Elementi di Teoria del Portafoglio
|
|
- Ricardo Corradi
- 4 anni fa
- Visualizzazioni
Transcript
1 Elementi di Teoria del Portafoglio Francesco Rania Department of Law, Economics and Sociology Magna Graecia University of Catanzaro November 21st 2018 Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
2 Sommario 1 Preliminari 2 3 Problemi del portafoglio Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
3 Preliminari Valore atteso, varianza, scarto quadratico medio Sia X = {(x i, p i ) : i I} una variabile aleatoria (v.a.) discreta di valori x i con probabilitá p i = P r(x = x i ). Si denisce valore atteso di X il seguente E[X] := i x i p i Si denisce varianza di X il seguente Var(X) := i (x i E[X]) 2 p i = E[X E[X]] 2 Si denisce scarto quadratico medio di X il seguente SQM(X) := Var(X) Theorem Var(X) = E[X 2 ] E[X] 2. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
4 Preliminari Esempio di valore atteso, varianza, scarto quadratico medio Sia X = {(1; 0.2), (2; 0.3), (3; 0.4); (4; 0.1)} una v.a. E[X] = = 2.4 Var(X) = (1 2.4) (2 2.4) (3 2.4) (4 2.4) = 0.84 oppure Var(X) = = 0.84 SQM(X) = 0.84 = Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
5 Preliminari Rappresentazione graca di una v.a. Una v.a. X = {(x i, p i )} è rappresentata dal punto (SQM(X); E[X]) M 4 Figura: Rappresentazione delle v.a. X (3; 2) e Y (8; 5) Osservazione Per denizione di E e SQM il piano SQM O E è formato da soli 2 quadranti: in alto e destra (+;+); in basso e a destra (+;-). Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
6 Preliminari Criterio media 1 varianza Date due v.a. X = {(x i, p i )} e Y = {(y j, p j )}, X domina Y (X Y ) se vale una delle seguenti relazioni: 1 E[X] E[Y ] e Var(X) = Var(Y ); 2 E[X] = E[Y ] e Var(X) Var(Y ). Attenzione Non si può dire nulla quando E[X] E[Y ] e Var(X) Var(Y ) 1 Per media qui si intende il valore atteso. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
7 Preliminari Esempio criterio media-varianza X Z Y 0.5 M Figura: Criterio mediavarianza Z Y perchè SQM(Z) = 1 < 2 = SQM(Y ); X Y perché E[X] = 2 > 1 = E[Y ]; tutte le v.a. nella zona grigia dominano X perché hanno media più grande e varianza (o scarto quad. medio) più piccola di X; non vi è alcuna dominanza tra X e Z. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
8 Preliminari Relazioni tra le v.a. Date le v.a. X e Y ed i numeri a e b reali si ha: Regole 1 E[aX + b] = ae[x] + b; 2 E[a] = a; 3 Var(a) = 0; 4 Var(aX + b) = a 2 Var(X); 5 E[aX + by ] = ae[x] + be[y ]; 6 Var(aX+bY ) = a 2 Var(X)+b 2 Var(Y )+2abr(X, Y )SQM(X)SQM(Y ). Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
9 Preliminari Esempi di relazione tra v.a. Siano X = {(1; 0.3), (2; 0.2), (3; 0.5)}, Y = {(2; 0.4), (3; 0.6)}, a = 3 e b = 5 e r(x, Y ) = E[X] = 2.2; Var(X) = 0.76; E[Y ] = 2.2; Var(Y ) = Allora: 1 E[3X + 5] = = 11.6; 2 E[3] = 3; 3 Var(3) = 0; 4 Var(3X + 5) = = 6.84; 5 E[3X + 5Y ] = = 19.6; 6 Var(3X + 5Y ) = ( 0.74) = 3, 36. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
10 Rendimento di 1 titolo azionario a 1 data Un titolo azionario o titolo rischioso a è uno contratto nanziario che oggi ha un prezzo o quotazione P determinato (o certo) e che, a chi lo detiene, consentirà di ricevere al tempo successivo t un pagamento di ammontare incerto (o aleatorio) A t detto valore o prezzo di vendita del titolo alla data t. Si denisce rendimento del titolo azionario a il seguente [ ] µ (a) At P := E = E[A t] P = E[A t] P P P 1 2 Osservazione Il valore A del titolo azionario A a è una v.a. da cui anche la variazione t P percentuale di valore oggi P si ha il rendimento in percentuale. è una v.a. Da qui titolo rischioso. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
11 Volatilità di 1 titolo azionario a 1 data Si denisce volatilità del titolo azionario a il seguente ( ) ( ) A P A σ (a) := SQM = SQM P P 1 = 1 P SQM(A) 3 Ogni titolo azionario può essere raprresentato come un punto (σ (a), µ (a) ) nel piano cartesiano σ 0 µ di ascissa le volatilità e di ordinate i rendimenti. Dati due titoli azionari a 1 e a 2 diciamo che a 1 domina a 2 se vale almeno una delle regole del criterio media-varianza si ha la volatilità in percentuale. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
12 Esempio di rendimentovolatilità di 1 tit. azionario a 1 data Sia a = BuonThee un titolo azionario che oggi ha il prezzo P = 5.0AC e tra un anno avrà valore A = {(4.95; 0.50), (5.10; 0.30), (5.00; 0.20)}. Si calcolano dapprima il valore atteso e lo scarto quadratico medio di A: E[A] = = SQM(A) = = Il rendimento e la volatilità allora sono: µ (a) = 1 ( ) = ( 100) 0.1% 5 σ (a) = = ( 100) 1.3% 5 Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
