()Probablità, Statistica e Processi Stocastici
|
|
- Luigina Bonfanti
- 5 anni fa
- Visualizzazioni
Transcript
1 Probablità, Statistica e Processi Stocastici
2 Esempio di serie storica Esportazioni italiane di pezzi di accessori auto (trend accentuato, poca stagionalità)
3 Esempio di serie storica Esportazioni italiane di motocicli (trend debole variabile, molta stagionalità)
4 Metodo di smorzamento esponenziale Scelta automatica dei parametri (minimi quadrati)
5 SET Cattura la pendenza in fase di previsione (forse troppo sensibile)
6 HW
7 HW
8 Metodi regressivi Essi costituiscono la classe più ampia e forse l unica in cui è possibile sviluppare elementi di teoria rigorosa. Ci stiamo riferendo ai metodi denominati AR, MA, ARMA, ARIMA, ARIMAX ecc. Non sviluppiamo la loro teoria, suggerendo eventualmente di esaminare il comando ar.ols del software R per vedere in azione uno di questi metodi (ar.ols = AR, cioè autoregressivi, con stima ols, cioè ordinary least squares, minimi quadrati, dei coeffi cienti del modello; il metodo di stima più ragionevole per serie qualsiasi, in assenza di ipotesi particolari come la stazionarietà).
9 Metodi regressivi Sviluppiamo invece "a mano" un esempio di metodo autoregressivo (un sottocaso della classe AR). Si parte da un modello, cioè si ipotizza che la serie storica soddisfi la relazione autoregressiva x n = a 1 x n 1 + a 12 x n 12 + b + ɛ n con errore ɛ n piccolo (questa relazione è sempre verificata, scelti a caso i coeffi cienti, se l errore viene definito per differenza; il punto è sperare che, per certi coeffi cienti, l errore sia molto piccolo). Si applica la regressione lineare multipla per stimare i coeffi cienti a 1, a 12, b a partire dalla serie storica. Il metodo è del tutto generale, cioè applicabile a qualsiasi relazione ricorsiva lineare del tipo precedente (ritardi qualsiasi, quanti si vuole).
10 Tra chi si fa la regressione Data la serie storica x 1, x 2,..., x N, volendo applicare la regressione x n = a 1 x n 1 + a 12 x n 12 + b + ɛ n si deve considerare la serie stessa come input e come output, ma opportunamente traslata. Preciasamente, l output è la serie ed i due input le serie x 13,..., x N x 12,..., x N 1 x 1,..., x N 12
11 Previsione Calcolati i coeffi cienti del modello, la previsione del primo istante successivo è p N +1 = a 1 x N + a 12 x N b ma dalla successiva in poi bisogna usare le previsioni stesse nel primo fattore p N +2 = a 1 p N +1 + a 12 x N b e così via. Nota: la logica di questo modello è di replicare periodicamente (se 12 è il periodo) mantenendo nota della situazione più recente. Una forma particolare di innovazione-conservazione.
12 Esempio di previsione
13 Confronto grafico con HW
14 Fattori esogeni Un elemento di sicuro vantaggio dei metodi regressivi è la possibilità di inserire fattori esogeni. Se ad esempio x 1, x 2,..., x N è la serie storica delle esportazioni di un prodotto e z 1, z 2,..., z N è la serie storica del costo del petrolio, possiamo immaginare che un modello del tipo x n = a 1 x n 1 + a 12 x n 12 + c k z n k + b + ɛ n sia più accurato. Il ritardo k può essere cercato con il comando ccf (cross correlation function, versione empirica della formula E [X t Z s ] molto usata in Telecomunicazioni). Queste considerazioni sono la base dei cosidetti modelli econometrici.
15 Analisi dei residui I residui variano a seconda del modello utilizzato. Es. x n = t n + s n + ɛ n (decomposizione additiva) ɛ n = x n p n (modelli SE, SET, HW, AR) Anche i comandi variano. Però il comando residuals() è abbastanza generico. Funziona ad es. per HW. Le prime analisi sono visive: - plot dei residui per vedere eventuali strutture ed eventuali anomalie - acf, per vedere eventuali periodicità residue; confrontare con white noise - hist, per vedere come si distribuiscono; confrontare con hist della serie storica - qqnorm, per vedere se sono abbastanza gaussiani
16 Analisi dei residui E evidente una struttura moltiplicativa residua. Si noti anche il picco a fine inizio 2004: esso è molto più alto dei picchi precedenti e successivi visibili sulla serie storica.
