Data Mining and Multivariate Data Analysis (3)

Nome Gruppo

Data Mining and Multivariate Data Analysis (Data Mining e Analisi Multivariata dei Dati)

Descrizione

 

 

La nostra ricerca mira a fornire nuove metodologie statistico-matematiche per analizzare enormi insiemi di dati, in particolare dati multivariati provenienti da diversi contesti di ricerca (Management, Marketing, Assicurazioni, industria alimentare, ambiente, trasporti, telecomunicazione). In particolare concentriamo la nostra attenzione su:

-dati categorici

-tabelle di contingenza multiple e multi-vie

-analisi della varianza/covarianza e correlazione

-analisi della dipendenza e modelli di previsione (es. Partial Least Squares e Boosting regression).

Inoltre tra gli obiettivi di ricerca, sottolineiamo la codifica dei dati, le rappresentazioni grafiche multivariate, l'affidabilità dei risultati delle analisi attraverso lo studio di metodi e modelli matematici di natura parametrica e non parametrica, nonché la valutazione della qualità e del rischio aziendale.

Categorie ISI-WEB di riferimento:

-Statistics & Probability

-Mathematics, Interdisciplinary Applications

SETTORI SCIENTIFICI-DISCIPLINARE

SECS-S01 - STATISTICA

SECS-S06 – MATEMATICA PER L’ECONOMIA

Partecipazione a progetti di Ricerca:A.A. 2010/11 “Meeting between Italian and Australian PhD schools on Explorative Multivariate data Analysis Tools”. Cooperlink Progetto di Cooperazione Interuniversitaria Internazionale. Not Financed

***

Our research aims at providing new statistical and mathematical methodological techniques to analyse huge dataset and in particular multivariate data coming from different research area (such as management, marketing, insurance, food industry, environment, telecommunication). In particular we focus our attention on:

-ordered categorical data

-multiple and multi-way contingency tables

-variance/covariance and correlation analysis

-dependence/predictive analysis (such as Partial Least Squares and Boosting Regression).

Furthermore among our research purposes when analyzing huge data, we underline the data coding, the multivariate graphs, the reliability of analysis results by parametric and non-parametric methodologies, as well as the quality and risk assessment.

Pubblicazioni

 Pubblicazioni – Rosaria Lombardo 

 

  1. Beh E.J. Lombardo R. (2012) A Genealogy of Correspondence Analysis. Australian and New Zealand Journal of Statistics, 54 (2), 137-168. Wiley Publisher IF 0.436. Fascia A
  2. LombardoBentham science publisher IF 1.00. Fascia A
  3. Lombardo R., Amenta P. Vivien M., Sabatier R. (2012) Sensory Analysis via Multi-block Multivariate Additive PLS Splines. In Journal of Applied Statistics, Apr2012, Vol. 39 Issue 4, p731-743, 13p; DOI: 10.1080/02664763.2011.611239   Publisher Taylor & Francis IF 0.41 Fascia A
  4. 4.Lombardo R. Fascia A
  5. Lombardo, R., Durand J. F. and Faraj, A. (2011), Iterative design of experiments by non-linear PLS models. A case study: the reservoir simulator data to forecast oil production, Journal of Classification ( DOI: 10.1007/s00357-011) vol. 28, n1, pag 113-125. Springer publisher IF 0.719. Fascia A
  6. Lombardo, R., 141, 1789–1799 IF 1.047 Fascia A
  7. Beh, E. J., Lombardo R. and Simonetti B., (2011),A European perception of food using two methods of correspondence analysis, Journal of Food and Quality Preference, 22, 226 – 231. IF 1.824 Fascia A

 

Pubblicazioni - D’Ambra Antonello

 