13 Esempio di rendimentovolatilità di 1 tit. azionario a 1 data... Il titolo BuonThee è allora rappresentato dal punto (1.3; 0.1) nel piano σ O µ Figura: Titolo BuonThee Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
14 di 1 titolo azionario a n date Per ogni data di tempo t un titolo azionario a in vita avrà un valore A t e quindi rendimento µ (a) t e volatilità σ (a) t. Se il titolo a è osservato negli istanti t 1, t 2,..., t n allora avrà rispettivamente valori A t1, A tn,..., A tn, rendimenti µ (a) t 1, µ (a) t 2 volatilità σ (a) t 1, σ (a) t 2,..., σ (a) t n. Il rendimento di un titolo a in vita per gli istanti t 1, t 2,..., t n è µ (a) := 1 n µ (a) t n i = µ(a) t µ (a) t n 4 n i=1,..., µ (a) t n e La volatilità di un titolo a in vita per gli istanti t 1, t 2,..., t n è σ (a) := 1 n n 1 i=1 (µ (a) t i µ (a) ) 2 = (µ (a) t 1 µ (a) ) (µ (a) t n µ (a) ) 2 n è il rendimento percententuale è la volatilità percentuale Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
15 di 1 titolo azionario n date... Regola pratica In presenza di n date si ha: 1 il rendimento di un titolo azionario è la media aritmetica dei rendimenti ottenuti ad ogni data; 2 la volatilità di un titolo azionario è lo scarto quadratico medio corretto a,b dei rendimenti ottenuti ad ogni data. a Lo scarto quadratico medio corretto dierisce dallo scarto quadratico medio perché anzicché dividere per n si divide per n 1. b Si applica lo scarto quadratico medio corretto anzicché quello quadratico medio perché i dati considerati costituiscono un campione (piccolo) della popolazione. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
16 Esempio di rendimento-volatilità di 1 tit. azionario n date Il titolo azionario a =BuonThee ha i seguenti rendimenti trimestrali (2017) Trimestre Rendimento I -5.03% II +2.71% III +1.03% IV +0.46% Tabella: Rendimenti trimestrali di BuonThee Il rendimento e la volatilità di BuonThee sono allora: µ (a) 5.03% % % % = = % 4 ( 5.03% %)2 + (2.71% ) 2 + (1.03% ) 2 + σ (a) = +(0.46% ) % 3 BuonThee è allora il punto (3.354; ) del sistema σ O µ. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
17 Titoli non rischiosi Un bond o titolo privo di rischio 6 è un titolo che al tempo successivo t consentirà a chi lo detiene un valore o prezzo certo A t = N t. Osservazione 1 Un bond ha rendimento certo e volatilità nulla a. 2 Il rendimento di un bond è il tasso di interesse pattuito oggi per il periodo no alla data t µ (b) = N t P 1 = i(0; t) a Vedi Regola 2 e Regola 3 Preliminari. 6 In inglese è detto risk free. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
18 Esempio titolo non rischioso Sia b = Secure di quotazione 100AC e valore tra un anno di 105.5AC. Allora il rendimento e la volatilità sono: µ (EC) = = % σ(ec) = 0 0.0% Figura: Titolo Secure Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
19 Titoli rischiosi Vs Titoli non rischiosi Attenzione I titoli rischiosi si trovano dovunque nel piano σ O µ tranne che sull'asse verticale; I titoli non rischiosi si trovano esclusivamente sull'asse delle ordinate s -2-4 Figura: Titoli azionari Vs Titoli bond Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
20 Portafoglio Siano: n, m, T N; i = 1, 2,..., n, j = 1, 2,..., m, t = 1, 2,..., T ; a i il titolo azionario i-esimo di prezzo P (a) i e valore A it alla data t; b j il titolo bond j-esimo di prezzo P (b) j e valore N jt alla data t; Si denisce portafoglio π degli n + m titoli la seguente n + m-upla delle quantità π = (λ 1, λ 2,..., λ n, δ 1,..., δ 2, δ m ) R n+m dove λ i R è il numero di unità (o quote) del titolo azionario a i e δ j R è il numero di unità (o quote) del del titolo bond b j presenti nel portafoglio, Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
21 Portafoglio... Con riferimento ai soli titoli azionari per qualsiasi λ i si ha; λ i > 0 implica posizione long su a i ovvero acquisto e quindi entra nel portafoglio; λ i < 0 implica posizione short su a i ovvero vendita e quindi esce dal portafoglio; λ i = 0 implica l'assenza di a i nel portafoglio Theorem (Linearità del prezzo) Il valore A π e il prezzo P π del portafoglio π sono rispettivamente la somma dei valori e dei prezzi dei titoli azionari e dei titoli bond presenti secondo le quantità indicate, ovvero E[A π ] = n m λ i E[A i ] + δ j N j P π = i=1 j=1 n i=1 λ i P (a) i + m j=1 δ j P (b) j Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