17 Analisi dei residui Non c è evidenza di periodi residui.
18 Analisi dei residui così abbiamo una percezione grafica della variabilità originaria e di quella dei residui
19 Analisi dei residui I campioni gaussiani hanno qqplot abbastanza rettilineo.
20 Incertezza della predizione tramite i residui Premessa: data una gaussiana di parametri m ed s, se si vuole un intervallo simmetrico rispetto alla media che contenga il 90% dei valori, esso è dato da qnorm(0.05,m,s), qnorm(0.95,m,s) o equivalentemente da m+s*qnorm(0.05), m+s*qnorm(0.95). Se abbiamo un campione sperimentale x 1,..., x n e decidiamo di descriverlo con una gaussiana, possiamo stimare m ed s dal campione ed usare le formule precedenti. Oppure possiamo usare un comando di R che fa una stima empirica, non parametrica, quantile(x,0.05), quantile(x,0.95).
21 Incertezza della predizione tramite i residui Possiamo applicare i calcoli precedenti ai residui, ad es. X=residuals(HW), trovando così un intervallo che contiene i residui al 90% Poi, traslando del valore previsto per il mese successivo P=predict(HW,1), troviamo un intervallo che contiene i valori futuri al 90%: P+qnorm(0.05,m,s), P+qnorm(0.95,m,s) Possiamo poi tracciare due bande, entro le quali prevediamo stiano i valori al 90%.
22 Incertezza della predizione tramite i residui Oct 2010:
23 Incertezza della predizione tramite i residui I calcoli precedenti sono una prima approssimazione. Da un lato, si potrebbero innescare algoritmi che allargano le bande al crescere del tempo (valori più lontani nel futuro sono più incerti). Omettiamo questa direzione. Dall altro, si potrebbe modulare l incertezza in modo stagionale. Infine, applicando PCA (che in questa versione è la cosidetta fpca), si possono trovare i profili più tipici delle fluttuazioni, dell incertezza.
24 Modulazione stagionale dell incertezza sulla predizione Profilo annuale delle deviazioni standard dei residui e bande di previsione stagionali
25 Variazioni tipiche dell incertezza sulla predizione Profilo semestrale della variazione tipica dei residui (prima componente principale, 54%)
26 Variazioni tipiche dell incertezza sulla predizione Profilo semestrale della variazione tipica dei residui (seconda componente principale, 25%)
()Probablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Serie storiche (verso fpca) La tecnica chiamata fpca (functional PCA) esamina serie storiche utilizzando paradigmi propri di PCA. E utile premettere un po di
Dettagli()Probablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Esempio di serie storica Esportazioni italiane di pezzi di accessori auto (trend accentuato, poca stagionalità) Esempio di serie storica Esportazioni italiane
DettagliStatistica II Laurea magistrale in Ing. Gestionale a.a. 2012/13 Esempi di domande brevi. 1. Definizione di quantile gaussiano standard
Statistica II Laurea magistrale in Ing. Gestionale a.a. 2012/13 Esempi di domande brevi 1. Definizione di quantile gaussiano standard 2. Cosa calcola il comando pnorm (risp. qnorm, dnorm, rnorm) 3. Come
Dettagli1. ANALISI DEI RESIDUI recupero dati----- X = scan("clipboard") accessori.auto = ts(x, frequency=12, start=c(1995,1)) plot(accessori.
