Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Applicazioni di metodi causali e machine learning a serie storiche |
|---|---|
| Titolo del progetto di ricerca in inglese | Applications of causal and machine learning methods to time series data |
| Settore Concorsuale | 13 - Scienze economiche e statistiche |
| S.S.D | SECS-S/03 - STATISTICA ECONOMICA |
| Descrizione sintetica in italiano | ll Rubin Causal Model (RCM) misura l'effetto di un trattamento su un’unità statistica mediante confronto fra ciò che è stato osservato e ciò che sarebbe stato se l'unità avesse ricevuto un trattamento alternativo. Negli studi basati su time series (ts), in cui il meccanismo di assegnazione al trattamento non è in genere sotto il controllo dello sperimentatore, è stato di recente proposto di misurare l’effetto confrontando la ts post-intervento con un “controllo sintetico” (“cs”), costruito mediante metodi di previsione, che rappresenta la ts in assenza di intervento. Obiettivi della ricerca: 1) Estendere l’approccio del “cs” a contesti in cui vengono trattate più unità e/o si realizzano più interventi, valutando l’utilizzo di tecniche di machine learning o modelli ts di tipo strutturale. |
| Descrizione sintetica in inglese | The Rubin Causal Model (RMC) uses potential outcomes to measure causal effects. The RCM has recently been extended to time series (ts) data using non-parametric methods to infer the effect of a treatment randomly allocated to a single unit at each point in time. Observational studies with ts data are less investigated. A method that has gained popularity in this field compares the observed time series after the intervention with a “synthetic control” (“sc”), representing the ts in the absence of intervention, estimated using forecasting methods. Goals of the research: 1) Extend the “sc” approach to settings where multiple units are treated and/or multiple interventions take place, possibly exploiting machine learning techniques or structural ts models. |
| Data del bando | 12/10/2020 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 19367 |
| Periodicità | annuale |
| E' richiesta mobilità internazionale? | no |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
Italy |
| Nazionalità dei candidati |
Italy |
| Sito web del bando | https://titulus.unifi.it/albo/viewer?view=files%2F003622912-UNFICLE-887a1493-1f97-4291-9bef-984d784335b5-000.pdf |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | yes |
| Importo annuale | 19367 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Massima durata dell'assegno (mesi) | 12 |
| Criteri di selezione in italiano (breve descrizione) | LAUREA MAGIATRALE IN STATISTICA O IN MATEMATICA |
| Criteri di selezione in inglese (breve descrizione) | LAUERA IN STATISTIC OR MATHEMATIC |
| Processo di selezione in italiano (breve descrizione) | IL CONCORSO è PER TITOLI E PER ESAMI |
| Processo di selezione in inglese (breve descrizione) | The competition will be carried out by an evaluation of titles and examination, by means of an interview |
| Nome dell'Ente finanziatore | UNIVERSITA STUDI FIRENZE DIPARTIMENTO DI STATISTICA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | FIRENZE |
| Codice postale | 50126 |
| Indirizzo | VIALE MORGAGNI 59 |
| Sito web | https://www.disia.unifi.it/ |
| disia@disia.unifi.it | |
| Telefono | 0552751500 |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 09/11/2020 - alle ore 00:00 |
|---|---|
| Come candidarsi | disia@disia.unifi.it |