 599−625.
- Zellner A. An efficient method of estimating seemingly unrelated regressions and tests for aggregation bias // J. Amer. Statist. Assoc. 1962. — Vol. 57. -P. 348−368.
- Zocchi S.S., Atkinson A.C. Optimum experimental designs for multinomial logistic models // Biometrics. 1999. — Vol. 55. — P. 437 — 444.