CURRICULUM VITAE ET STUDIORUM

Transcript

1 CURRICULUM VITAE ET STUDIORUM di CLAUDIA TARANTOLA Indirizzo per la corrispondenza Facoltà di Economia Università di Pavia Via S. Felice Pavia tel: fax: claudia.tarantola@unipv.it 1) INFORMAZIONI GENERALI LUOGO E DATA DI NASCITA Milano, 2 marzo 1970 POSIZIONE ACCADEMICA ATTUALMENTE RICOPERTA Dal 1 Marzo 2000 ricercatrice di ruolo per il settore scientifico disciplinare SECS-S/01 STATISTICA (ex S01A) presso la Facoltà di Economia dell Università degli Studi di Pavia. È stata confermata in ruolo in data 2 luglio TITOLI DI STUDIO Dicembre 1995: ha vinto il concorso per l ammissione al Dottorato di Ricerca in Statistica Metodologica (XI ciclo) presso l Università degli Studi di Trento. 20 aprile 1999: ha conseguito il titolo di dottore di ricerca in Statistica Metodologica (Università degli Studi di Trento), discutendo una tesi dal titolo Bayesian model determination for discrete graphical models ; relatore Prof. Guido Consonni. 25 Maggio 1995: ha conseguito la laurea in Economia Politica, indirizzo Statistica e Ricerca Operativa, presso l'università Commerciale Luigi Bocconi di Milano, discutendo una tesi dal titolo Modelli grafici: applicazioni all'analisi statistica multivariata, ottenendo una votazione finale di 110/110 e lode. Relatore Prof. Guido Consonni. ALTRI TITOLI ED ATTIVITÀ DI RICERCA 26 giugno-8 luglio 2006: periodo di ricerca presso il Cathie Marsh Centre for Census and Survey Research, Manchester, UK. Tema del progetto: Directed Junction trees and model determination.

2 1 novembre maggio 1999: è stata titolare di una borsa di studio post dottorato erogata dall'unione Europea nell ambito del progetto T.M.R. (Training and Mobility of Researchers) intitolato Statistical and Computational Methods for the Analysis of Spatial Data. Ha svolto attività di ricerca presso il Dipartimento di Statistica dell'athens University of Economics and Business (AUEB), coordinatore del progetto Prof. Petros Dellaportas. 2 Febbraio luglio 1998: visiting student presso il Dipartimento di Matematica dell'università di Bristol. Ha lavorato con il Prof. Peter J. Green su metodi computazionali bayesiani per la scelta del modello. 2) ATTIVITÀ DIDATTICA ATTIVITÀ DIDATTICA PRESSO L UNIVERSITÀ DI PAVIA Dall anno accademico 2001/2002 alla data odierna: Titolare per supplenza interna del corso trimestrale di Statistica per le Applicazioni Sociali (4 CFU). Anno accademico 2005/2006: Esercitazioni ed attività di supporto per il corso trimestrale di Analisi dei dati (gruppo L-Z, 5CFU). Anno accademico 2004/2005: Titolare per affidamento del corso di Statistica sociale nell ambito del corso di Laurea Specialistico in Scienze delle professioni Sanitarie Tecniche Diagnostiche e corso di Laurea Specialistico in Scienza delle Professioni Tecniche assistenziali presso la Facoltà di Medicina (3 CFU). Anno accademico 2004/2005: Docente di Statistica per il master internazionale dal titolo Quantitative Methods for Economics organizzato dall Accademia Nazionale dei Lincei presso l Università degli Studi di Pavia. Lezioni tenute in lingua inglese. Anno accademico 2003/2004: Docente di Statistica per il master internazionale dal titolo Complexity and its interdisciplinary applications organizzato dall Istituto Universitario di Studi Superiori (IUSS) di Pavia. Lezioni tenute in lingua inglese. Dall anno accademico 2001/2002 all anno accademico 2004/2005: Esercitazioni ed attività di supporto per il corso trimestrale di Analisi dei dati (gruppo A-K, 5CFU). Anno accademico 2002/2003: Ciclo di lezioni di statistica nell ambito del corso interfacoltà Strumenti per l analisi delle pari opportunità nelle organizzazioni pubbliche e private, coordinatrice del corso dott.ssa Maria Sassi. Anno accademico 