Математическое моделирование неоднородных социально-экономических совокупностей по случайным выборкам тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат наук Черепанов, Евгений Васильевич

• Черепанов, Евгений Васильевич
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Черепанов, Евгений Васильевич

СОДЕРЖАНИЕ

Введение

Глава 1. Стохастические методы в социально-экономических исследованиях: состояние и направления развития

1.1. Специфика использования стохастического формализма в маркетинговых и социально-экономических исследованиях

1.2. Дихотомизация описания социально-экономических систем как основной принцип работы с эмпирическими нечисловыми данными

1.3. Проблема полноты и достоверности таблиц эмпирических данных. Статистическое прогнозирование в эконометрических

и технико-экономических исследованиях

1.4. Статистическая классификация многомерных объектов. Соотношение понятий неопределенности,

нечеткости и случайности

Выводы по главе 1

Глава 2. Многомерные обобщения гипергеометрического распределения и их асимптотика как основа изучения неоднородных (структурированных) множеств

2.1. Многомерные обобщения гипергеометрического

распределения (IIP)

2.2. Случайные и квотные оценки в социально-экономических исследованиях. Практическое формирование случайной выборки

2.3. Полиномиальное распределение (ПР) и его обобщения

2.4. Непрерывные аналоги распределений полиномиального

типа для неоднородных совокупностей несчетной мощности

Выводы по главе 2

Глава 3. Статистические оценки частот встречаемости булевых признаков по случайной неоднородной выборке. Непараметрические полиграммные оценки

3.1. Статистические оценки частот встречаемости булевых признаков по случайной неоднородной выборке с использованием обобщений гипергеометрического распределения

3.2. Статистические оценки частот встречаемости булевых признаков для категорий населения с использованием обобщений полиномиального распределения

3.3. Метод группового анкетирования на «малых выборках»

3.4. Полиграммные оценки и их использование при анализе

непрерывных распределений экономических показателей

Выводы по главе 3

Глава 4. Статистические методы выборочного оценивания

в эконометрических исследованиях

4.1. Анализ полноты и достоверности данных в эмпирических

таблицах значений экономических показателей

4.2 Непараметрическое прогнозирование и статистическое

планирование экономической динамики

4.3. Типологическое пространство, функция сходства и

анализ уровня экономических объектов

4.4. Статистическая классификация многомерных экономических и

технических систем на основе ранговых мер сходства

Выводы по главе 4

Глава 5. Стохастический анализ потребительских рынков

5.1. Математические характеристики потребительских рынков. Количественное описание однотоварного рынка

5.2. Статистический анализ потребительских предпочтений

(на примере московского рынка табачной продукции)

5.3. Стохастический анализ негосударственной пенсионной

системы в регионах РФ

5.4. Стохастический анализ рынков личного страхования в регионах РФ

Выводы по главе 5

Глава 6. Стохастический анализ социальных и экономических взглядов населения (на примере исследования казачества Юга России)

6.1. Цели, инструментарий и методика выборочного

обследования казачества Северного Кавказа

6.2. Самоидентификация казачества Юга России и

отношение казаков к идее о создании казачьей автономии

6.3. Изменения в жизни казаков Северного Кавказа.

Самооценка казаками своего материального положения

6.4. Отношение казаков к несению Государственной службы. Использование метода группового анкетирования на малых

выборках в исследовании казачества Юга России

Выводы по главе 6

Основные выводы по диссертационной работе

Список литературы

Приложение 1. Математическое описание потребительского рынка: совокупный спрос и розничная торговля. Функция совокупного спроса

Приложение 2. Математическое описание потребительского рынка: производство и оптовая торговля. Производственная функция

Введение диссертации (часть автореферата) на тему «Математическое моделирование неоднородных социально-экономических совокупностей по случайным выборкам»

ВВЕДЕНИЕ

Актуальность темы исследования

В России с развитием рыночной экономию! резко изменился характер экономических отношений между субъектами хозяйствования, отношение населения к собственности, а производителей к активам, условиям аренды и правилам налогообложения. У органов власти всех уровней резко усилилась потребность в объективной, полной и оперативно получаемой управленческой информации. Одним из основных источников данных о социальном, экономическом, демографическом и экологическом положении страны сегодня являются результаты выборочных обследований населения и домашних хозяйств.

В настоящее время Федеральной службой государственной статистики страны проводятся регулярные выборочные обследования бюджетов домашних хозяйств и населения, занятости и безработицы, обследования по вопросам экономической активности населения и его потребительских ожиданий. В будущем планируется расширить систему выборочных обследований, включив в нее мониторинг по таким вопросам, как: условия жизни и доходы населения; его участие в социальных программах; качество и доступность услуг в сферах образования, здравоохранения и социального обслуживания; содействие занятости населения; использование труда мигрантов и ряд других вопросов.

Отметим также, что в сферах разработки новых технологий и изделий техники, процессах промышленного производства и торговли для эффективного и рационального управления необходима обработка очень больших информационных массивов. Сегодня именно на основе выборочных обследований проводят маркетинговые исследования, изучают качество проектируемых и производимых технических систем, поступивших в продажу товаров, эффективность ценообразования и новых

форм торговли, совокупный потребительский спрос и степень удовлетворения населения по различным видам товаров и услуг.

Все это обусловливает необходимость широкого использования выборочного метода в социально-экономических обследованиях, основу которого составляет закон больших чисел. Однако его использование требует наличия большого выборочного ансамбля наблюдений, случайным образом отобранных из однородной генеральной совокупности. В реальности любой социум (генеральная совокупность) является заведомо неоднородным множеством, структурированным по различным номинальным (классификационным) шкалам.

В эмпирических социально-экономических работах проблему неоднородности (структурированности) исследуемой социально-экономической совокупности можно решить на основе одного из двух подходов:

• создав неслучайную выборку, репрезентативную изучаемой совокупности по многомерной структуре (хотя бы нескольким основным номинальным шкалам);

• математически корректно учесть при компьютерной обработке данных различия между структурами генеральной совокупности и выборочного ансамбля.

Существует четыре основных типа неслучайных выборок, среди которых в эмпирических работах, несомненно, доминирует использование квотных выборочных ансамблей. По сути, формирование квотной выборки - синтез эвристических и стохастических элементов ее построения: выбор номинальных шкал носит абсолютно неслучайный характер, но отбор элементов в каждую квоту выборки псевдослучаен.

В этой связи вопрос о корректности применения стохастических выводов к оценкам и их погрешностям, полученным квотными методами, становится весьма дискуссионным. Квотный подход, по самой сути

построения квот не может дать оценок частот встречаемости качественных признаков по категориям априорных классификаций, т.е. в принципе невозможен анализ структуры предпочтений и ожиданий населения. Кроме того, создание квотной выборки для населения, проживающего на большой территории, даже по 3-4 номинальным шкалам, дело методически сложное, дорогостоящее, а иногда и практически нереализуемое. И при формировании квотной выборки не учитываются многие классификации, которые создают существенную неоднородность выборочного ансамбля.

Более перспективным является путь математически корректного учета различий между многомерными структурами неоднородной совокупности и случайной выборки ее элементов на этапе компьютерных расчетов. Этот подход пока не нашел заметного развития, хотя, требуя значительного объема компьютерных расчетов, и решает указанную задачу. В этой связи теоретически, методически и практически актуальной является проблема разработки и внедрения методов стохастического анализа и математического моделирования неоднородных совокупностей на основе случайных выборок, решению которой и посвящена диссертационная работа.

Степень разработанности проблемы.

В социально-экономических приложениях однородные выборочные ансамбли встречаются редко. Поэтому статистическая теория, развиваемая в фишеровских традициях, и выборочная методология, включая анализ эмпирических данных, в силу специфики стохастического анализа реальных совокупностей (неоднородность и малые объемы выборок, наличие «выбросов», ошибки в эмпирических таблицах данных, наличие смесей распределений), зачастую плохо работают в этих условиях.

С 60-х гг. XX в. стало принято отличать методы прикладной статистики (или, как их чаще называют на Западе, «анализа данных») от методов математической статистики. В 70-х гг. в развитии количественных

методов социально-экономических исследований произошел «резкий скачок», в явном виде выделились 4 направления разработки новых методов анализа данных и математического моделирования:

• устойчивых к нарушениям априорных предпосылок (непараметрических и робастных) процедур оценивания характеристик непрерывных распределений;

• анализа качественных (нечисловых) показателей (признаков);

• классификации сложных многомерных объектов и систем;

• прогнозирования многомерных последовательностей показателей.

Большой вклад в развитие прикладной статистики и многомерного анализа данных был внесен западными учеными, среди которых особенно выделяются труды Т. Андерсена [24], П. Бикеля [42,309], Г. Бокса [311], Г. Бриллинджера [51], Р. Винна и К. Холдена [55], Я. Гаека [58,317], М. Гупты [316], Э. Дидэ [65], К. Доугэрти [71], Г. Дэйвида [79], М. Кендал-ла [105-108], Р. Литтла [136], Ф.Мостеллера [157], Д. Роджерса [309],

A. Стюарта [105-107], Дж. Тьюки [157,242,243,309,328,329], Ф. Хампеля [257,258,309,318], К. Холлиндера [261], П. Хубера [264,309,319] и др.

Не менее велик вклад в развитие математических и эконометрических методов социально-экономических исследований выдающихся российских ученых С.А. Айвазяна [8-17], Ю.И. Алимова [19-22], М.Г. Дмитриева [68, 69], А.М. Дуброва [72-74], Э.Б. Ершова [85], Н.Г. Загоруйко [91-94],

B.C. Мхитаряна [159-169], В.В. Налимова [170], А.Г. Постникова [190], B.C. Пугачева [193], Ф.П. Тарасенко [214-217,326], Ю.Н. Толстовой [231237], В.Н. Тутубалина [239-241], Ю.Н Тюрина [244-247] и ряда других.