  1. Crisci A, D'Ambra A (2013). External analysis in PLS-PATH Modelling for the evaluation of the passenger satisfaction. Journal of Applied Quantitative Methods, vol. 8, ISSN: 1842-4562;
  2. Crisci A, D'Ambra A (2012). Permutation test for group comparison in PLS-PATH modeling. Electronic Journal of Applied Statistical Analysis, vol. 5, p. 339-345, ISSN: 2070-5948
  3. D'Ambra L, D'Ambra A, Sarnacchiaro P (2012). Visualizing main effects and interaction in multiple non-symmetric correspondence analysis. Journal of Applied Statistics, vol. 39, p. 2165-2175,  ISSN: 0266-4763 IF 0.41. Fascia A
  4. D'Ambra A, Amenta P (2011). Correspondence Analysis with linear constraints of ordinal cross-classifications. Journal of Classification, vol. 28, p. 1-23, ISSN: 0176-4268 IF 0.719.Fascia A
  5. Sarnacchiaro P, D'Ambra A (2011). Cumulative Correspondence Analysis to improve the public train transport. Electronic Journal of Applied Statistical Analysis: Decision Support Systems and Services Evaluation, ISSN: 2037-3627
  6. Lombardo R, Beh Eric J, D'ambra A (2011). Studying the Dependence between Ordinal-Nominal Categorical Variables via Orthogonal Polynomilas. Journal of Applied Statistics, Fascia A

 

 

 

Pubblicazioni - Camminatiello Ida

 

  1. D'Ambra L., Camminatiello I., Sarnacchiaro P. (2013). Generalized log odds ratio analysis for the association in two-way contingency table.In: Brentari E., Carpita M.,. Vita e Pensiero, 1-6. ISBN: 978-88-343-2556-8
  2. Camminatiello I., Beh E.J., D'Ambra L. (2012). An unified approach to simple correspondence analysis. In: 2nd Stochastic Modeling Techniques and Data Analysis International Conference, Chania, 5-8 giugno.
  3. Camminatiello I., Paletta A., Speziale M. T. (2012). The effect of school-based management and standard-based accountability on student achievement: evidence from PISA 2006. Electronic journal of applied statistical analysis, 5, 381-386. ISSN: 2070-5948, doi: 10.1285/i20705948v5n3p381
  4. Camminatiello I., D’Ambra L., Meccariello G., Della Ragione L. (2011), A study of instantaneous emissions through the decomposition of directional measures for three-way contingency tables with ordered categories. Journal of Applied Sciences, 11 (4), 693-699. Fascia A
  5. Menini T., Camminatiello I., Gallo M. (2011), Uno studio sui livelli di competenza in matematica: analisi delle differenze tra gli studenti italiani e campani. Induzioni, 42, 67-42

 

 

 

Pubblicazioni - Ballestra Luca

 

  1. Ballestra L.V., Cecere L. (2013). A numerical method to compute the volatility of the fractional Brownian motion implied by American options. International Journal of Applied Mathematics, vol. 26, p. 203-220, ISSN: 1311-1728.
  2. Ballestra L.V., Pacelli G. (2012). A radial basis function approach to compute the first-passage probability density function in two-dimensional jump-diffusion models for financial and other applications. Engineering Analysis with Boundary Elements, vol. 36, p. 1546-1554, ISSN: 0955-7997. Fascia A
  3. Ballestra L.V., Ottaviani M., Pacelli G. (2012). An operator splitting harmonic differential quadrature approach to solve Young's model for life insurance risk. Insurance Mathematics & Economics, vol. 51, p. 442-448, ISSN: 0167-6687 Fascia A
  4. Ballestra L.V., Pacelli G. (2011). The constant elasticity of variance model: calibration, test and evidence from the Italian equity market. Applied Financial Economics, vol. 21, p. 1479-1487, ISSN: 0960-3107 Fascia A

 

 

RAPPORTI INTERNAZIONALI

 

Università di Newcastle (Australia)- prof. Eric J. Beh tra le collaborazioni scientifiche si segnala anche la partecipazione della prof. Lombardo al Dottorato di Ricerca della Scuola di Matematica e Statistica dell’Università di Newcastle (Australia) e al dottorato (SUN) in Imprenditorialità ed Innovazione. 

Responsabile scientifico

Prof.ssa  Rosaria Lombardo

 

SETTORE ERC

 

 

PE1_14

Componenti

D'Ambra Antonello (ricercatore a tempo indeterminato in Statistica)
Camminatiello Ida (ricercatore a tempo determinato in Statistica)
Ballestra Luca Vincenzo (ricercatore a tempo determinato in Statistica)

Altro personale

Prof. Eric J. Beh - University of Newcastle (Australia)

 

 

   

  

cerca

Sei qui: Home Didattica Uncategorised Data Mining and Multivariate Data Analysis (3)