Cristina Mollica. Assegnista di ricerca. Incarico di Esperto in Statistica. Via

Transcript

1 INFORMAZIONI PERSONALI Cristina Mollica Via Sesso Data di nascita Luogo di nascita Nazionalità Italiana Codice Fiscale POSIZIONE PRECEDENTE aprile aprile 2017 Assegnista di ricerca Dipartimento di Scienze Statistiche, Edificio (ex) Facoltà di Scienze Statistiche, Piano IV, stanza n.39 Sapienza Università di Roma, Piazzale Aldo Moro 5, Roma (RM), Italia Durata: 2 anni (iniziato in data 1 aprile 2015 e rinnovato in data 1 maggio 2016) Titolo ricerca: Sviluppo, modello e analisi dei dati relativi alla valutazione della didattica e della ricerca e alla programmazione delle risorse umane Responsabile scientifico: Gabriella Salinetti Corsi di specializzazione: Corso della Scuola SIS: Scuola Internazionale di analisi dei dati testuali e text mining Likelihood asymptotics Corso della Scuola SIS: Teoria e pratica dei modelli ad effetti casuali per dati multilivello e longitudinali ESPERIENZE LAVORATIVE giugno 2016 dicembre 2016 Incarico di Esperto in Statistica Presidenza del Consiglio dei Ministri, Ufficio per il Programma di Governo Largo Chigi 19, Roma Durata 6 mesi Titolo dell'incarico: Supporto per l elaborazione, analisi e rappresentazione grafica dei dati relativi all attuazione del programma di governo Sintesi L incarico si è espletato nella ricerca, progettazione e costruzione di rappresentazioni grafiche per la descrizione dello stato di attuazione del programma di Governo, del suo sviluppo temporale, nonché del confronto con l attività dei precedenti esecutivi. L attività si è inserita in un piano promosso dall Ufficio per il Programma di Governo volto a migliorare la caratterizzazione dell azione di Governo e ad accrescere l efficacia della divulgazione dei risultati raggiunti o ancora da perseguire. La costruzione dei grafici ha richiesto lo sviluppo di software statistico specializzato e ha prodotto elaborazioni di livello avanzato ma al contempo di immediata fruibilità da parte degli utenti. In particolare, l implementazione è stata eseguita nell ambiente statistico open source R, attraverso l impiego di pacchetti dedicati alla visualizzazione dei dati, tra cui Unione europea, europass.cedefop.europa.eu Pagina 1 / 9

2 plotrix e ggplot2, l adattamento e la personalizzazione di comandi esistenti, nonché la creazione ex novo di nuove soluzioni grafiche. ISTRUZIONE E FORMAZIONE novembre settembre 2014 Dottorato di ricerca in Statistica Metodologica Ciclo: XXV Titolo tesi: Extending parametric models for ranked data Supervisore: Prof. Luca Tardella Data esame finale: 17 Settembre 2014 Giudizio finale: Ottimo Temi di ricerca: dati di ranking, modelli a mistura finita, algoritmo EM, inferenza Bayesiana, metodi MCMC Sintesi: La tesi presenta una rassegna della letteratura per l'analisi dei dati di ranking completi e/o parziali, approfondendo in particolare il problema della modellizzazione probabilistica per campioni di dati ordinati provenienti da popolazioni eterogenee. Nell'ambito dell'approccio modellistico basato sulle costruzioni sequenziali dei ranking, la dissertazione propone diverse estensioni originali di una nota classe di distribuzioni parametriche, il modello di Plackett-Luce, e ne valuta le corrispondenti generalizzazioni nel contesto della mistura finita. Le relative procedure inferenziali sono descritte in ambito classico e Bayesiano e vengono implementate per applicazioni a dati reali e simulate. Insegnamenti seguiti: Estensioni e modifiche del concetto di verosimiglianza Some ways to learn from data An introduction to finite mixture models Inferenza di verosimiglianza asintotica Elementi di teoria della misura Dirichlet probabilities and applications Latent variable models Introduction to nonparametric and bootstrap methods in econometrics, statistics and management Approximate Bayesian computation and other likelihood-free methods Metodi di calcolo evolutivo in statistica Costruzione di un pacchetto in R Corso di probabilità progredito Metodi statistici per la genetica (analisi di microarray) Metodologia statistica avanzata Introduzione all'analisi multiway Reti Bayesiane (sistemi esperti probabilistici) Introduzione alla teoria dei test multipli Statistica non parametrica Valutazione dei modelli statistici Statistica Bayesiana multivariata Introduzione alle copule Monte Carlo statistical methods Nota: la frequenza del corso di dottorato è stata sospesa dal Dicembre 2010 all'ottobre 2011 per congedi di maternità e parentale della durata complessiva di 10 mesi. Unione europea, europass.cedefop.europa.eu Pagina 2 / 9

