Até o início do século XX, a análise de regressão linear era considerada a principal técnica de modelagem estatística. O principal objetivo desta técnica é analisar a relação entre uma variável dependente e uma ou mais variáveis independentes, para identificar uma função de uma reta que descreva esta relação, daí o nome "linear". Quando você trabalha apenas com uma variável independente, a regressão é simples. Do contrário, se houver mais de uma variável independente, tem-se uma regressão múltipla. Através dela(s) é possível entender as causas de variação de um fenômeno e predizer seu comportamento de acordo com as variáveis explicativas. Apesar de ser uma ferramenta poderosa, possui algumas limitações. E, a partir dessas limitações, surgem os Modelos Lineares Generalizados (MLG). Com base nestas informações e no conteúdo estudado, cite as pressuposições que tornam os MLGs uma alternativa aos modelos de regressão linear e pelo menos dois exemplos de casos especiais dos MLGs, bem como o autor que propôs e o ano.