Важные результаты по развитию стохастической теории, многомерных эконометрических методов и инструментального аппарата социально-экономических исследований, распознаванию образов, статистической классификации, прогнозированию и смежным вопросам получили А.В. Бабаш [30,31], В.А. Балаш [33-35], Ю.Г. Дмитриев [214], Т.А. Дуброва

[75-77], С.А. Дубровский [78], Н.Е. Егорова [83], A.A. Ершов [84], Г.С. Жукова [88,89], И.Г. Журбенко [90], И.А. Киселева [110-112], А.О. Крыштановский [129], Г.С. Лбов [133], H.H. Леоненко [134], Ю.П. Лукашин [139,140], Л.Д. Мешалкин [148-150], Б.Г. Миркин [154, 155], А.И. Орлов [176-178], В.И. Паниотто [85], A.A. Пересецкий [184], Г.В. Раушенбах [195], П.С. Ростовцев [196], Г.А. Сатаров [201], A.A. Свешников [202,203], С.А. Смоляк и Б.П. Титаренко [113,208], В.И. Соловьев [209-211], Ю.Ф. Тельнов [219-221], В.П. Тихомиров [222-224], Н.П. Тихомиров [225-227], А.И. Уринцов [250], A.A. Филиппова [252] и другие.

Основные результаты, полученные в диссертационном исследовании, относятся к нечисловой статистике. Заметим, что анализ объектов нечисловой природы лежал в истоках всей стохастической математики (схема испытаний Бернулли, задачи выбора, с возвращением и без него, «разноцветных» шаров из урны). Именно при изучении этих явлений были получены теорема Муавра-Лапласа, биномиальное, гипергеометрическое, полиномиальное и пуассоновское распределения. А в середине XX в. была создана методология статистического анализа качества массовой продукции [156,159]. О современном состоянии аппарата нечисловой статистики можно судить по монографиям Ю.Н. Толстовой [233-235], А.И. Орлова [176,178] и по статье Ю.Н. Тюрина и Д.С. Шмерлинга [247].

Разработка методов нечисловой статистики неразрывно связана с совершенствованием выборочной методологии. Интересные взгляды на природу случайности и репрезентативности выборочных ансамблей высказывались в работах Ф.Н. Ильясова [102], М.С. Косолапова [125] и А.Н. Чурикова [301]. Наиболее полное представление о современных взглядах на проведение выборочных обследований дают известные классические монографии западных исследователей Ф. Йейтса [103], У. Кокрена [116] и Л. Киша [322]. Серьезный интерес представляет и монография С.Д. Орлова [175], написанная просто и логично.

Но и сегодня существует большое число проблем в методиках анализа реальных социально-экономических данных (количественных и качественных). В частности, моделирование структуры появления нечисловых признаков среди классификационных категорий неоднородных совокупностей, дальнейшее развитие устойчивых процедур оценивания характеристик аналитически неизвестных распределений, прогнозирование экономической динамики по сверх короткой ретроспективе, анализ полноты и достоверности таблиц эмпирических данных, нечеткая классификация многомерных объектов техники и экономики, задачи многокритериального отбора. Решению этих задач, имеющих большое теоретическое и практическое значение, и посвящена диссертация.

Цель и задачи исследования. Целью диссертационного исследования является разработка комплекса методов для математического моделирования неоднородных социально-экономических совокупностей на основе анализа случайных выборок ее элементов, характеризуемых качественными и количественными признаками.

В соответствие с целью в работе поставлены и решены следующие задачи, представляющие научно-теоретический и практический интерес:

1) проанализировать вероятностную основу выборочной методологии на совокупностях неоднородных данных, как основного научного инструментария эмпирических социально-экономических исследований;

2) провести сравнительный анализ методик работы на квотных и случайных выборках; исследовать вопрос о стохастической корректности использования квотной методологии на выборках неоднородных (структурированных по априорным номинальным шкалам) экономических наблюдений;

3) получить многомерные обобщения гипергеометрического и полиномиального распределений, которые адекватно описывают в

эмпирических социально-экономических исследованиях случайный отбор элементов неоднородных совокупностей в выборочный ансамбль;

4) получить непрерывные аналоги многомерных обобщений полиномиального распределения, описывающие случайное формирование «выборочных ансамблей» из неоднородных экономических совокупностей несчетной мощности, которые заданы векторами непрерывных стохастических переменных;

5) разработать методы статистического оценивания частот встречаемости качественных признаков, используя случайные выборки из неоднородных социально-экономических совокупностей, как в целом по исследуемой совокупности, так и среди элементов ее априорных классификационных категорий;

6) разработать и апробировать методику группового анкетирования на малых выборках, позволяющую получать количественные результаты при очень небольших объемах выборочной информации;

7) разработать и математически обосновать методику количественного маркетинга потребительских рынков конкурентных товаров, позволяющую выявлять предпочтения различных категорий покупателей;

8) разработать полиграммный метод непараметрического оценивания интегральных функционалов, линейно зависящих от функции плотности вероятностей аналитически неизвестного кусочно-непрерывного распределения, который позволяет получить значения характеристик эмпирических распределений экономических показателей;

9) разработать методы оценивания недостающих и недостоверных значений показателей в эмпирических таблицах экономических данных, позволяющие повысить стабильность получаемых результатов за счет свойств ранговых статистик;

10) разработать и апробировать методику непараметрического прогнозирования экономической динамики по свехкороткой ретроспективе наблюдений;

11) разработать и апробировать комплекс математических моделей и методов для анализа состояния социально-экономических объектов и систем, в том числе - потребительских рынков, с целью повышения обоснованности и эффективности принимаемых решений;

12) разработать и апробировать методику математического моделирования и непараметрического анализа мер сходства, статистической классификации многомерных объектов техники и экономики, их ранжирования по уровню развития (качеству).

Объект исследования: неоднородные экономические и социально-экономические совокупности, элементы которых определены значениями конечного набора качественных и количественных показателей.

Предмет исследования: методы стохастического анализа и математического моделирования неоднородных экономических и социально-экономических совокупностей, многомерная структура и свойства которых оценивается по случайным выборочным ансамблям из элементов этих совокупностей.

Теоретическая и методологическая основа исследования включает труды отечественных и зарубежных ученых по стохастическому моделированию социально-экономических систем, методам выборочного оценивания и нечисловой статистике, эконометрике и многомерному анализу данных, прогнозированию экономической динамики, классификации и ранжированию сложных многомерных объектов.

Область исследования. Исследование выполнено в рамках Паспорта отрасли наук «Экономические науки», специальности по коду ВАК Минобрнауки РФ - 08.00.13 «Математические и инструментальные методы экономики», пунктов:

1.1. Разработка и развитие математического аппарата анализа экономических систем: математической экономики, эконометрики, прикладной статистики, теории игр, оптимизации, теории принятия решений, дискретной математики и других методов, используемых в экономико-математическом моделировании.

1.2. Теория и методология экономико-математического моделирования, исследование его возможностей и диапазонов применения: теоретические и методологические вопросы отображения социально-экономических процессов и систем в виде математических, информационных и компьютерных моделей.

1.9. Разработка и развитие математических методов и моделей анализа и прогнозирования развития социально-экономических процессов общественной жизни: демографических процессов, рынка труда и занятости, качества жизни населения.

Информационная база диссертационной работы.

Фактографический материал диссертации составляют данные Института экономики и комплексных проблем связи (Институт «ЭКОС»), Института системных исследований и социологии (ИСИС), Академии менеджмента инноваций (АМИ), Информационно-аналитических агентств «МиК - Маркетинг и Консалтинг» (ИАА «МиК») и «Регион-Информ», представительства в РФ трансконтинентальной корпорации

«Young & Rubicam Inc.», данные Росстата и сети Интернет по исследуемой тематике. В диссертации также были использованы материалы исследований и разработок, выполненных под руководством и при непосредственном участии автора:

• «Анализ региональных рынков страхования от несчастных случаев» (2006 г.).

• «Анализ рынков пенсионного страхования в регионах РФ (2006 г.)»;

• «Анализ потребительского рынка табачных изделий г. Москвы (2009 г.);

• «Разработка аналитической подсистемы автоматизированной интегрированной базы данных для Государственной корпорации "Ростехнологии"» (2009-2010 гг.);

• «Особенности региональной специфики и самоидентификации современного казачества Юга России в процессе модернизации гражданского общества» (2011 г.);

Научная новизна и теоретическая значимость исследования состоит в том, что решена важная научная проблема разработки методов математического моделирования неоднородных социально-экономических совокупностей по случайным выборкам, которые основаны на теоретико-вероятностных моделях сопоставления структур генеральной совокупности и случайного выборочного ансамбля при компьютерной обработке данных. Разработанные модели и методы значительно повышают точность получаемых результатов и полноту информационного описания исследуемых экономических процессов и систем, повышают оперативность проведения работ, связанных с решением задач экономического планирования производства и торговли, проведением социально-экономических обследований, изучением потребительских рынков товаров и услуг.

Основные научные результаты, полученные лично автором и выносимые на защиту.

1. Разработана теоретико-вероятностная модель процесса формирования случайных выборочных ансамблей из неоднородных социально-экономических совокупностей, характеризуемых количественными и качественными признаками, в основу которой положены обобщения гипергеометрического и полиномиального распределений.

2. Проведен сравнительный анализ процедур оценивания частот встречаемости качественных признаков на основе квотной методологии и методов случайного формирования выборки. Показано, что оценивание по случайным выборочным ансамблям позволяет значительно повысить точность статистических оценок и полноту описания изучаемой социально-экономической системы, снизить стоимость и повысить оперативность получения фактографических (эмпирических) данных (за счет случайного формирования выборочного ансамбля).

3. Разработаны и исследованы ранее неизвестные многомерные распределения, являющиеся обобщениями гипергеометрического и полиномиального распределений, которые адекватно и математически корректно описывают формирование случайного выборочного ансамбля из неоднородной социально-экономической совокупности.

4. Предложено и вероятностно-математически обосновано обобщение выборочного метода для несчетных множеств, описанных непрерывными показателями. Найдены распределения, адекватно описывающие процесс формирования «непрерывной выборки», получены выражения для моментов, моды и ковариаций этих распределений.