3 novembre ottobre 2009 Laurea specialistica in Statistica per la biomedicina, l'ambiente e la tecnologia Facoltà di Scienze Statistiche, Sapienza Università di Roma Titolo tesi: Metodi bayesiani per l'analisi dell'accuratezza diagnostica in assenza di gold standard Relatore: Prof. Luca Tardella Data esame finale: 28 Ottobre 2009 Giudizio finale: 110 e lode Temi di ricerca: Diagnostic tests, diagnostic accuracy, Latent class analysis, Bayesian inference, MCMC methods Sintesi: Rassegna dei principali metodi e modelli statistici legati al problema della stima della prevalenza e dei parametri di accuratezza diagnostica dei test dicotomici in assenza della diagnosi esatta (gold standard). Sviluppo di un modello parametrico Bayesiano e sua applicazione a dati reali per la valutazione della performance di quattro tecniche diagnostiche finalizzate alla determinazione dell'infezione tubercolare latente. Novembre Dicembre 2006 Laurea triennale in Statistica ed Economia Facoltà di Scienze Statistiche, Sapienza Università di Roma Data esame finale: 12 Dicembre 2006 Giudizio finale: 110 e lode Titolo tesina primo anno: Comportamento asintotico dell'integrale generale di una ODE autonoma Titolo tesina secondo anno: La persistenza d'inflazione e la fissazione dei prezzi nell'area dell'euro Settembre Luglio 2003 Diploma di maturità linguistica Liceo statale Giordano Bruno, Roma Voto: 100/100 PUBBLICAZIONI SCIENTIFICHE Articoli in preparazione 1. Mollica C, Tardella L. Bayesian inference of diagnostic test accuracy for the latent tuberculosis infection without a gold standard 2. Mollica C, Tardella L. EPLMIX: Extended Plackett-Luce models for modeling and clustering ranking data in R. 3. Mollica C, Tardella L. Benterized Extended Plackett-Luce models for clustering ranking data. Unione europea, europass.cedefop.europa.eu Pagina 3 / 9

