Методология и программно-математический инструментарий информационного обеспечения точного земледелия тема диссертации и автореферата по ВАК РФ 05.13.18, доктор технических наук Буре, Владимир Мансурович

• Буре, Владимир Мансурович
• доктор технических наук
• 2009

Оглавление диссертации доктор технических наук Буре, Владимир Мансурович

Введение.

Глава 1. Состояние, проблемы и задачи информационного обеспечения точного земледелия.

1.1. Точное земледелие - новый этап в развитии производства растениеводческой продукции.

1.1.1. Предыстория.

1.1.2. Концепция и подсистемы.

1.1.3. Специфика реализации агротехнологических приемов в поле.

1.2. Проблемы внедрения систем точного земледелия в производство.

1.3. Инструментальные средства информационного обеспечения точного земледелия и перспективы их развития.

1.4. Цели и задачи исследований.

Глава 2. Вероятно-статистическое моделирование в задачах оптимизации агротехнологических решений и оценки пространственной неоднородности сельскохозяйственных угодий по урожайности.

2.1. Математическая постановка и решение оптимизационной задачи выбора сроков проведения агротехнологических операций.

2.1.1. Методические основы.

2.1.2. Алгоритм оценки оптимального момента времени проведения технологических операций с известной функцией распределения.

2.1.3. Минимаксный подход в решении оптимизационной задачи.

2.1.4. Выбор оптимального решения в случаях представления функции распределения в виде конечной смеси.

2.1.5. Статистическая оценка функции распределения по имеющимся натурным данным за предыдущие годы.

2.2. Оценка пространственной изменчивости и выделение однородных зон на сельскохозяйственном поле по урожайности.

2.2.1. Методические основы.

2.2.2. Оценка биоэквивалентности двух участков на сельскохозяйственном поле.

2.2.3. Выделение однородных зон на сельскохозяйственном поле по урожайности отдельных участков.

2.3. Информационное обеспечение прецизионного внесения удобрений на основе электронных карт урожайности.

2.3.1. Технологические основы.

2.3.2. Решение задачи.

Глава 3. Адаптивные методы прогнозирования и методология применения бинарной регрессии в анализе продуктивности сельскохозяйственных культур.

3.1. Адаптивное прогнозирование.

3.1.1. Схема построения адаптивных моделей прогнозирования.

3.1.2. Экспоненциальное сглаживание. Метод Брауна.

3.1.3. Методы прогнозирования, использующие модификацию метода Брауна.

3.1.4. Примеры программной реализации адаптивного прогнозирования временных рядов.

3.2. Бинарная регрессия. Логит и пробит анализы.

3.2.1. Логит и пробит модели.

3.2.2. Оценивание моделей.

3.2.3 Программная реализация логит и пробит анализов.

3.2.4. Схема применения логит и пробит анализов в точном земледелии

Глава 4. Экспериментальные исследования и статистические методы обработки и анализа натурных данных в точном земледелии.

4.1. Методические основы организации экспериментальных исследований по изучению и управлению агроэкосистемами.

4.1.1 Прецизионные эксперименты и современные методы точного земледелия в информационном обеспечении агротехнологий.

4.2. Методология статистической обработки и анализа экспериментальных данных.

4.3. Классификация рекомендуемых к применению параметрических и непараметрических процедур в системном анализе экспериментальных данных.

Глава 5. Алгоритмические и программные реализации нёпараметрических методов.

5.1. Непараметрические процедуры проверки статистических гипотез: алгоритмы.

5.1.1. Схема испытаний Бернулли.

5.1.2. Критерий знаков для одной выборки.

5.1.3. Анализ парных повторных наблюдений. Непараметрический критерий знаков.

5.1.4. Анализ парных повторных наблюдений. Непараметрический критерий Уилкоксона.

5.1.5. Непараметрический критерий Уилкоксона.

5.1.6. Непараметрический критерий Манна-Уитни.

5.1.7. Однофакторный дисперсионный анализ.

5.1.8. Двухфакторные таблицы дисперсионного анализа.

5.1.9. Непараметрический критерий однородности двух выборок Колмогорова-Смирнова.

5.1.10. Непараметрический критерий независимости Хефдинга.

5.1.11. Непараметрический критерий двумерной симметрии (Холлендер)

5.1.12. Непараметрический критерий «новое лучше старого» (Холлендер-Прошан).

5.1.13. Непараметрический критерий независимости Кендэла.

5.1.14. Оценка коэффициента Кендэла г . Доверительный интервал для коэффициента г.

5.1.15. Задача о регрессии и угле наклона.

5.1.16. Непараметрический критерий для углового коэффициента Тейла

5.1.17. Непараметрическая оценка Тейла для углового коэффициента линии регрессии.

5.2. Программный комплекс анализа экспериментальных данных с помощью непараметрических критериев.

5.2.1. Интерфейс реализации программного комплекса.

5.2.2. Описание непараметрических инструментов обработки и анализа данных.

Глава 6. Процедуры построения и верификации регрессионных зависимостей.

6.1. Квантильная регрессия.

6.1.1. Постановка задачи квантильной регрессии.

6.1.2. Алгоритм построения оценок.

6.1.3. Программная реализация и графическое представление результатов.

6.1.4. Численные эксперименты.

6.2. Множественная регрессия.

6.2.1. Спецификация модели множественной регрессии.

6.2.2. Множественная линейная регрессия. Оценка параметров.

6.2.3. Статистические свойства оценок. Проверка статистической значимости в множественной линейной регрессии. Надежность выводов.

6.2.4. Доверительные интервалы для оценок параметров. Доверительные интервалы прогноза в множественной линейной регрессии.

6.2.5. Использование множественной регрессии при изучении нелинейных зависимостей.

6.2.6. Практическое построение регрессионных зависимостей средствами Excel.

6.3. Критерий неоднородности экспоненциально распределенных наблюдений.

Введение диссертации (часть автореферата) на тему «Методология и программно-математический инструментарий информационного обеспечения точного земледелия»

С начала 90-х годов XX столетия мир стал свидетелем рождения новой концепции земледелия, известной как точное земледелие. Возникновение точного земледелия обусловлено требованиями рынка и различными социальными факторами, такими как глобализация торговли, охрана окружающей среды, изменения требований со стороны потребителей сельскохозяйственной продукции. Хотя земледелие никогда не может стать точным настолько, насколько этого бы хотелось, концепция точного земледелия отражает концентрированные усилия учёных в направлении количественного совершенствования этой старейшей в мире профессии.

Точное земледелие предполагает использование различных технологий и базируется на новейших достижениях не только традиционных областей агрономической науки, но также и других областей знаний. Оно является новаторским и всеохватывающим подходом к решению проблем зелёной революции, где до сих пор пространственно-временная вариабельность условий внутри сельскохозяйственного поля не учитывалась. При правильном применении, точное земледелие позволяет фундаментально изменить процесс принятия решений и тем самым добиться кардинального повышения эффективности управления агротехническими мероприятиями, уменьшить загрязнение окружающей среды, повысить доходы сельхозпроизводителей и улучшить качество продукции.