5. Разработаны и исследованы методы оценивания частот встречаемости качественных признаков по случайным выборкам, как для неоднородных социально-экономических совокупностей в целом, так и для их априорных классификационных категорий. Это позволяет значительно повысить точность получаемых оценок, снизить стоимость получения фактографических данных и радикально повысить полноту описания изучаемой неоднородной совокупности, позволяя получить структуру предпочтений и ожиданий населения (покупателей, домохозяйств, электората).

6. Разработана и математически обоснована методика анализа многоаспектных и сложных социально-экономических проблем по

выборкам малого объема, являющаяся формально корректным аналогом метода «фокус-групп», который широко применяется при анализе потребительских рынков и социально-экономических ожиданий и предпочтений населения. Предложенный метод позволяет получать, наряду с описательными, и количественные результаты анализа потребительских рынков и социально-экономических ожиданий населения.

7. Предложена методология маркетинговых исследований потребительских рынков конкурентных товаров, основанная на анализе предпочтений случайных выборочных ансамблей покупателей, которая позволяет объективно выявлять совокупный потребительский спрос и доминанты ожиданий различных категорий покупателей.

8. Разработан непараметрический метод полиграммного оценивания интегральных функционалов, зависящих от функции плотности вероятностей аналитически неиз-вестного кусочно-непрерывного распределения; доказаны состоятельность и асимптотическая нормальность этих оценок. Получены непараметрические состоятельные и асимптотически нормальные оценки полиграммного типа для первых центральных моментов непрерывных распределений экономических показа-телей; разработана полиграммная процедура получения состоятельной и асимптоти-чески несмещенной оценки моды (наиболее вероятного значения) исследуемого показателя для случая аналитически неизвестных унимодальных распределений.

9. Предложен и обоснован непараметрический метод оценивания недостающих и недостоверных показателей в эмпирических таблицах экономических, технико-экономических и финансовых данных; метод позволяет повысить точность оценок за счет его циклического характера и использования свойств ранговых статистик.

10. Разработан метод статистического прогнозирования экономической динамики, использующий процедуру непараметрического экстраполирования последовательностей значений экономических показателей по короткой ретроспективе данных. Метод основан на использовании аппарата конечных разностей, факторном анализе показателей, ранговых корреляциях и свойствах порядковых статистик, что позволяет повысить точность прогноза при наличии короткой ретроспективы наблюдений.

11. Предложена и апробирована методика выявления доминант предпочтений и ожиданий населения в целом и его социально-демографических категорий по широкому спектру социально-экономических и общественно-политических проблем, которая основана на анализе случайных выборок. За счет выявления и анализа структуры мнений различных категорий населения, методика позволяет радикально повысить объективность и эффектность планирования мероприятий социально-экономической политики.

12. Разработана методика непараметрического анализа мер сходства многомерных экономических объектов, их статистической классификации и ранжирования по уровню развития. Меры сходства экономических объектов формируются стохастически с использованием свойств порядковых статистик. Методика ранжирования объектов по их уровню, которая основана на выявлении классов эквивалентности мажорант по отношению Парето, использовании компонентного анализа и свойств ранговых статистик, позволяет реализовать многокритериальный отбор (в заданном смысле) лучших экономических объектов.

Практическая значимость диссертационной работы.

Разработанные в диссертационном исследовании методы анализа неоднородных социально-экономических совокупностей, описанных качественными признаками, на основе использования случайных выборочных ансамблей их элементов позволяют:

• значительно повысить точность оценивания и полноту описания предпочтений и ожиданий потребителей (населения, хозяйств) по сравнению с квотными методами при маркетинге потребительских рынков и социально-экономических обследованиях;

• получать математически корректные количественные результаты при малых объемах выборочных данных обследований населения (покупателей), что дает возможность повысить эффективность рекламных кампаний и мероприятий;

• повысить оперативность «полевых» исследований и снизить затраты на получение фактографической информации при проведении социально-экономических и маркетинговых обследований за счет случайного формирования выборки.

Основные теоретические результаты автора были использованы в социально-экономических, маркетинговых, эконометрических и технико-экономических исследованиях, выполненных для целого ряда крупных отечественных и зарубежных компаний, в том числе - информационно-аналитических агентств «МиК - Маркетинг и Консалтинг» и «Регион-Информ», Представительства трансконтинентальной корпорации «Young & Rubicam Inc.» в РФ, Института экономики и комплексных проблем связи, ООО «Независимый Центр технико-экономических исследований» (г. Москва) и целого ряда других организаций.

В 2011 г. под руководством и при непосредственном участии автора было успешно проведено «социально значимое» научное исследование «Особенности региональной специфики и самоидентификации современного казачества Юга России в процессе модернизации гражданского общества», которое имело статус президентского гранта (в соответствии с Распоряжением Президента РФ от 08.05.2010 г. № 300-рп).

Таким образом, полученные в диссертационном исследовании результаты могут быть использованы в широком диапазоне теоретических

и прикладных работ эконо-мической, технико-экономической и социально-экономической направленности, в которых исходные данные представлены выборкой из неоднородной совокупности.

Апробация результатов диссертационной работы.

Изложенный в диссертации материал был апробирован на 24 Международных, Всесоюзных, Всероссийских и отраслевых научных конференциях, в том числе на:

• XI Международной научно-практич. конференции «Научная дискуссия: вопросы экономики и управления». М.: Международный центр науки и образования. - 2013 г.;

• Международной научно-практической конференции «Мировая наука и современное общество: актуальные вопросы экономики, социологии и права». Саратов: Центр профессионального менеджмента «Академия бизнеса». - 2013 г.;

Список литературы диссертационного исследования кандидат наук Черепанов, Евгений Васильевич, 2014 год

Список литературы

1. Абросов В.И., Черепанов Е.В. О выявлении современного уровня техники рассматриваемой области. // Бюллетень межотраслевой информационной службы. М.: ВНИИ межотраслевой информации, 1979, 1, с. 41-48.

2. Адлер Ю.П. Наука и искусство анализа данных. Предисловие к двухтомнику Ф. Мостеллера и Дж. Тьюки [122].

3. Азаров C.B., Зотова Е.А., Черепанов Е.В. Кластеризация многомерных наблюдений на основе компонентного анализа статистик бинарного отношения на множествах. // Математические методы и компьютерные технологии в маркетинговых и социальных исследованиях. Сборник научных работ. М.: Академия менеджмента инноваций, 2004, с. 79-87.

4. Азаров C.B., Черепанов Е.В. Регрессионные методы статистического оценивания в социальных исследованиях. // Математические методы и компьютерные технологии в маркетинговых и социальных исследованиях. Сборник научных работ. М.: Академия менеджмента инноваций, 2004, с. 56-73.

5. Азаров C.B., Пашин Ю.А., Черепанов Е.В. Современные компьютерные технологии в социальных исследованиях. // Безопасность Евразии, 2005, 1, с. 264-281.

6. Азаров C.B., Черепанов Е.В. Статистические оценки при групповом анкетировании методом малых выборок. // Информатика, социология, экономика, менеджмент. Межвузовский сборник научных трудов. М.: Академия менеджмента инноваций, 2006, № 3,4.1, с.38-46.

7. Айвазян С.А, Розанов А.Ю. Некоторые замечания к асимптотически эффективным линейным оценкам коэффициентов регрессии. // Труды Математ. инст-та им. Стеклова АН СССР, 1964, т. XXI, с. 237-249.

8. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, 1974. - 240 с.

9. Айвазян С.А, ЕнюковКС., Мешалкин Л Д. Прикладная статистика: основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.-481 с.

10. Айвазян С.А, Енюков КС., Мешалкин Л.Д. Прикладная статистика: исследование зависимостей. М.: Финансы и статистика, 1985. - 487 с.

11. Айвазян С. А., Бухштабер В.М., Енюков КС, Мешалкин Л Д. Прикладная статистика: классификация и снижение размерности. М.: Финансы и статистика, 1989. - 607 с.

12. Айвазян С.А. Модель формирования распределения населения России по величине среднедушевого дохода. // Экономика и математические методы, 1997, т.ЗЗ, вып. 4, с.74-86.

13. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. В 2-х томах. М.: Юнити, 1998. - 1022 с.

14. Айвазян С.А., Мхитарян В.С. Теория вероятностей и прикладная статистика. М.: Юнити, 2001. - 656 с.

15. Айвазян С.А., Иванова С.С. Эконометрика. М.: МаркетДС, 2007. -104 с.

16. Айвазян С. А. Методы эконометрики. М.: Инфра-М, 2010. - 512 с.

17. Айвазян С.А. Анализ качества и образа жизни населения (экономет-рический подход). - ЦЭМИ РАН. - М: Наука, 2012. - 432 с.

18. Александров П. С. Введение в теорию множеств и общую топологию. М.: Наука, 1977. - 452 с.

19. Алимов Ю.И. Об оценивании устойчивости эмпирических распределений. // Математическая статистика и ее приложения, вып. IX. Томск: ТГУ, 1983, с. 24-32.

20. Алимов Ю.И. Альтернатива методу математической статистики. М.: Знание, 1980.-156 с.

21. Алимов Ю.И. Измерение спектров и статистических вероятностей. Свердловск: Уральский Политехнический Институт, 1986. - 86 с.

22. Алимов Ю.И, Кравцов Ю.А. Является ли вероятность «нормальной» физической величиной? // Усп. физ. наук, 1992, т. 162, 7, с.149-182.

23. Аллен Р. Экономические индексы. / Пер. с англ. М.: Статистика, 1980.

24. Андерсон Т. Статистический анализ временных рядов. / Пер. с англ. М.: Мир, 1976.-868 с.

25. Аристотель. Никомахова этика. // Философы Греции. Сер.: Антология мысли. М.: Эксмо - пресс, 1999, с. 793-1026.

26. Артамонов Г. Т., Черепанов Е.В. и др. О корректности статистического подхода к анализу фактографической информации в автоматизированном режиме. // Проблемы автоматизированной обработки НТИ. Тезисы докл. III Всесоюзной конференции. М., ВСНТО, 1980, с. 78-86.

27. Артамонов Г. Т., Черепанов Е.В. и др. О корректности анализа фактографических данных статистическими методами. // Научно-техническая информация. Сер. II: Информационные процессы и системы, 1981, 7, с. 17-23.