22 Portafoglio... Se il prezzo del portafoglio P π è non nullo (cioè 0) il portafoglio può essere indicato come dove = P (a) i λ i π = (w (a) 1,..., w(a), w (b),..., w(b) n 1 m ) w (a) i è la quota percentuale di composizione o peso P π normalizzato del titolo azionario a i ; = P (b) i δ j w (b) j è la quota percentuale di composizione o peso P π normalizzato del titolo bond b j ; Osservazione E' evidente che n i=1 w (a) i + m j=1 w (b) j = 1. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
23 Esempio portafoglio con 2 tit. azion. e 1 tit. bond a 1 data Sia π il portafoglio con le seguenti caratteristiche: azione/bond label P A/N λ/µ BuonThee BT 5.00 (4.95;.50) (5.10;.30) (5.00;.20) 3 ExtChoc EC 3,70 (3.45;.30) (3.75;.70) 2 Secure S (105.5;1.00) 1 Tabella: Portafoglio π = (3, 2, 1) di BT, EC, S Il prezzo del portafoglio è P π = 5, , = 122.4AC Il valore (atteso) del portafoglio è E[A π] = E[A (BT) ] 3+E[A (EC) ] 2+N 1 1 = = AC I pesi normalizzati o quote percentuali di composizione sono: w (BT) = = w (EC) = = w (S) = = Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
24 Rendimento di un portafoglio a 1 data Sia π = (λ 1, λ 2,..., λ n, δ 1,..., δ 2, δ m ) un portafoglio con P π 0 per una sola data t. Si denisce rendimento del portafoglio la quantità µ π := E[A π] P π 1 Theorem Il rendimento del portafoglio è la media pesata dei rendimenti dei titoli in esso presenti, ovvero µ π = n i=1 w (a) i µ (a) i + m j=1 w (b) j µ (b) j Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
25 Esempio di rendimento di un portafoglio a 1 data Si consideri il portafoglio π = (3, 2) di BT e EC per una sola data t. Rendimento: Si procede con uno dei seguenti metodi. 1 Si calcolano dapprima il prezzo ed il valore del portafoglio P π = , 70 2 = 22.40AC Il rendimento è allora: µ π = 22, E[A π] = = AC 1 = % 2 Dopo aver ottenuto il prezzo del portafoglio (vedi sopra), si calcolano dapprima i pesi normalizzati e i rendimenti dei singoli titoli w (BT) = = 0.67; µ (BT) = = w (EC) = , 40 = 0.33; µ(ec) = = Il rendimento è allora: µ π = ( 0.011) 0.33 = % Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
26 Volatilità di un portafoglio con 2 tit. azionari ad 1 data Sia π = (λ 1, λ 2 ) un portafoglio con P π 0 per una sola data t. Si denisce volatilità del portafoglio π la seguente quantità σ π = (σ 1 w 1 ) 2 + (σ 2 w 2 ) 2 + 2w 1 w 2 ρ 1,2 σ 1 σ 2 7 dove ρ 1,2 := r(a 1, a 2 ) è la correlazione lineare tra i due titoli azionari a 1 e a 2. Caso generale Per la volatilità di un portafoglio a più titoli occorre conoscere tutte le correlazioni tra i titoli presi a due a due. Si ricorda che non vi è alcuna correlazione tra un titolo azionario e un titolo bond, ovvero r(a i, N j ) = 0 per ogni i = 1, 2,..., n e ogni j = 1,..., m. 7 E' la formula 6 delle relazioni tra le v.a. qui riscritta per a = w 1, b = w 2, X = a 1 e Y = a 2. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
27 Esempio di rendimento, volatilità di un portafoglio a 1 data Si consideri il portafoglio π = (3, 2) di BT e EC con r(bt, EC) = 0, 3 per una sola data t. Volatilità: Si calcolano dapprima le volatilità dei singoli titoli: σ (BT) = , = σ (EC) = = Successivamente dopo aver trovato i pesi normalizzati (vedi sopra), si calcola la varianza dei rendimenti del portafoglio σ 2 π = ( ) 2 + ( ) ( 0.34) = La volatilità del portafoglio è allora: σ π = = % Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
28 Rendimento, volatitlità di un portafoglio con 2 tit. azionari a T date Sia π = (λ 1, λ 2 ) un portafoglio con P π 0 perle T date. Siano {(σ 1t, µ 1t, ) : t = 1, 2,..., T } e {(σ 2t, µ 2t ) : t = 1, 2,..., T } rispettivamente la successione dei rendimenti e delle volatilità del titolo azionario a 1 e di a 2. Sotto l'assunzione che w 1 e w 2 siano costanti per le T date si hanno: Si denisce rendimento del portafoglio π la quantità µ = 1 T T (w 1 µ 1t + w 2 µ 2t ) t=1 Si denisce volatilità del portafoglio π la quantità σ π = 1 T (µ πt µ π ) 2 T 1 t=1 Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
29 Esempio di rendimento, volatilità di un portafoglio a T date e 2 titoli azionari Sia π = (0.30, 0.70) un portafoglio pesato di BT e EC costruito il 01 gennaio 2017 e in vita per i trimestri del Trimestre BT EC rendimento trimestrale I -5.03% II +2.71% III +1.03% IV +0.46% Tabella: Rendimenti trimestrali di BuonThee e ExtChoc Calcoliamo dapprima il rendimento mensile facendo uso dei pesi (vedi colonna nale della Tabella). Il rendimento del portafoglio π è µ π = = Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