2001/2002: Docente di Statistica per il Master in Applied Econometrics (MAPE) organizzato dell Università di Pavia e finanziato dalla regione Lombardia. Anni accademici 1999/2000 e 2000/2001: Esercitazioni ed attività di supporto per i corsi di Statistica 1 (laurea quadriennale gruppo A-K) e Statistica 2 (laurea quadriennale). Anni accademici 1996/1997 e 1997/1998: Ciclo di seminari didattici sull utilizzo del software S-Plus nell ambito dei corsi di Statistica Economica (laurea quadriennale) e Statistica 2 (laurea quadriennale) presso la Facoltà di Economia di Pavia, sede di Varese. 2

3 ATTIVITÀ DIDATTICA PRESSO ALTRE STRUTTURE Dall anno accademico 2002/2003 alla data odierna: Professore a contratto presso l'università Commerciale Luigi Bocconi di Milano per il corso semestrale di Statistica del corso di Laurea in Economia Aziendale (8 CFU). In particolare è docente responsabile della Classe 1 del suddetto corso di laurea. Dall anno accademico 1998/1999 all anno accademico 2001/2002: Esercitazioni ed attività di supporto per il corso semestrale di Statistica Metodologica presso l Università Commerciale Luigi Bocconi di Milano (laurea quadriennale). Anni accademici 1999/2000 e 2000/2001: Docente di Statistica per il Master in Banking and Finance Development, organizzato dalla fondazione Giordano dell'amore di Milano. Lezioni tenute in lingua inglese. ATTIVITÀ DI SUPPORTO ALLA DIDATTICA Ha partecipato a diverse attività inerenti all organizzazione della didattica e al miglioramento dell offerta formativa dell Università di Pavia. In particolare: Dall anno accademico 1999/2000 alla data odierna: è membro della commissione trasferimenti della Facoltà di Economia. In collaborazione con gli altri membri della commissione si occupa di valutare le domande di trasferimento presso la Facoltà di Economia e di fornire idonee informazioni agli studenti. Anno accademico 2005/2006: si è occupata dell organizzazione e del coordinamento dell attività di tutorato studenti per gli studenti del corso trimestrale di Analisi dei dati (attività svolta utilizzando il software EXCEL), ha coordinato l attività di 6 tutor. Anno accademico 2004/2005: si è occupata dell organizzazione e del coordinamento dell attività di tutorato studenti per gli studenti del corso trimestrale di Analisi dei dati (attività svolta utilizzando il software SAS), ha coordinato l attività di 6 tutor. Dall anno accademico 2001/2002 all anno accademico 2003/2004: si è occupa dell organizzazione e del coordinamento dell attività di tutorato studenti per il corso trimestrale di Analisi dei dati (attività svolta utilizzando il software SAS) e del tutorato studenti per il corso trimestrale di Statistica (istituzioni), ha coordinato l attività di 12 tutor. Dall anno accademico 1999/2000 all anno accademico 2004/2005: ha collaborato con Il Prof. Giudici alla realizzazione di un progetto sperimentale riguardante l'impiego del software SAS per le elaborazioni dei dati nei corsi di Analisi dei dati e Statistica presso la Facoltà di Economia. Dall anno accademico 2001/2002 fino all anno 2004/2005 tale sperimentazione è stata certificata dalla Regione Lombardia, nell ambito del progetto Promozione di attività flessibili di organizzazione della formazione. Anni accademici 1999/2000 e 2000/2001: si è occupata dell organizzazione e del coordinamento dell attività di tutorato studenti per il corso di Statistica 1, ha coordinato l attività di 12 tutor. 3

