Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS PubliCatt
Occasionally screening designs do not lead to unequivocal conclusions regarding which
combinations of factors (models) are active. From a Bayesian viewpoint, this means that the posterior
distribution on model space will be fairly evenly spread out over a few models. In these circumstances,
a follow-up design is needed, the aim being of choosing extra runs in order to solve, or at least alleviate,
this ambiguity. This R-package OBsMD implements the objective Bayesian methodology developed in
Consonni and Deldossi (2013) for this scope.
Nai Ruscone, M., Deldossi, L., OBSMD: AN R-PACKAGE FOR OBJECTIVE BAYESIANMODEL DISCRIMINATION IN FOLLOW-UP DESIGNS, in Proceedings SCo 2013, (Milano, 09-12 September 2013), Poliscript 2013, Milano 2013: 1-4 [http://hdl.handle.net/10807/53362]
OBSMD: AN R-PACKAGE FOR OBJECTIVE BAYESIAN
MODEL DISCRIMINATION IN FOLLOW-UP DESIGNS
Occasionally screening designs do not lead to unequivocal conclusions regarding which
combinations of factors (models) are active. From a Bayesian viewpoint, this means that the posterior
distribution on model space will be fairly evenly spread out over a few models. In these circumstances,
a follow-up design is needed, the aim being of choosing extra runs in order to solve, or at least alleviate,
this ambiguity. This R-package OBsMD implements the objective Bayesian methodology developed in
Consonni and Deldossi (2013) for this scope.
Nai Ruscone, M., Deldossi, L., OBSMD: AN R-PACKAGE FOR OBJECTIVE BAYESIANMODEL DISCRIMINATION IN FOLLOW-UP DESIGNS, in Proceedings SCo 2013, (Milano, 09-12 September 2013), Poliscript 2013, Milano 2013: 1-4 [http://hdl.handle.net/10807/53362]
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10807/53362
Citazioni
ND
ND
ND
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2021-2023 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
