Persona
ZUCCOLOTTO Paola

ZUCCOLOTTO Paola

Docenti di ruolo di Ia fascia
Dipartimento di Economia e Management
Course Catalogue:
https://unibs.coursecatalogue.cineca.it/docente-ma...

Gruppo 13/STAT-01 - STATISTICA

Settore STAT-01/A - Statistica
PROFILO SCIENTIFICO Svolge attività di ricerca scientifica nel campo delle scienze statistiche, sia con un approccio metodologico che applicativo. Argomenti principali: - Aspetti metodologici ed empirici del data mining e dell'analisi dei dati. Da un punto di vista metodologico, è interessata a tecniche algoritmiche computer intensive come reti neurali e learning ensembles, con particolare attenzione al problema della variable selection, per il quale ha sviluppato alcune proposte innovative. Inoltre, ha proposto alcune nuove tecniche per il trattamento dei dati mancanti nella Principal Component Analysis e per la modellazione di dati di valutazione provenienti da indagini sulle percezioni umane. Da un punto di vista empirico, si è occupata di diversi casi studio nel camp della misurazione delle percezioni, della valutazione della qualità, della previsione e dell'identificazione dei fattori di rischio in diversi contesti (sanità, genetica, lavoro, marketing, analisi sensoriale, sport). - Analisi delle serie temporali, con particolare attenzione ai dati finanziari. In questo contesto ha condotto ricerche su serie temporali vettoriali, modelli per la volatilità dei dati finanziari, modelli per i cambiamenti di regime e ha proposto un modello innovativo per dati ad altissima frequenza. Al momento sta tentando di estendere le tecniche di data mining all'econometria, con un legame speciale con la teoria delle funzioni copula dal punto di vista della gestione del rischio di investimento. Ha pubblicato più di 50 articoli peer-reviewed su riviste e libri nazionali e internazionali, un libro e oltre 30 working papers e atti di conferenze. Ha partecipato a più di 50 conferenze internazionali, come relatore invitato, relatore o discussant invitato. È ed è stata membro di diversi progetti di ricerca, con finanziamenti a livello nazionale (PRIN) e internazionale (Settimo Programma Quadro dell'Unione Europea). PROFILO PROFESSIONALE Professore Ordinario di Statistica all'Università di Brescia. È direttore scientifico del Big & Open Data Innovation Laboratory (BODaI-Lab), dove coordina, insieme a Marica Manisera, il progetto internazionale Big Data Analytics in Sports (BDsports). Svolge attività di ricerca scientifica nel campo delle scienze statistiche, sia con un approccio metodologico che applicativo. Svolge regolarmente attività di revisore scientifico per le più prestigiose riviste mondiali nel campo della statistica. È membro del Editorial Advisory Board del Journal of Sports Sciences e co-guest editor di numeri speciali di riviste internazionali su Statistica nello Sport. È stata delegata dall'International Statistical Institute a costituire un nuovo Special Interest Group nell'ambito delle Sports Statistics. Insegna corsi universitari e post-universitari nel campo della statistica ed è responsabile dell'area scientifica dedicata allo sport analytics al dottorato di ricerca "Analytics for Economics and Management" dell'Università di Brescia. Insegna inoltre corsi e seminari di Sports Analytics nei Master universitari di Sports Engineering e progetti di formazione specialistici dedicati alle persone che operano nel mondo dello sport. Supervisiona tirocini per studenti, relazioni finali e tesi di master in Statistica nello sport e lavora in collaborazione con insegnanti delle scuole superiori, creando progetti didattici sperimentali per avvicinare gli studenti a materie quantitative attraverso le Sport Analytics.

Settori (3)

Parole chiave libere (2)

DATA ANALYSIS
STATISTICS
No Results Found

Linee di ricerca (4)

Sport Analytics: sviluppo di strumenti statistici nei campi della modellizzazione statistica, analisi di dati multivariati, data mining, modelli algoritmici e machine learning. Argomenti principali: - Statistiche di base e analisi più complesse di una partita o di una competizione - Analisi delle prestazioni (di squadre, giocatori, singoli atleti) - Identificazione dei fattori di successo e strategie di gioco ottimali - Previsione - Misura dei tratti della personalità (forza mentale, strategie di coping, ...) - Analisi di mercato per il marketing sportivo - Valutazione finanziaria delle società sportive e dei progetti relativi allo sport
Studio di tecniche data mining, con specifico riguardo a: - Tecniche algoritmiche per la regressione e la classificazione, con speciale interesse per le Reti Neurali, gli alberi di classificazione e regressione (CART), le tree-based learning ensembles come le Random Forests (Breiman, 2001) e il Gradient Boosting Machine (Friedman, 2002). - Tecniche per la variable selection, con particolare riferimento alle misure di importanza calcolate in concomitanza con le procedure algoritmiche descritte al punto precedente. CONTRIBUTI SCIENTIFICI: tecniche innovative per la sintesi di misure di importanza differenti e per la correzione della distorsione della Gini variable importance measure.
Studio di tecniche multivariate di analisi dei dati, con specifico riguardo a: - Tecniche di riduzione della dimensionalità e di cluster analysis. - Tecniche statistiche per variabili latenti. - Modelli statistici per l’analisi di dati ordinali, con particolare attenzione alla classe CUB. - Tecniche per l’Analisi di Dati Simbolici. CONTRIBUTI SCIENTIFICI: tecniche innovative per modellare i dati e trattare i valori mancanti, nell’ambito dei modelli CUB; analisi delle componenti principali su dati stimati trattamento dei missing values attraverso le tecniche dell’Analisi dei Dati Simbolici.
Studio di tematiche relative alle serie temporali, con specifico riguardo a: - Studio di modelli stocastici per il trattamento dell’eteroschedasticità, problema particolarmente rilevante nell’analisi delle serie storiche di tipo finanziario, con speciale attenzione per la classe dei modelli ARCH proposta da Engle (1982). - Studio di modelli stocastici a più regimi, per il trattamento di serie storiche economiche e finanziarie caratterizzate da alternanze asimmetriche di periodi con caratteristiche differenti (espansione/recessione, quiete/turbolenza, …). Speciale attenzione è stata dedicata ai modelli Markov Switching. - Studio congiunto di serie storiche. Tra le varie problematiche relative all’analisi delle serie storiche multivariate, è stata approfondita la modellistica lineare VARMA e specialmente il problema della costruzione e della stima di forme canoniche. - Analisi di dati finanziari rilevati ad altissima frequenza, con particolare riferimento ai modelli ACD di Engle e Russell (1998). - Analisi di dati finanziari tramite l’approccio delle funzioni copula. - Clustering di serie storiche finanziarie. CONTRIBUTI SCIENTIFICI: nell’ambito dei modelli ACD, estensioni ed approfondimenti innovativi alla struttura del modello, alle ipotesi distributive, alle modalità di stima delle grandezze di interesse; tecniche innovative di clustering delle serie storiche finanziare, basato su coefficienti di dipendenza di coda stimati con funzioni copula.
No Results Found

Pubblicazioni (144)