30 Esempio di rendimento, volatilità di un portafoglio a T date e 2 titoli azionari... La volatilità del portafoglio è 1 σ π = 3 [( )2 + ( ) 2 + +( ) 2 + ( ) 2 ] = Osservazione Al medesimo risultato si perviene se si applica la seguente formula σ π = (σ 1 w 1 ) 2 + (σ 2 w 2 ) 2 + 2w 1 w 2 ρ 1,2 σ 1 σ 2 8, 9 8 La correlazione ρ1,2 è riferita ai dati trimestrali. 9 La covarianza σ1,2 = ρ 1,2σ 1σ 2 è corretta ovvero si divide per n 1. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
31 Problemi del portafoglio Scelta dei pesi di un portafoglio con 2 tit. azionari Problema Scelti due titoli azionari a 1 = (σ 1, µ 1 ) e a 2 = (σ 2, µ 2 ) con correlazione lineare ρ 1,2 trovare il portafoglio π di minima volatilità che li contenga. Soluzione Si tratta di trovare i pesi normalizzati w 1 e w 2 con w 1 + w 2 = 1 tale che la funzione variabilità σ 2 π = (xσ 1 ) 2 + ((1 x)σ 2 ) 2 2x(1 x)ρσ 1 σ 2 ammetta minimo per qualche x avendo posto w 1 = x. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
32 Problemi del portafoglio Scelta del portafoglio eciente Un portafoglio π = (σ π, µ π ) è detto eciente se non esiste altro portafoglio φ = (σ φ, µ φ ) che lo domini secondo il criterio mediavarianza. Esistono più portafogli ecienti 10 e l'insieme di essi è detto frontiera eciente. Problema Data una funzione di utilità u che ordini i portafogli secondo una preferenza soggettiva, trovare il portafoglio π eciente che procuri la massima soddisfazione. 10 Ricorda che il criterio media-varianza non è sempre applicabile. Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
33 Problemi del portafoglio Scelta del portafoglio eciente... Soluzione Il processo scelta del portafoglio ottimo avviene attraverso due fasi: 1 determinare la frontiera eciente F; 2 risolvere il problema di ottimizzazione vincolata dove la funzione di utilità assume valore massimo per qualche portafoglio della frontiera eciente, ovvero u(π ) = max π F u(π) Francesco Rania (DLES) Elementi di Teoria del Portafoglio November 21st / 33
Corso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte III: variabili aleatorie dipendenti e indipendenti,
DettagliMATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)
Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012
DettagliAPPUNTI. oppure o ancora. se e allora. , esiste un tale che
APPUNTI Impostazione Assiomatica 1) Completezza e coerenza. oppure o ancora. se e allora 2) Monotonicità se e solo se 3) Continuità, esiste un tale che 4) Indipendenza 5) Riduzione è la probabilità totale
DettagliIndice della lezione. Incertezza e rischio: sinonimi? Le Ipotesi della Capital Market Theory UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Indice della lezione Corso di Pianificazione Finanziaria Introduzione al rischio Rischio e rendimento per titoli singoli La Teoria di Portafoglio di Markowitz
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
DettagliL analisi media-varianza
L analisi media-varianza Pierpaolo Montana Università di Roma I Consideriamo un agente con preferenze di tipo VNM e funzione di utilità quadratica u(x) = x b x. La corrispondente espressione dell utilità
DettagliTutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliMisura e Valutazione del
- Finanza Aziendale Prof. Arturo Capasso 8 Misura e Valutazione del A. Rischio - Argomenti Il rischio Il rischio negli investimenti finanziari La misurazione del rischio Varianza e scarto quadratico medio
DettagliIl valore atteso di una v.a. (discreta)
di una v.a. (discreta) Introduciamo un nuovo concetto. DEFINIZIONE DI VALORE ATTESO DI UNA V.A. DISCRETA Sia X : Ω R una v.a. discreta avente come immagine in R l insieme V. di X è il numero reale E(X)
DettagliM = C(1 + it) = 1000 (1 + 0, ) = 1070
1. Data l operazione finanziaria di investimento scadenze (mesi) 0 7 ------------------------------------------ importi -1000 M determinare il montante M utilizzando: (a) il tasso annuo d interesse i =
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
DettagliUNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF. ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA
UNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA DICEMBRE 2016 aa 2016-2017-6 GIUGNO 2017 NUMERO DI CFU