1. ANALISI DEI RESIDUI ----- recupero dati----- X = scan("clipboard") 11849 1316 4712 800 5097 3270 5390 2135 5962 5795 9271 6864 4247 7961 7191 4970 5012 2929 7363 4907 4700 8219 8674 8263 4294 6097 9115
DettagliProbablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Franco Flandoli, Università di Pisa Programma del corso vettori gaussiani, PCA ed fpca altri metodi di analisi e previsione di serie storiche catene di Markov
DettagliStatistica II, Laurea magistrale in Ing. Gestionale, a.a. 2013/14 10/01/2014
Statistica II, Laurea magistrale in Ing. Gestionale, a.a. 2013/14 10/01/2014 Note. Le giustificazioni delle risposte sono molto rilevanti; devono essere sintetiche ma esaustive e devono puntare agli aspetti
DettagliProbablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Franco Flandoli, Università di Pisa Riepilogo su PCA (affi ancare scheda R) Si parte da n variabili aleatorie X 1,..., X n. In pratica, si parte da una tabella
DettagliProbablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Franco Flandoli, Università di Pisa Matrice di covarianza Dato un vettore aleatorio (anche non gaussiano) X = (X 1,..., X n ), chiamiamo sua media il vettore
DettagliSTATISTICA. Regressione-2
STATISTICA Regressione-2 Esempio Su un campione di =5unità sono state osservate due variabili, ed : x i 1 2 3 4 5 y i 1.5 2.5 3 2.5 3.5 1. Rappresentare l andamento congiunto di in funzione di mediante
DettagliAnalisi delle serie storiche parte V Modelli autoregressivi
Analisi delle serie storiche parte V Modelli autoregressivi a.a. 2016/2017 Economiche Internazionali 1 Definizioni introduttive Autoregressione: modello di regressione che spiega una serie temporale con
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliSTATISTICA. Regressione-2
STATISTICA Regressione-2 Fare sempre il grafico! Fig. 5.12 pg 178, Statistica di S. Iacus Fare sempre il grafico! y 0 2 4 6 8 10 =-1 =+0.79 outlier o dato influente 0 2 4 6 8 10 x Inferenza Il modello
DettagliScheda n. 13: modelli lineari
Scheda n. 13: modelli lineari December 4, 2008 1 Combinazioni affini di variabili aleatorie La teoria che stiamo per esporre vuole descrivere relazioni matematiche tra variabili aleatorie: in tali relazioni
Dettagli1. ANALISI DEI RESIDUI. -----inizio recupero dati----- X = scan("clipboard") accessori.auto = ts(x, frequency=12, start=c(1995,1))
1. ANALISI DEI RESIDUI -----inizio recupero dati----- X = scan("clipboard") 11849 1316 4712 800 5097 3270 5390 2135 5962 5795 9271 6864 4247 7961 7191 4970 5012 2929 7363 4907 4700 8219 8674 8263 4294
DettagliRestrizioni lineari nel MRLM: esempi
Restrizioni lineari nel MRLM: esempi Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2013 Rossi Restrizioni lineari: esempi Econometria - 2013 1 / 22 Funzione di produzione Cobb-Douglas Esempio GDP
DettagliEsercizio 1. Trovare un intervallo della distribuzione di COR che contenga il 95% dell'area.
Esercizio 1. Trovare un intervallo della distribuzione di COR che contenga il 95% dell'area. Soluzione. Ricordiamo che i comandi per ottenere (a livello simulativo) la distribuzione di COR sono (ad es.
DettagliStatistica II Laurea magistrale in Ing. Gestionale a.a. 2012/13 Registro delle lezioni
Statistica II Laurea magistrale in Ing. Gestionale a.a. 2012/13 Registro delle lezioni Lezione 1 (24/9). Introduzione al corso, composto principalmente dalla sezione sui vettori gaussiani (Cap. 1), dallo
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliMaria Prandini Dipartimento di Elettronica e Informazione Politecnico di Milano
Note relative a test di bianchezza rimozione delle componenti deterministiche da una serie temporale a supporto del Progetto di Identificazione dei Modelli e Analisi dei Dati Maria Prandini Dipartimento
DettagliCorso di Identificazione dei Modelli e Analisi dei Dati
Corso di Identificazione dei Modelli e Analisi dei Dati Prof. Sergio Bittanti Esercitazione di Laboratorio A.A. 2010-11 Sistemi dinamici lineari a tempo discreto 1. Si consideri il sistema dinamico a tempo
DettagliVALIDAZIONE DEL MODELLO
VALIDAZIONE DEL MODELLO Validazione del Modello Non è sufficiente stimare il vettore θ per dichiarare concluso il processo di identificazione. E necessario ottenere una misura della sua affidabilità L
DettagliProbablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Franco Flandoli, Università di Pisa Programma del corso vettori gaussiani, PCA ed fpca altri metodi di analisi e previsione di serie storiche catene di Markov
DettagliPer alcuni dataset, l attributo target è soggetto ad un evoluzione temporale e risulta associato ad istanti di tempo successivi.