Рассуждая о правильности применения новой концепции в производстве растениеводческой продукции прежде всего нужно иметь в виду проблему решения одного из принципиальных вопросов — обоснования целесообразности дифференциации технологических воздействий с учетом пространственно-временного варьирования условий внутри сельскохозяйственного поля. Центральное место в обосновании применения системы точного земледелия занимают вопросы его информационного обеспечения и использования для этих целей современного измерительного оборудования и новых информационных технологий.

Ключевое место в информационном обеспечении точного земледелия играет анализ натурных данных. Натурные данные включают как опытные наблюдения, получаемые в результате проведения «активных» экспериментов, так и результаты «пассивных» наблюдений за динамикой интересующих исследователя агробиологических показателей. Для биологических исследований характерна высокая степень изменчивости изучаемых показателей, вызванная сложной природой биологических объектов. Как следствие этой изменчивости в биологических исследованиях появляются вероятностные распределения, причем даже в лабораторных экспериментах изменчивость не может быть в принципе устранена. Одна из главных причин подобного явления заключается в наличии латентных факторов, оказывающих воздействие на изучаемые показатели. Присутствие латентных факторов принципиально неустранимо при проведении натурных экспериментов. Возникающая по этой причине неопределенность обычно моделируется введением в рассмотрение идеи случайности, как математической основы для удобного описания непредсказуемой изменчивости числовых характеристик биологических объектов. В соответствии с этой идеей, результат определяется некоторым случайным событием, иначе говоря, природа словно бы бросает «кости», для осуществления окончательного выбора. Вопрос о том, существует ли случайность в природе, носит дискуссионный философский характер. Хорошо известно, что в квантовой механике и статистической физике идея случайности и основанные на ней вероятностно - статистические модели нашли широкое применение. В биологической науке со времен Фишера значимость статистических методов не подвергается сомнению. Напротив, в настоящее время в ведущих мировых издательствах и в научных центрах издаются десятки научных журналов, посвященных совершенствованию статистических методов и методик анализа данных. Достаточно упомянуть журналы по прикладной статистике издательства Springer

1. ADAS Advances in Data Analysis and'Classiflcation

2. AstA Advances in Statistical Analysis

3. Chance: New Directions for Statistics and Computing

4. Annals of the institute of Statistical Mathematics

5. Computational Statistics

6. Enviromental and Ecological Statistics

7. Decisions in Econometrics and Finance

Большое количество статей в этих и во многих других журналах содержат исследования по методам и моделям статистического анализа биологических данных. Некоторые международные научные журналы целиком посвящены применению статистических методов в биологии, упомянем для примера журналы: Biometrika (Publisher: Oxford journal), Biometrics (Publisher: Ajournai of the International Biometrie Society).

Все сказанное свидетельствует, во-первых, об интенсивном развитии статистической науки в последние десятилетия, интерес к которой все более усиливается в связи с развитием вычислительной техники, совершенствованием математического обеспечения современных компьютеров и, самое главное, со значительным расширением информационной базы статистических исследований. Расширение информационной базы связано как с развитием инструментальной базы экспериментальных исследований, так и с развитием геоинформационных систем, с широким исследованием пространственно - временной изменчивости изучаемых объектов и процессов в точном земледелии. Во-вторых, математическое моделирование реальных биологических процессов не может игнорировать высокую изменчивость изучаемых характеристик, вследствие чего наиболее естественной и адекватной методологией математического моделирования в биологии в целом служит методология вероятностно-статистического моделирования.

В этой связи, проведенные исследования и представленные в этой работе результаты были направлены на повышение уровня информационного обеспечения процесса выработки управленческих решений в точном земледелии. Диссертация выполнялась в рамках проводимых Агрофизическим институтом исследований по базовым научно-техническим программам «Разработать теорию и методы управления продукционным процессом сельскохозяйственных культур в адаптивно-ландшафтном земледелии» (2001-2005 г.г.) и «Разработать методы и приемы управления продукционным процессом в условиях пространственно-временной неоднородности среды обитания растений с целью повышения адаптивности агротехнологий к условиям окружающей среды и обеспечения высокой продуктивности агроценозов» (2006-2008 г.г.), в ходе выполнения научно-исследовательских работ по двум государственным контрактам с МСХ РФ в части информационно-технологического сопровождения процесса реализации ФЦП «Сохранение и восстановление плодородия почв земель сельскохозяйственного назначения как национального достояния России на 2006-2010 г.г.», а также в соответствии с распоряжением Минпромнауки России № 04.900.43/078 от 15.04.2003 г. по созданию программно-аппаратного комплекса «Компьютерная система генерации и реализации технологических решений в точном земледелии» осуществлялась информационная поддержка проводимых работ.

Цель выполненных исследований заключалась в разработке методологии и программного инструментария по расширению информационной базы управленческих решений. Идея достижения цели основана на построении вероятностно-статистических моделей поддержки принятия решений в точном земледелии, на применении к анализу натурных данных разных методов прикладной статистики, позволяющих проводить сравнительную оценку полученных выводов, что должно способствовать повышению их надежности и достоверности.

Для достижения указанной цели необходимо было в диссертации:

- разработать концепцию совершенствования информационного обеспечения точного земледелия;

- сформулировать ряд задач, актуальных для точного земледелия, предложить их решение на основе вероятностно-статистического моделирования в условиях стохастической неопределенности и изменчивости;

- разработать методологию статистического анализа натурных данных в точном земледелии, включающую многочисленные непараметрические процедуры, различные методы и модели анализа данных в рамках параметрической и непараметрической статистик, а также вопросы анализа надежности и достоверности полученных результатов;

- создать соответствующее программное обеспечение.

Основные результаты выполненных исследований изложены в шести главах диссертации. В первой главе дан краткий исторический анализ развития систем земледелия в России. Определены понятия, рассмотрены концепция и подсистемы точного земледелия. Отмечено, что точное земледелие может рассматриваться, как новый этап в развитии производства растениеводческой продукции на базе достижений научно-технического прогресса. Показано, что эффективность внедрения точного земледелия в значительной степени зависит от качества его информационного обеспечения. Приведена разработанная нами концептуальная схема совершенствования информационного обеспечения точного земледелия и сформулированы актуальные задачи исследований, результаты которых изложены в последующих главах диссертации.

