Verosimiglianza robusta in modelli lineari generalizzati

L'analisi statistica ricopre un importante ruolo all'interno della scienza nell'interpretazione dei dati osservati come evidenza. La legge della verosimiglianza, e in particolare il rapporto di verosimiglianza, spiegano come fornire tale interpretazione, attraverso una misura della forza dell'evidenza statistica a supporto di una distribuzione di probabilità rispetto ad un'altra. Ma le osservazioni, anche quando propriamente interpretate, possono indurre in errore, supportando una distribuzione quando l'alternativa è corretta. Dopo aver proposto dei criteri per determinare la robustezza della funzione di verosimiglianza associata ad un modello statistico parametrico, Royall e Tsou (2003) hanno introdotto una tecnica per correggere le funzioni di verosimiglianza e di verosimiglianza profilo per renderle robuste. Obiettivo di questo studio è analizzare la trasformazione robusta proposta dagli studiosi sopra citati e ripresa da altri, approfondirne l'utilizzo nell'ambito di alcuni modelli lineari generalizzati e verificarne l'efficacia tramite degli studi di simulazione.