4 Articoli pubblicati 1. Antonini L, Mollica C, Aspromonte N, Gonzini L (2017). A simple clinical prognostic index in Acute Heart Failure. (submitted) 2. Mollica C, Petrella L (2016). Bayesian binary quantile regression for the analysis of Bachelor-to-Master transition. Journal of Applied Statistics (published online), ISSN: , DOI: / Mollica C, Tardella L (2015). Bayesian Plackett-Luce mixture models for partially ranked data. Psychometrika (published online, with supplementary material), ISSN: , DOI: /s Antonini L, Mollica C, Auriti A, Pristipino C, Pasceri V, Leone F, Greco S (2015). A Prognostic Index for Risk Stratification for Acute Heart Failure and Death in Subjects with Ischemic Cardiomyopathy and Cardiac Defibrillator. Heart and Vessels, vol. 30, n. 3, pp , ISSN: , DOI: /s Mollica C, Tardella L (2014). Epitope profiling via mixture modeling for ranked data. Statistics in Medicine, vol. 33, n. 21, pp , ISSN: , DOI: /sim Antonini L, Mollica C, Auriti A, Pasceri V, Pristipino C, Colivicchi F, Mele F and Santini M (2011). New prognostic index for acute heart failure and non-arrhythmic death in subjects with a cardiac defibrillator and ischemic cardiomyopathy. Circulation, 124 Abstract 12639, ISSN: Antonini L, Pasceri V, Mollica C, Ficili S, Poti G, Aquilani S, Santini M and La Rocca S (2011). Ambulatory blood pressure monitoring, 2D-echo and clinical variables relating to cardiac events in ischaemic cardiomyopathy following cardioverter defibrillato implantation. Journal of Cardiovascular Medicine, vol. 12, n. 5, pp , ISSN: , DOI: /JCM.0b013e Atti di convegno 1. Mollica C, Tardella L (2016). EPLMIX: Extended Plackett-Luce models for modeling and clustering ranking data in R. CFE-CMStatistics 2016 Programmes and Abstracts, p 203, ISBN: Antonini L, Mollica C, Auriti A, Pasceri V, Aspromonte N, Greco S, Uguccioni M, Colivicchi F (2016) Un semplice indice di rischio per un rapido triage nelle sindromi coronariche acute. La ricerca cardiologica in Italia Atti del 47_ Congresso Nazionale ANMCO, Minerva Cardioangiologica, vol. 64, suppl. 1 al n. 3, Abstract C 207, p Mollica C, Petrella L (2015). Bayesian binary quantile regression for the analysis of Bachelor-Master transition. CFE-ERCIM 2015 Book of Abstracts, p 196, ISBN: Mollica C, Tardella L (2015). Bayesian Plackett-Luce mixture models for partially ranked data. EMS 2015 Program and Book of Abstracts. 5. Mollica C, Tardella L (2014). Bayesian mixture of Plackett-Luce models for partially ranked data. CFE-ERCIM 2014 Book of Abstracts, p 179, ISBN: Mollica C, Tardella L (2013). Mixture of Extended Plackett-Luce ranking models for epitope mapping in bioassay experiments. CFE-ERCIM 2013 Book of Abstracts. 7. Mollica C, Tardella L (2013). Mixture models for ranked data classification. CLADAG 2013: 9th Meeting of the Classification and Data Analysis Group. Book of Abstracts, CLEUP, pp , ISBN: Rapporti tecnici 1. Mollica C, Salinetti G, Tardella L (2016). Indicatori AVA di ateneo: il contesto nazionale e Sapienza a confronto con i grandi atenei. DSS Rapporto tecnico n.6, ISSN: X. Dissertazioni 1. Mollica C (2014). Extending parametric models for ranked data. Dottorato in Statistica Metodologica, Ciclo XXV, Dipartimento di Scienze Statistiche, Sapienza Università di Roma. Unione europea, europass.cedefop.europa.eu Pagina 4 / 9

5 PARTECIPAZIONE A CONFERENZE E RIUNINIONI Bayesian binary quantile regression for the analysis of Bachelor-Master transition CMStatistics 2016: 9th International Conference of the ERCIM WG on Computational and Methodological Statistics University of Seville, Spain Sessione "Contributions in statistical software" dicembre 2016 Bayesian binary quantile regression for the analysis of Bachelor-Master transition con Lea Petrella ERCIM 2015: 8th International Conference of the ERCIM WG on Computational and Methodological Statistics Senate House, University of London, UK Sessione: Recent developments in Bayesian quantile regression" dicembre 2015 Bayesian Plackett-Luce mixture models for partially ranked data European Meeting of Statisticians Vrije Universiteit, Amsterdam Sessione invitata: Inference for rank data" luglio 2015 Bayesian mixture of Plackett-Luce models for partially ranked data ERCIM 2014: 7th International Conference of the ERCIM WG on Computational and Methodological Statistics Polo didattico delle Piagge, Università di Pisa Sessione: Advances in ordinal and preference data" dicembre 2014 Mixture of extended Plackett-Luce ranking models for epitope mapping in bioassay experiments ERCIM 2013: 6th International Conference of the ERCIM WG on Computational and Methodological Statistics Senate House, University of London, UK Sessione invitata: Statistics in Biomedicine" dicembre 2013 Mixture models for ranked data classification Riunione scientifica della Scuola di dottorato in Scienze Statistiche Sapienza Università di Roma Unione europea, europass.cedefop.europa.eu Pagina 5 / 9