Полученные в ходе выполнения работы результаты исследований были рассмотрены и одобрены на заседании Ученого Совета Агрофизического института в феврале 2009 года, а также докладывались и обсуждались на следующих международных и всероссийских научных и научно-технических форумах: на II всероссийской школе-коллоквиум по стохастическим методам (Москва, 1995 г.); на III всероссийской школе-коллоквиум по стохастическим методам (Москва, 1996 г.); на IV всероссийской школе-коллоквиум по стохастическим методам (Москва, 1997 г.); на XXX международной научной конференции «Процессы управления и устойчивость» (Санкт-Петербург, 1999 г.); на I всероссийском симпозиуме по прикладной и промышленной математике (Москва, 2000 г.); на V международной конференции «Вероятностные методы в дискретной математике» (Петрозаводск, 2000 г.); на международной научно-практической конференции «Современные проблемы опытного дела» (Санкт-Петербург, АФИ, 2000 г.); на XXXI международной научной конференции «Процессы управления и устойчивость» (Санкт-Петербург, 2000 г.); на 4 St.Petersburg Workshop on Simulation (St. Petersburg, 2001); на всероссийской научной школе «Математические методы в экологии» (Петрозаводск, 2001 г.); на II всероссийском симпозиуме по прикладной и промышленной математике (Москва, 2001 г.); на международной научно-практической конференции «Агрофизика XXI века (к 70-летию образования Агрофизического института)» (Санкт-Петербург, АФИ, 2002 г.); на XXXIII международной научной конференции «Процессы управления и устойчивость» (Санкт-Петербург, 2002 г.); на III всероссийском симпозиуме по прикладной и промышленной математике (Москва, 2002 г.); на III всероссийской научной конференции «Проектирование научных и инженерных приложений в среде «Matlab» (Санкт-Петербург, 2007 г.); на международной конференции «Современная агрофизика - высоким технологиям (к 75-летию образования Агрофизического института)» ( Санкт-Петербург, АФИ, 2007 г.); на XXXVIII международной научной конференции «Процессы управления и устойчивость» (Санкт-Петербург, 2007 г.); на VI международной научно-практической конференции «Актуальные проблемы экономики и новые технологии преподавания (Смирновские чтения)» (Санкт-Петербург, 2007 г.).

Разработанные программные средства апробированы на Меньковской опытной станции в Гатчинском районе Ленинградской области и входили в состав программно-аппаратного комплекса, демонстрируемого

Агрофизическим институтом на трех международных специализированных выставках «Агрорусь» (Санкт-Петербург, 2004, 2007 гг.) и «Золотая осень» (Москва, 2008 г.), где были получены соответственно серебряная, золотая и серебряная медали (Приложения 1-3).

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Буре, Владимир Мансурович

Заключение.

Необходимость адаптации земледелия к новым социально-экономическим условиям в России, повышение его устойчивости, ресурсо-обоснованной интенсификации и экологизации на фоне наблюдаемых глобальных изменений климата во многом определяется состоянием информационного обеспечения. Качество и оперативность информационного обеспечения систем земледелия в значительной степени зависит от возможности применения современного измерительного оборудования и новых информационных технологий.

Успех в решении этой задачи связан с разработкой новых методов и созданием отечественных технических, алгоритмических и программных средств по информационному обеспечению точного земледелия, которое выдвигает на первый план научно-обоснованную технологию решения злободневных задач сельскохозяйственного землепользования поддержание экологической устойчивости агроландшафтов, эффективное использование материальных ресурсов конкретного хозяйства, используемых для получения продукции заданного качества. К настоящему времени в России уже создан определенный физико-технический базис точного земледелия и начаты полевые исследования для отработки методических, технических, информационных и других аспектов, обеспечивающих потенциальную возможность внедрения точного земледелия повсеместно.

Вместе с тем развитие точного земледелия неизменно порождает увеличение информационного потока и поэтому возникла необходимость в разработке методологии и создании соответствующего инструментария по обработке, анализу добываемых данных и их использованию в задачах оптимизации агротехнологических решений и оценки пространственной изменчивости продуктивности сельскохозяйственных угодий.

Проведенные исследования вносят значительный вклад в проблематику совершенствования информационного обеспечения точного земледелия. В ходе выполнения диссертации получены следующие результаты:

1. Выбор оптимального момента времени проведения основных агротехнологических операций приобретает особое значение в точном земледелии. Предложена математическая постановка оптимизационной задачи выбора оптимального момента времени для проведения агротехнологической операции в условиях стохастической неопределенности, объективно присутствующей в практике применения агротехнологий и обусловленной действием большого числа разнообразных причин. В научно-исследовательских учреждениях сельскохозяйственного профиля накоплен многолетний экспериментальный материал, содержащий сведения для получения статистических и экспертных оценок, которые позволяют обоснованно подойти к постановке оптимизационной задачи выбора оптимального момента времени проведения основных агротехнологических операций. В диссертации рассмотрены следующие возможные случаи:

1.1. Для известной функции распределения оптимального момента времени проведения агротехнологической операции аналитически найдено решение сформулированной оптимизационной математической задачи. Полученный результат довольно просто реализуется на практике для наиболее часто применяемых вероятностных распределений.

1.2. Для неизвестной функции распределения оптимального момента времени проведения агротехнологической операции предложен минимаксный подход, в рамках которого аналитически найдено оптимальное решение, легко реализуемое на практике.

1.3. С целью уменьшения статистической неопределенности, связанной с выбором момента времени проведения агротехнологической операции, рассмотрена ситуация, когда функция распределения оптимального момента времени проведения агротехнологической операции представима в виде конечной смеси непрерывных строго возрастающих функций распределения, соответствующих различным условиям произрастания сельскохозяйственной культуры. Для этого случая также найдено оптимальное решение.

1.4. В рамках рассматриваемой математической постановки решена задача нахождения оценки оптимального момента времени проведения агротехнологической операции, по накопленной многолетней статистической информации. Рассмотрен конкретный пример.

2. На основе биометрического подхода к определению биоэквивалентности двух относительно больших участков на сельскохозяйственном поле по урожайности некоторой сельскохозяйственной культуры за несколько лет, и используя идею статистического моделирования выборок из нормальных распределений разработан алгоритм оценки, выполнена его программная реализация.

3. Предложен математико-статистический метод выделения относительно однородных зон на сельскохозяйственном поле по урожайности отдельных небольших участков на поле за один год и разработан адаптивный вероятностный алгоритм решения этой задачи на основе разделения конечной смеси распределений. Создана программа выделения однородных технологических зон по продуктивности получаемой автоматически с помощью зернового комбайна, оснащенного датчиками урожайности, бортовым компьютером и системой GPS, получившая свидетельство о государственной регистрации.

4. Предложен новый алгоритм адаптивного прогнозирования временных рядов, в частности характеризующих агрометеорологические условия произрастания сельскохозяйственных культур. Написана программа, которая была успешно апробирована при прогнозировании среднесуточных температур воздуха по данным, собранным на полигоне Агрофизического НИИ.

5. Разработана методология и алгоритмы применения логит и пробит анализов для прогнозирования урожайности сельскохозяйственной культуры на поле по выбранному набору агрометеорологических, агрофизических, агротехнологических и других характеристик. Поставлены вопросы проверки достаточности выбранного набора факторов для решения задачи прогнозирования урожайности культуры. Создана и апробирована соответствующая компьютерная программа.