4 Anno accademico 2001/2002: ha collaborato alla realizzazione ed attuazione di un progetto di assistenza didattica per gli studenti fuoricorso e lavoratori. Dall anno accademico 2001/2002 all anno accademico 2002/2003: ha fatto parte della commissione COR della Facoltà di Economia coordinata dalla Prof.ssa Adele Colli Franzone. Nell ambito di questa attività ha partecipato a presentazioni della Facoltà di Economia sia presso l Università di Pavia sia presso scuole superiori della regione Lombardia. Anno accademico 1999/2000: è stata membro della commissione informatica della Facoltà di Economia. 3) ATTIVITÀ DI RICERCA DESCRIZIONE DELL ATTIVITÀ DI RICERCA SCIENTIFICA L attività di ricerca si è concentrata sull utilizzo dei modelli grafici per l analisi multivariata e sull utilizzo di metodologie Bayesiane per la scelta del modello. Ultimamente si sta occupando dell utilizzo di metodologie Bayesiane per l analisi del rischio di mercato. L attività di ricerca può essere classificata nelle seguenti aree: I. Modelli grafici (Problemi teorici e Applicazioni) II. Metodi Markov Chain Monte Carlo (MCMC) per la scelta del modello. III. Metodi Baysiani per l analisi finanziaria I. MODELLI GRAFICI PROBLEMI TEORICI Scelta di distribuzioni iniziali per modelli grafici discreti Nella pubblicazione [1] viene presentata una nuova classe di distribuzioni iniziali per modelli grafici discreti ottenuta seguendo l approccio condizionale proposto da Dickey (1971). Questa distribuzione generalizza la distribuzione Hyper Dirichlet (HD) di Dawid e Lauritzen (1993) poiché definibile anche per modelli non decomponibili. Nel caso in cui il modello considerato sia decomponibile è stato possibile ricavare la forma analitica della funzione di densità di probabilità. Diversamente dalla HD, la distribuzione iniziale proposta contiene un fattore di correzione che tiene conto della dimensione della tabella di contingenza esaminata permettendo quindi un lisciamento flessibile dei conteggi di cella. Nella pubblicazione [19] è stata considerata una parametrizzazione log-lineare proposta da Wermuth e Cox (1998), particolarmente adatta per rappresentare il legame tra variabili ordinali. Diversamente dai modelli log-lineari standard i parametri dipendono non solo dalle variabili in esame ma anche dai loro livelli. Nel lavoro è stata introdotta una distribuzione iniziale efficiente per i parametri di un modello di questo tipo. 4

5 Analisi Fattoriale Sono stati considerati modelli di analisi fattoriale identificabili con residui correlati. Lavorando condizionatamente al fattore latente il modello esaminato può essere rappresentato da un modello grafico gaussiano. Una delle metodologie proposte per controllare l'identificabilità di un modello di analisi fattoriale con residui correlati si basa sullo studio delle struttura del grafo complementare dei residui, ossia del grafo i cui archi rappresentano incorrelazioni tra i residui. Un primo problema è stato quello di trovare un metodo efficiente per controllare se la struttura grafica esaminata contiene cicli dispari (è stato proposto l utilizzo dello spanning-tree e della matrice associata dei cicli fondamentali) [9]. Inoltre si è studiato come la struttura grafica, può essere modificata (attraverso l aggiunta o rimozione di un arco) rimanendo nell ambito dei modelli identificabili. Una condizione di questo genere risulta importante in un problema di selezione del modello [5]. Se il numero di modelli esaminati è elevato è necessario che le mosse che regolano il passaggio da un modello all'altro, nel nostro caso l'aggiunta o la rimozione di un arco del grafo, siano il più efficienti possibile. I metodi proposti costituiscono una soluzione in tal senso poiché informano in anticipo se l'aggiunta o rimozione di un arco darà luogo ad un nuovo modello identificabile. Si vedano [7] e [12]. Credit Scoring Web Mining APPLICAZIONI Nella pubblicazione [16] i modelli grafici discreti sono utilizzati per identificare e rappresentare il legame tra le variabili che influenzano la probabilità di estinzione di un