28. Архипов А.П. Страховое дело. М.: Государственный университет МЭСИ, 2005.-367 с.

29. Афифи А., Эйзен С. Статистичеческий анализ. Подход с использованием ЭВМ. / Пер. с англ. М.: Мир, 1982. - 471 с.

30. Бабаш A.B. Приближенные модели конечных автоматов. // Обозрение прикладной и промышленной математики, т. 12, №. 2, 2005, с. 188-193.

31. Бабаш A.B., Шанкин Г.П. Криптография. М.: COJIOH-P, 2007, -276 с.

32. Базел Р.Д., Кокс Д.Ф., Браун Р.В. Информация и риск в маркетинге. / Пер. с англ. М.: Финстатинформ, 1993.-95 с.

33. Балаш В.А., Периш Д., Сидоров С.П. Использование данных новостной аналитики в GARCH моделях. // Прикладная эконометрика, 1 (29), 2013, с. 82-97.

34. Балаш В.А., Балаш О. С., Трошин Л.И. Анализ нечисловой информации. М.: Государственный университет экономики, статистики и информатики (МЭСИ), 1998. - 94 с.

35. Балаш В.А., Харламов В.А. Эконометрический анализ геокодиро-ванных данных о ценах на жилую недвижимость. // Прикладная эконометрика, № 2 (22), 2011, с. 86-99.

36. Басовский Л.Е. Прогнозирование и планирование в условиях рынка. М.: Инфра-М, 2006. - 160 с.

37. Безрук В.М. Синтез и анализ парето-оптимальных систем распознавания случайных сигналов методом рабочих характеристик. // АСУ и приборы автоматики, 1999, вып. 109, с. 25-29.

38. Белановский С.А. Метод фокус-групп. М.: Николо М, 2001. - 276 с.

39. БернуллиЯ. О законе больших чисел. / Пер. с латинск. Юбилейное издание с предисловиями A.A. Маркова и А.Н. Колмогорова. М.: Наука, 1986.-176 с.

40. Бессокирная Г.П. Факторный анализ: традиции использования и новые возможности. // Социология 4M, 2000, №. 12, с. 142-153.

41. Бессокирная Г.П. Дискриминантный анализ для отбора информативных переменных. // Социология 4M, 2003, №. 16, с. 25-35.

42. Бикел П., Доксам К Математическая статистика. В 2-х т. / Пер. с англ. М.: Финансы и статистика, 1983. - 788 с.

43. Биркгоф Г., Барти Т. Современная прикладная алгебра. / Пер. с англ. М.: Мир, 1976.-400 с.

44. Божко В.П., Ципис Я.Л. Проектирование машинной обработки статистической информации. М.: изд. МЭСИ, 1984. - 234 с.

45. Божко В.П. Опыт обработки статистической информации и основы коммерческой деятельности в области ее распространения. М.: изд. МЭСИ, 1998. - 128 с.

46. Большая Советская Энциклопедия. Эконометрия (эконометрика). М.: и зд. «Советская Энциклопедия», т.29, 1978, с. 600.

( http://dic.academic.rU/dic.nsf/bse/l 53166/Эконометрия ).

47. Борисевич В.И. и др. Прогнозирование и планирование экономики. М.: Интер Пресс Сервис, 2001. - 184 с.

48. Борисов А.Н., Алексеев A.B. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. — 264 с.

49. Браун Р., СпидиК, ГудвинДж. Теория управления. М.: Издательский Мир, 1973.-248 с.

50. Браунли К.А. Статистическая методология в науке и технике. / Пер. с англ. М.: Наука, 1977. - 382 с.

51. Бриллинджер Г. Временные ряды. Обработка данных и теория. / Пер. с англ.М.: Мир, 1980.-728 с.

52. БююлъА., ЦефельП. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. / Пер. с англ. С.-Пб.: ДиасофтЮП, 2005. - 462 с.

53. Вентцелъ Е.С., Овчаров JI.A. Теория вероятностей и ее инженерные приложения. М.: Высшая школа, 2000.-480 с.

54. Винер Норберт. Творец и робот. М.: Мир, 1966. - 228 с.

55. Винн Р., Холден К. Введение в прикладной эконометрический анализ. / Пер. с англ. М.: Финансы и статистика, 1981. - 484 с.

56. Владимирова Л.П. Прогнозирование и планирование в условиях рынка. М.: Дашков и К, 2004.-218 с.

57. Вучков К, Бояджиева А., Солаков Е. Прикладной линейный регрессионный анализ. М.: Финансы и статистика, 1987. - 346 с.

58. Гаек Я., Шидак 3. Теория ранговых критериев. / Пер. с англ. М.: Наука, 1971.-422 с.

59. Галицкий Е.Б. Методы маркетинговых исследований. М.: Институт фонда «Общественное мнение», 2004. - 178 с.

60. Гантмахер Ф. Теория матриц. / Пер. с англ. М.: Наука, 1971. - 512 с.

61. ГелъфондА.О. Исчисление конечных разностей. М.: Наука, 1967.335 с.

62. Горбунов В.К. Математическая модель потребительского спроса. М.: Экономика, 2004. - 174 с.

63. Гренджер К, Хатанака М. Спектральный анализ временных рядов в экономике. / Пер. с англ. М.: Статистика, 1972. — 380 с.

64. Громыко Г.Л. и др. Статистический анализ в экономике. М.: МГУ, 1992.-135 с.

65. Дидэ Э. и др. Методы анализа данных. / Пер. с франц. М.: Финансы и статистика, 1985. - 358 с.

66. Дик В.В. Классификация, состав и функции экономических советующих систем. // Советующие информационные системы в экономике. М.: ЮНИТИ, 2000, с. 39-92.

67. Дик В.В. Инструментальные средства формирования решений в системах сбалансированных показателей. // Прикл. информатика, 2,2006.

68. Дмитриев М.Г. и др. Некоторые вопросы информационной и аналитической поддержки магистерской подготовки. М.: РУДН, 2003. - 264 с.

69. Дмитриев М.Г. Введение в экономико-математические методы. М.: РГСУ, 2005.-246 с.

70. Дорнбуш Р., Фишер С. Макроэкономика. / Пер. с англ. М.: Инфра-М, 1997.-784 с.

71. ДоугэртиК. Введение в эконометрику. / Пер. с англ. М.: Инфра, 1997.-420 с.

72. Дубров А.М. Обработка статистических данных методом главных компонент. М.: Статистика, 1973. - 136 с.

73. Дубров А.М., Лагоша Б.А., Хрусталев Е.Ю. Моделирование рисковых ситуаций в экономике и бизнесе. М.: Финансы и статистика, 1999.

74. Дубров А.М., МхитарянВ.С., ТрошинЛ.И. Многомерные статистические методы. М.: Финансы и статистика, 2003. - 250 с.

75. Дуброва Т.А. Статистические методы прогнозирования. М.: Юнити-дана, 2003.-244 с.

76. Дуброва Т.А. Прогнозирование социально-экономических процессов. М.: Маркет ДС, 2007. - 262 с.

77. Дуброва Т.А. Выявление аномальных наблюдений при проведении многомерного статистического анализа. // Математико-статистический анализ социально-экономических процессов. Вып. 5. М.: Госуниверситет экономики, статистики и информатики (МЭСИ), 2008, с. 36-38.

78. Дубровский С.А. Прикладной многомерный статистический анализ. М.: Финансы и статистика, 1982. - 216 с.

79. ДэйвидГ. Порядковые статистики. / Пер. с англ. М.: Наука, 1979.284 с.

80. Дюбуа Д., Прад А. К анализу и синтезу нечетких отображений. // Нечеткие множества и теория возможностей. Последние достижения. / Пер.с англ. Сб. научных трудов. М.: Радио и связь, 1986, с.229-240.

81. Дюбуа Д., Прад А. Теория возможностей. Приложение к представлению знаний в информатике / Пер.с фр. М.: Радио и связь, 1990.- 344 с.

82. Епанечников В.А. Непараметрическая оценка многомерной плотности вероятностей. // Теория вероятностей и ее применен., 1969, т. XIX, 1, с. 98-103.

83. Егорова Н.Е., Шеин A.M. Экономико-математические методы анализа тарифно-ценовой стратегии предприятия ЖКХ. // Обозрение прикладной и промышленной математики, вып.5, т. 13, 2006.

84. Ершов А.А. Стабильные методы оценки параметров. Обзор. // Автоматика и телемеханика, 1978, 7, с. 67-89.

85. Ершов Э.Б. Ситуационная теория индексов цен и количеств. Сер.: Научная мысль. М.: РИОР, 2011. - 346 с.

86. Жарикова Е.В., Кудрявцева А.Ю., Черепанов Е.В. Финансовая оптимизация как основа страхового бизнеса. // Анализ социально-экономических и политических процессов и систем. М.: Академия менеджмента инноваций, 2006, вып. 3, с. 16-27.

87. Жерулъ А.О., Черепанов Е.В. Непараметрическое прогнозирование макроэкономических показателей на основе экстраполирования временных рядов. // 4-я Международная конференция «Авиация и космонавтика - 2005». Сборник докладов. М.: МАИ, 2005, с.28-32.

88. Жуков В.К, Жукова Г.С. Методология математического моделирования и управления социальными процессами. М.: Союз, 2006. - 242 с.

89. Жукова Г.С. Методология математического моделирования социальных систем. // Математическое моделирование социальной и экономической динамики. М.: РУДН, 2007. - 166 с.

90. Журбенко КГ. Анализ стационарных и однородных случайных систем. М.: МГУ, 1987.-267 с.

91. Загоруйко Н.Г., ЕлкинаВ.Н., ТимеркаевB.C. Алгоритм заполнения пропусков в эмпирических таблицах (алгоритм ZET). // Эмпирическое предсказание и распознавание образов, вып. 61. Новосибирск: Вычислительные системы, 1975, с. 3-27.

92. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: ИМ СО РАН, 1999. - 224 с.

93. Загоруйко Н.Г., Пичуева А.Г. Сравнение иерархических структур. // Искусственный интеллект и экспертные системы, 157. Новосибирск: Вычислительные системы, 1996, с. 101-111.