DettagliCP110 Probabilità: Esame 13 settembre Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 13 settembre, 2012 CP110 Probabilità: Esame 13 settembre 2012 Testo e soluzione 1. (6 pts) Una scatola contiene 10 palline, 8 bianche
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
DettagliStatistica. Capitolo 6. Variabili Aleatorie Continue e Distribuzioni di Probabilità. Cap. 6-1
Statistica Capitolo 6 Variabili Aleatorie Continue e Distribuzioni di Probabilità Cap. 6-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare la differenza tra una variabile
DettagliCapitolo Tredici. Media di una distribuzione. Varianza di una distribuzione. Attività a rischio
Capitolo Tredici Attività a Media di una distribuzione Una variabile random (vr) w assume i valori w,,w con probabilità π,,π (π + + π = ) La media (valore atteso) della distribuzione è il valore medio
DettagliECONOMETRIA: Laboratorio I
ECONOMETRIA: Laboratorio I Luca De Angelis CLASS - Università di Bologna Programma Laboratorio I Valori attesi e varianze Test di ipotesi Stima di un modello lineare attraverso OLS Valore atteso Data una
DettagliArgomenti. Misura e valutazione del rischio. Teoria della Finanza Aziendale
Teoria della Finanza Aziendale Misura e valutazione del rischio 7 - Argomenti Il rischio Il rischio negli investimenti finanziari La misurazione del rischio Varianza e scarto quadratico medio Il rischio
DettagliUNIVERSITA DI PARMA FACOLTA DI ECONOMIA. Corso di pianificazione finanziaria
UNIVERSITA DI PARMA FACOLTA DI ECONOMIA Corso di pianificazione finanziaria A.a. 2005/2006 Evoluzione della teoria del rischio finanziario 1 Indice Evoluzione della teoria del rischio finanziario La Capital
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliStatistica descrittiva I. La frequenza
Statistica descrittiva I. La frequenza Supponiamo di ripetere n volte un esperimento che può dare esito 0 o 1, il numero di uni su n ripetizioni è detto frequenza di 1: f 1,n = #{esperimenti con esito
DettagliStatistica. Capitolo 5. Variabili Aleatorie Discrete e Distribuzioni di Probabilità. Chap 5-1
Statistica Capitolo 5 Variabili Aleatorie Discrete e Distribuzioni di Probabilità Statistics for Business and Economics, 6e 007 Pearson Education, Inc. Chap 5-1 Obiettivi del Capitolo Dopo aver completato
DettagliII Esonero - Testo B
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 2017-18, I semestre 29 Gennaio 2018 II Esonero - Testo B Cognome Nome Matricola Esercizio 1. (20%) Si
Dettagli= i = ( ) (12) = 0,02049 = 2,049%
1. (a) Calcolare, nel regime dell interesse composto, l interesse I ed il montante M di 5000 euro impiegati per 3 anni e 5 mesi al tasso annuo i = 2%. [3 punti] (b) A quale tasso annuo d interesse semplice
DettagliCompiti tematici capp. 5,6
Compiti tematici capp. 5,6 a cura di Giovanni M. Marchetti 2016 ver. 0.6 Indice Esercizi dai compiti a casa (HW..................................... 8 1. Se X e Y sono due variabili casuali independenti,
DettagliIl Modello di Markowitz e la frontiera efficiente (1952)
Il Modello di Markowitz e la frontiera efficiente (1952) Introduzione La selezione di portafoglio consiste nella ripartizione di un capitale tra più investimenti di reddito aleatorio Il capitale da ripartire
DettagliIntroduzione al rischio, rendimento e costo opportunità del capitale
Introduzione al rischio, rendimento e costo opportunità del capitale Nozione di Costo Opportunità del Capitale Il rendimento che i finanziatori otterrebbero impiegando i propri fondi in attività alternative,
DettagliCalcolo delle probabilità (3/7/2001) (Ing. Elettronica, Informatica, Telecomunicazioni - Latina)
Calcolo delle probabilità (3/7/00). La distribuzione di probabilità di un numero aleatorio X non negativo soddisfa la condizione P (X > x + y X > y) = P (X > x), x > 0, y > 0. Inoltre la previsione di
DettagliVariabili aleatorie n-dim
Sessione Live #6 Settimana dal 6 maggio al giugno 003 Variabili aleatorie n-dim Funzioni di ripartizione e di densità (F.D.R. e f.d.d.) congiunte e marginali, valori medi e momenti misti, funzione generatrice
DettagliEsperimentazioni di Fisica 1. Prova in itinere del 12 giugno 2018
Esperimentazioni di Fisica 1 Prova in itinere del 1 giugno 018 Esp-1 Prova in Itinere n. - - Page of 6 1/06/018 1. (1 Punti) Quesito L incertezza da associare alle misurazioni eseguite con un certo strumento
Dettagli1 Esercizi sulla teoria del portafoglio