debito da parte dei clienti di una banca. I dati esaminati riguardano 1000 clienti di una banca tedesca che hanno fatto richiesta ed ottenuto un prestito per scopi professionali e/o personali. Viene mostrato come i modelli grafici, in particolare le reti Bayesiane (Jensen, 1996) e le Dependency Networks (Heckerman et al 2000), possano essere utilizzate per l analisi di sequenze di richieste di visita di pagine web [13]. La metodologia proposta è stata inoltre confrontata con l utilizzo di regole associative e di odds ratios [15]. Viene presentata un applicazione all analisi di un sito di e-commerce effettuata attraverso l utilizzo dei softwares SAS Enterprise Miner e Win Mine toolkit. Problemi decisionali Un argomento su cui sta attualmente lavorando è l utilizzo delle Reti Bayesiane per la rappresentazione e lo studio di problemi decisionali dinamici. Un modello decisionale può essere rappresentato con diverse strutture grafiche, si è considerata la rappresentazione in termini di una particolare tipologia di Diagrammi di Influenza, i cosiddetti LIMID (Lauritzen e Nilsson, 2001). Si è mostrato come questa struttura può essere applicata a situazioni in cui una data decisione può influenzare una o più componenti di un sistema complesso, in particolare una serie storica multivariata, e possibilmente influenzare la sua 5

6 struttura di correlazione. A questo scopo nel modello sono stati introdotti uno o più ipernodi rappresentanti la struttura di dipendenza di una serie storica multivariata. I primi risultati sono stati presentati al convegno SCO2003 [14]. II: METODI MARKOV CHAIN MONTE CARLO PER LA SCELTA DEL MODELLO Metodi MCMC per la scelta di modelli grafici discreti Nell ambito della tesi di dottorato e del periodo di ricerca svolto presso il Dipartimento di Matematica dell Università di Bristol si è occupata dell applicazione di metodi MCMC a problemi di selezione di modelli grafici discreti ([2], [3], [4], [6] e [8]). Questa attività di ricerca è proseguita anche in seguito ed ha portato alla realizzazione della pubblicazione [16] in cui sono state proposte e confrontato due differenti metodologie Bayesiane basate su metodi MCMC per la selezione di modelli grafici discreti decomponibili. La prima metodologia si basa sull algoritmo MC3 di Madigan e York (1995) per cui viene proposta una versione gerarchica. Per il caso non gerarchico viene presentata una modifica che permette di effettuare apprendimento quantitativo (inferenza sui parametri della distribuzione). Infine, nel modello è inclusa una condizione locale per il controllo della decomponibilità. La seconda metodologia, utilizza tecniche di Reversible Jump MCMC (Green 1995) e permette di effettuare contemporaneamente sia apprendimento quantitativo che qualitativo sia per il caso non gerarchico che per quello gerarchico. Diversamente dalle proposte già esistenti in letteratura si è lavorato direttamente in termini della matrice delle probabilità di cella su cui è stata assegnata una distribuzione Hyper-Dirichlet effettuando calcoli locali in termini di clicche e separatori. Selezione del modello per dati categorici attraverso l aggregazione di fattori. Durante il periodo di ricerca presso l Athens University of Economics and Business si è occupata dell applicazione di metodi MCMC per la selezione di modelli log-lineari. Questa attività di ricerca è proseguita anche in seguito; in particolare si è e considerato come la dimensione di una tabella di contingenza possa essere ridotta attraverso l aggregazione di categorie o livelli di una variabile con la minor perdita di informazioni. Il modello è stato descritto attraverso una particolare parametrizzazione log-lineare proposta da Wermuth e Cox (1998) mentre la relazione tra le variabili in esame