Questo libro di testo fornisce un'ampia introduzione all'uso e alla teoria dei modelli lineari per l'analisi dei dati. L'enfasi dell'autore è nel fornire un trattamento unificato dei modelli lineari, inclusa l'analisi dei modelli di varianza e di regressione, basati su proiezioni, ortogonalità e altre idee di spazio vettoriale. Ogni capitolo è dotato di numerosi esercizi ed esempi che lo rendono ideale per un corso di livello post-laurea. Tutti gli argomenti standard vengono trattati in modo approfondito: ANOVA, stima inclusa la stima bayesiana, test di ipotesi, confronti multipli, analisi di regressione e modelli di progettazione sperimentale. Inoltre, il libro tratta argomenti che di solito non vengono trattati a questo livello, ma che sono importanti di per sé: progetti bilanciati di blocchi incompleti, test per la mancanza di adattamento, test per l'indipendenza, modelli con matrici di covarianza singolari, stima delle componenti di varianza, migliore previsione lineare e migliore previsione lineare imparziale, collinearità e selezione delle variabili. Questa nuova edizione include la discussione sull'identificabilità e la sua relazione con la stimabilità, diversi approcci alle teorie del test di ipotesi parametriche e dell'analisi della covarianza, discussione aggiuntiva sulla geometria della stima e del test dei minimi quadrati, nuova discussione sui modelli per esperimenti con strutture di trattamento fattoriale e una nuova appendice sulle possibili cause per ottenere statistiche di test così piccole da essere sospette. Ronald Christensen è professore di statistica presso l'Università del New Mexico. È membro dell'American Statistical Association e dell'Institute of Mathematical Statistics.
caricamento...
