--------------------------------------------------------------------------------------- A v v i s o d i M i n i - C o r s i --------------------------------------------------------------------------------------- - Mercoledì, 18 Febbraio: Liseo dalle 10:30 alle 13:00 || Alfò dalle 15:00 alle 17:00
- Giovedì, 19 Febbraio: Liseo dalle 10:30 alle 13:00 || Alfò dalle 15:00 alle 17:00
- Venerdì, 20 Febbraio: Liseo dalle 10:30 alle 13:00 || Alfò dalle 15:00 alle 17:00 ---------------------------------------------------------------------------------------
Aula VI (quarto piano) Dipartimento di Scienze Statistiche Sapienza Università di Roma
Come sempre i corsi sono gratuiti ma, per motivi organizzativi, tutti gli interessati sono invitati a **prenotarsi** compilando il seguente form on line:
url: http://goo.gl/JpzN75
--------------------------------------------------------------------------------------- BRUNERO LISEO (Dipartimento MEMOTEF, Sapienza) ---------------------------------------------------------------------------------------
terrà un mini-corso dal titolo
DENSITÀ GENERATE DA PERTURBAZIONI DI LEGGI SIMMETRICHE
Programma <
Tre lezioni sulla costruzione di densità di probabilità asimmetriche a partire da leggi simmetriche. Queste distribuzioni presentano aspetti interessanti sia dal punto di vista probabilistico che inferenziale.
- 1a lezione: Introduzione generale. Possibili costruzioni alternative della distribuzione normale asimmetrica scalare. Sue estensioni. Problemi inferenziali.
- 2a lezione: Il caso multivariato. Altre possibili perturbazioni
- 3a lezione: Metodi di stima e relativi problemi. Applicazioni con R.
--------------------------------------------------------------------------------------- MARCO ALFÒ (Dipartimento di Scienze Statistiche, Sapienza) ---------------------------------------------------------------------------------------
terrà un mini-corso dal titolo
MODELLI A MISTURA FINITA
Programma <
- Finite mixture models: basics - ML estimation, complete data and the EM algorithm - Variants of the EM algorithm - Choice of the number of components - Observed Information and the provision of standard errors - Gaussian mixtures, unconstrained and constrained estimation - Gaussian mixtures and dimensionality reduction - Finite mixtures with non Gaussian components - Finite mixtures of regression models, basics and link to semiparametric random parameter models
---------------------------------------------------------------------------------------
Maggiori informazioni sui seminari e mini-corsi presso il DSS sono consultabili a quest'indirizzo: http://goo.gl/Y6OQYm
Saluti
Pierpaolo Brutti