è stata rappresentata attraverso un modello grafico discreto non orientato. Sono state sviluppate condizioni in base alle quali la dimensione della tabella in esame può essere ridotta senza alterare le proprietà markoviane del grafo corrispondente, mantenendo cioè le stesse relazioni di indipendenza condizionale. I primi risultati sono stati presentati a convegni sia nazionali che internazionali (si vedano [10], [11] e [17]). Il lavoro completo è contenuto nella pubblicazione [19] in cui vengono descritte in dettaglio le condizioni sviluppate. Inoltre, sempre nella pubblicazione [19], la metodologia proposta è stata implementata all interno di una procedura automatica di scelta del modello basata sull utilizzo di tecniche di Reversibile Jump MCMC. Questa procedura permette di muoversi in maniera efficiente nello spazio di tutte le partizioni e di tutti i possibili modelli grafici. La pubblicazione [18] contiene le dimostrazioni delle proposizioni presentate nella 6

7 pubblicazione [19] e risultati di simulazioni effettuate. La pubblicazione [18] è stata sottoposta allo stesso procedimento di referaggio della pubblicazione [19] ed è stata scorporata dall articolo originario su esplicita richiesta dell Editor del JRSS ser B al fine di ridurre la lunghezza del materiale da pubblicare. Metodi Bayesiani di clustering per modelli ad effetti di riga Recentemente si sta interessando a metodi di clustering bayesiano per modelli ad effetti di riga (row effect model) [20]. A differenza di un classico modello log-lineare il modello ad effetti di riga rappresenta ogni termine di interazione come prodotto di un parametro aleatorio di riga e di un punteggio fisso di colonna. In questo modo è possibile tener conto di un eventuale interazione tra variabili di riga e di colonna senza dover considerare il modello saturo. Un eventuale trend nella tabella può essere spiegato attraverso l utilizzo di un insieme crescente di punteggi di colonna. Al fine di facilitare l interpretazione del modello e la stima dei parametri potrebbe essere utile semplificare ulteriormente la struttura d interazione riducendo il numero di parametri di riga che compaiono nel termine d interazione. A questo fine è stata proposta una metodologia di clustering basata su un approccio Bayesiano attraverso l utilizzo di Product Partition Models (Hartigan, 1990 e Barry e Hartigan, 1992). Il legame esistente tra Product Partition Models e Misture di Processi Dirichlet ha permesso di adattare al problema considerato algoritmi MCMC sviluppati per problemi di statistica non parametrica. II: METODI BAYSIANI PER L ANALISI FINANZIARIA Metodi Bayesiani robusti per la verifica del CAPM Recentemente, in collaborazione con i colleghi di matematica finanziaria De Giuli ed Uberti, si sta occupando del problema di stima Bayesiana robusta del rischio sistematico in un modello di CAPM (Capital Asset Pricing model. Si suppone che i rendimenti seguano una distribuzione normale e si tiene conto della presenza di dati anomali introducendo una struttura partizionale sui dati. La metodologia proposta è stata implementata all interno di un algoritmo MCMC di scelta del modello. Il modello è stato testato utilizzando i titoli del mercato MIBTEL (Gennaio1996-Aprile 2006) Alcuni risultati preliminari sono stati presentati al convegno Amases 2006 [21]. PUBBLICAZIONI (IN ORDINE CRONOLOGICO) [1] Giudici, P. e Tarantola, C. (1996). Global prior distributions for the analysis of discrete graphical models. Journal of the Italian Statistical Society, 5, 1, pp [2] Tarantola, C. Giudici, P. e Green P.J. (1998). Model Determination for Discrete Graphical Models. Atti del convegno 6th Valencia international meeting on Bayesian statistics, Alcossebre, Spain, pp