6. Разработана методология и предложена схема анализа натурных опытных данных на основе применения методов параметрической и непараметрической статистики. Показано, что только комплексный подход к анализу опытных данных в точном земледелии с учетом принципиальной неполноты статистических данных, вызванной ограниченностью объемов выборок и значительной пространственно-временной изменчивостью данных, с обязательным сравнением выводов, полученных по разным методам анализа данных, позволит обеспечить достаточно высокую надежность и достоверность.

7. Выполнена классификация и проведено сопоставление параметрических и непараметрических методов, предназначенных для решения основных задач анализа данных. Предложенный в работе набор статистических методов и методик является в целом достаточным для проведения обоснованного анализа опытных натурных данных.

8. Разработан и создан комплекс программ по непараметрической статистике в среде Ма^аЬ, включающий как имеющиеся непараметрические процедуры, так и процедуры прежде нереализованные в среде Ма^аЬ. Комплекс программ обладает удобным и доступным для непрофессионалов интерфейсом и позволяет с единых позиций осуществлять анализ опытных данных.

9. Разработан алгоритм и создана программа построения квантильной и, в частном случае, медианной регрессий. Программа позволяет строить стандартную регрессию методом наименьших квадратов и проводить сравнение построенных зависимостей, в результате чего появляется дополнительная информация, позволяющая делать выводы о наличии отдельных «аномальных наблюдений». В работе подробно обсуждается методика построения регрессионных зависимостей в среде Excel и даются рекомендации по практическому построению регрессионных зависимостей.

Список литературы диссертационного исследования доктор технических наук Буре, Владимир Мансурович, 2009 год

1. Кирюшин В.И., Иванов A.J1. и др. Агроэкологическая оценка земель, проектирование адаптивно-ландшафтных систем земледелия и агротехнологий. Методическое руководство. М.: ФГНУ «Росинформагротех», 2005. 784 с.

2. Якушев В.П., Семенов В.А. и др. Адаптивно-ландшафтные системы земледелия для Северо-Западного региона Российской Федерации (концептуальные основы и методологические аспекты формирования). -СПб., АФИ, 2004, 28с.

3. Болотов А.Т. Избранные сочинения по агрономии, плодоводству, лесоводству, ботанике. М.: Сельхозгиз, 1952.

4. Докучаев В.В. Избранные сочинения. М.: 1948, Т.1.

5. Костычев П.А. Почвоведение. М.: 1940.

6. Вильяме В.Р. Значения органических веществ почвы: избранные сочинения. М.: 1948.

7. Бондаренко Н.Ф. и др. Моделирование продуктивности агроэкосистем. Д.: Гидрометеоиздат, 1982, 264с.

8. Глогов JI.B. Кибернетическая система управления урожайностью сельскохозяйственных культур сущность и структура. - В кн.: «Использование методологии системного анализа управления агроэкосистемами», АФИ, 1987, с. 15-21

9. Жуковский Е.Е., Чудновский А.Ф. Методы оптимального использования метеорологической информации при принятии решений. Л.: Гидрометеоиздат, 1978, 52с.

10. Нерпин C.B., Чудновский А.Ф.Энерго- и массообмен в системе растение почва - воздух. - Л: Гидрометеоиздат, 358 с.

11. Полуэктов P.A. Динамические модели агроэкосистем. -Л.:Гидрометеоиздат, 1991,312с.

12. Полуэктов Р.А., Смоляр Э.И., Терлеев В.В., Топаж А.Г., Моделирование продукционного процесса сельскохозяйственных культут.-СПб.: Изд-во С-.Петерб. ун-та.-396 с.

13. Пых Ю.А. Равновесие и устойчивость в моделях популяционной динамики. М.: Наука, 1983

14. Сиротенко О.Д. Математическое моделирование водно-теплового режима и продуктивность агроэкосистем. Л.: Гидрометеоиздат, 1981, 167с.

15. Тооминг Х.Г. Солнечная радиация и формирование урожая. Л.: Гидрометеоиздат, 1977, 200с.

16. Шатилов И.С. Принципы программирования урожаев -Вестник сельскохозяйственных наук, 1973, №3, с.8-14

17. Шатилов И.С., Чудновский А.Ф. Агрофизические, агрометеорологические и агротехнические основы программирования урожаев. Л., Гидрометеоиздат, 1980, 320с.

18. Blackmore B.S. and Larscheid G. Strategies for Managing Variability. Proc. First European Conf. on Prec. Agric. Ed. J.V.Stafford. Silsoe Res. Inst., UK, 1992, p.851-859.

19. Якушев В.П., Якушев B.B. Информационное обеспечение точного земледелия. СПб.: Изд-во ПИЯФ РАН, 2007. 384 с.

20. Якушев B.B. Программно-технические средства информационного обеспечения и реализации агроприемов в системе точного земледелия. Автореферат диссертации. СПб.: АФИ, 2005.

21. Якушев В.П., Михайленко И.М., Петрушин А.Ф., Якушев В.В. Программно-аппаратный комплекс поддержки принятия технологических решений в точном земледелии. Материалы междун. конф. «Агроинфо-2003», Новосибирск, 2003, ч.1, с.16-23

22. Якушев В.П., Петрушин А.Ф., Якушев В.В. и др. Научно-практические аспекты точного земледелия. Материалы междунар. конф. «Современные проблемы социально-экономического развития и информационные технологии. — Азербайджан, Баку, 2004, с.55-62

23. Якушев В.П., Полуэктов и др. Точное земледелие: состояние исследований и задачи агрофизики. В кн. «Агрофизические и экологические проблемы сельского хозяйства в 21 веке». СПб., SPBISTRO, 2002, т.З, с.26-73

24. Якушев В.П.,Полуэктов P.A. и др. Точное земледелие (аналитический обзор). Агрохимический вестник:№5, 2001, с.28-34; №1, 2002, с.34-39; №2, 2002, с.36-39; №3, 2002, с.36-40

25. Merrit S.J., Meyer G.E., Von Bargen К. and Mortenson D.A. Reflectance Sensor and Control System for Spot Spraying. Presented at the ASAE Summer meeting, American Society of Agricultural Engineers, 1994, Paper#94-1057

26. Дринча В.М. Перспективные направления агроинженерных исследований для непрерывного устойчивого ведения сельского хозяйства. -М., ВИМ, 2004, 80с.

27. Личман Г.И., Марченко Н.М., Дринча В.М. Основные принципы и перспективы применения точного земледелия. М., Россельхозакадемия,2004, 80с.

28. Михайленко И.М. Управление системами точного земледелия. СПб.: Изд-во С.-Петерб. ун-та, 2005. 234 с.

29. Якушев В.П. На пути к точному земледелию. СПб.: Издательство ПИЯФ РАН, 2002, 458 с.

30. Петрушин А.Ф. Комплекс программ формирования и обработки баз данных и знаний в агрономии. Автореферат диссертации. СПб.: АФИ,2005.

