1.	Основные задачи многомерного статистического анализа:
	- корреляционный анализ
	- регрессионный анализ
	- снижение размерности
	- дисперсионный анали
	- дискриминантный анализ
	- кластерный анализ
2.	Гильбертово пространство случайных величин .
3.	Что такое наилучшая  линейная оценка
4.	Лемма о перпендикуляре.
5.	Простой коэффициент корреляции и что он измеряет.
6.	Множественный коэффициент корреляции и что он измеряет
7.	Частный коэффициент корреляции и что он измеряет
8.	Множественная линейная регрессия: модель и основные ограничения.
9.	Описание МНК для оценки параметров.
10.	Явный вид оценок параметров по МНК.
11.	Общая схема проверки гипотезы о параметре.
12.	Для чего используется Т-критерий
13.	Основное различие Т-критерия и F-критерия в задаче проверки значимости влияния фактора.
14.	Адекватность модели. Постановка задачи.
15.	Коэффициент детерминации и что он измеряет.
16.	Задача о равенстве двух регрессий.
17.	Что такое модель с гетероскедастичностью в ошибках
18.	Что проверяет тест Дарбина-Уотсона
19.	Как выглядит модель бинарного выбора?
20.	Что такое Пробит-модель?
21.	Что такое Логит-модель?
22.	В чем различие моделей упорядоченного и неупорядоченного выбора?
23.	Основная задача в однофакторном дисперсионном анализе.
24.	Основная задача в двухфакторном дисперсионном анализе
25.	Основная задача дискриминантного анализа.
26.	Кластерный анализ: постановка задачи.
27.	Кластерный анализ: последовательное построение факторов.
28.	Что такое задача снижения размерности?
29.	Дать определение главной компоненты.