8 [3] Tarantola, C. Bayesian model determination for discrete graphical models, (1999). Tesi di dottorato. Università degli studi di Trento. [4] Tarantola, C. (1999). Scelta del modello per modelli grafici discreti. Atti della riunione scientifica Probabilità e procedure per l inferenza Statistica e le Decisioni, Cagliari. [5] Vicard, P. e Tarantola, C. (1999). An Algorithm for Exploring the Space of identifiable Models with one latent variable, Proceedings of HSSS 1999 (Highly Structured Stochastic Systems) 1999, Pavia, pp [6] Tarantola, C., Giudici, P. e Green P.J. (1999). Efficient model determination for Discrete Graphical Models, Proceedings of HSSS 1999 (Highly Structured Stochastic Systems) 1999, Pavia, pp [7] Tarantola, C. e Vicard, P. (2000). The use of graphs to explore the space of identifiable Models with one latent variable. Atti del XL meeting della società Italiana di Statistica, pp [8] Giudici, P.,Green, P.J. e Tarantola, C. (2000). Efficient model Determination for Discrete Graphical Models. Technical report, 116, Università di Pavia [9] Tarantola, C. e Vicard P. (2001). Spanning Trees and Graphical models. Proocedings of EYSM 2001 (the 12 th European Young Statisticians Meeting), Janska Dolina, Slovacchia. [10] Tarantola, C. e Dellaportas P. (2001). Statistical methods for the analysis of contingency tables by using conditional independence relations. Atti del convegno S.C.O 2001, Modelli complessi e metodi computazionali intensivi per la Stima e la Previsione, CLUEP editore, pp [11] Tarantola, C. e Dellaportas P. (2002). On the dimensionality reduction of a contingency table Atti del convegno 7th Valencia International Meeting on Bayesian Statistics, Tenerife, Spagna. [12] Tarantola, C. e Vicard, P. (2002). Spanning trees and indentifiability of a single-factor model Statistical methods and applications, 11, pp Edito da Sprienger Verlag, Germany. [13] Tarantola C. e Blanc E. (2002). Dependency network and Bayesian Networks for Web Mining. In Data mining III, WIT Press, UK, pp [14] Bottolo, L., Tarantola, C. e Vicard P. (2003). Some notes on Dynamic Decision Graph. Atti del convegno S.C.O 2003, Modelli complessi e metodi computazionali intensivi per la Stima e la Previsione, CLUEP editore, pp [15] Giudici P. e Tarantola, C. (2003). Web Mining pattern discovery, Technical report, 156, Università di Pavia. [16] Tarantola, C. MCMC Model determination for Discrete Graphical Models. (2004). Statistical Modelling, 4, n.1, pp Edito da Arnold, London. [17] Dellaportas, P. e Tarantola, C. (2004). Model selection for categorical data with factor level mergings. Atti del XLII meeting della società Italiana di Statistica, pp [18] Dellaportas, P. e Tarantola, C. (2004). Model determination for categorical data with factor level merging. Technical supplement. Disponibile 8

9 sul sito web Contiene le dimostrazioni dei risultati presentati nell articolo. [19] Dellaportas, P. e Tarantola, C. (2005). Model determination for categorical data with factor level merging. Journal of the Royal Statistical Society, Series B, 67, Part 2., pp , Blackwell Publishing, Oxford, UK. [20] Tarantola C, Consonni G. Dellaportas P. (2005). Bayesian clustering for row effects model. Technical report, 220, Athens University of Economics and Business. Sottoposto per la pubblicazione. [21] De Giuli, M. E., Tarantola, C. e Uberti, P. (2006). A Bayesian analysis of CAPM based on product partition models. Atti del XXX convegno Amases, Trieste. MANOSCRITTI E LAVORI IN PREPARAZIONE Tarantola C. e Vicard P. Spanning trees and decomposable graphical models. Alcuni risultati preliminari sono contenuti in [9]. Bottolo, L. Tarantola, C. e Vicard, P. Analysis of Dynamic Decision Graphs. Ntzoufras I, Tarantola C. Notes for the construction of Contrast matrices