Alessandra Salvan – författare

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.

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.

   

In this book, an integrated introduction to statistical inference is provided from a frequentist likelihood-based viewpoint. Classical results are presented together with recent developments, largely built upon ideas due to R.A. Fisher. The term “neo-Fisherian” highlights this.After a unified review of background material (statistical models, likelihood, data and model reduction, first-order asymptotics) and inference in the presence of nuisance parameters (including pseudo-likelihoods), a self-contained introduction is given to exponential families, exponential dispersion models, generalized linear models, and group families. Finally, basic results of higher-order asymptotics are introduced (index notation, asymptotic expansions for statistics and distributions, and major applications to likelihood inference).The emphasis is more on general concepts and methods than on regularity conditions. Many examples are given for specific statistical models. Each chapter is supplemented with problems and bibliographic notes. This volume can serve as a textbook in intermediate-level undergraduate and postgraduate courses in statistical inference.