Transcript Piercesare Secchi Professore di Statistica, Dipartimento

Piercesare Secchi
Professore di Statistica, Dipartimento di Matematica, Politecnico di Milano
email: [email protected]
homepage: https://www.mate.polimi.it/?view=pp&id=85&lg=enù
Piercesare Secchi è Professore di Statistica presso il Dipartimento di Matematica del Politecnico di Milano. E’ nato a Milano nel 1962.
Dopo aver conseguito la maturità classica al Liceo-Ginnasio “A. Manzoni” di Milano, nel 1988 si laurea con lode in Matematica alla
Università degli Studi di Milano, nel 1993 ottiene il dottorato di ricerca in Statistica Metodologica dalla l’Università di Trento e nel 1995 il
Ph.D. in Statistics dalla University of Minnesota, USA. Dal 1991 al 1997 è stato ricercatore di Statistica all’Università di Pavia e dal 1998
al 2004 professore associato di Probabilità e Statistica Matematica al Politecnico di Milano ove, dal 2005, è professore ordinario di
Statistica. Dal 2009 al 2016 è stato direttore del Dipartimento di Matematica del Politecnico di Milano, e dal 2011 al 2016 membro del
Senato Accademico dello stesso Ateneo e delegato del Rettore per I cluster e I consorzi. E’ docente di Statistica Applicata presso la
Scuola di Ingegneria Industriale e dell’Informazione.
E’ membro del MOX, il laboratorio di modellistica e calcolo scientifico del
Dipartimento di Matematica del Politecnico di Milano. I suoi più recenti interessi di ricerca sono rivolti ai modelli e ai metodi statistici per
la object oriented spatial statistics, all’analisi esplorativa e inferenziale di dati complessi e ad alta dimensionalità in presenza di
dipendenza spaziale, all’analisi di dati funzionali, agli schemi d’urna per l’inferenza statistica bayesiana. E’ socio della Società Italiana di
Statistica, del Institute of Mathematical Statistics e del American Statistical Association. Ha partecipato a importanti progetti di ricerca
con finanziamento pubblico o privato. Ha coordinato l’attività di modellistica statistica del progetto AneuRisk, finanziato da Siemens
Medical Solutions e Fondazione Politecnico, per l’analisi dei dati funzionali relativi alla geometria della carotide interna per la
quantificazione del rischio di rottura degli aneurismi cerebrali. Ha diretto l’attività di ricerca finanziata dall’Autorità per l’Energia Elettrica
e il Gas al Dipartimento di Matematica del Politecnico di Milano per lo sviluppo di modelli statistici per la quantificazione e il controllo
della qualità del servizio della distribuzione dell’energia.
E’ stato responsabile dell’unità operativa del Politecnico di Milano nel
Programma Strategico di Regione Lombardia per l’analisi statistica di database sanitari sulle sindromi coronariche acute in Lombardia.
Ha diretto diversi progetti di ricerca statistica blu sky finanziati da ENI al Politecnico di Milano. Contribuisce allo sviluppo di Urbanscope,
un nuovo macroscopio per l’analisi delle tracce digitali generate dai sistemi urbani. E’ socio fondatore di Moxoff, uno spin-off del
Politecnico di Milano che dal 2010 mette in sinergia il mondo della ricerca modellistica matematica, statistica e numerica, con quello
industriale. Dal 2011 è membro del consiglio di amministrazione del MIP, la Business School del Politecnico di Milano e, dal 2013,
membro del consiglio di amministrazione del consorzio per le Costruzioni dell'Ingegneria Strutturale in Europa (CISE). E’ socio
fondatore di Mathesia, una piattaforma di crowdsourcing creata nel 2014 per generare innovazione grazie all’applicazione della
matematica a problemi di carattere industriale. Nel 2015 è stato nominato Presidente della Fondazione CEN, Centro Europeo di
Nanomedicina.
Una selezione tra le più recenti pubblicazioni:
A. Menafoglio, P. Secchi (2017), Statistical analysis of complex and spatially dependent data: A review of Object Oriented Spatial
Statistics. European Journal of Operational Research, 258(2), 401-410.
A. Menafoglio, P. Secchi, A. Guadagnini (2016). A class-kriging predictor for functional compositions with application to particle-size
curves in heterogeneous aquifers. Mathematical Geosciences, 48(4), 463-485.
D. Pigoli, A. Menafoglio, P. Secchi (2016). Kriging prediction for manifold valued random fields. Journal of Multivariate Analysis, 145,
117-131.
L. Azzimonti, L. M. Sangalli, P. Secchi, M. Domanin, F. Nobile (2015). Blood flow velocity field estimation via spatial regression with
PDE penalization, Journal of the American Statistical Association, vol 110, 1057-1071.
D. Pigoli, J. A.D. Aston, I. L. Dryden, P. Secchi (2014). Distances and inference for covariance operators. Biometrika, 101, 409-422.
A. Menafoglio, A. Guadagnini, P. Secchi (2014). A kriging approach based on Aitchison geometry for the characterization of particle-size
curves in heterogeneous aquifers, Stochastic Environmental Research and Risk Assessment, 28(7), 1835-1851.
L. M. Sangalli, P. Secchi, S. Vantini (2014). Analysis of AneuRisk65 data: k-mean alignment, Electronic Journal of Statistics, 8(2), 18911904.
A. Menafoglio, P. Secchi, M. Dalla Rosa (2013). A Universal Kriging predictor for spatially dependent functional data of a Hilbert Space.
Electronic Journal of Statistics, 7, 2209- 2240.
L.M. Sangalli, P. Secchi, S. Vantini, V. Vitelli (2010). k-mean alignment for curve clustering. Computational Statistics & Data Analysis,
vol. 54, p. 1219-1233.
L. M. Sangalli, P. Secchi, S. Vantini, A. Veneziani (2009). A case study in exploratory functional data analysis: geometrical features of
the internal carotid artery. Journal of the American Statistical Association, vol. 104, p. 37-48.