94. Загоруйко Н.Г. Распознавание образов методом попарного сравнения эталонов. // Доклады РАН, 2002, т. 382, № 1, с. 1-3.

95. Зайцев Ф.В., Полянин А.Д. Справочник по линейным обыкновенным дифференциальным уравнениям. М.: Факториал, 1997. - 304 с.

96. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. / Пер. с англ. М.: Мир, 1975.-228с.

97. Заде Л. А. Размытые множества и их применение в распознавании образов и кластер-анализе. // Классификация и кластер. Сб. научных тр. под ред. Дж. Вэн Райзина. / Пер. с англ. М.: Мир, 1980, с. 208-243.

98. Зотова Е.А., Черепанов Е.В. Кластеризация населения на основе анализа статистик бинарного отношения на множествах. // Анализ социально-экономических и политических процессов и систем. М.: Академия Менеджмента Инноваций, 2006, вып.З, с. 44-56.

99. Иванилов Ю.П., Лотов A.B. Математическое моделирование в экономике. М.: Наука, 1979. - 348 с.

100. Иберла К. Факторный анализ. / Пер.с англ. М.: Статистика, 1980.-400 с.

101. Ильин В.А., Позняк Э.Г. Линейная алгебра. М.: Наука, 1978. - 326 с.

102. Ильясов Ф.Н. Репрезентативность результатов опроса в маркетинговом исследовании. // Социолог, исследования, 2011, 3, с. 112-116.

103. Йейтс Ф. Выборочный метод в переписях и обследованиях. / Пер. с англ. М.: Статистика, 1965. - 338 с.

104. Кевеш П. Теория индексов и практика экономического анализа. / Пер. с англ. М.: Финанасы и статистика, 1990. - 284 с.

105. Кендалл М., Стюарт А. Теория распределений. / Пер. с англ. М.: Наука, 1966. - 846 с.

106. Кендалл М., Стюарт А. Статистические выводы и связи. / Пер. с англ. М.: Наука, 1966. - 899 с.

107. Кендалл М., Стюарт А. Многомерный статистический анализ и временные ряды. /Пер. с англ. М.: Наука, 1976. - 838 с.

108. КендэлМ. Ранговые корреляции/Пер.с англ.М.: Статистика, 1975,-214с.

109. КиниР.Л., РайфаХ. Принятие решений при многих критериях: предпочтения и замещения. М: Радио и связь, 1981. - 560 с

110. Киселева H.A. Моделирование компромиссных решений в экономике. М.: Государственный университет «МЭСИ», 2002. - 148 с.

111. Киселева И.А. Моделирование рисковых ситуаций. М.: МЭСИ, 2007.

112. Киселева И.А. и др. Выбор производственной стратегии малого предприятия с использованием имитационно-оптимизационного комплекса. // Экономические науки, 2007, № 12, с. 56-64.

113. КлеймерГ.С., Смоляк С.А. Эконометрические зависимости: принципы и методы построения. М.: Наука, 2000. - 102 с.

114. Клемент Э.Ф. О связи между различными понятиями нечетких мер. // Нечеткие множества и теория возможностей. Последние достижения. / Пер.с англ. Сб. научных трудов. М.: Радио и связь, 1986, с.279-285.

115. Ковалев С.В. Экономическая математика. М.: Крокус, 2010. - 248 с.

116. Кокрен У. Методы выборочных исследований. / Пер. с англ. М.: Статистика, 1976. - 440 с.

117. Кокс Д., Хинкли Д. Теоретическая статистика. / Пер. с англ. М.: Мир, 1978.-428 с.

118. Колмогоров А.Н. Общая теория меры и исчисление вероятностей. // Труды Коммунистич. академии, разд. математ., 1929, т.1, с.8-21.

119. Колмогоров А.Н. К вопросу о пригодности найденных статистическим путем формул прогноза. // Журн. геофиз. 1933, т. 3, с. 78-82.

120. Колмогоров А.Н. Интерполирование и экстраполирование стационарных случайных последовательностей. // Известия АН СССР. Сер. математ., 1941, том 5, № 1, с. 108-121.

121. Колмогоров А.Н. Несмещенные оценки. // Известия АН СССР, сер. математ. 1950, т. 14, № 4, с. 303-326.

122. Колмогоров А.Н. Основные понятия теории вероятностей. М.: Наука,

1974.-240 с.

123. Колмогоров А.Н., Фомин C.B. Элементы теории функций и функционального анализа. М.: Наука, 1976. - 542 с.

124. Корнилов А.Н. Основы страховой математики. М.: Юнити, 2004.- 400 с.

125. Косолапое М. С. Принципы построения многоступенчатой вероятностной выборки для субъектов Российской Федерации. // Социологические исследования, 1997, 10, с. 98-109.

126. Котлер Ф., Армстронг Г., Сондерс Дж., Вонг В. Основы маркетинга. / Пер. с англ. М.: Вильяме, 2000. - 944 с.

127. КофманА. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.-466 с.

128. Крамер Г. Математические методы статистики. / Пер. с англ. М.: Мир,

1975.-648 с.

129. Крыштановский А. О. «Кластеры на факторах» - об одном распространенном заблуждении. // Социология 4M, 2005, № 21, с. 166-184.

130. Кудлаев Э.М., Орлов А.И. Вероятностно-статистические методы исследования в работах А.Н. Колмогорова. // Заводская лаборатория, 2003, т.69, № 5, с. 55-61

131. Кузьмин В.Б. Эталонный подход к получению нечетких отношений предпочтения. // Нечеткие множества и теория возможностей. Последние достижения. М.: Радио и связь. 1986, с. 87-99.

132. Курно Огюст. Основы теории шансов и вероятностей. / Пер. с франц. М.: Наука, 1970.-384 с.

133. Лбов Г. С. Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука, 1981. - 228 с.

134. Леоненко H.H., Иванов A.B. Статистический анализ случайных полей. Киев: Выща школа, 1986. - 280 с.

135. Леонов В.П., Ижевский П.В. Об использовании прикладной статистики при подготовке диссертационных работ по медицинским и биологическим специальностям. // Бюллетень Госуд. ВАК, 1997, 3, с. 56-61.

136. Литтл Р.Дж., Рубин Д.Б. Статистический анализ данных с пропусками. / Пер. с англ. М.: Финансы и статистика, 1991. - 336 с.

137. Лосев А. Ф. Диалектика числа у Плотина. // Лосев А. Ф. Самое само. Сер.: Антология мысли. М.: Эксмо-пресс, 1999, с. 823-982.

138. Лотов A.B. Введение в экономико-математическое моделирование. М.: Наука, 1984.-326 с.

139. Лукашин Ю.П. Нетрадиционный корреляционный анализ временных рядов. // Экономика и математические методы, 1992,т.28, 3, с.406-413.

140. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. М.: Финансы и статистика, 2003. - 416 с.

141. Льюис К.Д. Методы прогнозирования экономических показателей. / Пер. с англ. М.: Финансы и статистика, 1986. - 164 с.

142. Люк Ю. Специальные математические функции и их аппроксимации. /Пер. с англ. М.: Мир, 1980. - 608 с.

143. Макконнелл K.P., Брю С.Л. Экономикс. В 2-х томах. / Пер. с англ. М.: Республика, 1992. - 798 с.

144. МалышевН.Г., БерштейнЛ.С., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991.-288 с.

145. МастяееаИ.Н. Математические методы исследования операций в экономике. М.: Государственный университет «МЭСИ», 2011. - 266 с.

146. Матерой Жорж. Случайные множества и интегральная геометрия. / Пер.с англ. М.: Мир, 1978. - 318 с.

147. Мельникова О. Т. Фокус-группы в маркетинговом исследовании. М.: Academia, 2003. - 184 с.

148. Мешалкин Л.Д. и др. Об устойчивости оценок центра распределения. // Заводская лаборатория, 1969, т. XXXV, № 5, с. 594-597.

149. Мешалкин Л.Д. Параметризация многомерных распределений. // Прикладной многомерный статистический анализ. Сборник научных трудов. М.: Наука, 1978, с. 11-18.

150. Мешалкин Л.Д. Применение экспоненциальной весовой функции:

1.Робастная параметризация многомерных распределений;

2. Нелинейный факторный анализ с одной латентной переменной. // Прикладной многомерный статистический анализ. Сборник научных трудов. М.: Наука, 1978, с. 299-301.

151. Мизес Р. Вероятность и статистика / Пер. с нем. M.-JL: Госиздат, 1930.

152. Минашкин В.Г. Статистический анализ структурных изменений на рынке ценных бумаг. М.: Финансы и статистика, 2001. - 244 с.

153. Минашкин В.Г. Особенности применения скользящих средних в анализе тенденций на рынке ценных бумаг. // Вопросы статистики, 2002, № 2, с. 66-75.

154. МиркинБ.Г. Анализ качественных признаков и структур. М.: Статистика, 1980.-362 с.

155. Миркин В.Г. Группировка в социально-экономических исследованиях. М.: Финансы и статистика, 1985. - 328 с.

156. МиттагХ.-Й., РиннеХ. Статистические методы обеспечения качества. / Пер. с нем. М.: Машиностроение, 1995. - 616 с.

157. Мостеллер Ф., ТъюкиДж. Анализ данных и регрессия. В 2 -х томах. / Пер. с англ. M.: Финансы и статистика, 1982. - 258 с.

158. Мудрое В.И., Кушко B.JI. Методы обработки измерений. М.: Советское радио, 1976.-286 с.

159. МхитарянB.C. Статистические методы в управлении качеством продукции. М.: Финансы и статистика, 1982. - 218 с.

160. Мхитарян B.C., Сивелъкин В.А. Статистический анализ структуры инвестиций в основной капитал субъектов Российской Федерации. // Вопросы статистики, 2003, № 2, с. 46-53.

161. Мхитарян В. С., Черепанов Е.В. Стохастические методы в прикладных исследованиях: корректность и надежность использования. // Анализ социально-экономических и политических процессов и систем, вып. 3. М.: Академия Менеджмента Инноваций (АМИ), 2006, с. 57-67.

