Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
SCIENZE STATISTICHE
Insegnamento
THEORY AND METHODS OF INFERENCE
SCP4063246, A.A. 2014/15

Informazioni valide per gli studenti immatricolati nell'A.A. 2014/15

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
SCIENZE STATISTICHE (Ord. 2014)
SS1736, ordinamento 2014/15, A.A. 2014/15
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese THEORY AND METHODS OF INFERENCE
Sito della struttura didattica http://scienzestatistiche.scienze.unipd.it/2014/laurea_magistrale
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile ALESSANDRA SALVAN SECS-S/01
Altri docenti NICOLA SARTORI SECS-S/01
LAURA VENTURA SECS-S/01

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative SECS-S/01 9.0

Organizzazione dell'insegnamento
Periodo di erogazione Secondo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 9.0 64 161.0

Calendario
Inizio attività didattiche 02/03/2015
Fine attività didattiche 12/06/2015
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2014

Commissioni d'esame
Commissione Dal Al Membri
5 Commissione a.a.2018/19 01/10/2018 30/09/2019 SALVAN ALESSANDRA (Presidente)
CANALE ANTONIO (Membro Effettivo)
SCARPA BRUNO (Membro Effettivo)
4 Commissione a.a. 2017/18 01/10/2017 30/09/2018 SALVAN ALESSANDRA (Presidente)
CHIOGNA MONICA (Membro Effettivo)
SARTORI NICOLA (Membro Effettivo)
2 Commissione a.a. 2015/2016 01/10/2015 30/09/2016 SARTORI NICOLA (Presidente)
BRAZZALE ALESSANDRA ROSALBA (Membro Effettivo)
CHIOGNA MONICA (Membro Effettivo)
VENTURA LAURA (Membro Effettivo)
1 Commissione a.a. 2014/2015 01/10/2014 30/09/2015 SALVAN ALESSANDRA (Presidente)
CHIOGNA MONICA (Membro Effettivo)
SARTORI NICOLA (Membro Effettivo)
VENTURA LAURA (Membro Effettivo)

Syllabus
Prerequisiti: First year courses of the Laurea Magistrale degree in Statistical Sciences, especially Probability Theory, Statistics (advanced).
Conoscenze e abilita' da acquisire: The course aims at offering students a deep understanding of the theory of statistical inference, with major emphasis on likelihood based frequentist theory. Group work will be required. Students are also invited to personal work on recent research in the field.
Modalita' di esame: 1/3 homework. 1/3 final written exam, 1/3 paper and oral presentation rewiewing one or two recent research papers.
Criteri di valutazione: Student’s assessment will consider how the topics presented are mastered in problems and applications, how finely the main methodologies are appreciated in their strenghts and weaknesses, how deep the personal interaction with recent research papers appears. PhD students can sit the exam only once, in the exam session following the course.
Contenuti: - Statistical models: approaches to inference, model specification, distribution problems, asymptotic approximations and delta method, simulation.
- Distribution theory: generating functions, moments and cumulants, moment approximations, variance stabilizing and skewness reducing transformations.
- Likelihood, observed and expected quantities: likelihood and sufficiency, invariance and exact sampling properties.
- Likelihood inference and first order asymptotics, nuisance parameters, non-regular models.
- Likelihood, computational aspects in R: Wald and deviance confidence intervals and regions, profile likelihood, simulation, numerical optimization methods.
- Introduction to Bayesian inference: prior information, posterior distribution, choice of the prior distribution, estimation, hypothesis testing and the Bayes factor.
- Estimating equations and pseudolikelihoods: misspecification, estimating equations, quasi likelihood, composite likelihood, empirical likelihood.
- Data and model reductions: sufficiency and completeness, ancillary statistics and conditioning, pseudo-likelihoods, marginal and conditional likelihood.
- The frequency-decision paradigm: statistical decision problems, efficient estimators, optimal tests and confidence regions, conditional inference and similarity.
- Exponential families: natural exponential families, mean value mapping and variance function, marginal and conditional distributions, sufficiency and completeness, likelihood quantities, conditional likelihood, profile likelihood and mixed parameterization, procedures with finite sample optimality properties, first-order asymptotic theory.
- Exponential dispersion families and generalized linear models.
- Group families: groups of transformations, orbits and maximal invariants, conditional and marginal inference.
Attivita' di apprendimento previste e metodologie di insegnamento:
Eventuali indicazioni sui materiali di studio:
Testi di riferimento:
  • Davison, A.C., Statistical Models. Cambridge: Cambridge University Press, 2003. Cerca nel catalogo
  • Pace, L. and Salvan A., Principles of Statistical Inference from a Neo-Fisherian Perspective. Singapore: World Scientific, 1997. Cerca nel catalogo
  • Severini, T.A., Likelihood methods in Statistics. Oxford: Oxford University Press, 2000. Cerca nel catalogo
  • Severini, T.A., Elements of Distribution Theory. Cambridge: Cambridge University Press, 2005. Cerca nel catalogo
  • Young, G.A. and Smith, R.L., Essentials of Statistical Inference. Cambridge: Cambridge University Press, 2005. Cerca nel catalogo