1.Aspetti introduttivi. 2.Il modello di regressione lineare semplice: specificazione e assunzioni di base. Stima dei parametri: metodo dei minimi quadrati e metodo della massima verosimiglianza. Verifica di ipotesi sui coefficienti di regressione. Stima intervallare dei parametri. Valutazione dell'adattamento. Previsione. 3.Il modello di regressione multipla: specificazione matriciale e generalizzazione dei problemi di stima e verifica di ipotesi. Minimi quadrati generalizzati. 4.Analisi critica e costruzione del modello: metodi diagnostici (analisi dei residui, individuazione di valori anomali e punti leva, statistiche di Cook). Selezione del modello. 5.Uso di variabili indicatrici: l'analisi della covarianza 6. L'analisi della varianza a uno e più vie. 6.Discussione critica dei modelli lineari e motivazioni per la loro generalizzazione