home *** CD-ROM | disk | FTP | other *** search
/ Explore the World of Soft…e: Engineering & Science / Explore_the_World_of_Software_Engineering_and_Science_HRS_Software_1998.iso / programs / statistc / statsak.exe / STAT-SAK.DOC next >
Text File  |  1989-03-01  |  25KB  |  571 lines
  1.  
  2.  
  3.  
  4.  
  5.  
  6.  
  7.  
  8.                                    STAT-SAK
  9.                               The Statistician's
  10.                                Swiss Army Knife
  11.                                  Version 2.40
  12.                                (c) 1985 -- 1988
  13.  
  14.                         "One of many STATOOLS(tm)..."
  15.                                       by
  16.  
  17.                               Gerard E. Dallal
  18.                               53 Beltran Street
  19.                               Malden, MA  02148
  20.  
  21.  
  22.  
  23.         STAT-SAK is the STATistician's Swiss Army  Knife:  While  not
  24.         the custom tool for any particular job, it carries out a wide
  25.         variety  of miscellaneous tasks that are not easily performed
  26.         by most large statistical packages.
  27.  
  28.  
  29.  
  30.  
  31.                                     NOTICE
  32.  
  33.         Documentation and original code copyright 1985-1988 by Gerard
  34.         E. Dallal.   Reproduction  of  material  for   non-commercial
  35.         purposes is permitted, without charge, provided that suitable
  36.         reference is made to STAT-SAK and its author.
  37.  
  38.         Neither STAT-SAK nor its documentation should be modified  in
  39.         any way without permission from the author,  except for those
  40.         changes that  are  essential  to  move  STAT-SAK  to  another
  41.         computer.
  42.  
  43.  
  44.                                   DISCLAIMER
  45.  
  46.         STATOOLS(tm) are provided "as is"  without  warranty  of  any
  47.         kind.  The  entire risk as to the quality,  performance,  and
  48.         fitness  for  intended  purpose  is  with  you.   You  assume
  49.         responsibility  for  the selection of the program and for the
  50.         use of results obtained from that program.
  51.  
  52.  
  53.  
  54.  
  55.  
  56.  
  57.  
  58.  
  59.  
  60.                                                                PAGE 2
  61.  
  62.  
  63.                                  INSTALLATION
  64.  
  65.         STAT-SAK was written for the IBM-PC but few changes should be
  66.         needed to install it on  another  computer.  The  first  DATA
  67.         statement initializes the variables
  68.  
  69.                       IIN -- input unit number (screen)
  70.                      IOUT -- output unit number (screen)
  71.  
  72.  
  73.  
  74.  
  75.                                  DESCRIPTION
  76.  
  77.         STAT-SAK  is  a  tool for anyone who regularly analyzes data.
  78.         It was written under the assumption  that  users  would  have
  79.         access  to  a  "comprehensive" micro or mainframe statistical
  80.         package such as SAS, SPSS-X, BMDP,  or SYSTAT.  STAT-SAK does
  81.         not  perform calculations that require access to the original
  82.         observations.
  83.  
  84.         STAT-SAK performs the following calculations and analyses:
  85.  
  86.          1.  Distributions:
  87.                a.  Normal distribution
  88.                      quantile to probability:  upper-tail
  89.                                                lower-tail
  90.                                                two-tailed
  91.                      probability to quantile
  92.                      [Whenever  a  quantile  of  zero  is  specified,
  93.                       STAT-SAK prompts for three quantities A,B,C and
  94.                       then evaluates A/(B/SQRT(C)).]
  95.                b.  t distribution:  quantile to probability
  96.                                     probability to quantile
  97.                c.  chi-square distribution:  quantile to probability
  98.                                              probability to quantile
  99.                d.  F distribution:  quantile to probability
  100.                                     probability to quantile
  101.                e.  Binomial:  Prob (binomial(n,p) <=,=,>= k)
  102.                f.  Poisson:  Prob (Poisson(mean) <=,=,>= quantile)
  103.                g.  Studentized range:  probability to quantile
  104.  
  105.          2.  Tests of independence/homogeneity of proportions in  two
  106.                dimensional  contingency  tables:  Pearson  chi-square
  107.                statistic,  with Yates's continuity correction in  the
  108.                case of a 2 by 2 table.
  109.  
  110.  
  111.  
  112.         STAT-SAK                                          G.E. Dallal
  113.  
  114.  