6 settembre 2013 Mixture models for ranked data classification CLADAG 2013: 9th Scientific Meeting of the Classification and Data Analysis Group Complesso San Geminiano, Università di Modena e Reggio Emilia Sessione invitata: Young SIS Session: Likelihood and Bayesian methods for data modeling" settembre 2013 Epitope profiling via mixture modeling of rank data MBC2 - An international Workshop on Model Based Clustering and Classification Dipartimento di Economia e Impresa, Università di Catania Sessione: Methodological developments for discrete and mixed type data" settembre 2012 POSTER ATTIVITA DI REFERAGGIO PLMIX: An R package for modeling and clustering partially ranked data MEMOTEF, Sapienza Università di Roma febbraio 2017 Mixture models for ranked data classification Riunione scientifica della Scuola di dottorato in Scienze Statistiche settembre 2013 Biometrical Journal Communications in Statistics, Simulation and Computation Journal of Applied Statistics Journal of Computational and Graphical Statistics Machine Learning Metron COLLABORAZIONI SCIENTIFICHE Collaborazione coi dott. Silvia La Cesa e Andrea Truini del Dipartimento di Neurologia e Psichiatria di Sapienza Università di Roma finalizzata allo studio delle determinanti della lesione del nervo intercosto-brachiale in donne sottoposte ad intervento chirurgico per carcinoma mammario e alla valutazione del decorso postoperatorio. Analisi statistica basata sull implementazione di modelli lineari generalizzati e modelli ad effetti misti per dati longitudinali. Collaborazione con l'ing. Pierluigi Abiuso per l'analisi di dati forniti dalle Ferrovie dello Stato finalizzata allo studio delle determinanti del fenomeno del furto del rame nelle tratte ferroviarie del Veneto e della Sicialia. Analisi statistica basata sull'implementazione di modelli lineari generalizzati quali la regressione ordinale a effetti misti, la regressione di Poisson, Binomiale negativa e corrispondenti versioni zero-inflated Supporto statistico a un gruppo di medici del Centro Fibrosi Cistica del Policlinico Umberto I finalizzata all'analisi dei dati contenuti nel registro dei pazienti seguiti nello stesso centro attraverso l'impiego di modelli lineari generallizati ad effetti misti e Unione europea, europass.cedefop.europa.eu Pagina 6 / 9

