Francesco GIORDANO | Projects

Questo progetto di ricerca si pone come obiettivo principale quello di sviluppare e studiare nuove procedure di selezione delle variabili rilevanti in un contesto di regressione non parametrica in alta dimensionalità e con un modello, possibilmente, non additivo.

Lo sviluppo di nuove tecnologie ha avuto un forte impatto sulla raccolta dei dati. Ampie masse di dati sono disponibili e spesso si rende necessario non solo sistematizzare le informazioni ma anche selezionarle opportunamente. In tale contesto tecniche di ⿿variable screening⿝ e ⿿variable selection⿝ possono avere un ruolo importante per la riduzione dei dati e per la selezione delle variabili che h

Molti dati possono essere interpretati come dati spaziali: osservazioni che vengono rilevate in luoghi e in tempi diversi, dove lo spazio può essere inteso in senso lato e non solo fisico. Questa tipologia di dati viene analizzata in letteratura mediante i cosiddetti modelli autoregressivi spaziali, basati su una regressione ponderata i cui pesi vengono dati da una matrice di distanze. Molto spess

In this project we focus on the estimation of forecast distributions in non linear autoregressive time series and, in this context, we propose the use of non parametric techniques. In particular, we evaluate the approach based on feed-forward neural networks (NN) to approximate the original nonlinear process and derive valid point forecasts and the pair bootstrap scheme as a resampling device

Il progetto ha come obiettivo principale la tematica della sostenibilità con particolare riferimento ai fenomeni di congestione dei trasporti. Dall'analisi di questa tematica dovrebbero scaturire vie per una migliore organizzazione del sistema logistico, e lo studio di fattibilità giuridica di tali soluzioni. Dal punto di vista economico l'obiettivo è individuare la sostenibilità ambientale, econo

Within the model based clustering methods robustness is generally reached by discarding the set of outlying observations. This approach of course revealed its benefit in terms of robustness but , on the other hand, may provoke a loss of efficiency. In order to increase the efficiency in the parameter estimation, reweighting on the discarded observations can be applied. Nonetheless several open

Il progetto di ricerca si pone come obiettivo quello di trasformare il risultato delle tecniche di screening (riduzione della dimensione) nella selezione (consistente) delle variabili rilevanti. Il contesto è quella della regressione parametrica e non parametrica, nell'ambito dell'alta dimensionalità.

Propose and discuss resampling techniques for model selection and inference that are suitable to deal with massive data

Missing data arise in many statistical analyses, due to faults in data acquisition, and can have a significant effect on the conclusions of the analyses. In environmental data, a standard approach usually adopted by the Environmental Protection Agencies is based on deleting those observations with incomplete information, obtaining an underestimation of the indexes usually used for quality evaluati

Il progetto si sviluppa su tre linee di ricerca tra loro correlate. La prima riguarda lo studio dei meccanismi di elaborazione, diffusione, ed analisi delle ingenti mole di dati riguardanti i diversi aspetti della pandemia da Covid-19 mediante tecniche matematico-statistiche. La seconda analizza a livello micro- e macro-economico gli effetti della pandemia sui principali indicatori economici, appu

L¿obiettivo del progetto è quello di implementare un modello Latent Markov che fornisca stime dei parametri non distorte anche nei casi in cui non sussista la relazione di indipendenza tra gli indicatori del modello e le covariate, condizionatamente ai diversi stati latenti. A tal fine, occorre modificare la funzione di log verosimiglianza standard aggiungendo un insieme di parametri che rappresen

L¿obiettivo del progetto è quello di studiare le diverse tecniche statistiche di riduzione della dimensione (Tecniche di Screening delle covariate) sia nell¿ambito della Regressione parametrica e non e sia in altri contesti come quello del modello di sopravvivenza. L¿aspetto comune sarà l¿alta dimensionalità.

The problem of time series clustering has attracted growing research interest in the last decade. The most popular clustering methods assume that the time series are only linearly dependent but this assumption usually fails in practice. To overcome this limitation, in this rresearchr, we study clustering methods applicable to time series with a general dependent (possibly nonlinear) structure. We

In un precedene progetto di ricerca è stato proposto un modello spazio-temporale appartenente alla cosidetta famiglia dei modelli spaziali di tipo econometrico. La parte innovativa di tale progetto consisteva nella maggiore flessibilità del modello, per via di parametri spaziali location-dependent, da cui il nome di modello spaziale eterogeneo. In un successivo progetto di ricerca è stato anche pr