Il Lindley Prize a Wade, Mongelluzzo e Petrone
L'International Society for Bayesian Analysis (ISBA), la più importante Società scientifica di Statistica bayesiana, ha assegnato il Lindley Prize 2010 a Sara Wade, Silvia Mongelluzzo e Sonia Petrone (Dipartimento di Scienze delle Decisioni), per il paper An Enriched Conjugate Prior for Bayesian Nonparametric Inference (in Bayesian Analysis, Volume 6, Number 3, September 2011, Pages 359-500). Questo riconoscimento è particolarmente significativo anche perché Wade e Mongelluzzo sono studentesse graduate del PhD in Statistics dell'Università Bocconi. La cerimonia di consegna ha avuto luogo lo scorso luglio all'ISBA 2012 World Meeting di Kyoto.
L'ISBA promuove lo sviluppo e l'applicazione dell'analisi bayesiana alla soluzione di problemi teorici e applicati nella scienza, l'industria e il settore pubblico. Il Lindley Prize viene assegnato a una ricerca innovativa di statistica bayesiana presentata a un World Meeting dell'ISBA. Gli articoli vincitori devono presentare una ricerca di statistica bayesiana che sia giudicata importante, tempestiva e chiaramente originale.
Il lavoro di Wade, Mongelluzzo e Petrone propone un'estensione del processo di Dirichlet, un processo molto diffuso nella statistica bayesiana nonparametrica. "Il nostro contributo", spiega Petrone, "arricchisce il processo e lo rende più flessibile, riuscendo allo stesso tempo a mantenerlo semplice. Semplicità e flessibilità sono difficili da ottenere congiuntamente".
"La statistica bayesiana nonparametrica (BNP) è un settore di ricerca studiato in modo pionieristico alla Bocconi almeno dalla fine degli anni '70 con i professori Michele Cifarelli ed Eugenio Regazzini", dice Petrone, "e nell'ultimo decennio ha avuto uno sviluppo impressionante, con un'attiva e fruttuosa interazione con altre comunità accademiche: economia, genetica, biostatistica, reti sociali e soprattutto machine learning". Grazie al contributo premiato, tutte queste comunità dispongono di un nuovo, più flessibile strumento per l'applicazione dei metodi BNP in modelli complessi.