Statistical Learning and Modeling in Data Analysis

Simona Balzano, Giovanni C Porzio, Renato Salvatore, Domenico Vistocco, Maurizio Vichi - Editors (Springer, 2021).

Questo volume contiene una raccolta di articoli su metodi e modelli di apprendimento statistico per l’analisi dei dati, unitamente ad alcune interessanti applicazioni degli stessi. Il volume copre diversi temi di ricerca, tra cui procedure inferenziali, modelli statistici, metodi di classificazione, metodi fattoriali, analisi di dati direzionali, serie storiche e stima per piccole aree. Le applicazioni proposte riguardano l’utilizzo di queste tematiche in diversi campi applicativi, tra cui la medicina, la finanza, l’ingegneria, il marketing, il cyber rischio, solo per citarne alcuni.

Il volume nasce a valle del 12° congresso del CLADAG, gruppo di Analisi dei dati e Classificazione (CLAssification and Data Analysis Group) della Società Italiana di Statistica (SIS), tenutosi a Cassino (IT), nel periodo 11-13 settembre 2019. Il primo convegno CLADAG si è tenuto a Pescara (IT), nel 1997. Il CLADAG è anche membro dell’IFCS, la federazione internazionale delle società di classificazione (International Federation of Classification Societies), fondata nel 1985. Il CLADAG promuove ricerca metodologica avanzata nel settore della statistica multivariata, ponendo particolare attenzione ai metodi di analisi dei dati e classificazione. Uno degli obiettivi del CLADAG è supportare lo scambio di idee in questi settori di ricerca, unitamente alla diffusione di metododolgia, metodi numerici ed algoritmi. Questo volume sposta pienamente questi obiettivi primari del CLADAG.

Il programma scientifico del convegno CLADAG 2019 è stato particolarmente stimolante, grazie alla partecipazione di rinomati oratori, provenient da ventotto differenti paesi. Il programma scientifico prevedeva 5 relatori principali, 32 sessioni invitate, 16 sessioni di contributi liberi, una tavola rotonda e una data competition.

Indice del volume

• Preface

• Interpreting Effects in Generalized Linear Modeling
  (Alan Agresti, Claudia Tarantola, Roberta Varriale)

• ACE, AVAS and Robust Data Transformations
  (Anthony C. Atkinson, Marco Riani, Aldo Corbellini, Gianluca Morelli)

• PDF On Predicting Principal Components Through Linear Mixed Models
  (Simona Balzano, Maja Bozic, Laura Marcis, Renato Salvatore)

• Robust Model-Based Learning to Discover New Wheat Varieties and Discriminate Adulterated Kernels in X-Ray Images
  (Andrea Cappozzo, Francesca Greselin, Thomas Brendan Murphy)

• A Dynamic Model for Ordinal Time Series: An Application to Consumers’ Perceptions of Inflation
  (Marcella Corduas)

• Deep Learning to Jointly Analyze Images and Clinical Data for Disease Detection
  (Federica Crobu, Agostino Di Ciaccio)

• Studying Affiliation Networks Through Cluster CA and Blockmodeling
  (Daniela D’Ambrosio, Marco Serino, Giancarlo Ragozini)

• Sectioning Procedure on Geostatistical Indices Series of Pavement Road Profiles
  (Mauro D’Apuzzo, Rose-Line Spacagna, Azzurra Evangelisti, Daniela Santilli, Vittorio Nicolosi)

• Directional Supervised Learning Through Depth Functions: An Application to ECG Waves Analysis
  (Houyem Demni)

• Penalized Versus Constrained Approaches for Clusterwise Linear Regression Modeling
  (Roberto Di Mari, Stefano Antonio Gattone, Roberto Rocci)

• Effect Measures for Group Comparisons in a Two-Component Mixture Model: A Cyber Risk Analysis
  (Maria Iannario, Claudia Tarantola)

• A Cramér–von Mises Test of Uniformity on the Hypersphere
  (Eduardo García-Portugués, Paula Navarro-Esteban, Juan Antonio Cuesta-Albertos)

• On Mean And/or Variance Mixtures of Normal Distributions
  (Sharon X. Lee, Geoffrey J. McLachlan)

• Robust Depth-Based Inference in Elliptical Models
  (Stanislav Nagy, Jiří Dvořák)

• Latent Class Analysis for the Derivation of Marketing Decisions: An Empirical Study for BEV Battery Manufacturers
  (Friederike Paetz)

• Small Area Estimation Diagnostics: The Case of the Fay–Herriot Model
  (Maria Chiara Pagliarella)

• A Comparison Between Methods to Cluster Mixed-Type Data: Gaussian Mixtures Versus Gower Distance
  (Monia Ranalli, Roberto Rocci)

• Exploring the Gender Gap in Erasmus Student Mobility Flows
  (Marialuisa Restaino, Ilaria Primerano, Maria Prosperina Vitale)