A Primer on Linear Models presenta uno sviluppo unificato, completo e rigoroso della teoria alla base della metodologia statistica di regressione e analisi della varianza (ANOVA). Incorpora perfettamente questi concetti utilizzando matrici di progettazione non a rango completo e sottolinea l'esatta teoria dei campioni finiti a supporto dei metodi statistici comuni. Con la copertura che progredisce costantemente in complessità, il testo fornisce innanzitutto esempi del modello lineare generale, inclusi modelli di regressione multipla, ANOVA unidirezionale, modelli a effetti misti e modelli di serie temporali. Introduce quindi l'algebra e la geometria di base del problema dei minimi quadrati lineari prima di approfondire la stimabilità e il modello di GaussâMarkov. Dopo aver presentato gli strumenti statistici dei test di ipotesi e degli intervalli di confidenza, l'autore analizza i modelli misti come l'ANOVA mista a due vie e il modello lineare multivariato. Le appendici esaminano i fondamenti e i risultati dell'algebra lineare, nonché i moltiplicatori di Lagrange. Questo libro consente una comprensione completa del materiale adottando un approccio unificante generale ai fondamenti della teoria e ai risultati esatti dei modelli lineari. . Lingua: Inglese