  115.  
  116.                                                                PAGE 3
  117.  
  118.  
  119.          3.  Exact   confidence  intervals  for  binomial  p's.   The
  120.                confidence interval is (theta1, theta2), where
  121.                   Prob(X>=# of successes|theta1) = (1-c)/2 ,
  122.                   Prob(X<=# of successes|theta2) = (1-c)/2 ,
  123.                and c is the level of confidence.
  124.  
  125.          4.  Fisher's exact test for 2 by 2 contingency tables.
  126.  
  127.          5.  Mantel-Haenszel   test,   approximate   95-%  confidence
  128.                interval for common odds ratio using equation 10.22 of
  129.                Fleiss (1981).
  130.  
  131.          6.  McNemar's test:  An exact test using the binomial(n,0.5)
  132.                distribution.
  133.  
  134.          7.  Correlation coefficients:
  135.                a.  Test that a population correlation coefficient  is
  136.                      zero.
  137.                b.  Construct   confidence   interval   for  a  single
  138.                      correlation   coefficient   using   a    FORTRAN
  139.                      translation  of  the BASIC program of Maindonald
  140.                      (1984,  p.300)  based  on  an  approximation  of
  141.                      Winterbottom (1980).
  142.                c.  Compare  two  independent correlation coefficients
  143.                      using Fisher's z transformation.
  144.                d.  Compare two  dependent  correlation  coefficients,
  145.                      that  is,  two correlation coefficients from the
  146.                      same correlation matrix (measured  on  the  same
  147.                      individuals).  The  statistics are Z1*-tilde and
  148.                      Z2*-tilde,  equations (14) and (15) from Steiger
  149.                      (1980).  The  information needed to perform this
  150.                      analysis must be stored  in  a  space  or  comma
  151.                      delimited  ASCII file.  (The program will prompt
  152.                      the user for the file's name.)  The first record
  153.                      contains the  sample  size.  Subsequent  records
  154.                      contain   the   correlation   matrix   in  lower
  155.                      triangular form. (The second record contains the
  156.                      element r(2,1).) The program will work  properly
  157.                      if  the  file  contains  the  square correlation
  158.                      matrix,  provided the first row is replaced by a
  159.                      record starting with the sample size.
  160.  
  161.          8.  Bartholomew's  test  for  increasing proportions:  Exact
  162.                P-values are given for 3 or 4 proportions.  For  5  or
  163.                more   proportions,   STAT-SAK   gives   the   P-value
  164.                appropriate for equal column  totals.  This  value  is
  165.                NOT  conservative  for  all  tables.  See  Bartholomew
  166.  
  167.  
  168.         STAT-SAK                                          G.E. Dallal
  169.  
  170.  
  171.  
  172.                                                                PAGE 4
  173.  
  174.  
  175.                (1959a,b).
  176.  
  177.                Since Bartholomew's test is a pool-adjacent-violators
  178.                procedure,  it can  yield "significant"  results even
  179.                when the data show no real trend.  In the table
  180.  
  181.                                   85  15  85
  182.                                   15  85  15
  183.  
  184.                the  first  row  proportion decreases from column 1 to
  185.                column  2;  Bartholomew's  test  fits  the  proportion
  186.                100 (=85 + 15) / 200 (=100 + 100)  to  these  columns.
  187.                The first row proportion then increases  significantly
  188.                as  we  move  to  column  3  and the test statistic is
  189.                significant overall.  In order to alert users to  such
  190.                potential  pitfalls,   STAT-SAK  reports  the  Pearson
  191.                goodness-of-fit   statistic   for    homogeneity    of
  192.                proportions  along  with  the  difference  between the
  193.                Pearson  statistic  and  the  Bartholomew   statistic.
  194.                Although  the reference distribution of the difference
  195.                is not known,  large values are  indicative  of  model
  196.                failure.  A  conservative  test  can  be had using the
  197.                central  chi-square  distribution  with   degrees   of
  198.                freedom equal to the number columns minus 1.
  199.  
  200.          9.  Bartholomew's test for increasing  normal  means:  Exact
  201.                P-values  are  given for 3 or 4 means.  For 5 or more,
  202.                STAT-SAK gives  the  P-value  based  on  equal  column
  203.                totals.  This value is NOT conservative in all cases.
  204.  
  205.                The test for increasing means poses the  same  problem
  206.                as  does  the  test  for proportions:  the data can be
  207.                significant relative to  the  null  hypothesis  of  no
  208.                change even if the monotonicity is seriously violated.