1 Esercizi sulla teoria del portafoglio 1. Sia dato un mercato uniperiodale in cui siano disponibili soltanto due titoli rischiosi A e B caratterizzati da scarto quadratico medio e coefficiente di correlazione
DettagliIndice della lezione. Incertezza e rischio: sinonimi? UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Corso di Corporate anking a.a. 2010 2011 (Professor Eugenio Pavarani) Introduzione al rischio CPITOLO 9 1 Indice della lezione Rischio e rendimento per titoli
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 29 maggio, 2012 CP110 Probabilità: Esonero 2 Testo e soluzione 1. (8 punti) La freccia lanciata da un arco è distribuita uniformemente
DettagliMetodi Matematici Probabilità e Statistica. Correzione Compitino del
Metodi Matematici Probabilità e Statistica Correzione Compitino del.4.04 nota: Una sola risposta è esatta. 4 punti per una risposta esatta, -2 per una sbagliata, 0 per una non data. Gli esercizi sono divisi
DettagliPROVA SCRITTA DI STATISTICA (COD COD ) 7 luglio 2005 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A
PROVA SCRITTA DI STATISTICA (COD. 047 - COD. 403-37-377) 7 luglio 200 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A Esercizio (9 punti) Supponiamo di aver osservato la seguente
DettagliTECNICHE DI MISURAZIONE DEI RISCHI DI MERCATO. VALUE AT RISK VaR. Piatti --- Corso Rischi Bancari: VaR 1
TECNICHE DI MISURAZIONE DEI RISCHI DI MERCATO VALUE AT RISK VaR Piatti --- Corso Rischi Bancari: VaR 1 Limiti delle misure di sensitivity Dipendono dalla fase in cui si trova il mercato non consentono
DettagliLe curve di indifferenza sulla frontiera di Markowitz
UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA Corso di Pianificazione Finanziaria Evoluzione della teoria del rischio finanziario da Markowitz al teorema della separazione e al CAPM 1 Le curve di
DettagliTeoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( )
Il Concetto di Distribuzione Condizionata Se B è un evento, la probabilità di un evento A condizionata a B vale: ponendo: P A B = ( ) P A B P B A = { x} si giunge al concetto di distribuzione condizionata
DettagliESERCITAZIONI PRIMO TUTORATO SECONDO MODULO - FINANZA AZIENDALE
ESERCITAZIONI PRIMO TUTORATO SECONDO MODULO - FINANZA AZIENDALE 1_Due titoli azionari hanno realizzato nelle ultime 4 sedute di borsa: titolo a 09/12/07 43,5 10/12/07 40,1 11/12/07 38,7 12/12/07 35 Titolo
DettagliLa valutazione dei rischi. Corso di risk management Prof. Giuseppe D Onza
La valutazione dei rischi Corso di risk management Prof. Giuseppe D Onza LA VALUTAZIONE DEI RISCHI E un attività che caratterizza la gestione dei rischi finalizzata ad apprezzare la gravità dei fenomeni
DettagliStatistica. Congiunte. Capitolo 5. Distribuzioni di Probabilità. Chap 5-1. Statistics for Business and Economics, 6e 2007 Pearson Education, Inc.
Statistica Capitolo 5 Distribuzioni di Probabilità Congiunte Statistics for Business and Economics, 6e 2007 Pearson Education, Inc. Chap 5-1 Distribuzione di Probabilità Congiunta Una variabile casuale
DettagliEs.: una moneta viene lanciata 3 volte. X = n. di T nei primi 2 lanci Y = n. di T negli ultimi 2 lanci
Es.: una moneta viene lanciata 3 volte. X = n. di T nei primi 2 lanci Y = n. di T negli ultimi 2 lanci X\Y 0 1 2 0 1/8 1/8 0 1/4 1 1/8 1/4 1/8 1/2 2 0 1/8 1/8 1/4 1/4 1/2 1/4 1 X e Y non sono indip. Se
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliStatistica Corso di laurea in Biotecnologie I esonero - 23 aprile 2009
Statistica Corso di laurea in Biotecnologie I esonero - aprile 00 Esercizio Con riferimento a due fenomeni X e Y sono state annotate le seguenti osservazioni: X 5 Y 7 8 a) determinare il grado di correlazione
DettagliStatistica Descrittiva Soluzioni 6. Indici di variabilità, asimmetria e curtosi
ISTITUZIONI DI STATISTICA A A 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
DettagliV.a. continue. Statistica e biometria. D. Bertacchi. Le v.a. continue. Uniforme. Normale. Indipendenza di v.a. continue
gge una v.a. V.a. continue Ricoramo: DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è una funzione che ha come dominio Ω e come codominio R. In formule: X : Ω R. DEFINIZIONE
DettagliStatistica descrittiva in due variabili
Statistica descrittiva in due variabili Dott Nicola Pintus AA 2018-2019 Indichiamo con U la popolazione statistica e con u i le unità statistiche Ad ogni unità statistica associamo i caratteri osservati
DettagliLa media e la mediana sono indicatori di centralità, che indicano un centro dei dati.
