---------------------------------------------------------------------------------------
 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