for Marginal Models. V. Fasano, T. Cappelletti, G. Cantarella, C. Tarantola, MA Romolotti, E. Bucchioni, L. Allegra. Study of specific airway resistance (SRAW) in a sample of Italian healthy adults by body plethysmographic technique. PROGETTI DI RICERCA NAZIONALI Anni Partecipa al progetto di ricerca PRIN-COFIN, dal titolo Modelli marginali per variabili categoriche con applicazioni all'analisi causale, coordinatore del progetto Prof. G. Consonni. Anni Ha partecipato al progetto di ricerca PRIN-COFIN, dal titolo Reti bayesiane ed inferenza causale: metodologia ed applicazioni, coordinatore del progetto Prof. G. Consonni. Anni Ha partecipato al progetto di ricerca PRIN-COFIN, dal titolo Reti bayesiane e modelli grafici: sviluppi metodologici e computazionali per le applicazioni, coordinatore del progetto Prof. G. Consonni. Anno 2001 Ha ottenuto un finanziamento nell ambito del Progetto giovani ricercatori dell università di Pavia, titolo del progetto Scelta di modelli di analisi fattoriale identificabili. Anni Ha partecipato al progetto di Ricerca Scientifica M.U.R.S.T., ex quota 40%, dal titolo Modelli statistici: basi probabilistiche e procedure per l inferenza e le decisioni. Coordinatore nazionale: Prof. W. Racugno. 9

10 PROGETTI DI RICERCA INTERNAZIONALI Anni È stata membro dell unità di Pavia del progetto di ricerca della comunità Europea TMR (Training and Mobility of Researchers) denominato Statistical and computational aspects for the analysis of spatial data (Metodi computazionali statistici per l analisi di dati spaziali). Coordinatore del progetto Prof. G.O. Roberts, Lancaster University, U.K Ha partecipato al progetto di ricerca finanziato dall European Science Foundation (E.S.F.) denominato Highly Structured Stochastic Systems, HSSS (Sistemi stocastici altamente strutturati ). Coordinatori del progetto: Prof. P.J. Green (University of Bristol, U.K.) e prof. S.L. Lauritzen (Aalborg University, Danimarca) ATTIVITÀ ORGANIZZATIVA DI CONVEGNI Anno 2000: Membro del comitato organizzatore locale del convegno Modelli Statistici per le Applicazioni di Data Mining (SMDM-2000), Ottobre 2000, Pavia, Anno 2005: Membro del comitato organizzatore locale del convegno "MCMSKI: The Past, Present, and Future of Gibbs Sampling, 2nd IMS-ISBA Joint Meeting. Bormio gennaio CONVEGNI E CORSI SPECIFICI Nel corso della sua carriera accademica ha partecipato a numerosi convegni e corsi specifici presentando nella maggior parte di essi una comunicazione orale o un intervento sotto forma di poster. Di seguito sono elencati i principali. I. RELAZIONI INVITATE A CONVEGNI/CONFERENZE 30 maggio 2007 terrà una relazione invitata presso il Center for Statistics and the social Sciences, University of Washington, Seattle Giugno 2005: workshop Random Graphs and Stochastic Computation, SAMSI, Research Triangle Park, North Carolina, USA Settembre Workshop su Computational aspects of graphical models, Aalborg, DK 4-6 Settembre 2003: convegno SCO2003: Modelli complessi e metodi computazionali intensivi per la stima e la previsione, Treviso, Italia. 29 Maggio 2003: giornata di studio dal titolo Soft computing for Economics and Finance, organizzata dal dipartimento di Matematica applicata dell Università Ca Foscari di Venezia Febbraio 2003: AMAM 2003 (Applied Mathematics and Application of Mathematics), Nizza, Francia. 4-8 Settembre 2001: Young European statistician meeting, Janska Dolina, Slovacchia ottobre, 2000: Statistical Modelling for Data Mining", Pavia, (discussant della relazione del Prof Heckerman, Seattle, Usa) 10