  209.  
  210.                Lack-of-fit   is  assesses  by  partitioning  sums  of
  211.                squares as in a standard analysis of  variance.  Exact
  212.                tests for lack of fit are unavailable,  however, since
  213.                the F-ratios constructed in this manner do not  follow
  214.                central  F  distributions  under their respective null
  215.                hypotheses.  We must be content  with  bounds  on  the
  216.                P-value.
  217.  
  218.                Let  BSS  and  WMS be the between group sum of squares
  219.                and  within  group   mean   square   calculated   when
  220.                performing  a  standard  one-way analysis of variance.
  221.                Let  OBSS  be  the  between  group  sum   of   squares
  222.  
  223.  
  224.         STAT-SAK                                          G.E. Dallal
  225.  
  226.  
  227.  
  228.                                                                PAGE 5
  229.  
  230.  
  231.                calculated  under  order  restriction.  Let 'k' be the
  232.                number of  samples  and  N  be  the  total  number  of
  233.                observations.  Since
  234.  
  235.                     (BSS-OBSS)/(k-1) / WMS   < =                  [1]
  236.                                         (BSS/(k-1)) / WMS         [2]
  237.  
  238.                it  follows  that an upper bound to the P-value can be
  239.                had by comparing [1]  to  the  percentiles  of  the  F
  240.                distribution with k-1 numerator degrees of freedom and
  241.                N-k denominator degrees of freedom.
  242.  
  243.                A lower bound to the P-value is obtained by  assigning
  244.                the difference BSS-OBSS to a single degree of freedom,
  245.                but  it  must  be noted that in the case of two groups
  246.                with equal means, BSS-OBSS equals BSS with probability
  247.                1/2  and  0  with  probability  1/2.   Hence,   for  k
  248.                populations  not  all of whose means are monotonically
  249.                nondecreasing,  the  probability  that  (BSS-OBSS)/WMS
  250.                exceeds  some  particular  value  is no less than HALF
  251.                that given by the  F  distribution  with  1  numerator
  252.                degree  of  freedom  and  N-k  denominator  degrees of
  253.                freedom.
  254.  
  255.                The summary statistics may be read  from  an  external
  256.                file,  one record per sample, each record containing a
  257.                sample's mean, SD or SE, and count separated by one or
  258.                more spaces. (FORTRAN's list directed input is used to
  259.                read the values.)
  260.  
  261.         10.  One sample t test from summary statistics.
  262.  
  263.         11.  Two  sample  t  test  from summary statistics:  includes
  264.                pooled  standard  deviation,   F-ratio   for   testing
  265.                equality of variances, and t tests based on both equal
  266.                and   unequal  (using  Satterthwaite's  approximation)
  267.                variances.  (By  entering  dummy  sample  means,  this
  268.                routine   can   be  used  to  obtain  pooled  standard
  269.                deviations  from  individual  standard  deviations  or
  270.                standard errors.)
  271.  
  272.  
  273.  
  274.  
  275.  
  276.  
  277.  
  278.  
  279.  
  280.         STAT-SAK                                          G.E. Dallal
  281.  
  282.  
  283.  
  284.                                                                PAGE 6
  285.  
  286.  
  287.                             FOR THE FREQUENT USER
  288.  
  289.         At the prompts "Enter 'Q' to quit, press <Enter> to continue"
  290.         and  "Enter  'R'  to  return  to main menu,  press <Enter> to
  291.         continue", any valid STAT-SAK command may be entered, thereby
  292.         bypassing the display of the menu.
  293.  
  294.  
  295.  
  296.  
  297.                                   ALGORITHMS
  298.  
  299.         STAT-SAK makes use of the following published routines:
  300.  
  301.         Best, D.J.  and D.E. Roberts  (1975).  Algorithm  AS 91.  The
  302.            percentage  points of the chi-squared distribution.  Appl.
  303.            Statist.,24,385-388.
  304.  
  305.         Bhattacharjee, G.P. (1970).  Algorithm AS 32.  The incomplete
  306.            gamma integral.  Appl. Statist.,19,285-287.
  307.  
  308.         Cran,  G.W.,  K.J. Martin  and  G.E. Thomas  (1977).   Remark
  309.            AS R19  and  Algorithm  AS 109.  A remark on algorithms AS
  310.            63:  The incomplete beta integral,  and AS 64:  Inverse of
  311.            the     incomplete    beta    function    ratio.     Appl.
