Un primo passo verso una teoria unificata di modelli lineari riccamente parametrizzati L'uso di modelli lineari misti per analizzare i dati spesso porta a risultati misteriosamente sconvenienti o sbagliati. Ad aggravare ulteriormente il problema, gli statistici non dispongono di una risorsa coesa per acquisire una comprensione sistematica e teorica dei modelli con effetti casuali. Modelli lineari riccamente parametrizzati: serie temporali additive e modelli spaziali che utilizzano effetti casuali fa un primo passo nello sviluppo di una teoria completa di modelli riccamente parametrizzati che consentirebbe agli statistici di comprendere meglio i risultati delle loro analisi. L'autore esamina ciò che è noto e sconosciuto sui modelli lineari misti e identifica le opportunità di ricerca. Le prime due parti del libro trattano una sintassi esistente per unificare i modelli con effetti casuali. Il testo spiega come i modelli riccamente parametrizzati possano essere espressi come modelli lineari misti e analizzati utilizzando metodi convenzionali e bayesiani. Nelle ultime due parti l'autore discute le stranezze che possono sorgere quando si analizzano i dati utilizzando questi modelli. Presenta i modi per rilevare i problemi e, quando possibile, mostra come mitigarli o evitarli. Il libro adatta le idee della teoria dei modelli lineari e poi va oltre quella teoria esaminando le informazioni nei dati sulle matrici di covarianza del modello lineare misto. Ogni capitolo termina con due serie di esercizi. I problemi convenzionali incoraggiano i lettori a esercitarsi con i metodi algebrici e le domande aperte motivano i lettori a fare ulteriori ricerche. I materiali di supporto, compresi i set di dati per la maggior parte degli esempi analizzati, sono disponibili sul sito web dell'autore. . Lingua: Inglese