Luisa Scaccia

Luisa Scaccia

Professore di ruolo - II fascia / Statistica (SECS-S/01)
  • Tel. interno (+39) 0733 258 3237
  • E-mail scaccia@unimc.it
Dipartimento di Economia e Diritto
 

 

Laurea in Statistica Economica nel 1997 presso l'Università La Sapienza di Roma.
Master in Statistics nel 1999 presso la School of Mathematics and Statistics, University of Sheffield, UK.
Dottorato in Metodi statistici e matematici per la ricerca economica e sociale nel 2001 presso l’Università degli Studi di Perugia.
Insegna Statistica ed Inferenza statistica presso l'Università degli Studi di Macerata. Svolge occasionalmente attività di formazione post-universitaria in corsi di Master e Dottorato in Italia e all’Estero.
Ha pubblicato su temi di metodologia statistica, modelli di analisi dati e tecniche computazionali su riviste internazionali quali Biometrika, Computational and Graphical Statistics, Computational Statistics and Data Analysis, Journal of Statistical Planning and Inference, Journal of Statistical Computation and Simulation, Review of Managerial Science, Central European Journal of Operations Research, Global & Local Economic Review, European Transport/Trasporti Europei. Svolge attività di ricerca su misture di modelli, metodi Monte Carlo Markov Chain, Modelli a scelta discreta, modelli per dati spaziali. Ha partecipato a progetti di interesse nazionale su Metodi statistici per ordinamenti stocastici con applicazioni sociosanitarie ed ambientali, Modelli marginali per variabili categoriche con applicazioni all'analisi causale, Cambiamento strutturale e Crescita.

 

 

Info
Impossibile contattare uGov al momento. Per favore riprovare più tardi
  • SECS-S/03 - Statistica economica
  • SECS-P/05 - Econometria
Breve descrizione Settore ERC Parole chiave
Misture di modelli, utilizzate come strumento semiparametrico per modellizzare i dati e come strumento per creare gruppi di dati simili tra loro SH1_4: Econometrics, statistical methods Miscugli di modelli, Modelli hidden Markov, Scelta del numero di componenti, Reversible Jump, Eterogeneità, Modelli semiparametrici, Clustering, Classi latenti
Metodi Monte Carlo Markov Chain. Sviluppo e impiego di tali tecniche in ambito Bayesiano e in ambito frequentista per ottenere stime di massima verosimiglianza approssimate per distribuzioni note a meno di una costante di normalizzazione. PE1_14: Statistics MCMC, Reversible Jump, Statistica Bayesiana, Scelta del modello Bayesiana, Verosimiglianza marginale, Bridge sampling, Stime di massima verosimiglianza approssimate
Modelli a scelta discreta per l’analisi della domanda di trasporto rilevata attraverso tecniche di “preferenze dichiarate” SH3_8: Mobility, tourism, transportation and logistics Modelli a scelta discreta, Preferenze dichiarate, Multinomial logit, Miscugli di mixed multinomial logit, Analisi della domanda di trasporto, Modelli a classi latenti
Modelli per dati spaziali, con particolare riferimento a modelli simmetrici e separabili SH3_12: Geo-information and spatial data analysis Modelli per dati spaziali, Processi autoregressivi, Processi su reticolo, Separabilità, Simmetria assiale, Processo doubly-geometric
Lingua Conoscenza
Inglese Eccellente
Francese Buono
Tedesco Elementare
Aree: Europa, Italia
Paesi: Italia, Gran Bretagna e Irlanda del Nord, Francia
Info
Impossibile contattare uGov al momento. Per favore riprovare più tardi
  • Altri organismi
Info
Impossibile contattare uGov al momento. Per favore riprovare più tardi
 Orari di ricevimento
  • giovedì dalle 14:00 alle 16:00. via skype (luisa_scaccia). Inviare un email per richiedere un appuntamento in altro giorno/ora.
 Download