Nel Dipartimento sono presenti competenze ampie e diversificate.  

Per quanto riguarda Statistica: statistica bayesiana, modelli grafici e reti bayesiane, inferenza causale, analisi di dati funzionali, analisi multivariata, modelli di regressione, piani di campionamento, disegno degli esperimenti, dati spaziali e geostatistica,  serie temporali e valori estremi, analisi sequenziale, clustering, ranking, modelli copula, modelli di rischio, dati testuali. Alcuni ambiti applicativi delle metodologie sviluppate sono: genetica e medicina personalizzata, finanza  e assicurazioni.     

Per quanto riguarda Statistica Economica: qualità dei dati, econometria spaziale, economia sanitaria, disuguaglianza economica, microeconomia.

Per quanto riguarda Demografia e Statistica Sociale: Fecondità, intenzioni,  progettualità di vita, condizione giovanile e neet, invecchiamento e nuove fasi di vita, conciliazione famiglia-lavoro, impatto pandemia SARS-CoV2, reti personali e di supporto, social media data e disoccupazione giovanile, assetti familiari e relazionali, isolamento sociale, indicatori compositi con dati categoriali, Bayesian demography, validazione scale psicometriche, multidimensional Rasch model, modelli multilevel. 

Per quanto riguarda Informatica: Complessità computazionale, Algoritmi di clustering bilanciato, Image Recognition, Deep learning.

Rosina racconta come, dopo la crescita vivace del dopoguerra, l’Italia sia scivolata in una spirale demografica regressiva dalle ricadute molto concrete: pensioni sotto pressione, carenza di personale sanitario, equilibrio sociale affidato sempre più all’immigrazione. Il demografo indica anche i passi - politici, collettivi e individuali - necessari per tenere aperto il futuro delle nuove generazioni.

Il volume, edito da Vita e Pensiero (dicembre 2025) a cura di Riva e Chiriatti,  è diviso in quattro sezioni. Nel capitolo Causal Reasoning for Artificial Intelligence della sezione 3, Guido Consonni e Federico Castelletti sostengono la necessità di affiancare alla semplice individuazione di schemi nei dati - tipica della AI -  la comprensione dei meccanismi sottostanti di causa ed effetto al fine di soddisfare le crescenti esigenze di interpretabilità, spiegabilità ed equità dei sistemi di apprendimento automatico nelle applicazioni del mondo reale. A tale scopo nel capitolo introducono le idee e i metodi fondamentali della modellazione causale e della scoperta causale come quadro concettuale e strumento di supporto al ragionamento.

Federico Castelletti e Lucia Paci hanno vinto il premio Alta Qualità del 2025 nell’ Area 13 - Scienze economiche e statistiche  con le seguenti pubblicazioni:

• Castelletti, F., Consonni, G., Bayesian Sample Size Determination for Causal Discovery, STATISTICAL SCIENCE, 2024; 39 (2): 305-321. [doi:10.1214/23-STS905]
• Argiento, R., Filippi-Mazzola, E., Paci, L., Model-Based Clustering of Categorical Data Based on the Hamming Distance, JOURNAL OF THE AMERICAN STATISTICAL ASSOCIATION, 2025; 120 (550): 1178-1188. [doi:10.1080/01621459.2024.2402568] 

Giovedì 5 marzo 2026 ore 11.30 Room G.241

Andrea Cappozzo (Professor of Statistics),  Department of Statistical Sciences - Università Cattolica del Sacro Cuore