31. Полуэктов P.A. и др. Модели продукционного процесса сельскохозяйственных культур. СПб.: Изд-во С.-Петерб. ун-та, 2006. 396 с.

32. Полуэктов P.A. Использование динамических моделей в информационных технологиях точного земледелия. Материалы междунар. конф. «Современные проблемы социально-экономического развития и информацирнные технологии».- Азербайджан, Баку, 2004, с.34-40

33. Михайленко И.М., Молодкин В.Ю. Повышение эффективности производства молока на примере АПК Ленинградской области. Вестник РАСХН, 2005, № 2. С. 80-82.

34. Михайленко И.М., Полуэктов P.A., Якушев В.П. Агромониторинг: структура, функции, реализация. Доклады РАСХН, 2004, №3. с. 66-68.

35. Михайленко И.М., Родин А.И. Экспериментальный мониторинг кормовых культур в 2003 году. Информационно-аналитический бюллетень комитета по АПК Ленингр. обл., 2003, №24-25, с. 11-28

36. Насонов Д.В. Компьютерная система оценки климатической продуктивности агродандшафтов. Автореферат диссертации. СПБ.: АФИ, 2006.

37. Якушев В.П. 70 лет на службе аграрной науке и сельскохозяйственному производству. В кн. «Агрофизика от А.Ф.Иоффе до наших дней», СПб, АФИ, 2002, с. 10-25

38. Якушев В.П., Буре В.М., Брунова Т.М. Статистические методы в агрофизике// Агрофизика от А.Ф. Иоффе до наших дней.- СПб.: АФИ, 2002. с. 319-330.

39. Жуковский Е.Е., Мандельштам С.М., Киселева Т.Л. Статистический анализ случайных процессов в применении к агрофизике и агрометрии. Л. Гидрометеоиздат. 1976.

40. Якушев В.П., Буре В.М., Якушев В.В. Методология и инструментарий анализа натурных данных в точном земледелии. Доклады РАСХН, 2008, №6. с. 56-59.

41. Буре В.М. Комплекс программ по непараметрической статистике в среде Matlab. С.-Петербург: Изд. С.-Петерб. ун-та, 2007. 84 с.

42. Буре В.М., Кумачева С.Ш Модель аудита с использованием статистической информации о доходах налогоплательщиков// Вестн. С.-Петерб. ун-та. Сер. 10. 2005.Вып.2. с. 140-145

43. Буре В.М. Теоретико-игровая модель одной системы массового обслуживания// Вестн.С.-Петерб. ун-та. Сер. 1. 2002. Вып.2. с.3-5.

44. Буре В.М., Смолянская Е.А. Конкурентное прогнозирование// Вестн.С.-Петерб. ун-та. Сер. 1. 2000. Вып.1. с. 16-20.

45. Буре В.М., Малафеев O.A. Согласованная стратегия в повторяющихся конечных играх п лиц// Вестн.С.-Петерб. ун-та. Сер. 1. 1995. Вып. 1. с.120-122.

46. Буре В.М. Стохастический спрос и равновесие по Нэшу// Третья всероссийская школа-коллоквиум по стохастическим методам. Москва. 1996. с. 40-41.

47. Bure V.M., Malafeyev O.A. Some game-theoretical models of conflict in finance// Nova j. of mathematics, game theory, and algebra. V. 6. #1. 1996. p. 7-14.

48. Bure V.M. Some game-theorethic models of prediction// Пятая международная Петрозаводская конференция «Вероятностные методы в дискретной математике». Обозрение прикладной и промышленной математике. Т.7. Вып.1. Москва. 2000. с. 164-166.

49. Буре В.М., Стрюк Е.В Кооперативное решение в задаче перестрахования риска// В кн.: Процессы управления и устойчивость. Труды XXXI научной конференции. СПб. С.-Петерб. ун-т. 2000. с. 396-398.

50. Буре В.М. Равновесие в одной модели массового обслуживания// Второй всероссийский симпозиум по прикладной и промышленной математике. Обозрение прикладной и промышленной математике. Т.8. Вып.2. Москва. 2001. с. 545-546.

51. Boure V.M. An equilibrium design in the location problem of detecting facilities// Prooceedings of the 4th St. Petersburg Workshop on Simulation, 2001. P.169-172

52. Буре B.M., Седунов Е.В. Несмещенные в метрике L2 процедуры планирования и анализа регрессионных экспериментов// Вестн. ЛГУ. N 13. 1978. с.53-57

53. Буре В.М. Несмещенные процедуры планирования и анализа регрессионных и авторегрессионных экспериментов// Вестн. ЛГУ. N 7. 1979. с.71-72

54. Буре В.М., Ковригин А.Б., Седунов Е.В. Критерии минимаксного типа в несмещенном планировании регрессионных экспериментов// В кн.: Вопросы кибернетики. Нетрадиционные подходы к планированию эксперимента. Наука. Москва. 1981. с. 69-83.

55. Буре В.М., Ковригин А.Б. Оптимальное планирование эксперимента при оценке параметров авторегрессии// В кн.: Вопросы кибернетики. Нетрадиционные подходы к планированию эксперимента. -Наука. Москва. 1981. с. 83-95.

56. Буре В.М., Седунов Е.В. Некоторые частные постановки задач в теории несмещенного планирования регрессионных экспериментов// В кн.: Вопросы кибернетики. Нетрадиционные подходы к планированию эксперимента. Наука. Москва. 1981. с. 21-45.

57. Буре В.М. Равновесные планы в задаче слежения// Второй всероссийский симпозиум по прикладной и промышленной математике. Обозрение прикладной и промышленной математике. Т.8. Вып.1. Москва. 2001. с. 116-117.

58. Буре В.М., Кирпичников Б.К. Интегральное уравнение и предельная теорема в модифицированной модели процесса восстановления// Вестн.С.-Петерб. ун-та. Сер. 1. 1997. Вып.4. с.3-4.

59. Буре В.М., Кирпичников Б.К. Математические модели деградирующего процесса в экологии// В кн.: Моделирование природных систем и задачи оптимального управления. СО РАН, 1993. с. 62-64.

60. Буре В.М., Кирпичников Б.К. Вероятностные модели продолжительности функционирования сложных систем. СПб.: Изд. С.-Петерб. ун-та, 1993. - 93с.

61. Буре В.М., Кирпичников Б.К. Деградирующий процесс восстановления как модель нарушения экологического равновесия//

62. Обозрение прикладной и промышленной математики. Москва. Т.1. Вып.6. 1994. с. 850-859.

63. Буре В.М., Кирпичников Б.К. Об одном интегральном уравнении в модифицированной модели процесса восстановления// Вторая всероссийская школа-коллоквиум по стохастическим методам. Москва. 1995. с. 30-31.

64. Буре В.М., Кирпичников Б.К. Конспект-справочник лекций по теории вероятностей и математической статистике.- СПб. Ф-т прикладной математики-процессов управления С.-Петерб. ун-та. 1999. 143 с.

