1.	Основные задачи многомерного статистического анализа.
2.	Гильбертово пространство случайных величин. Задача о наилучшей линейной оценке.
3.	Корреляционный и регрессионный анализ.
4.	Коэффициенты корреляции.
5.	Множественная линейная регрессия. МНК. Свойства оценок.
6.	T-критерий значимости влияния фактора.
7.	Проверка линейных гипотез. F-критерий.
8.	Проверка адекватности модели. Коэффициент детерминации.
9.	Равенство уравнений регрессии.
10.	Фиктивные переменные.
11.	Модель линейной регрессии с гетероскедастичностью.
12.	Модель линейной регрессии с автокорреляцией в ошибках. Критерий Дарбина-Уотсона.
13.	Однофакторный дисперсионный анализ.
14.	Двухфакторный дисперсионный анализ.
15.	Дискриминантный анализ: постановка задачи и ее решение в случае известных параметров.
16.	Решение задачи дискриминантного анализа в случае неизвестных параметров.
17.	Кластерный анализ: постановка задачи и основные понятия.
18.	Кластерный анализ: схема последовательного построения факторов.
19.	Задача снижения размерности. Метод главных компонент.