  312.            Statist.,26,111-114.
  313.  
  314.         Hill,  I.D.  (1973).  Algorithm AS 66.  The normal  integral.
  315.            Appl. Statist.,22,424-427.
  316.  
  317.         Lund,   R.E.   and  J.R. Lund  (1983).   Algorithm   AS   190.
  318.            Probabilities  and  Upper  Quantiles  for  the  Studentized
  319.            Range.   Appl.   Statist.,32,204-210.   (correction:  Appl.
  320.            Statist.,34(1985),104)
  321.  
  322.         Majumder,  K.L.  and  G.P. Bhattacharjee  (1973).   Algorithm
  323.            AS 63.     The    incomplete    beta    integral.    Appl.
  324.            Statist.,22,409-411.
  325.  
  326.         Odeh,  R.E.  and  J.O. Evans  (1974).  Algorithm  AS 70.  The
  327.            percentage  points  of  the  normal  distribution.   Appl.
  328.            Statist.,23,96-97.
  329.  
  330.         and the author's FORTRAN translation of
  331.  
  332.         Pike,  M.C.  and I.D. Hill (1966).  Algorithm 291.  Logarithm
  333.            of the gamma function.  Commun. Ass. Comput. Mach.,9,684.
  334.  
  335.  
  336.         STAT-SAK                                          G.E. Dallal
  337.  
  338.  
  339.  
  340.                                                                PAGE 7
  341.  
  342.  
  343.  
  344.  
  345.  
  346.  
  347.                                   REFERENCES
  348.  
  349.         Bartholomew, D.J. (1959a).  A test of homogeneity for ordered
  350.            alternatives.  Biometrika,46,36-48.
  351.  
  352.         ----------------  (1959b).  A test of homogeneity for ordered
  353.            alternatives.  II.  Biometrika,46,328-335.
  354.  
  355.         Fleiss, Joseph L.  (1981).  Statistical Methods for Rates and
  356.            Proportions, 2-nd ed.  New York:  John Wiley & Sons, Inc.
  357.  
  358.         Maindonald, J.H. (1984).  Statistical Computation.  New York:
  359.            John Wiley & Sons, Inc.
  360.  
  361.         Steiger, James H.  (1980).  Tests for comparing elements of a
  362.            correlation matrix.  Psychological Bulletin,87,245-261.
  363.  
  364.         Winterbottom,  Alan  (1980).   Estimation  of  the  bivariate
  365.            normal    correlation    coefficient    using   asymptotic
  366.            expansions.  Comm. in Statist. Simulation and Computation,
  367.            B9, 599-609.
  368.  
  369.  
  370.  
  371.  
  372.  
  373.  
  374.  
  375.  
  376.  
  377.  
  378.  
  379.  
  380.  
  381.  
  382.  
  383.  
  384.  
  385.  
  386.  
  387.  
  388.  
  389.  
  390.  
  391.  
  392.         STAT-SAK                                          G.E. Dallal
  393.  
  394.  
  395.                                  STATOOLS(tm)
  396.  
  397.             STATOOLS(tm) are stand-alone programs designed to fill  in
  398.         some of the gaps left by major statistical packages.
  399.  
  400.             The following programs  are available  as a  set of  three
  401.         disks for the IBM PC and compatibles running DOS 2.0 or  later
  402.         versions.  The disks  contain FORTRAN source code,  executable
  403.         files, and user's guides.  They may be obtained by  sending  a
  404.         check in the amount of $15 to
  405.  
  406.                                Gerard E. Dallal
  407.                                53 Beltran Street
  408.                                Malden, MA  02148
  409.  
  410.  
  411.         STAT-SAK is the  STATistician's Swiss Army  Knife.  While  not
  412.         the custom tool for any particular job, it carries out a  wide
  413.         variety of miscellaneous tasks  that are not easily  performed
  414.         by most large statistical packages.  These include probability
  415.         distributions (normal,  t, chi-square,  F, binomial,  Poisson,
  416.         studentized range);  exact confidence  intervals for  binomial
  417.         p's; Fisher's exact  test for 2  by 2 tables;  Mantel-Haenszel
  418.         test and approximate  95% confidence interval  for the  common
  419.         odds ratio;  Bartholomew's  test for  increasing  proportions;
  420.         Bartholomew's test for  increasing normal means;  one and  two
  421.         sample   t-tests   from   summary   statistics;    correlation
  422.         coefficients: test that  a population value  is 0,  confidence
  423.         interval for a  single coefficient,  test of  equality of  two
  424.         independent coefficients, test  of equality  of two  dependent
  425.         coefficients (coefficients from the same correlation matrix).