65. Буре В.М., Кирпичников Б.К. Лекции по теории вероятностей и математической статистике.-СПб. МБИ. 2000. 151 с.

66. Буре В.М. Об одном обобщении неравенства Селберга// Вестн. С.-Петерб. ун-та. Сер. 10. 2006.Вып.4. с. 125-126

67. Буре В.М., Седунов Е.В. К вопросу об использовании интерполяционных кубатурных формул для вычисления коэффициентов Фурье// Известия Вузов. N8. 198I.e. 63-65.

68. Буре В.М., Кобзева Е.Г. Перестрахование экспоненциального риска// В кн.: Процессы управления и устойчивость. Труды XXX научной конференции. СПб. С.-Петерб. ун-т. 1999. с. 420-423.

69. Буре В.М. Критерии случайности для временных рядов с конечным множеством допустимых значений// Четвертая всероссийская школа-коллоквиум по стохастическим методам. Обозрение прикладной и промышленной математики. Т.4. Вып. 3. Москва. 1997. с. 333-334.

70. Буре В.М., Власов С.А. Программная реализация логического анализа данных// В кн.: Процессы управления и устойчивость. Труды ХХХШ научной конференции. СПб. С.-Петерб. ун-т. 2002. с. 340-344.

71. Буре В.М., Власов С.А. Логический анализ данных// Третий всероссийский симпозиум по прикладной и промышленной математике. Обозрение прикладной и промышленной математике. Т.9. Вып.2. Москва. 2002. с. 345-346.

72. Буре В. М., Евсеев Е. А. Основы эконометрики. СПб., 2004. 72 с.

73. Буре В. М., Евсеев Е. А. Эконометрика: практикум на ПК. СПб., 2003. 60 с.

74. Якушев В.П., Буре В.М. Методологические подходы к оценке оптимального момента времени проведения агротехнологических мероприятий//Доклады РАСХН. 2001. № 4. с. 27-30.

75. Якушев В. П., Буре В. М. Статистическая оценка распределения оптимального момента времени проведения агротехнического мероприятия //Доклады РАСХН. 2002. № 3. с. 11 -13.

76. Буре В.М. Задача выбора момента времени// Первый всероссийский симпозиум по прикладной и промышленной математике. Обозрение прикладной и промышленной математике. Т.7. Вып.2. Москва. 2000. с. 324-325.

77. Якушев В.П., Буре В.М. О задаче оптимальной оценки момента времени проведения агротехнических мероприятий// В сб.: Современные проблемы опытного дела. Материалы международной научно практической конференции. - СПб.: АФИ, 2000. с. 139-140.

78. Якушев В. П., Буре В. М. Задача оценки момента времени проведения агротехнических мероприятий//Петрозаводск. Математические методы в экологии: Тезисы докладов Всероссийской научной школы. 2001. с. 197-199.

79. Якушев В. П., Буре В. М. Оценка биоэквивалентности двух участков на сельскохозяйственном поле//Доклады РАСХН. 2006. № 5. с.38-40.

80. Якушев В. П., Буре В. М., Якушев В. В. Выделение однородных зон на поле по урожайности отдельных участков//Доклады РАСХН. 2007. № 3. с.33-36.

81. Якушев В.П., Якушев В.В., Якушева JI.H., Буре В.М. Электронная карта урожайности как информационная основа прецизионного внесения удобрений. «Земледелие» №3, 2009.

82. Bouma, J., J.Stoorvogel, В.А. van Alphen, and H.W.G.Boolting. Pedology, Precision Agriculture, and Changing Paradigm of Agricultural Research. Soil Sci. Soc. Am. J. 63, 1763-1768, 1999.

83. Полуэктов P. А. и др. Модели продукционного процесса сельскохозяйственных культур. СПб.: Изд-во С.-Петерб. ун-та, 2006. 396 с.

84. Birrrell S.J., Sudduth К.А. and Borgelt S.C. Crop Yield and Soil Nutrient Mapping. ASAE Paper No.931556, 1993, Am. Soc. of Agricultural Engineers, St. Joseph, MI.

85. Shall, R. Assessment of individual and population bioequivalence using the probability that bioavailabilities are similar. Biometrics 51, 615-626,1995

86. Westlake, W.J. Symmetric confidence intervals for bioequivalence trails. Biometrics 32, 741-744, 1976.

87. Боровков А.А. Теория вероятностей. M.: Наука, 1986. 432 с.

88. Айвазян С.А. и др. Прикладная статистика. Классификация и снижение размерности. (Справочное издание) М.: Финансы и статистика, 1989. 607 с.

89. Ancha Srinivasan, PhD (Ed.) "Handbook of Precision Agriculture: Principles and Applications". Food Product Press. 2006, 656 p.

90. Небольсин А.Н. и др. Научно-методические основы оптимизации доз удобрений под основные сельскохозяйственные культуры по агрономическим, экономическим и экологическим параметрам. СПб., ЛНИИСХ, 2003.

91. Интегрированное применение удобрений в адаптивно-ландшафтном земледелии в Нечерноземной зоне Европейской части России (Практическое руководство). М.: ВНИИА, 2005. 160с.

92. Методика отбора почвенных проб по элементарным участкам поля в целях дифференцированного применения удобрений. М.: ВРЕИИА, 2007.-36с.

93. Буре В.М., Плахотник С. Адаптивные методы прогнозирование временных рядов в среде Matlab- Труды III Всероссийской научной конференции «Проектирование научных и инженерных приложений в среде Matlab», СПб, изд. С-Петерб. ун-та, 2007. с. 1363-1370.

94. Буре В.М., Степанов A.B. Адаптивное краткосрочное прогнозирование СПб.: МБИ, в кн. Математические методы исследования экономики, 2004. с. 160-169.

95. Буре В.М. Методологические аспекты статистического анализа в точном земледелии //Доклады РАСХН, 2007, №6. с. 54-56.

96. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования.-М.: Статистика, 1979

97. Каштанов А. Н., Ермаков Е. И., Якушев В. П. Биологические и агрофизические основы моделирования экологически адаптивных почвенно-растительных систем в агроландшафтном земледелии. Доклады РАСХН, 1999. №3

98. Вернадский В. И. К вопросу о химическом составе почв. М.: Изд-во АН СССР, 1960

99. Ермаков Е. И. Регулируемая агроэкосистема в агрофизике и растениеводстве. В кн.: «Агрофизика от А. Ф. Иоффе до наших дней», АФИ, СПб, 2002

100. Ермаков Е. И. Агрофизические основы экологической гармонизации регулируемой агроэкосистемы. Материалы научной сессии (27-29 октября 1977 года, АФИ), СПб, 1998

101. Ермаков Е. И. Интенсивное растениеводство в техногенных регулируемых агроэкосистемах. Вестник РАСХН, №5, 1999

102. Доспехов Б. А. Методики полевого опыта. — М.: Агропромиздат,1985

103. Ермаков С. М. Математическая теория планирования экспериментов. -М.: Наука, 1983

104. Бюллетень сети опытов с удобрениями. Выпуск 1. -М.: ВНИИА, 2006.-48с.

