Benvenuti nell'Anagrafe della Ricerca d'Ateneo
La valutazione delle attività di ricerca che si svolgono nelle università ha assunto un'importanza rilevante sia per l'intero sistema universitario sia all'interno di ogni singolo ateneo. Roma Tre si è quindi dotata di idonei strumenti informativi in grado di supportare al meglio le azioni di monitoraggio e di valutazione delle attività di ricerca svolte nei propri dipartimentied ha realizzato una Anagrafe della Ricerca di Ateneo.
EnglishOne of the main algorithms for causal structure learning in Bayesian network is the PC algorithm. The PC algorithm uses conditional independence tests for model selection under the assumption of independent and identically distributed observations. In practice, sample selection in surveys involves more complex sampling designs then the standard test procedure is not valid even asymptotically. In this paper, a modified version of the PC algorithm is proposed for inferring casual structure from complex survey data.
| Titolo: | STRUCTURAL LEARNING FOR COMPLEX SURVEY DATA |
| Autori: | |
| Data di pubblicazione: | 2017 |
| Citazione: | Marella, D., & Vicard, P. (2017). STRUCTURAL LEARNING FOR COMPLEX SURVEY DATA. In Cladag 2017-Book of short papers. Mantova : Universitas Studiorum S.r.l. Casa Editrice. |
| Abstract: | One of the main algorithms for causal structure learning in Bayesian network is the PC algorithm. The PC algorithm uses conditional independence tests for model selection under the assumption of independent and identically distributed observations. In practice, sample selection in surveys involves more complex sampling designs then the standard test procedure is not valid even asymptotically. In this paper, a modified version of the PC algorithm is proposed for inferring casual structure from complex survey data. |
| Handle: | http://hdl.handle.net/11590/324205 |
| ISBN: | 978-88-99459-71-0 |
| Appare nelle tipologie: | 4.1 Contributo in Atti di convegno |
File in questo prodotto:
Copyright © 2020