La ricerca in questo campo si occupa di sviluppare metodi statistici per la scelta del miglior modello statistico all’interno di una prefissata classe di modelli, per la descrizione dei dati e delle relazioni tra variabili. Con l’avvento dei Big Data e la grande disponibilità di variabili che possono descrivere un fenomeno, si pone il problema di trovare metodi efficaci per la selezione di quelle più importanti.

Parole chiave e temi trattati:

Bayes Factor; Metodi computazionali; Metodi bayesiani oggettivi; Modelli vincolati; g-priors

Pubblicazioni selezionate:

Paroli, R., Consonni G., (2020). Objective Bayesian Comparison of Order-Constrained Models in Contingency Tables. TEST, 29(1), 139-165.

Consonni G., Paroli, R. (2017) Objective Bayesian Comparison of Constrained Analysis of Variance Models, Psychometrika, 82, 589-609.

Deldossi, L., Paroli, R. (2015),  Bayesian variable selection in a class of mixture models for ordinal data: a comparative study,  Journal of Statistical Computation and Simulation, 85(10), 1926-1944.

Paroli R., Spezia L. (2008) Bayesian Variable Selection in Markov Mixture Models. Communication in Statistics – Simulation and Computation, 37, 25-47.