Per alcuni dataset, l attributo target è soggetto ad un evoluzione temporale e risulta associato ad istanti di tempo successivi. I modelli di analisi delle serie storiche si propongono di identificare
DettagliStima dei parametri di modelli lineari
Stima dei parametri di modelli lineari Indice Introduzione................................ 1 Il caso studio................................ 2 Stima dei parametri............................ 3 Bontà delle
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliSerie storiche Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007
Serie storiche Introduzione Per alcuni dataset, l attributo target è soggetto ad un evoluzione temporale e risulta associato ad istanti di tempo successivi. I modelli di analisi delle serie storiche si
DettagliApplicazione della Metodologia Box-Jenkins per la previsione della progettazione di edilizia non residenziale(*)
Applicazione della Metodologia Box-Jenkins per la previsione della progettazione di edilizia non residenziale(*) Agostino Tarsitano Università degli studi della Calabria Dipartimento di Economia e Statistica
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliIndice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
DettagliMinimi quadrati ordinari Interpretazione geometrica. Eduardo Rossi
Minimi quadrati ordinari Interpretazione geometrica Eduardo Rossi Il MRLM Il modello di regressione lineare multipla è usato per studiare le relazioni tra la variabile dipendente e diverse variabili indipendenti
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
DettagliT punti Qual è la differenza concettuale e pratica tra Megatrend e Trend
1 Appello 24/06/2003 T1. -----4 punti Si spieghi brevemente a quale tipologia di fenomeno (espresso da una serie storica) è applicabile uno schema Holt-Winters con tutti i parametri tendenti a zero T2.-----
DettagliAnalisi delle Serie Storiche con R
Università di Bologna - Facoltà di Scienze Statistiche Laurea Triennale in Statistica e Ricerca Sociale Corso di Analisi di Serie Storiche e Multidimensionali Analisi delle Serie Storiche con R Francesca
DettagliAnalisi delle Serie Storiche
Analisi delle Serie Storiche Fabio Ruini Abstract Alla base dell analisi delle serie storiche vi è l assunzione secondo cui i fattori che hanno influenzato l andamento della serie nel passato e nel presente
DettagliMetodi di previsione
Metodi di previsione Giovanni Righini Università degli Studi di Milano Corso di Logistica I metodi di previsione I metodi di previsione sono usati per ricavare informazioni a sostegno dei processi decisionali
DettagliEsercitazione # 2 Maggio 2019
Esercitazione # 2 Maggio 2019 TEST di teoria 1. In un modello di regressione in k variabili, se la matrice X contiene regressori che NON sono combinazioni lineari, quale è il rango della matrice stessa?:
DettagliIntroduzione all'inferenza Lezione 4
Last updated April 16, 2016 Introduzione all'inferenza Lezione 4 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Introduzione all inferenza Popolazione Campione
DettagliIndice. Previsioni. Serie con trend. Metodo di Holt. Previsioni: trend e stagionalità. serie con trend/tendenza serie con stagionalità
Indice Previsioni serie con trend/tendenza serie con stagionalità Previsioni: trend e stagionalità 7/11/23 16.51 1 2 Serie con trend Regressione lineare Metodo di (doppio smorzamento esponenziale) Metodo
DettagliIl Modello di Scomposizione
Approccio Classico: Metodi di Scomposizione Il Modello di Scomposizione Il modello matematico ipotizzato nel metodo classico di scomposizione è: y t =f(s t, T t, E t ) dove y t è il dato riferito al periodo
DettagliRegressione Lineare Multipla
Regressione Lineare Multipla Fabio Ruini Abstract La regressione ha come scopo principale la previsione: si mira, cioè, alla costruzione di un modello attraverso cui prevedere i valori di una variabile
DettagliII ESERCITAZIONE ESERCIZIO
II ESERCITAZIONE ESERCIZIO 1 Quale percentuale di osservazioni sotto la curva normale standardizzata cade nell'intervallo compreso tra i valori z=-1 e z=+1? a) 66% circa b) 70,2% circa c) 68,2% circa d)
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliDistribuzione Gaussiana - Facciamo un riassunto -
Distribuzione Gaussiana - Facciamo un riassunto - Nell ipotesi che i dati si distribuiscano seguendo una curva Gaussiana è possibile dare un carattere predittivo alla deviazione standard La prossima misura
DettagliAnalisi dei Processi Chimici e. Biotecnologici Anno Accademico
Biotecnologici Anno Accademico 2017 2018 Massimiliano Grosso E-mail: massimiliano.grosso@dimcm.unica.it Telefono: 070 675 5075 Indirizzo web: http://people.unica.it/massimilianogrosso Outline Obiettivi
Dettaglilezione 10 AA Paolo Brunori
AA 2016-2017 Paolo Brunori Redditi svedesi - il dataset contiene i dati di reddito di 838 individui - il dataset contiene le variabili: sex = sesso age = età edu = anni di istruzione y_gross = reddito
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliL analisi dei dati. Primi elementi. EEE- Cosmic Box proff.: M.Cottino, P.Porta
L analisi dei dati Primi elementi Metodo dei minimi quadrati Negli esperimenti spesso si misurano parecchie volte due diverse variabili fisiche per investigare la relazione matematica tra le due variabili.