162. Мхитарян B.C., Трошин Л.И., Астафьева Е.В. и др. Теория вероятностей и математическая статистика. М.: Маркет ДС, 2007, - 240 с.

163. Мхитарян B.C., Черепанов Е.В. Выборочный метод на случайных выборках в социологических и социально-экономических исследованиях: 1. Стохастическое обоснование. // Информатика, социология, экономика, менеджмент. Межвуз. сборн. научн. трудов, вып. 4,4.2. М.: Академия менеджмента инноваций, 2007, с. 38-47.

164. Мхитарян B.C., Черепанов Е.В. Выборочный метод на случайных выборках в социологических и социально-экономических исследованиях: 2. Статистическое оценивание. // Информатика, социология, экономика, менеджмент. Межвуз. сборн. научных тр., вып. 5,4.2. М.: Академия менеджмента инноваций, 2007, с. 154-165.

165. Мхитарян С.И. Изучение влияния лояльности потребителей на объем закупок. // Математико-статистический анализ социально-экономических процессов. Вып. 5. М.: Госуниверситет «МЭСИ», 2008, с. 85-87.

166. Мхитарян B.C. (ред.), Балаш В.А., Дуброва Т.А. и др. Эконометрика. М.: Проспект, 2009. - 384 с.

167. Мхитарян B.C., Черепанов Е.В. Выборочный метод на структурированных множествах и его приложения для оценки частот встречаемости качественных признаков по категориям населения. // Материалы IV конф. «Современные проблемы формирования метод-ного арсенала социолога». М.: ИС РАН, ГУ ВШЭ, 2010, с 156-157.

168. Мхитарян B.C., Черепанов Е.В. Информационные технологии анализа общественного мнения и маркетинга. // Социологические методы в современной исследовательской практике. Материалы Всероссийской научной конференции. М.: НИУ ВШЭ, 2011, с. 214-217.

169. Мхитарян В. С., Гамбаров Г.М. Моделирование обобщенного показателя рисков финансовой системы страны. // Математико-статис-тический анализ социально-экономических процессов. Вып. 10. М.: Госуниверситет экономики, статистики и информатики, 2013, с. 20-25.

170. Налимов В.В., Мулъченко З.М. Наукометрия. Изучение развития науки как информационного процесса. - М.: Наука, 1969. - 192 с.

171. Новицкий П.Ф., Зограф И.А. Оценка погрешностей результатов измерений. JL: Энергатомиздат, 1985. - 187 с.

172. Ногин ВД. Принятие решений в многокритериальной среде: количественный подход. — М.: Физматлит, 2005. - 176 с.

173. Норвич A.M., Турксен И.Б. Фундаментальное измерение нечеткости. // Нечеткие множества и теория возможностей. Последние достижения./ Пер.с англ. Сборник научных трудов. М.: Радио и связь, 1986, с.51-63.

174. Норвич A.M., Турксен И.Б. Построение функций принадлежности. // Нечеткие множества и теория возможностей. Последние достижения. / Пер.с англ. Сборник научных трудов. М.: Радио и связь. 1986, с. 64-70.

175. Орлов С Д. Методы выборочных обследований. Саратов: Саратовский государственный социально-экономический университет, 2004. -208 с.

176. Орлов А.И. Нечисловая статистика. М.: МЗ - Пресс, 2004. - 448 с.

177. Орлов А.И. Эконометрика. М.: Феникс, 2009. - 576 с.

178. Орлов А.И. Прикладная статистика. М.: Экзамен, 2006. - 671 с.

179. Павлова Н.П. Маркетинг, в практике современной фирмы. М.: Норма, 2005.-164 с.

180. ПашинЮ.А. Маркетинговые исследования как основа продвижения товаров на новые рынки. // Математические методы и компьютерные технологии в маркетинговых и социальных исследованиях. Сборник научных работ. М.: Академия менеджмента инноваций, 2004, с. 8-18.

181. Пашин Ю.А. Маркетинговые исследования как основа рекламной деятельности при продвижении товаров на рынках. // Анализ социально-экономических и политических процессов и систем. Сборник научных работ. М.: Академия менеджмента инноваций, 2005, с.67-82.

182. Паниотто В.И., Максименко В. С. Количественные методы в социологических исследованиях. Киев: Наукова думка, 1982. - 380 с.

183. ПерекрестВ.Т. Нелинейный типологический анализ социально-экономической информации. Ленинград: Наука, 1983. - 328 с.

184. Пересецкий А.Б. Методы оценки вероятности дефолта банков. // Экономика и математические методы. 2007, т.43, № 3, с. 37-62.

185. Петросян Л. А., Зенкевич H.A., Шевкопляс Е.В. Теория игр. СПб: БХВ-Петербург, 2012. - 432 с.

186. ПиндайкP.C., Рубинфельд Д.Л. Микроэкономика. /Пер. с англ. М.: Дело, 2000.-808 с.

187. Подиновский В.В., Ногин В Д. Парето - оптимальные решения многокритериальных задач. —М.: Наука, 1982. - 196 с.

188. Лоллард Дж. Справочник по вычислительным методам статистики. / Пер. с англ. М.: Финансы и статистика, 1982. - 266 с.

189. Попов A.B., Черепанов Е.В. Уроки на завтра. // Ваш Выбор. Научно-политический журнал. 1994, № 1, с. 14-17.

190. Постников А.Г. Арифметическое моделирование случайных процессов. // Тр. Матем. Инст. АН СССР им. Стеклова, 1960, т. 57, с. 272-291.

191. Прудников А.П., Брычков Ю.А., Маричев О.И. Интегралы и ряды. М.: Наука, 1981.-800 с.

192. Пуанкаре А. Наука и метод. // Пуанкаре Анри. О науке. Сборник избранных научных трудов. / Пер. с франц. М.: Наука, 1990, с. 367-522.

193. Пугачев B.C., Синицын H.H. Теория стохастических систем. М.: Логос, 2004.-1000 с.

194. Пфанцаглъ И. Теория измерений. / Пер. с нем. М.: Мир, 1976. - 236 с.

195. Раушенбах Г.В. Меры близости и сходства. // Анализ нечисловой информации в социологических исследованиях. М.: Наука, 1986, с. 169-203.

196. Ростовцев П. С. Перестановочный критерий для анализа взвешенной выборки. // Социология 4M, 2002,15, с. 135-157.

197. Рыбаков К.А., Черепанов Е.В. Полиграммные оценки моментов непрерывных случайных величин в социально-экономических исследованиях. // Матер. III Всероссийск. социологического конгресса. М.: ИС РАН, 2008. (http://www.isras.ru/abstract_bank/1208453820.pdf).

198. Рыбаков К. А., Черепанов Е.В. Анализ данных в эмпирических таблицах с использованием порядковых статистик. // Информатика, социология, экономика, менеджмент. Межвузовский сборн. научных трудов. Вып. 7, ч. 2. М.: Академии менеджмента инноваций, 2010, с. 60-65.

199. Рыбаков К.А., Черепанов Е.В. . О программном обеспечении анализа таблиц эмпирических данных. // Теоретические вопросы вычислитель-

ной техники и программного обеспечения, т. 1: Межвуз. сборник научных трудов. - М.: МИРЭА, 2011, с. 47-51.

200. Рыбаков К.А., Черепанов Е.В.. Восстановление информации в таблицах эмпирических данных с применением ранговых статистик. // Информационные и телекоммуникационные технологии. - М.: 2012, № 15, с. 96-102.

201. Сатаров Г.А. Математика в социологии: стереотипы, предрассудки, заблуждения. // Социологические исследования, 1986, № 3, с. 137-141.

202. Свешников A.A. Основы теории ошибок. Ленинград: ЛГУ, 1972.-148 с.

203. Свешников A.A. Прикладные методы в теории случайных функций. М.: Наука, 1968.-426 с.

204. СеберДж. Линейный регрессионный анализ. М.: Мир, 1980. - 362 с.

205. Слуцкий Е.Е. К вопросу сбалансированного бюджета потребителя. // Народнохозяйственные модели: теоретические вопросы потребления. М.: изд. АН СССР, 1963 (1915, переиздание). - 348 с.

206. Смирнов Н.В. Теория вероятностей и математическая статистика. Избранные труды. М.: Наука, 1970. - 440 с.

207. Смирнова О.Г., Черепанов Е.В. Социологический анализ региональных рынков негосударственного пенсионного страхования. // Информатика, социология, экономика, менеджмент. Межвуз. сб. научн. тр. Вып.4, ч. 2. М.: Академия менеджмента инноваций, 2007, с. 100-107.

208. Смоляк С.А., Титаренко Б.П. Устойчивые методы оценивания. М.: Статистика, 1980.-208 с.

209. Соловьев В.И. Математическое моделирование инструментов управления инновационными рисками в рыночной инфраструктуре. М.: Институт проблем рынка РАН, 2006. - 226 с.

210. Соловьев В.И. Экономико-математическое моделирование рынка программного обеспечения. М.: Вега-Инфо, 2009. - 244 с.

211. Соловьев В.И. Стратегия и тактика конкуренции на рынке программного обеспечения: Опыт экономико-математического моделирования. М.: Вега-Инфо, 2010. - 226 с.

212. Справочник по теории вероятностей и математической статистике. / Колл. авторов. Под ред. B.C. Королюка. Киев: Наукова думка, 1978.

213. Сюнтюренко О.В., Черепанов Е.В. Информатика: анализ данных и эконометрия. // Средства связи, 1986, № 4, с. 116-124.

214. Тарасенко Ф.П. (ред.), Дмитриев Ю.Г., Кошкин Г.М., Шуленин В.П. и др. Непараметрическое оценивание интегральных функционалов по стационарным выборкам. Томск: ТГУ, 1974. - 91 с.

215. Тарасенко Ф.П. Непараметрическая статистика. Томск: ТГУ, 1976,292с.

216. Тарасенко Ф.П., Черепанов Е.В. Полиграммные оценки линейных функционалов. // Математическая статистика и ее приложения, вып. X. Томск: ТГУ, 1986, с. 204-211.

217. Тарасенко Ф.П., Черепанов Е.В. Анализ распределений технико-экономических данных на основе непараметрических полиграммных оценок. // Техника средств связи. Сер.: Техника, экономика, управление. 1986, вып.2(19), с. 76-87.

