Modelli Lineari Generalizzati
Description
Il volume fornisce un'introduzione a teoria e applicazioni dei modelli lineari generalizzati. Si presentano modelli di regressione per risposte continue, binarie, categoriali e di conteggio. Si offre anche un'introduzione ai modelli per risposte correlate. Utilizzando il software statistico R, vengono forniti gli strumenti per l'analisi dei dati tramite i diversi modelli parametrici e semiparametrici. Gli esempi con R alla fine di ciascun capitolo rappresentano una guida ad esercitazioni con il computer e richiedono una partecipazione attiva nello svolgere le analisi proposte. Numerosi esercizi concludono ogni capitolo. Il taglio adottato è funzionale ad approfondire in modo integrato aspetti teorici e applicativi. Unico nel suo genere, è rivolto agli studenti di Scienze Statistiche.
More details
Other editions
Additional editions
Persons
Alessandra Salvan è professoressa ordinaria di Statistica presso il Dipartimento di Scienze Statistiche dell'Università di Padova dal 2002. Ha tenuto corsi di Statistica di base, Inferenza Statistica, Statistica Matematica, Modelli Statistici per corsi di laurea, laurea magistrale e dottorato in Scienze Statistiche. La sua attività di ricerca riguarda temi di metodologia dell'inferenza statistica.
Nicola Sartori
è professore ordinario di Statistica presso il Dipartimento di Scienze Statistiche dell'Università di Padova dal 2018. Ha tenuto corsi di Statistica di base, Inferenza Statistica, Modelli Statistici e Statistica Computazionale sia per corsi di laurea in Economia sia per corsi di laurea, laurea magistrale e dottorato in Scienze Statistiche. L'attività di ricerca riguarda aspetti metodologici e computazionali dell'inferenza statistica.
Luigi Pace è professore ordinario di Statistica presso l'Università di Udine dal2000. Afferisce al Dipartimento di Scienze Economiche e Statistiche. Da svariati anni impartisce insegnamenti di Statistica per la laurea in Informatica e per la laurea magistrale in Matematica. La sua attività di ricerca riguarda principalmente temi di metodologia dell'inferenza statistica basata sulla verosimiglianza.
Content
1. Modelli lineari e lineari generalizzati.- 2. Modelli lineari generalizzati.- 3. Modelli per dati bancari.- 4. Modelli per risposte politomiche.- 5. Modelli per dati di conteggio.- 6. Quasi-verosimiglianza.- Modelli per risposte correlate.- A Dati utilizzati nel testo.- B Distribuzioni di probabilità.- C Eguaglianza tra stime OLS e GLS.- D Il metodo delta.- E Funzioni generatrici.- F Codice R per l'esempio 2.9.- G Equivalenza tra residui di Pearson e di devianza.- H Modelli per la sovradispersione: schema.