105. Семенов В.А. Полевой опыт в аграрной науке (новая концепция). -М.: РАСХН, 2004.-32с.

106. Семенов В.А., Ильвес A.JI. Региональная система экспериментов. В кн.: Методическое и экспериментальное обеспечение AJIC3. -СПб.: Изд-во ПИЯФ, 2007, с. 5-15

107. Семенов В.А. Большой балансовый опыт. СПб.: АФИ, 2004.-25с.

108. Шатилов И. С., Бондаренко Н. Ф., Жуковский Е. Е., Каюмов М. К., Нерпин С. В., Полуэктов Р. А. Схема организации научных исследований по программированию урожая. Доклады ВАСХНИЛ, №2, 1976

109. Полуэктов Р. А., Смоляр Э. И., Якушев В. П. Концепция опытного дела и развитие современных методов исследований в агрономии и агрофизике. Вестник РАСХН, 1999. №2117. Отчет АФИ за 2006г.118. Отчет АФИ за 2007г.119. Отчет АФИ за 2008г.

110. Sims D.A., Gamon J.A. Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages // Remote Sensing of Environment. 2002. v. 81 (2-3). P. 337354.

111. Penuelas J., Barret F., Fitella I. Semi-empirical indices to assess carotenoids/chlorophyll a ratio from leaf spectral reflectance. Photosynthetica. 1995. v. 31(2). p. 221-230.

112. Канаш E.B., Осипов Ю.А. Диагностика физиологического состояния и устойчивости растений к действию стрессовых факторов среды (на примере УФ-В радиации). // Методические рекомендации. 2008. СПб. РАСХН/ГНУ АФИ Россельхозакадемии. 2008. 35 с.

113. Канаш Е.В., Осипов Ю.А. Спектральные характеристики отражения листьев и диагностика физиологического состояния растений // Регулируемая агроэкосистема в растениеводстве и экофизиологии. СПб, ПИЯФ РАН, 2007, с. 254-270.

114. А. Бреннинт, П. Лейтхольц. Научные опыты в обычном хозяйстве. Новое сельское хозяйство, №4, 2007, с. 108-110.

115. Якушев В. П., Буре В. М. Методологические аспекты статистического исследования. Непараметрическая статистика//В сб.: Современные проблемы опытного дела: Материалы международной научно-практической конференции. СПб., 2000. с. 179-184.

116. Дрейпер Н., Смит Г. Прикладной регрессионный анализ: В 2 кн. М., 1986, 1987.

117. Pao С. Р. Линейные статистические методы и их применение. М.,1968.

118. Магнус Я. Р., Катышев П. К., Пересецкий А. А. Эконометрика: Начальный курс. М., 2001.

119. Якушев В.П., Буре В.М. Статистический анализ опытных данных. Непараметрические критерии. СПб.: АФИ, 2001. - 61с.

120. Холлендер М., Вулф Д. Непараметрические методы статистики. М., 1983. 518 с.

121. Рунион Р. Справочник по непараметрической статистике. М.,1982.

122. Тюрин Ю. Н., Макаров А. А. Статистический анализ данных на компьютере. М., 1997.

123. Поллард Дж. Справочник по вычислительным методам статистики. М., 1982.

124. Благовещенский Ю. Н., Самсонов В. П., Дмитриев Е. А. Непараметрические методы в почвенных исследованиях. М., 1987.

125. Богданов А. И. Методы оценки и прогнозирования рыночной ситуации в регионах. СПб., 2004.

126. Якушев В.П., Буре В.М. Подходы к обнаружению статистических зависимостей. — СПб.: Изд. С.-Петерб. ун-та, 2003. — 64с.

127. Аптон Г. Анализ таблиц сопряженности. М. Статистика. 1975.

128. Cole A.F.W., Katz M. Summer ozone concentrations in southern Ontario in relation to photochemical aspects and vegetation damage. J. Air Poll. Control Ass. 16. 201-206. 1966.

129. Браунли К.А. Статистическая теория и методология в науке и технике. М., 1977.

130. Буре В.М., Федорова А.С. Комплекс программ по непараметрической статистике Труды III Всероссийской научной конференции «Проектирование научных и инженерных приложений в среде Matlab», СПб, изд. С-Петерб. ун-та, 2007. с. 100-105.

131. Болыпев JI. Н., Смирнов Н. В. Таблицы математической статистики. М., 1983.

132. Боровков А. А Теория вероятностей. М., 1986.

133. Ширяев А. Н. Вероятность. М., 1980.

134. Якушев В.П., Буре В.М., Якушев В.В. Построение и анализ эмпирических зависимостей. СПб.: Изд. С.-Петерб. ун-та, 2005. - 39с.

135. Буре В.М. Методология статистического анализа опытных данных.- СПб.: Изд. С.- Петерб. ун-та, 2007. 141 с.

136. Буре В. М., Тихонова Н. В. Критерии неоднородности экспоненциально распределенных наблюдений: Труды международной научно-практической конференции «Агрофизика XXI века (к 70-летию образования Агрофизического института)». СПб., 2002. с. 313-317.

137. Кокс Д. Р., Оукс Д. Анализ данных типа времени жизни. М.,1988.

138. Дэйвид Г. Порядковые статистики. М., 1979.

139. Brown R.G. Statistical forecasting for inventory control. N.Y., 1959.

140. Brown R.G. Smoothing forecasting and prediction of discrete time series. N.Y., 1963.

141. Brown R.G., Meyer R.F. The fundamental theorem of exponential smoothing. Oper. Res., 1961, vol.9, n.5.

142. Brown P.E., Piet De Jong. Nonparametric smoothing using state space techniques. Canadian Journal of Statistics, 2001, vol.29, n. 1.

143. Agnew R.A. Econometric forecasting via discounted least squares.-Naval Research Logistics Quaterly, 1982, vol.29, n. 2.

144. Ameen Jamal R.M. Nonlinear predictor models. Journal of Forecasting, 1992, vol. 11, n. 4.

145. Farnum N.R. Exponential smoothing: Behavior of the ex-post sum of squares near 0 and 1. Journal of Forecasting, 1992, vol. 11, n. 1.

146. Tomas Cipra Robust exponential smoothing. Journal of Forecasting, 1992, vol. 11, n. 1.

147. Ng C.N., Young P.C. Recursive estimation and forecasting of non-stationary time series. Journal of Forecasting, 1990, vol. 9, n.2.

148. Pollock D.S. G. Filters for short non-stationary sequences. Journal of Forecasting, 2001, vol. 20, n. 5.

149. Jianqing Fan, Qiwei Yao, Zongwu Cai Adaptive varying-coefficient linear models. — Journal of the Royal Statistical Society: Series B, 2003, vol. 65, n.