218. Татарова Г.Г. Основы типологического анализа в социологических исследованиях. М.: Высшее образование, 2007. - 236 с.

219. Тельное Ю.Ф.идр. Проектирование информационных систем. М.: Финансы и статистика, 2001. - 262 с.

220. Тельное Ю.Ф. Интеллектуальные информационные системы. М.: Синтег, 2002. — 276 с.

221. Тельное Ю.Ф. Реинжиниринг бизнес-процессов: компонентная методология. М.: Финансы и статистика, 2004. - 182 с.

222. Тихомиров В.П. Организация сопровождения программных средств АСУ. М.: Статистика, 1980. - 166 с.

223. Тихомиров В.П. Введение в информационный бизнес. М.: Финансы и статистика, 1996. - 158 с.

224. Тихомиров В.П. Интернет-образование: не миф, а реальность XXI века. М.: Государственный университет «МЭСИ», 2000. - 230 с.

225. Тихомиров Н.П., Тихомирова Т.М. и др. Методы эконометрики и многомерного статистического анализа. М.: Экономика, 2011. - 640 с.

226. Тихомиров Н.П. Эконометрика. М.: Экономика, 2003. - 354 с.

227. Тихомиров Н.П. и др. Риск-анализ в экономике. М.: Экономика, 2011.

228. Тихомирова Н.В. Поведение потребителей. М.: МЭСИ, 2000. - 70 с.

229. Тихомирова Н.В. Дефиниции маркетинга образования. // «Маркетинг образования: проблемы и перспективы». Тезисы докладов научного семинара. М.: Госуниверситет «МЭСИ», 2002, с. 4-10.

230. Тихомирова Н.В. Влияние инструментов маркетинга на формирование системы качества. // «Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями». Сборник докладов. М.: МЭСИ, 2004, с. 156-163.

231. Толстова Ю.Н. Корректность функции расстояния относительно типа используемых шкал в социально-экономических исследованиях. // Экономика и математические методы. 1978, 3, с. 598-603.

232. Толстова Ю.Н. Кризис социологического измерения в начале нашего века и пути выхода из него. // Социология: методология, методы, математические модели. 1996, 7, с. 110-128.

233. Толстова Ю.Н. Измерение в социологии. М.: Инфра-М, 1998. - 246 с.

234. Толстова Ю.Н. Теория измерений в социологии. М.: МГУ,2003.- 254 с.

235. Толстова Ю.Н. Анализ социологических данных: методология, дескриптивная статистика, изучение связей номинальных признаков. М.: Научный мир, 2000. - 342 с.

236. Толстова Ю.Н., Масленников E.B. Качественная и количественная стратегии: эмпирическое исследование как измерение в широком смысле. // Социологические исследования. 2000,10, с. 101-109.

237. Толстова Ю.Н. Количественный и качественный анализ: органическое единство или автономия. // Социол. исследования, 2004, № 9, с. 12-14.

238. Трофимов В.П. Логическая структура статистических моделей. М.: Финансы и статистика, 1985. - 124 с.

239. Тутубалин В.Н. Теория вероятностей. Краткий курс и научно-методические замечания. М.: МГУ, 1972.-230 с.

240. Тутубалин В.Н. Границы применимости (вероятностно-статистические методы и их возможности). М.: Знание, 1977. - 112 с.

241. Тутубалин В.Н. Эконометрика: образование, которое нам не нужно. М.: Фазис, 2004. - 64 с.

242. ТъюкиДж.У. Анализ данных, вычисления на ЭВМ и математика. // Современные проблемы математики. Сборник научных работ. / Пер. с англ. М.: Знание, 1977, с. 41-64.

243. ТъюкиДж.У. Анализ результатов наблюдений. Разведочный анализ./ Пер. с англ. М.: Советское радио, 1981. - 522 с.

244. Тюрин Ю.Н. Непараметрические методы статистики. М.: Наука, 1978.

245. Тюрин Ю.Н. и др. Анализ нечисловой информации. М.: Научный совет АН СССР по комплексной проблеме «Кибернетика», 1981. - 328 с.

246. Тюрин Ю.Н. и др. Знаковый статистический анализ линейных моделей. М.: Наука, 1997. - 262 с.

247. Тюрин Ю.Н., ШмерлингД. С. Непараметрические методы статистики. // Социология: методология, методы, математические модели, 2003, 16, с. 142-153.

248. Уайльд Д. Методы поиска экстремума. / Пер. с англ. М.: Наука, 1967.

249. Ушке С. Математическая статистика. / Пер. с англ. М.: Наука, 1967.

250. УринцовА.И. Методология создания инструментальных средств адаптации субъекта экономики к изменениям бизнес-среды. Дисс. ... д-ра экон. наук : 08.00.13. Москва, 2003, 327 с. (РГБ ОД, 71:04-8/283)

251. Устинов Ю.К. О понятии статистического пространства Мизеса. // Математическая статистика и ее приложения. Вып. X. Томск: ТГУ, 1986, с. 212-218.

252. Филиппова A.A. Теорема Мизеса о предельном поведении функционалов от эмпирических функций распределения и ее статистические применения. // Теория вероятностей и ее применения. 1962, т. 7, № 1, с.187-196.

253. Фишер Ф. Проблемы идентификации в эконометрии. / Пер. с англ. М.: Статистика, 1978. - 224 с.

254. Фишер С., Дорнбуш Р., Шмалензи Р. Экономика. / Пер. с англ. Под общ. ред. Г.Г. Салова. М.: Дело, 1998. - 864 с.

255. Хайтун С Д. Негауссовость социальных явлений. // Социологические исследования, 1983, 1, с. 45-53.

256. Хадлет Р., Джонсон Р. Линейная классификация и некоторые дальнейшие результаты по наилучшим представлениям более низкой размерности. // Классификация и кластер. Сборник научных работ под ред. Дж. Вэн Райзина. / Пер. с англ. М.: Мир, 1980, с. 304-327.

257. Хампель Ф. Современные тенденции в теории устойчивых статистических процедур. / Пер. с англ. и комментарии проф. Ф.П. Тарасенко. // Математическая статистика и ее приложения, вып. VI. Томск: ТГУ, 1980, с. 3 -31.

258. Хампель Ф. и др. Робастность в статистике. Подход на основе функции влияния. / Пер. с англ. М.: Мир, 1989. - 264 с.

259. Хемминг Р.В. Численные методы. / Пер. с англ. М.: Наука, 1972.- 282 с.

260. ХиксДж. Стоимость и капитал. / Пер. с англ. М.: Прогресс, 1993 (1939, переиздание) . - 232 с.

261. Холлиндер М., Вульф Д. Непараметрические методы статистики. / Пер. с англ. М.: Финансы и статистика, 1983. - 320 с.

262. Хрусталев Е.Ю. Гипертекстовая технология моделирования военно-экономических систем. М.: изд. Минобороны, 1993.-208 с.

263. Хрусталев Е.Ю. Информационные технологии современной российской экономики. М.: ЦЭМИ РАН, 1996. - 306 с.

264. ХьюберП. Робастность в статистике. / Пер. с англ. М.: Мир,1984.-303с.

265. Черепанов Е.В., Внгурский К.В., Щербаченко К.И. О комплексе статистических методов и моделей для анализа информационных данных. // Научно-технический прогресс и информация, 1980,4, с. 55- 61.

266. Черепанов Е.В., Лобанов В.М., Штейн Б.Е. Обработка фактографичес-. кой технико-экономической информации статистическими методами.

// Вопросы радио-электроники. Серия: АСУПР. 1985, № 1, с. 60-66.

267. Черепанов Е.В. Об использовании статистических методов «с интенсивным применением ЭВМ». // Техника средств связи. Сер.: Техника, экономика, управление. 1985, вып. 1 (16), с. 23-28.

268. Черепанов Е.В., Щиренко Е.Г. Применение методов многомерного анализа данных при проведении технико-экономических исследований. // Техника средств связи. Сер.: Техника, экономика, управление. 1985, № 3 (17), с. 25-30.

269. Черепанов Е.В. Полиграммная оценка моды распределения. // Матем. статистика и ее приложения, вып. X. Томск: ТГУ, 1986, с. 233-237.

270. Черепанов Е.В., Щиренко Е.Г. и др. Эконометрическое прогнозирование многомерных последовательностей технико-экономических показателей в задачах производственного планирования. // Техника средств связи. Сер.: Техника, экономика, управление. 1987,3, с. 56-64.

271. Черепанов Е.В. и др. Статистики бинарного отношения на множествах. // Проблемы перспективного планирования и управления. Сборник научных трудов. М.: изд. Госплана СССР, 1990, с. 88-98.

272. Черепанов Е.В. Стохастические основы актуарных расчетов. Учебное пособие. М.: Академия менеджмента инноваций, 2005. - 56 с.

273. Черепанов Е.В. Основы теории множеств с элементами современных алгебры и анализа. Учебное пособие. М.: АМИ, 2005. - 126 с.

274. Черепанов Е.В. Вероятностно-статистические основы прикладной социологии и маркетинговых исследований. (ISBN 5-89813-057-8). Монография. М.: Академия менеджмента инноваций, 2006. - 267 с.

275. Черепанов Е.В. Статистйческая методология для задач социологических и социально-экономических исследований. (ISBN 5-89813-063 -2). Монография. М.: Академия менеджмента инноваций, 2007. - 176 с.

276. Черепанов Е.В. Негосударственное пенсионное страхование: состояние и перспективы (по результатам ряда социологических исследований 2006 г.) // Социальная политика и социология. М.: РГСУ, 2007, 2(34), с.87-98.

277. Черепанов Е.В. Социологический анализ структуры пользователей страховых услуг (на примере региональных исследований 2006 г. по страхованию жизни и страхованию от несчастных случаев). // Социальная политика и социология. М.: РГСУ,2007, № 4(36), с. 126-136.

278. Черепанов Е.В. Стохастический формализм в социологических и социально-экономических исследованиях. // Безопасность Евразии. 2007, 2 (28), с. 386-402.