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
DettagliElementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
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
DettagliEconomia e Politica Monetaria. La domanda di moneta
Economia e Politica Monetaria 1 La domanda di moneta La velocità della moneta e l equazione degli scambi 2 M P Y PY V = offerta di moneta = livello dei prezzi = produzione aggregata (PIL reale, reddito)
DettagliAnalisi della disponibilità d acqua. Valutazione dell impianto attraverso il calcolo di un indice economico (criterio)
Analisi della disponibilità d acqua Valutazione dell impianto attraverso il calcolo di un indice economico (criterio) Approccio diverso a seconda del criterio di valutazione Nel caso di criterio statistico
DettagliStatistica. Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza e correlazione
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2010/2011 Statistica Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza
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
DettagliCarte di controllo CUSUM. Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità.
Carte di controllo CUSUM Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità. Le carte Shewart utilizzano le informazioni solo dell ultimo
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliMoneta e Finanza Internazionale LA DOMANDA DI MONETA
Moneta e Finanza Internazionale 1 LA DOMANDA DI MONETA La velocità della moneta e l equazione degli scambi 2 M P Y PY V = offerta di moneta = livello dei prezzi = produzione aggregata (PIL Reale, Reddito)
DettagliAnalisi delle componenti principali
Analisi delle componenti principali Serve a rappresentare un fenomeno k-dimensionale tramite un numero inferiore o uguale a k di variabili incorrelate, ottenute trasformando le variabili osservate Consiste
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
DettagliEsercitazione del 28/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 8/0/01 Istituzioni di Calcolo delle Probabilità David Barbato barbato@math.unipd.it Esercizio 1. Sia X una v.a. aleatoria assolutamente continua con densità f X data da { 0 x < 0 f X
DettagliMatematica Applicata L-A Definizioni e teoremi
Definizioni e teoremi Settembre - Dicembre 2008 Definizioni e teoremi di statistica tratte dalle lezioni del corso di Matematica Applicata L- A alla facoltà di Ingegneria Elettronica e delle Telecomunicazioni
DettagliEsercizi di Matematica Finanziaria
Esercizi di Matematica Finanziaria Selezione del portafoglio Claudio Pacati Università degli Studi di Siena claudio.pacati@unisi.it Roberto Renò Università degli Studi di Verona roberto.reno@univr.it Versione
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliUnità Didattica N 9 : La parabola
0 Matematica Liceo \ Unità Didattica N 9 La parabola Unità Didattica N 9 : La parabola ) La parabola ad asse verticale ) La parabola ad asse orizzontale 5) Intersezione di una parabola con una retta 6)
DettagliUNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF. ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA
UNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA DICEMBRE 2016 A 16 dicembre 2017 14 dicembre 2017 NUMERO
DettagliIndice della lezione
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Corso di Corporate anking and Finance a.a. 2012 2013 (Professor Eugenio Pavarani) Introduzione al rischio PF CPITOLO 9 1 Indice della lezione Rischio e rendimento
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliV.C. RETTANGOLARE o UNIFORME
V.C. RETTANGOLARE o UNIFORME La v.c. continua RETTANGOLARE o UNIFORME descrive il modello probabilistico dell equiprobabilità. [ a b] X, con densità di probabilità associata: P( x) 1 b a con P(x) costante.