11 16-21 Ottobre 2000: Research kitchen su Learning conditional independence models, Trest, Repubblica Ceca Marzo 2000: workshop su Data Analysis with Graphical Models organizzato dalla rete Europea HSSS (Highly Structured Stochastic Systems), Monaco, Germania Settembre 1998: workshop internazionale della European Science Foundation su Structural learning in Graphical Models, Tirano, Italia. II. RELAZIONI SPONTANEE 4-7 Settembre 2006: XXX convegno Amas, Trieste, Italia (comunicazione orale). 1-8 Giugno 2006: 8th Valencia International Meeting on Bayesian Statistics, Benidorm, Spagna (poster) Giugno 2004: XLII Riunione scientifica della Società Italiana di Statistica, Bari, Italia (comunicazione orale) Settembre 2002: conferenza internazionale Data mining 2002, Bologna, Italia (comunicazione orale). 2-6 Giugno 2002: 7th Valencia International Meeting on Bayesian Statistics, Tenerife, Spagna (poster) Settembre 2001: convegno SCO2001: Modelli complessi e metodi computazionali intensivi per la stima e la previsione, Bressanone, Italia (comunicazione orale) Settembre 2000: convegno della rete Europea TMR su Computational and Statistical Methods for the analysis of spatial data, Ambleside, Gran Bretagna (comunicazione orale) Aprile 2000: XL Riunione scientifica della Società Italiana di Statistica, Firenze, Italia (comunicazione orale) Settembre 1999: seconda conferenza europea su Highly Structured Stochastic Systems, Pavia, Italia (comunicazione orale). Maggio 1999: convegno della rete Europea TMR su Computational and Statistical Methods for the analysis of spatial data, Creta, Grecia (comunicazione orale). 30 Maggio-4 giugno 1998: 6th Valencia international meeting on Bayesian statistics, Alcossebre, Spain (poster). II. ALTRI WORKSHOP E CORSI SPECIFICI Aprile 2005: Workshop modelli statistici e causalità, Perugia, Italia Giugno 2004: ABS04-Applied Bayesian Statistics School Statistics and Gene Expression Genomics: Methods and Computations, Trento, Italia Ottobre 2001: European Course in Advanced Statistics (ECAS), Bayesian statistics and financial econometrics, Lugano, Svizzera. 25 Ottobre 2001: workshop Metodi statistici per le applicazioni di data mining, Pavia, Italia. 11

12 Agosto 1998: scuola estiva organizzata dalla rete europea HSSS su Markov Chain Monte Carlo methods, Aalborg, Danimarca Luglio 1998: workshop su Randomised Algorithms and Stochastic simulations, Warwick, Regno Unito. Gennaio 1998: convegno della rete Europea TMR su Computational and Statistical Methods for the analysis of spatial data, Aussois, Francia. Settembre 1997: scuola estiva sul tema Probabilistic Graphical Models, organizzata dall'istituto Isaac Newton per le scienze matematiche, Cambridge, Regno Unito. 23 Giugno-4 Luglio 1997: scuola estiva su Computational Statistics organizzata dall' International Association for Statistical Computing (IASC), Padova, Italia Febbraio 1997: corso internazionale su Bayesian modelling of complex biomedical data, Pavia, Italia. 27 Settembre-7 ottobre 1996: scuola internazionale su Learning in Graphical Models, organizzata presso il centro Ettore Majorana di Erice, Trapani, Italia. Settembre 1995: corso estivo di statistica organizzato dalla Società Italiana di Statistica; tema del corso Inferenza statistica, Varese, Italia. COLLABORAZIONE A RIVISTE SCIENTIFICHE Ha collaborato in qualità di referee per le riviste: Computational Statistics & Data Analysis, Journal of Statistical Planning and Inference, Scandinavian Journal of statistics, Soft computing, Applied Stochastic Models in Business and Industry. 4) ALTRE INFORMAZIONI ASSOCIAZIONI E SOCIETÀ SCIENTIFICHE È membro della Società Italiana di Statistica (SIS) e dell International Society for Bayesian Analysis (ISBA). CONOSCENZE INFORMATICHE Pacchetti matematici e statistici: SPSS, SAS, S-Plus, Win-BUGS e MIM. Linguaggi di programmazione: Fortran e Matlab. Programmi di videoscrittura: Word e Latex. Pavia 13 Settembre 2006 Claudia Tarantola 12