Seminario Dott. Cantaluppi 17 Dicembre 2004 IL PROGRAMMA PLS-VB PER LA STIMA DEI MODELLI AD EQUAZIONI STRUTTURALI CON VARIABILI LATENTI

Sono disponibili i lucidi del seminario, per ricevere una copia elettronica inviare una mail di richiesta alla Segreteria dip.scienzestatistiche@unicatt.it

Sommario
Nel seminario si presenterà il programma PLS-VB (Partial Least Squares-Visual Basic), Boari, Cantaluppi (2003), modulo aggiuntivo di Microsoft Excel che implementa l'algoritmo PLS, Wold (1985). Tale algoritmo consente una possibile soluzione ai problemi di stima dei parametri di un modello ad equazioni strutturali e di determinazione dei punteggi assunti dalle variabili latenti.
Si ricorda, brevemente, che un modello ad equazioni strutturali con variabili latenti viene impiegato per studiare le relazioni tra un insieme di costrutti concettuali non direttamente misurabili (latenti), con cui si descrive un problema oggetto di analisi.
Lo sperimentatore, tipicamente, dispone delle osservazioni di altre variabili (manifeste), che si ipotizzano legate alle variabili latenti attraverso semplici relazioni lineari.
Un simile approccio può essere convenientemente impiegato nell'analisi dei questionari relativi a un'indagine di carattere psicologico, economico e/o sociale.

Bibliografia essenziale

1. Bayol M.P., de la Foye A., Tellier C., Tehenhaus M. (2000) Use of the PLS Path Modelling to estimate the European Customer Satisfaction Index (ECSI) model, Statistica Applicata, 12, 361-375.
2. Lohmöller J.-B. (1989) Latent Variable Path Modeling with Partial Least Squares, Physica-Verlag, Heidelberg.
3. Wold H. (1985) Partial Least Squares, in: Kotz S., Johnson N.L. eds., Encyclopedia of Statistical Science, vol. 6, Wiley, 581-591.
4. Zanella A., Boari G., Cantaluppi G. (2002) Indicatori statistici complessivi per la valutazione di un sistema per la gestione della qualità: esame del problema ed un esempio di applicazione, in Atti della Riunione Satellite della XLI Riunione Scientifica SIS, Cleup, Padova, 1-26.
5. Boari G., Cantaluppi G. (2004), PLS-VB programme for path modelling with latent variables, Atti della XLII Riunione Scientifica della Società Italiana di Statistica, Sessioni spontanee, Università di Bari, 9-11 giugno 2004, Cleup, Padova, 747-750.
6. Boari G., Cantaluppi G. (2004), Selection of Structural Equation Models with the PLS-VB Programme, in Vichi M., Monari P., Mignani S. e Montanari A. "New Developments in Classification and Data Analysis", Springer, (in corso di stampa).

Seminario Prof. Loperfido 29 Ottobre 2004 LA NORMALE ASIMMETRICA: ASPETTI TEORICI ED APPLICAZIONI ATTUARIALI

Sono disponibili i lucidi del seminario, per ricevere una copia elettronica inviare una mail di richiesta alla Segreteria dip.scienzestatistiche@unicatt.it

Sommario
La classe delle normali asimmetriche multivariate, introdotta da Azzalini e Dalla Valle nel 1996, include le distribuzioni normali multivariate e permette di modellare sia l'asimmetria che la curtosi. Le normali asimmetriche possono essere generate in diversi modi, che ne motivano l'applicazione nella medicina e nelle assicurazioni. I momenti, cumulanti ed i principali indici di sintesi hanno una semplice forma analitica. La classe delle distribuzioni normali asimmetriche e' chiusa rispetto a trasformazioni lineari e presenta notevoli proprietà di invarianza. Puo' essere ulteriormente estesa attraverso la classe delle distribuzioni normali asimmetriche generalizzate, a cui appartengono alcune trasformazioni di normali inverse comunemente usate nella matematica attuariale.