279. Черепанов Е.В. Стохастическое описание выборочного метода. // Социология: методология, методы, математическое моделирование. М.: ИС РАН, 2007,25, с. 167-189.

280. Черепанов E.B. Стохастические методы прикладной социологии и маркетинга рынков. Монография (ISBN 5-89813-060-8). М.: Академия менеджмента инноваций, 2008. - 272 с.

281. Черепанов Е.В. Автоматизированный анализ статистических таблиц технико-экономических данных. // Системы и средства связи, телевидения и радиовещания. Научно-техн. журнал. М.: 2011, № 1-2, с.18-22.

282. Черепанов Е.В. Стохастические методы анализа данных выборочных маркетинговых и социальных обследований. // Прикладная эконометрика. М.: ЦЭМИ РАН, 2011,2 (22), с.48-61.

283. Черепанов Е.В. Типологическое пространство и его использование при классификации социально-экономических объектов. // Экономические и гуманитарные исследования регионов. (ISSN 2079-1968). Научно-теоретический журнал. Ростов: ЮФУ, 2011, 5, с. 100 -111.

284. Черепанов Е.В. Казачество Юга России: причины раскола и факторы, способствующие объединению. // Гуманитарные и социальные науки. (ISSN 1997-2377). Ростов-на-Дону: ЮФУ, 2012, 3, с. 265-273. (http://www.hses-online.ru/2012/03/22_00_01/30.pdf)

285. Черепанов Е.В. К проблеме возрождения казачества Юга России. // Экономические и гуманитарные исследования регионов. Научно-теоретический журнал. Ростов: ЮФУ, 2012, 3, с.110-115.

286. Черепанов Е.В. Анализ структурированных множеств и его использование в выборочных маркетинговых и социальных исследованиях. // Гуманитарные и социально-экономические науки. (ISSN 1997-2377). Ростов-на-Дону: ЮФУ, 2012, 1, с.109-116.

287. Черепанов Е.В. К вопросу описания количественных взаимосвязей между категориями потребления и производства. // Гуманитарные и социальные науки. Ростов: ЮФУ, 2012, 2, с.113-133. (http://hses-online.ru/2012/02/22_00_01/33 .pdf).

288. Черепанов E.B. Эволюция физической картины мира. Учебное пособие. (ISBN 978-3-8473-9173-9). Saarbrücken, Germany: Palmarium Academic Publishing, 2012. - 242 c.

289. Черепанов E.B. Нетрадиционные вероятностно-статистические методы для социально-экономических и социологических исследований. Монография. (ISBN 978-5-9973-1707-2). М.: Спутник Плюс, 2012.- 215 с.

290. Черепанов Е.В. Математическое моделирование неоднородных совокупностей экономических данных. (ISBN 978-5-7764-0775-8). М.: Государственный университет экономики, статистики и информатики «МЭСИ», 2013. - 229 с.

291. Черепанов Е.В. О количественном описании монопольного потребительского рынка. // Гуманитарные и социальные науки. Электронный журнал. (ISSN 1997-2377). Ростов/Дон: ЮФУ, 2013,1, с. 107-117. (http://www.hses-online.ru/2013/01/08_00_05/12.pdf).

292. Черепанов Е.В. Непрерывные аналоги распределений полиномиального типа для эмпирических экономических исследований. // «Научная дискуссия: вопросы экономики и управления». Материалы X Международной заочной научно-практической конференции. М.: Международный центр науки и образования, 2013, с. 163-169. (ISBN 978-5-00021-007-9).

293. Черепанов Е.В. Количественное описание монопольного потребительского рынка. // Современные научные исследования. Вып. 1. Киров: Концепт, 2013. ART 53090. - Гос. per. Эл № ФС 77- 49965. (ISSN 2304-120Х). URL: http://e-koncept.ru/article/463/

294. Черепанов Е.В. Количественные взаимосвязи характеристик оптовых и розничных потребительских рынков. // Гуманитарные и социальные науки. (ISSN 2070-1403). Ростов: ЮФУ, 2013, 3, с. 46-63. (http://www.hses-online.ru/2013/03/08_00_13/06.pdf).

295. Черепанов E.B. Критерии оптимизации структуры потребления на многотоварных рынках. // Математико-статистический анализ социально-экономических процессов. Вып. 10. М.: Государственный университет экономики, статистики и информатики (МЭСИ), 2013, с. 161-165.

296. Черепанов Е.В. Экстраполирование последовательностей экономических показателей при короткой ретроспективе данных. // «Мировая наука и современное общество: актуальные вопросы экономики, социологии и права». Материалы Международной научно-практич. конференции. (ISBN 978-5-905147-54-8). Саратов: Центр профессионального менеджмента «Академия бизнеса», 2013, с. 228-230.

297. Черепанов Е.В. Математическое описание многотоварного потребительского рынка. // «Научная дискуссия: вопросы экономики и управления». (ISBN 978-5-00021-019-2). Материалы XI Международной заочной научно-практической конференции. М.: Международный центр науки и образования, 2013, с. 105-115.

298. Черепанов Е.В. Понятия неопределенности, нечеткости и случайности в экономических исследованиях и менеджменте. // «Актуальные вопросы современной экономической науки и практики». [Электронный ресурс]. / Сборник научных трудов IX Всероссийской научно-практической конференции. - Тверь: Центр экономических исследований, 2013, с. 58-63. (ISBN 978-5-905164-18-7).

299. Четыркин ЕМ. Статистические методы прогнозирования. М.: Статистика, 1977. - 227 с.

300. Чуев Ю.В. и др. Прогнозирование количественных характеристик процессов. М.: Советское радио, 1975. - 312 с.

301. Чуриков А. Случайные и неслучайные выборки в социологических исследованиях. // Социальная реальность, 2007,4, с. 89-109.

302. Эйрес Р. Научно-техническое прогнозирование и долгосрочное планирование. / Пер. с англ. М.: Мир, 1971. - 217 с.

303. ЭнджелДж.Ф, БлэкуэлР.Д МиниардП.У. Поведение потребителей. / Пер. с англ. С.-Пб.: Питер, 2000. - 759 с.

304. Эфрон Б. Нетрадиционные методы многомерного статистического анализа. М.: Финансы и статистика, 1988. - 343 с.

305. Ягер P.P. Множества уровня для оценки принадлежности нечетких подмножеств. // Нечеткие множества и теория возможностей. / Пер. с англ. Сборник научных трудов. М.: Радио и связь. 1986, с. 71-78.

306. Янке Е., Эмде Ф., Леш Ф. Специальные функции. / Пер. с нем. М.: Наука, 1977.-342 с.

307. Янч Э. Прогнозирование научно-технического прогресса. / Пер. с англ. М.: Прогресс, 1970. - 316 с.

308. 50 лекций по микроэкономике. Коллектив авторов. В 2-х томах. С.-Пб.: Экономическая школа, 2000. - 1400 с.

309. Andrews D.F., BickelP.J., Hampel F.R., Huber P. J., Rogers W.H., TukeyJ. Robust estimates of location. Princeton: Princ. Univ. Press, 1972, p. 344.

310. Afriat S.N, The construction of utility function from expenditure data. // International Economic Review, 1967, v.8, pp. 112-122.

311. Box G.E., Jenkins G.M. Time Series Analysis. // Forecasting and Control. San Francisco: Holden-Day, 1976, p. 216.

312. Chernoff H. Estimation of the mode. //Ann. of Inst. Stat. Math. 1964,16.

313. Dirichlet distribution (http://en.wikipedia.org/wiki/Dirichlet_distribution).

314. DupuitJ. De la mesure de Tutilite des travaux publics. // Annales des ponts et chaussees. 1844. VIII. 2 ser., pp. 332-375.

315. Fisher R.A. Statistical methods and scientific inference. Edinburgh: Oliver and Boyd, 1956, p. 322.

316. Gupta M.M. Cognition, perception and uncertainty. // Fuzzy logic in knowledge-based systems, decision and control. / Ed. M.M.Gupta, T.Yamakawa - Elsevor Science Publish. B.V., 1988, pp. 3-10.

317. HajekJ. Course in Nonparametric Statistics. Academic Press, 1970, p. 362.

318. Hampel F.R. Robust estimation: a condensed partial serial survey. // Z. Wahrscheinlichkeitstheory und werv. Geb. 1973, v. 27, s. 87-104.

319. Huber P.J. Robust statistics: a review. // Ann. Math. Statist., 1973, v. 43, №4, pp. 56-75.

320. Jevons W.S. Notice of a general mathematical theory of political economy. — British Assoc. For the Advancement of Science. // Report of the 32 Meeting Transaction of the Sections. L.J. Murray, 1862, pp. 158-159.

321. Jevons W.S. Brief of a general mathematical theory of political economy. // Journal of the Statist. Society of London. 1866, XXIX, 2, pp. 282-287.

322. Kish L. Survey Sampling. John Wiley and Sons, Inc., New York, 1965.

323. MobieyL., Mckeown K. Beyond IBM. N.Y.: Magraw-Hill Publ. Co., 1989.

324. Shoven J., Whalley J. Applying general equilibrium. - Cambridge Univ. Press, 1992, p. 238.

325. Simon H. Theories of decision-making in economics and behavioral science // Microeconomics: Selected Reading. - Mansfield. N.Y., 1971, pp. 66-82.

326. Tarasenko F.P. On evolution of an unknown probability density function the direct estimation of entropy from in dependent observations of a continuous random variable and the distribution - free entropy test of goodness - of - fit. // Proc. IEEE. 1968, № 56, p. 132-146.

327. The teaching of statistics. / Studies in mathematical education, vol.7. -Paris, UNESCO, 1991, p. 258.

328. Tukey J. The future of data analysis.// Ann. Math. Stat., 1962, 33, pp.1-67.

329. Tukey J. W. Exploratory data analysis. V.l-3. Addison-Wesley, Reading Mass., 1971.-942 p.

330. VinerJ. The utility concept in value theory and its critics. // Journal of Political Economy. 1925, v. XXXIII, № 4, pp. 369-387; № 6, pp. 638-659.

331. VinerJ. Cost curves and supply curves. // Readings in Price Theory, 1952, Homewood, pp. 232-248.