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliAnalisi dei Processi Chimici e. Biotecnologici Anno Accademico
Biotecnologici Anno Accademico 2017 2018 Massimiliano Grosso E-mail: massimiliano.grosso@dimcm.unica.it Telefono: 070 675 5075 Indirizzo web: http://people.unica.it/massimilianogrosso Obiettivi del Gli
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliStatistica descrittiva: analisi di regressione
Statistica descrittiva: analisi di regressione L analisi di regressione permette di esplorare le relazioni tra due insiemi di valori (p.e. i valori di due attributi di un campione) alla ricerca di associazioni.
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile Uniforme Continua Data una scheda telefonica da 5 euro di cui non si sa se sia
DettagliRisoluzione di problemi ingegneristici con Excel
Risoluzione di problemi ingegneristici con Excel Problemi Ingegneristici Calcolare per via numerica le radici di un equazione Trovare l equazione che lega un set di dati ottenuti empiricamente (fitting
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
Dettagli()Probablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Energia immessa da un white noise Ricordiamo la motivazione applicativa della volta scorsa: un white noise additivo, messo in un equazione che nel caso deterministico
DettagliLaurea Magistrale in Scienze Statistiche Finanziarie e Attuariali Econometria Finanziaria c.a. A.A. 2016/2017 Appello 15 Settembre 2017
Laurea Magistrale in Scienze Statistiche Finanziarie e Attuariali Econometria Finanziaria c.a. A.A. 206/207 Appello 5 Settembre 207. Sia r t il log-return di un asset e r m t il log-retun del mercato.
DettagliCorso di Calcolo Numerico
Prof. L. Brandolini Corso di Calcolo Numerico Dott.ssa N. Franchina Laboratorio 6 Equazioni differenziali ordinarie: metodi impliciti 3 Novembre 26 Esercizi di implementazione Un equazione differenziale
DettagliRichiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche
Richiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche Ludovico Biagi Politecnico di Milano, DIIAR ludovico.biagi@polimi.it (materiale didattico preparato in
Dettagli()Probablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Generica motivazione di un noise additivo Supponiamo che, in prima approssimazione, il nostro sistema fisico sia descritto da X (t) = f (t, X (t)). Supponiamo
DettagliMETODI NUMERICI PER IL CONTROLLO
METODI NUMERICI PER IL CONTROLLO Relazione 4: Equazioni differenziali ESERCIZIO 1 Risolvere il problema ai valori iniziali 3 x& = 1x + t x(0) = 0 1t + 6t 3 1 nell intervallo [0 1] con passo h=0.1 usando
DettagliRegressione Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il costo mensile Y di produzione e il corrispondente volume produttivo X per uno dei propri stabilimenti. Volume
DettagliSERIE STORICHE - AA Alessandra Luati
SERIE STORICHE - AA2004-2005 Alessandra Luati Programma dettagliato del corso di Analisi delle serie storiche, Laurea triennale in Finanza e assicurazioni, sede di Rimini, I ciclo, periodi 1,2: 27/09/04-29/10/04,
DettagliMinimi quadrati e massima verosimiglianza
Minimi quadrati e massima verosimiglianza 1 Introduzione Nella scorsa lezione abbiamo assunto che la forma delle probilità sottostanti al problema fosse nota e abbiamo usato gli esempi per stimare i parametri
DettagliErrori sistematici e casuali
Errori sistematici e casuali Errori Casuali Tempo di reazione nel far partire o fermare l orologio: Può essere sia in eccesso che in difetto (ad esempio partenza e arrivo), quindi l errore può avere segno