DettagliCALCOLO DELLE PROBABILITÀ - 9 giugno 1998 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ - 9 giugno 1998 1. Dati gli eventi A,B,C, ognuno dei quali implica il successivo, e tali che P (A) è metà della probabilità di B, che a sua volta ha probabilità metà di quella
DettagliUNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF. ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA
UNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA DICEMBRE 2016 Esonero di Matematica Finanziaria aa 2017-2018
DettagliUNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF. ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA
UNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA DICEMBRE 2016 A 24 novembre 2017 aa 2016-2017-25 ottobre
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliSTATISTICA 1 ESERCITAZIONE 6
STATISTICA 1 ESERCITAZIONE 6 Dott. Giuseppe Pandolfo 5 Novembre 013 CONCENTRAZIONE Osservando l ammontare di un carattere quantitativo trasferibile su un collettivo statistico può essere interessante sapere
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliP(29 < X < 37) P(27 < X < 39) P(25 < X < 41) P(23 < X < 43) P(21 < X < 45) P(19 < X < 47) P(17 < X < 49)
ESERCIZIO 1 Si consideri una variabile casuale X con valore atteso pari a 33 e varianza pari a 16. Si calcolino le seguenti probabilità: P(31 < X < 35) P(29 < X < 37) P(27 < X < 39) P(25 < X < 41) P(23
DettagliTEST n La funzione di ripartizione di una variabile aleatoria:
TEST n. 1 1. Un esperimento consiste nell estrarre successivamente, con reimmissione nel mazzo, due carte da un mazzo di 52 carte. Individuare la probabilità di estrarre due assi. A 0.0059 B 0.0044 C 0.0045
DettagliProva scritta del 18/12/2007
Prova scritta del 8//7 È data la funzione: f) = 6 + 4 log tema A) f) = 4 log tema B) Determinarne: a) dominio, limiti significativi, asintoti; b) derivata prima, crescenza, punti di massimo e di minimo;
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
DettagliModulo di Matematica per il Corso di Laurea in Farmacia, cognomi M-Z Soluzioni del TEMA 1 del 20 dicembre 2010
Modulo di Matematica per il Corso di Laurea in Farmacia, cognomi M-Z Soluzioni del TEMA 1 del 0 dicembre 010 Esercizio 1. Indichiamo con Ω: lo spazio degli eventi, in questo caso tutte le scatole del farmaco;
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliSTATISTICA (modulo II - Inferenza Statistica) Soluzione Esercitazione I
Soluzione Esercitazione I Esercizio A. Si indichi con A i l evento la banca i decide di aprire uno sportello per il quale Pr(A i = 0.5 (e dunque Pr(A i = 0.5 per i =, 2, 3. Lo spazio degli eventi dato
DettagliDistribuzioni secondo due caratteri. Rappresentazioni e prime sintesi
Distribuzioni secondo due caratteri Rappresentazioni e prime sintesi Rappresentazioni delle distribuzioni doppie Quando per ogni unità del collettivo rileviamo due caratteri otteniamo una Esempio. Ad alcuni
DettagliAll ultimo appello dell esame di statistica, la media dei voti è stata 25 e lo scarto quadratico medio 3.5. Determinare i valori standard dei voti
Esercizio 1 All ultimo appello dell esame di statistica, la media dei voti è stata 25 e lo scarto quadratico medio 3.5. Determinare i valori standard dei voti 1. 18 2. 25 3. 30 4. Se il voto standardizzato
DettagliV.C. RETTANGOLARE o UNIFORME
V.C. RETTANGOLARE o UNIFORME La v.c. continua RETTANGOLARE o UNIFORME descrive il modello probabilistico dell equiprobabilità. [ a b] X, con densità di probabilità associata: P( x) 1 b a con P(x) costante.
DettagliMatematica con elementi di Informatica
Variabili aleatorie Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche Anno Accademico
DettagliStatistica a.a Autovalutazione 1
Statistica a.a. 016-17 Autovalutazione 1 CORSO: Diritto per le Imprese e le Istituzioni ATTENZIONE: alle domande aperte è stato dato un possibile esempio di risposta, altre parole possono essere usate
DettagliIl teorema della separazione di Tobin. Indice. Diversificazione e valore. Evoluzione della teoria del rischio finanziario
Il teorema della separazione di Tobin L introduzione del tasso privo di rischio e la nuova frontiera efficiente (CML) separano: l individuazione del portafoglio rischioso ottimo: è una scelta oggettiva
DettagliPOPOLAZIONE E CAMPIONI
p. 1/2 POPOLAZIONE E CAMPIONI POPOLAZIONE insieme di tutti quegli elementi che hanno almeno una caratteristica comune (persone, oggetti,misure, osservazioni). Consideriamo il caso di caratteristiche associate
DettagliTest per una media - varianza nota
Situazione Test per una media - varianza nota Popolazione N(µ,σ 2 ); varianza σ 2 nota. µ 0 numero reale fissato. Test di livello α per µ Statistica: Z n = X n µ 0 σ/ n. H 0 H 1 Rifiutiamo H 0 se p-value
DettagliUniversità di Pisa Geometria e Algebra Lineare per Ingegneria Aerospaziale, Ingegneria Meccanica, Ingegneria della Sicurezza
Scritto n.1 del 2010 Esercizio 1. Discutere il seguente sistema reale h x + y + h z = h 2 x + (1 h) z = 3 h 2 h x + y + h z = h h 2 Esercizio 2. Risolvere exp 2 z + ( 1 + i 3) expz + z ( exp 2 z + ( 1
DettagliINFORMAZIONI. p. 1/23
p. 1/23 INFORMAZIONI Prossime lezioni Giorno Ora Dove Giovedi 11/02 14:30 Laboratorio (via Loredan) Martedi 16/02 14:30 P50 Lunedi 22/02 09:30 P50 Martedi 23/02 14:30 P50 Giovedi 25/02 14:30 Aula informatica
DettagliCorso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2009/2010.
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2009/2010 Statistica Esercitazione 4 12 maggio 2010 Dipendenza in media. Covarianza e
DettagliLe curve di indifferenza sulla frontiera di Markowitz
UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA Corso di Corporate Banking and Finance a.a. 2012-2013 (Professor Eugenio Pavarani) Evoluzione della teoria del rischio finanziario da Markowitz al teorema
Dettagli