Contenuto 1: La teoria del modello lineare generale (GLM): specificazione del modello, ipotesi, soluzione del sistema di equazioni normali mediante inversa generalizzata, funzioni stimabili e loro proprietà, nozione di ipotesi testabile. Relazione con il metodo di stima dei minimi quadrati vincolati: approcci sum-to-zero e set-to-zero linear constraints. Parametrizzazione degli effetti e parametrizzazione della categoria di riferimento. Costruzione di contrasti. Procedure di confronto multiplo.
Contenuto 2: Casi particolari di GLM: modelli ANOVA ad effetti fissi a una e a più vie, modello ANCOVA. Applicazioni a dati reali e sperimentali: PROC GLM di SAS.
Contenuto 3: Selezione del GLM: metodi forward e stepwise. Applicazioni a dati reali: PROC GLMSELECT di SAS.
Contenuto 4: Modelli lineari generalizzati (GzLM): legge di distribuzione della variabile risposta, link function e specificazione del modello, ipotesi, metodo di stima di massima verosimiglianza, proprietà degli stimatori, criteri per la valutazione della bontà di adattamento del modello, intervalli di confidenza e verifica di ipotesi.
Contenuto 5: Casi particolari di GzLM: modello log-lineare di Poisson per dati di conteggio, modelli logistici binomiali e multinomiali per risposte nominali e ordinali, modelli log-lineari per tabelle di contingenza multidimensionali. Applicazioni a dati reali: PROC LOGISTIC e PROC GENMOD di SAS.