7 modelli additivi generalizzati. Supporto statistico al cardiologo dott. G. Ferrante per la valutazione dell'efficacia di una nuova tecnica per impianto di stent coronarici mediante un'analisi basata sulla stima di modelli multilevel Bayesiani. Supporto statistico a un gruppo di cardiologi dell'ospedale S. Filippo Neri per la valutazione dell'accordo tra due strumenti di misura del tempo di conduzione interatriale mediante l'approccio di Bland e Altman. ATTIVITA DIDATTICA, TUTORATO E SUPPORTO Co-docente: Statistical Methods in Data Science & Laboratory II - Computational Statistics: lezioni teoriche e in laboratorio informatico con R (in inglese) a.a Docente: Tecnico di analisi e gestione dei Big Data - Metodi di analisi statistica dei dati: lezioni teoriche e in laboratorio informatico con R Corso di formazione professionale della Regione Lazio Eulab Consulting Srl, via Casilina 110/B, Roma aprile - maggio 2017 Docente a contrattoo: Statistica Corso Base (Serale) del Corso di Alta Formazione Interfacoltà: Metodi statistici per la ricerca e la pratica biomedica": lezioni teoriche e applicazioni in laboratorio informatico attraverso il software statistico R Facoltà di Economia, Sapienza Università di Roma a.a Docente per il II modulo di Probabilità e inferenza in biomedicina nell'ambito del Corso di Alta Formazione Interfacoltà: Metodi statistici per la ricerca e la pratica biomedica": lezioni teoriche e applicazioni in laboratorio informatico attraverso il software statistico R Dipartimento di Scienze Statistiche - Dipartimento di Sanità Pubblica e Malattie Infettive, Sapienza Università di Roma aa.aa , Coordinatore didattico del corso: Maria Rosaria Vacchio Esercitazioni per il corso di Inferenza statistica a.a (secondo semestre) Docente titolare del corso: Luca Tardella Esercitazioni per il corso di Statistica Dipartimento di Scienze Politiche, Università degli studi di Roma Tre a.a (secondo semestre) Docente titolare del corso: Luciano Nieddu Idonea al conferimento di insegnamenti ufficiali a contratto nel settore scientificodisciplinare SECS-S/01 (Statistica) nei seguenti dipartimenti dell'università LUISS Guido Carli di Roma - Dipartimento di Impresa e Management - Dipartimento di Economia e Finanza - Dipartimento di Giurisprudenza - Dipartimento di Scienze Politiche da Gennaio 2015 per undici anni accademici Esercitazioni per il corso di Statistica Unione europea, europass.cedefop.europa.eu Pagina 7 / 9

8 Facoltà di Economia, Università degli studi di Roma Tor Vergata" a.a (primo semestre) a.a (primo semestre) Docente titolare del corso: Maura Mezzetti Lezioni in laboratorio informatico sull'utilizzo del software R per il corso di Metodi statistici avanzati Facoltà di Economia, Sapienza Università di Roma a.a (secondo semestre) a.a (secondo semestre) Docente titolare del corso: Lea Petrella Tutor in varie edizioni del corso di Introduzione all'utilizzo di R organizzato per gli studenti della Facoltà di Scienze Statistiche e per utenti esterni (dipendenti SOSE, ISS ecc... ) presente PROGETTI DI RICERCA Extending parametric models for ranked data Proponente: Luca Tardella anno 2014 Improved inference for capture-recapture modeling Proponente: Luca Tardella anno 2012 Metodi bayesiani per il disegno e l analisi di prove cliniche sequenziali e a più stadi anno 2010 ORGANIZZAZIONE CONVEGNI E CONGRESSI Organizzatore della sessione "Advances in ordinal data analysis", CMStatistics 2017: 10th International Conference of the ERCIM WG on Computational and Methodological Statistics University of London, UK dicembre 2017 Membro del comitato organizzatore: SISbayes 2017 Workshop MEMOTEF, Sapienza Università di Roma febbraio 2017 Membro del comitato organizzatore: Advances in Probability, Statistics and Decision Theory: A conference in honor of Gabriella Salinetti febbraio 2017 Collaborazione all'organizzazione della XLVI Riunione Scientifica della Società Italiana di Statistica (SIS) Facoltà di Economia, Sapienza Università di Roma giugno 2012 COMPETENZE LINGUISTICHE Unione europea, europass.cedefop.europa.eu Pagina 8 / 9

9 Italiano: madrelingua Inglese: buona Francese: discreta ABILITA INFORMATICHE Sistemi operativi: Mac OS X, Windows Software: R, WinBUGS, SAS, C, Mathematica, MATLAB, LaTex Roma, 11 Maggio 2017 f.to Cristina Mollica Unione europea, europass.cedefop.europa.eu Pagina 9 / 9