Catia Scricciolo

CS,  2 giugno 2018
Qualifica
Professore associato
Settore disciplinare
SECS-S/01 - STATISTICA
Settore di Ricerca (ERC)
PE1_14 - Statistics

Ufficio
Santa Marta,  Piano 1,  Stanza 1.25
Telefono
+39 045 802 8341
E-mail
catia|scricciolo*univr|it <== Sostituire il carattere | con . e il carattere * con @ per avere indirizzo email corretto.

Orario di ricevimento

mercoledì, 08:30--09:30, Polo Universitario Santa Marta, Via Cantarane 24, I piano, studio 1.25.

L'orario di ricevimento indicato è relativo al primo semestre, dal 17-set-2018 al 11-gen-2019. Si invita, in ogni caso, in tale periodo a contattare il docente via e-mail all'indirizzo catia.scricciolo@univr.it utilizzando il proprio indirizzo di posta elettronica istituzionale (univr) per confermare il ricevimento. Durante le sessioni d'esame e nel secondo semestre, il ricevimento avrà luogo su appuntamento: per concordare una data, inviare un messaggio di posta elettronica al docente.



Professore Associato di Statistica presso l'Università degli Studi di Verona da ottobre 2015. In precedenza, Assistant Professor di Statistica presso l'Università Bocconi di Milano. Laureata in Statistica presso l'Università degli Studi di Roma "La Sapienza", ha conseguito il Dottorato di Ricerca in Statistica presso l'Università degli Studi di Padova. Il principale ambito di ricerca è l'Inferenza Statistica, in particolare, l'inferenza statistica bayesiana non parametrica. ​








 

Curriculum
  • pdf   CV EN   (pdf, it, 632 KB, 02/06/18)
  • pdf   CV ITA   (pdf, it, 575 KB, 03/06/18)

Insegnamenti

Insegnamenti attivi nel periodo selezionato: 12.
Clicca sull'insegnamento per vedere orari e dettagli del corso.

 
Competenze
Argomento Descrizione Area di ricerca
MSC 62F15 - Inferenza Bayesiana Teoria bayesiana della stima di funzioni in modelli statistici non parametrici, incluso lo studio d'insiemi di credibilità per quantificare l'incertezza degli stimatori puntuali. L'analisi copre anche problemi bayesiani inversi, come la deconvoluzione, in cui l'oggetto d'interesse deve essere ricostruito a partire da osservazioni indirette affette da errori. Metodi quantitativi per l’economia
Statistics - Parametric inference
MSC 62G20 - Proprietà asintotiche Analisi di procedure basate sulla verosimiglianza: - consistenza e tassi di convergenza di stimatori non parametrici di massima verosimiglianza nella distanza di Hellinger; - proprietà asintotiche frequentiste di procedure bayesiane non parametriche, inclusi risultati generali sui tassi di convergenza di distribuzioni a posteriori, stima adattiva e proprietà di copertura d'insiemi di credibilità non parametrici. Metodi quantitativi per l’economia
Statistics - Nonparametric inference