Inhalt
I. Allgemeine Theorie Des Linearen Modells.- 1.1 Einleitende Bemerkungen.- 1.2 Spezialfälle.- 1.3 Die Methode der kleinsten Quadrate.- 1.4 Der inhomogene Fall (Streuungszerlegung und Bestimmtheitsmaß).- 1.5 Der Satz von Gauß-Markoff und das Identifikationsproblem.- 1.6 Kanonische Darstellung des Linearen Modells und erwartungstreue Schätzer für ?2.- 1.7 Die multivariate Normalverteilung und mit ihr zusammenhängende.- Prüfverteilungen.- 1.7.1 Die multivariate Normalverteilung.- 1.7.2 x2- F und t-Verteilungen.- 1.8 Quadratische Formen normalverteilter Zufallsvariabler (Cochrans Theorem).- 1.9 Das Klassische Lineare Modell.- 1.9.1 Konfidenzbereiche für schätzbare Funktionen.- 1.9.2 Tests typischer Hypothesen.- 1.9.3 Simultane Konfidenzintervalle.- (S-Methode der multiplen Vergleiche).- 1.10 Das verallgemeinerte Lineare Modell.- II. Ergänzungen Zur Regressionsanalyse.- 2.1 Stochastische Regressoren.- 2.2 Zweistufige Regression.- 2.3 Multikollinearität und Orthogonalität.- 2.4 Orthogonale Polynome und Polynomiale Regression.- 2.5 Vergleich zweier Regressionsgeraden.- 2.6 Asymptotische Eigenschaften der Gauß-Markoff-Schätzer bei vollem Rang.- 2.7 Das Regressionsmodell mit Fehlern in den Variablen.- 2.7.1 Stochastische Spezifikation.- 2.7.2 Funktionale Spezifikation.- III. Einige Wichtige Modelle Der Varianzanalyse.- 3.1 Einfachklassifikation.- 3.1.1 Problemstellung und Modell.- 3.1.2 Alternative Parametrisierung.- 3.1.3 S- und T-Methode der multiplen Vergleiche für Kontraste.- 3.2 Zweifachklassifikation.- 3.2.1 Der Fall k > 1 (mehr als eine Beobachtung pro Zelle).- 3.2.2 Der Fall k =1 (eine Beobachtung pro Zelle).- 3.2.3 Bemerkungen zu randomisierten Block- und einigen unvollständigen.- Versuchsplänen.- 3.3 Kovarianzanalyse.- 3.4 Modelle mitzufälligen Effekten.- 3.4.1 Einfachklassifikation.- 3.4.2 Zweifachklassifikation.- (Modell vom Typ II).- 3.4.3 Zweifachklassifikation (ein gemischtes Modell).- Verzeichnis der verwendeten Abkürzungen und Bezeichnungen.