DettagliECONOMETRIA APPLICATA PER L IMPRESA. Test di Radici Unitarie - Esercizio 5
Modelli Dinamici - Esercizio 5 1 ECONOMETRIA APPLICATA PER L IMPRESA Test di Radici Unitarie - Esercizio 5 Davide Raggi davide.raggi@unibo.it 16 marzo 2010 Modelli Dinamici - Esercizio 5 2 Introduzione
DettagliMETODI DI STIMA DELL ORDINE p
METODI DI STIMA DELL ORDINE p Per la scelta dell ordine ottimo p per un modello AR, si definisce un criterio di errore che indichi qual è l ordine ottimo per quel modello. L approccio più semplice è quello
DettagliAnalisi delle Serie Storiche con R
Università di Bologna - Facoltà di Scienze Statistiche Laurea Triennale in Statistica e Ricerca Sociale Corso di Analisi di Serie Storiche e Multidimensionali Prof.ssa Marilena Pillati Analisi delle Serie
DettagliMetodi di regressione multivariata
Metodi di regressione multivariata Modellamento dei dati per risposte quantitative I metodi di regressione multivariata sono strumenti utilizzati per ricercare relazioni funzionali quantitative tra un
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliStatistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1
Statistica Capitolo 1 Regressione Lineare Semplice Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare il significato del coefficiente di correlazione lineare
DettagliCorso di STATISTICA EGA - Classe 1 aa Docenti: Luca Frigau, Claudio Conversano
Corso di STATISTICA EGA - Classe 1 aa 2017-2018 Docenti: Luca Frigau, Claudio Conversano Il corso è organizzato in 36 incontri, per un totale di 72 ore di lezione. Sono previste 18 ore di esercitazione
DettagliProgramma del corso di: Calcolo Numerico Corso di laurea in Matematica a.a. 2005-06 Prof. B.Paternoster
Programma del corso di: Calcolo Numerico Corso di laurea in Matematica a.a. 2005-06 Prof. B.Paternoster Richiami di analisi degli errori. Rappresentazione dei numeri in un calcolatore. Operazioni di macchina.
DettagliStatistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni
Statistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni Note. Si pensi di poter rispondere alle seguenti domande avendo l ausilio di: 1) un foglio con l elenco
DettagliUniversità di Pavia Econometria Esercizi 4 Soluzioni
Università di Pavia Econometria 2008-2009 Esercizi 4 Soluzioni Maggio, 2009 Istruzioni: I commenti devono essere concisi! 1. Dato il modello di regressione lineare, con K regressori con E(ɛ) = 0 e E(ɛɛ
DettagliSistemi di Elaborazione dell Informazione 170. Caso Non Separabile
Sistemi di Elaborazione dell Informazione 170 Caso Non Separabile La soluzione vista in precedenza per esempi non-linearmente separabili non garantisce usualmente buone prestazioni perchè un iperpiano
Dettagli1. ALTRI ALGORITMI DI DECOMPOSIZIONE DI SERIE STORICHE. X = scan("clipboard") accessori.auto = ts(x, frequency=12, start=c(1995,1))
1. ALTRI ALGORITMI DI DECOMPOSIZIONE DI SERIE STORICHE X = scan("clipboard") 11849 1316 4712 800 5097 3270 5390 2135 5962 5795 9271 6864 4247 7961 7191 4970 5012 2929 7363 4907 4700 8219 8674 8263 4294
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. La distribuzione Normale (o di Gauss)
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in medicina e chirurgia - Corso di Statistica
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 7 Luglio 2011
Politecnico di Milano - Scuola di Ingegneria Industriale II Prova in Itinere di Statistica per Ingegneria Energetica 7 Luglio 2011 c I diritti d autore sono riservati. Ogni sfruttamento commerciale non
DettagliUNIVERSITA DEGLI STUDI DI PADOVA