  426.  
  427.         PC-SIZE determines  the sample  size requirements  for  single
  428.         factor experiments, two factor experiments, randomized  blocks
  429.         designs, paired t-tests,  and comparison of  proportions.   It
  430.         can calculate the power  of specific sample  sizes as well  as
  431.         determine the sample size needed to achieve specific power.
  432.  
  433.         PC-PLAN generates randomization plans.
  434.  
  435.         PC-EMS produces tables of  expected mean squares for  balanced
  436.         experiments by using the Cornfield-Tukey algorithm.
  437.  
  438.         PC-PITMAN calculates  observed  significance levels  by  using
  439.         recursive   relationships   to   obtain   the    randomization
  440.         (permutation) distribution of a  number of statistics  without
  441.         directly examining all possible permutations of the data.   It
  442.         performs one and two sample randomization tests and rank tests
  443.         in the presence of an arbitrary number of ties in the data.
  444.  
  445.         PC-MULTI  performs  multiple  comparisons  by  using   Tukey's
  446.         honestly   significant    differences    (studentized    range
  447.         statistic).
  448.  
  449.         FORGET-IT produces  Forget-it  Plots (also  known  as  Two-way
  450.         Plots), a  graphical  device for  displaying  the  interaction
  451.         structure of a two-way table.
  452.  
  453.         STRUCTR fits  structural relations  when  the ratio  of  error
  454.         variances is known.
  455.  
  456.         PC-AIP fits additive-in-the-probits models to  two-dimensional
  457.         contingency tables with ordered column classifications.
  458.  
  459.         --------------------------------------------------------------
  460.  
  461.         Other programs:
  462.  
  463.         OCTA (One man's Contingency Table Analysis): Interactive  log-
  464.         linear analysis of multi-dimensional contingency tables by use
  465.         of   the   Deming-Stephan   iterative   proportional   fitting
  466.         procedure.    Quasi-independence  models;  Brown's  tests   of
  467.         partial and multiple association.  Tables of up to 1000  cells
  468.         containing no more  than 7  dimensions and  20 categories  per
  469.         dimension.  ($10)
  470.  
  471.         WUBA-WUBA: Converts space  or comma delimited  ASCII files  of
  472.         numerical data to MYSTAT/SYSTAT files. ($5 OR formatted 5-1/4"
  473.         floppy  diskette   in   a   self-addressed   stamped   mailer.
  474.         Accompanies any program  that analyzes  data in  MYSTAT/SYSTAT
  475.         files at no additional charge.)
  476.  
  477.         GENERIC: Set of  FORTRAN source  code that  can be  used as  a
  478.         template  for  writing  MYSTAT/SYSTAT  supplements.    ($5  OR
  479.         formatted 5-1/4" floppy diskette  in a self-addressed  stamped
  480.         mailer)
  481.  
  482.         RCJOIN: identifies sources of interaction in two-way tables of
  483.         counts (Computers and Biomedical Research, 21(1988),  129-136)
  484.         ($5 OR formatted  5-1/4" floppy diskette  in a  self-addressed
  485.         stamped mailer)
  486.  
  487.         FMT: FORTRAN  FORMAT  Statement  Generator.    Use  your  word
  488.         processor to create a  text file looking  like the output  you
  489.         want from  your FORTRAN  program.   FMT  turns the  text  into
  490.         FORTRAN FORMAT statements.  ($5 for a disk containing FMT; $12
  491.         shareware registration)
  492.  
  493.  
  494.  
  495.         The following programs work  with MYSTAT/SYSTAT system  files.
  496.         They can be used independently  of MYSTAT and SYSTAT by  using
  497.         WUBA-WUBA (described  above) to  convert ASCII  data files  to
  498.         MYSTAT/SYSTAT system files.
  499.  
  500.         LOGISTIC: Logistic regression.   Maximum likelihood  estimates
  501.         of the  regression  coefficients  are obtained  by  use  of  a
  502.         Newton-Raphson  iterative  procedure.    Interactions  may  be
  503.         specified in the model.  The model may contain up to 20 terms.