Bibliografia

1. Azzalini, A. & Capitanio, A. (1999). Statistical applications of the multivariate skew-normal distributions. J. R. Statist. Soc. B 61, 579-602.
2. Azzalini, A. & Dalla Valle, A. (1996). The multivariate skew-normal distribution. Biometrika 83, 715-726.
3. Bargagnana M. ed al. (2000). Guida orientativa per la valutazione del danno biologico permanente. Società Italiana di Medicina Legale e delle Assicurazioni, 57, 62.
4. Crocetta, C. e Loperfido, N. (2004). An Application of the Skew-Normal Distribution to the Study of the Defective Hearing Function (Con ). Atti della XLII Riunione Scientifica SIS.
5. Dalla Valle, A. (2004). The skew-normal distribution. in Skew-Elliptical Distributions and Their Applications: A Journey Beyond Normality, Genton M. G., Ed. Chapman & Hall/CRC, Boca Raton, FL, pp. 3-24.
6. Loperfido, N. (2001). Quadratic forms of skew-normal random vectors. Statist. & Prob. Lett. 54, pp. 381-387.
7. Loperfido, N.(2004). Generalized skew-normal distributions. in Skew-Elliptical Distributions and Their Applications: A Journey Beyond Normality, Genton M. G., Ed. Chapman & Hall/CRC, Boca Raton, FL, pp. 65-80.

Seminario Prof. La Rocca 01 Ottobre 2004 LA VEROSIMIGLIANZA EMPIRICA: ASPETTI METODOLOGICI ED APPLICAZIONI AL CONTROLLO STATISTICO DEI PROCESSI

Sommario
La verosimiglianza empirica è un metodo di inferenza nonparametrica basata su una funzione rapporto di verosimiglianza di tipo data-driven. Essa permette l'utilizzo dell'approccio tipico della verosimiglianza senza la necessità di assumere che i dati siano stati generati da una famiglia di distribuzioni nota. Come accade però per la verosimiglianza parametrica è possibile utilizzare risultati asintotici tipo teorema di Wilks, correzioni analitiche tipo correzione di Bartlett, ed ottenere regioni di confidenza, la cui forma viene determinata in modo automatico, che presentano proprietà di invarianza per trasformazioni biunivoche dei parametri. Il metodo incorpora in modo estremamente agevole nella procedura di inferenza informazioni aggiuntive disponibili sotto forma di vincoli o distribuzioni a priori e risolve alcuni dei problemi tipici di altre tecniche nonparametriche. Ad esempio tutti i punti in una regione di confidenza costruita utilizzando la verosimiglianza empirica rispettano le restrizioni naturali tipiche del parametro: le varianze sono non negative, le probabilità assumono valori nell'intervallo [0,1] e le correlazioni valori in [-1,1].
La verosimiglianza empirica può essere vista come una tecnica bootstrap che non richiede il ricampionamento dei dati osservati e come una verosimiglianza che non richiede alcuna assunzione di tipo parametrico. Nel seminario verrà presentato l'approccio metodologico che caratterizza la verosimiglianza empirica e verrà discussa una proposta per un possibile utilizzo di questo metodo per la costruzione di carte di controllo di tipo nonparametrico.

Bibliografia essenziale

1. Owen, A. (2001). Empirical likelihood. Chapman & Hall.
2. Owen, A. (1988). Empirical likelihood ratio confidence intervals for a single functional, Biometrika, 75, 237-249
3. Owen, A. (1990). Empirical likelihood ratio confidence regions. The Annals of Statistics, 18, 90-120.
4. Owen, A. (1991). Empirical likelihood for linear models. The Annals of Statistics, 19, 1725-1747.

Giornata di Studio 23 Aprile 2004

Metodi e modelli statistici per la valutazione della qualità e della customer satisfaction: aspetti oggettivi e soggettivi nell'ottimizzazione della qualità di beni e servizi

Giornata di studio dedicata alla presentazione dei risultati conclusivi del Programma di Ricerca interuniversitario cofinanziato dal MIUR - Ministero dell'Istruzione, dell'Università e della Ricerca 

	SOCIETA' ITALIANA DI STATISTICA GRUPPO DI LAVORO "STATISTICA PER LA TECNOLOGIA E LA PRODUZIONE"
	ASSOCIAZIONE ITALIANA CULTURA QUALITA' COMITATO METODI STATISTICI AICQ CENTRONORD

Presentazione e Programma