UNIVERSITA DEGLI STUDI DI PADOVA CORSO DI LAUREA IN STATISTICA E GESTIONE DELLE IMPRESE PREVISIONE DEI COSTI DI UN AZIENDA SANITARIA Relatore: Prof. Omar Paccagnella Dipartimento di Scienze Statistiche
DettagliUna Breve Introduzione a E-views
1 Dipartimento di Economia Politica e Metodi Quantitativi Università di Pavia 25 Febbraio 2008 Outline Specificazione ARIMA 1 Specificazione ARIMA 2 3 Per specificare una modello ARIMA è necessario differenziare
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
DettagliSTATISTICA ECONOMICA
BI uo I ECA DAEST,..,.,-:~n:o N -'3 I S _ li\n~:.\t\ì\ - FRANCO GIUSTI ORNELLO VITALI STATISTICA ECONOMICA CACUCCI EDITORE - BARI - 1983 DI PARTWf'.'MTQ DI 1H'r~.l!Si E :a~:~ - ~ica F S: -... :_ :_ L,._
Dettagliobbligatorio - n. iscrizione sulla lista
24.02.2014 - appello ENE - docente: E. Piazza obbligatorio - n. iscrizione sulla lista se non ve lo ricordate siete fritti; o no? il presente elaborato si compone di x (ics) pagine Cognome Nome matr.n.
DettagliLaboratorio di Fisica per Chimici
Laboratorio di Fisica per Chimici Dott. Marco Felici 6 marzo 215 Ufficio: Vecchio Edificio di Fisica (Ed. Marconi)-Stanza 349 (3 piano); Telefono: 6-49914382; e-mail: marco.felici@roma1.infn.it. Orario
DettagliCicli economici: misurazione e aspetti metodologici. Introduzione
Cicli economici: misurazione e aspetti metodologici Introduzione L analisi quantitativa dei cicli economici si basa sull utilizzo di serie storiche Le serie storiche o temporali rappresentano l'evoluzione
DettagliCURVE DI DURATA: Introduzione e Rappresentazione analitica
CURVE DI DURATA: Introduzione e Rappresentazione analitica Premesse Si definisce durata di una portata Q riferita ad una sezione di misura, l'intervallo di tempo in cui le portate naturali del corso d
DettagliD. Piccolo - C. Vitale. Metodi statistici per l'analisi economica. il Mulino
D. Piccolo - C. Vitale Metodi statistici per l'analisi economica il Mulino . 1 I ~~EZfA "\ AREA 'SEl:N. BIBLIOGRAFICI E DOCUMENTALI DEPCIA K 974 ~;. Domenico Piccolo Cosimo Vitale ;l Metodi statistici
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliCorso di Calcolo Numerico
Prof. L. Brandolini Corso di Calcolo Numerico Dott.ssa N. Franchina Laboratorio 5 Equazioni differenziali ordinarie: metodi espliciti 25 Novembre 215 Esercizi di implementazione Un equazione differenziale
DettagliL A B C di R. Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010
L A B C di R 0 20 40 60 80 100 2 3 4 5 6 7 8 Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010 La scelta del test statistico giusto La scelta della analisi
DettagliFit di una densità. 1. si usa il modello prescelto per fare previsioni
Fit di una densità Uno dei problemi più comuni nelle applicazioni della probabilità è quello di trovare una densità di probabilità che descriva adeguatamente un fenomeno, di cui si conoscono alcuni dati
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
Dettaglile scale di misura scala nominale scala ordinale DIAGNOSTICA PSICOLOGICA lezione si basano su tre elementi:
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it si basano su tre elementi: le scale di misura sistema empirico: un insieme di entità non numeriche (es. insieme di persone; insieme
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
DettagliSi noti che tutti gli asterischi prodotti dal software econometrico Gretl sono stati eliminati dagli output proposti nei quesiti.
ESAME SCRITTO DI TECNICHE DI PREVISIONE 7 aprile 2016 Numero di matricola del candidato:... Nome...Cognome... L'esame scritto ha la durata complessiva di 60 minuti. Durante l'esame è consentita la consultazione
Dettagli