  504.         ($10)
  505.  
  506.         cLOGISTIC:  Conditional  logistic  regression  for  stratified
  507.         case-control data.   Up to  500 strata  with no  more than  10
  508.         cases plus controls per stratum.  The product of the number of
  509.         subjects and the number of  variables must be no greater  than
  510.         6000.   ($5 OR  formatted 5-1/4"  floppy diskette  in a  self-
  511.         addressed stamped mailer.   Also, accompanies  LOGISTIC at  no
  512.         additional charge.)
  513.  
  514.         PITMAN: A version  of PC-PITMAN (described  above) that  works
  515.         with MYSTAT/SYSTAT  files.   ($5  OR formatted  5-1/4"  floppy
  516.         diskette in a self-addressed stamped mailer)
  517.  
  518.         TRACK: Foulkes-Davis tracking index, the probability that  two
  519.         individuals chosen at random will have measurement curves over
  520.         time that  do not  cross.   (Foulkes and  Davis.   Biometrics,
  521.         37(1981),  439-446)     Fits  linear,   quadratic,  or   cubic
  522.         polynomials to each individual's data and judges the  adequacy
  523.         of the  fit.   Produces  a command  file that  allows  SYGRAPH
  524.         (Systat, Inc.) to  draw  the  measurements  curves.    ($5  OR
  525.         formatted 5-1/4" floppy diskette  in a self-addressed  stamped
  526.         mailer)
  527.  
  528.         MUDIFT: Multivariate  distribution-free comparison  of  growth
  529.         curves. (Guo S, Simon R, Talmadge JE, Klabansky RL.  Computers
  530.         and Biomedical Research, 20(1987), 37-48.)  MUDIFT was written
  531.         with Shumei Guo, R. Simon, J.E. Talmadge, and  R.L. Klabansky.
  532.         ($5 OR formatted  5-1/4" floppy diskette  in a  self-addressed
  533.         stamped mailer)
  534.  
  535.         ODDJOB:  MIscellaneous statistical procedures including, tests
  536.         of  normality   (Lilliefors   and   Wilk-Shapiro),   test   of
  537.         unimodality,   isotone   regression,   two-phase   regression,
  538.         structural relations  (a  MYSTAT/SYSTAT  version  of  STRUCTR,
  539.         above) and  a  low  resolution  locally  weighted  scatterplot
  540.         smoother (LOWESS).  ($5 OR formatted 5-1/4" floppy diskette in
  541.         a self-addressed stamped mailer)  (Available March 29, 1989)
  542.  
  543.         BUMP: Dose-response  curves in  the  presence of  a  downturn.
  544.         (Simpson and Margolin, Biometrika,  73(1986), 589-596).   BUMP
  545.         was written with Douglas G. Simpson and is available only from
  546.         him at  Department of  Statistics, University  of Illinois  at
  547.         Urbana-Champaign, 101 Illini  Hall, 725  South Wright  Street,
  548.         Champaign, IL 61820. ($5  OR formatted 5-1/4" floppy  diskette
  549.         in a self-addressed stamped mailer)
  550.  
  551.  
  552.             A word about MYSTAT...
  553.  
  554.         MYSTAT is  a full-featured  subset of  the statistics  package
  555.         SYSTAT by Systat, Inc.  MYSTAT  can analyze up to 32000  cases
  556.         and 50 variables.  It contains a full-screen editor which  can
  557.         import ASCII files  and, through  an extensive  transformation
  558.         facility, create new variables and modify existing  variables.
  559.         MYSTAT's statistical capabilities include summary  statistics,
  560.         scatterplots, histograms,  stem-and-leaf  displays,  t  tests,
  561.         correlation coefficients,  regression analysis,  balanced  and
  562.         unbalanced multi-way analysis of variance, and the analysis of
  563.         two dimensional  tables  of  counts.    MYSTAT  will  soon  be
  564.         packaged with  number  of introductory  statistics  textbooks.
  565.         Anyone may obtain a free copy  of MYSTAT by sending a  written
  566.         request to  Systat, Inc.,  1800 Sherman  Avenue, Evanston,  IL
  567.         60201. (Reference: Wilkinson, L.  (1987), "MYSTAT: A  Personal
  568.         Version of SYSTAT," The American Statistician, 41, 334.) I  am
  569.         unable to provide copies of MYSTAT.
  570.  
  571.