150. Koenker, R., and G. Bassett Regression quantiles. Econometrica, 1978, vol. 46, 33-50.

151. Koenker, R., and V. d'Orey Computing regression quantiles. -Applied Statistics, 1987, vol. 36, 383-393.

152. Machado J.A.F. and Mata J. Box-Cox Quantile regression and distribution of firm size.- Journal of Applied Econometrics, 2000, vol. 15, n. 3.

153. Koenker, R., P. Ng, and S. Portnoy Quantile smoothing splines. -Biometrika, 1994, vol. 81, 673-680.

154. Ali Gannoun, Stephane Girard, Christiane Guinot, Jerome Saracco Reference curves based on non-parametric quantile regression. Statistics in Medicine, 2002, vol. 21, n. 20.

155. Thomas W. Yee Quantile regression via vector generalized additive models. Statistics in Medicine, 2004, vol. 23, n. 14.

156. Peter C. Austin, Jack V. Tu, Paul A. Daly, David A. Alter The use of quantile regression in health care research: a case study examining gender differences in the time liness of thrombolytic therapy. Statistics in Medicine, 2005, vol. 24, n. 5.

157. Henning K. Schroder, Hans Estup Andersen, Kathrin Kiehl Rejecting the mean: Estimating the response of fen plant species to environmental factors by non-linear quantile regression.- Journal of Vegetation Science, 2005, vol. 16, n. 4.

158. Jana Jureckova and Jan Picek Two-step regression quantiles. -Sankhy-a: The Indian Journal of Statistics, 2005, vol.67, 227-252.

159. V. Chernozhukov and Iv'an Fern'andez-Val Subsampling inference on quantile regression processes. Sankhy-a: The Indian Journal of Statistics, 2005, vol.67, 253-276.

160. V. Chernozhukov and Hansen C. An IV model of quantile treatment effects. Econometrica, 2005, vol. 73, 245-261.

161. Min Zhu and You-Gan Wang Quantile Estimation from Ranked Set Sampling Data. Sankhy-a: The Indian Journal of Statistics, 2005, vol.67, 295304.

162. Manuel Landajo, Javier de Andres, Pedro Lorca Measuring firm performance by using linear and non-parametric quantile regressions.- Journal of Royal Statistical Society: Series C, 2008, vol. 57, n. 2.

163. Randies R.H., Wolfe D.A. Introduction to the theory of nonparametric statistics.-N.Y. Wiley, 1979.

164. Pratt J., Gibbons J.D. Concept of nonparametric theory.- Springer ser. In statist., Berlin, 1981.

165. Robinson P.M. Semiparametric econometrics: A survey. Journal of Applied Econometrics, 1988, vol. 3, n. 1.

166. Hardeo Sahai, Satish Chandra Misra, Carios Toro The teaching of statistics in the biological, medical and health science: some comments and a selected bibliography.- Biometrical Journal, 1990, vol. 32 , n. 4.

167. Sin-Ho Jung, John Q. Su Non-parametric estimation for the difference or ratio of median failure times for paired observations.- Statistics in Medicine, 1995, vol. 14, n. 3.

168. Syma R. Esterby Review of methods for the detection and estimation of trends with emphasis on water quality applications. Hydrological Processes, 1996, vol. 10, n. 2.

169. Dong D. Zhang, Xia-Hua Zhou, Daniel H. Freeman Jr., Jean L. Freeman A non-parametric method for the comparison of partial areas under ROC curves and its application to large health care data sets.- Statistics in Medicine, 2002, vol. 21, n. 5.

170. Henrik Rene Cederkvist, Are Halvor Aastveit, Tormod Nas A comparison of methods for testing differences in predictive ability.- Journal of Chemometrics, 2005, vol. 19, n. 9.

171. Helena C. Kraemer Toward non-parametric and clinically meaningful moderators and mediators.- Statistics in Medicine, 2008, vol. 27, n. 10.

172. Chi-Rong Li, Chen-Tuo Liao, Jean-Pei Liu On the exact interval estimation for the difference in paired areas under the ROC curves.- Statistics in Medicine, 2008, vol.27, n.2.

173. Xiao-Hua Zhou, Sierra M. Li, Constantine A. Gatsonis Wilcoxon-based group sequential designs for comparison of areas under two correlated ROC curves.- Statistics in Medicine, 2008, vol. 27, n. 2.

174. Ronald G. Askin Multicollinearity in regression: Review and examples. Journal of Forecasting, 1982, vol. l,n. 3.

175. Geert Verbeke, Emmanuel Lesaffre, L.J. Brant The detection of residual serial correlation in linear mixed models. Statistics in Medicine, 1998, vol. 17, n. 12.

176. Heiko Becher The concept of residual confounding in regression models and some applications. Statistics in Medicine, 1992, vol. 11, n.13.

177. Ronghui Xu Measuring explained variation in linear mixed effects models. Statistics in Medicine, 2003, vol. 17, n. 12.

178. Juvencio Santos Nobre, Julio da Motta Singer Residual Analysis for Linear Mixed Models. Biometrical Journal, 2007, vol. 49, n. 6.

179. Twomey P.J., Kroll M.H. How to use linear regression and correlation in quantitative method comparison studies. International Journal of Clinical Practice, 2008, vol. 62, n. 4.

180. D.J. Slymen, R.F. Woolson, M.G. Myers An Application of the Logistic Distribution to the Analysis of a Measles Epidemic.- Biometrical Journal, 1979, vol. 21, n. 1.

181. Haiganoush K. Preisler Maximum Likelihood Estimates for Binary Data with Random Effects. Biometrical Journal, 1988, vol. 30, n. 3.

182. Gerhard Tutz Compound Regression Models for Ordered Categorical Data. Biometrical Journal, 1989, vol. 31, n. 3.

183. M. A. El-Saidi, E.O. George A Generalized Logistic Model for Quantal Response Bioassay. Biometrical Journal, 1990, vol. 32, n. 8.

184. K. Ulm A statistical method for assessing a threshold in epidemiological studies. Statistics in Medicine, 1991, vol. 10, n. 3.

185. Meenakshi Devidas, E. Olusegun George, Daniel Zelterman Generalized logistic models for low dose response data. - 1993, vol.12, n. 9.

186. T.P.Hutchinson A Guide to Bivariate Ideas of Quantal Response Analysis, as Applied in Biometrics and Econometrics. Biometrical Journal, 1993, vol. 35, n. 1.

187. Mohammed A. El-Saidi A Symmetric Extended Logistic Model with Applications to Experimental Toxicity Data.- Biometrical Journal, 1995, vol. 37, n. 2.

188. Jay Bhattacharya, Dana Goldman, Daniel McCaffrey Estimating probit models with self-selected treatments. Statistics in Medicine, 2006, vol.25, n. 3.

189. Glenn Hoetker The use of logit and probit models in strategic management research: Critical issues. Strategic Management Journal, 2007, vol. 28, n. 4.л кзя оя «ою <иао л