1. Exponential smoothing. Metodi quantitativi per i mercati finanziari. Capitolo 5 Analisi dei prezzi. Consideriamo la media mobile esponenziale
|
|
- Edoardo Rubino
- 8 anni fa
- Visualizzazioni
Transcript
1 1. Exponential smoothing Consideriamo la media mobile esponenziale Metodi quantitativi per i mercati finanziari XMA t = (1 α)xma t 1 + αp t come previsione del prezzo al tempo T + 1 sulla base dell insieme informativo al tempo T : Capitolo 5 Analisi dei prezzi = XMA T = E(P T +1 I T, ) ˆP T +1 T = (1 α) ˆP T T 1 + αp T Riformuliamo l espressione nel seguente modo ˆP T +1 T = ˆP T T 1 + α(p T ˆP T T 1 ) regola di aggiornamento della previsione (valore previsto al tempo precedente corretto con un termine proporzionale all errore di previsione) Scelta del parametro α Sostituendo all indietro ˆP P 0 condizione iniziale ˆP T T 1, ˆP T 1 T 2, e così via T T +1 T = α (1 α) j P T j j=0 Influenza delle osservazioni lontane da T che decresce esponenzialmente Osservazione: per dato α funzione di previsione costante per k superiore ad uno Esempio per k = 2 ˆP T +2 T = (1 α) ˆP T +1 T + αp T +1 Soluzione del problema di minimizzazione della somma degli scarti al quadrato fra valori osservati e valori previsti nel campione: min α min α T 1 t=1 ( P t+1 T 1 P t+1 α t=1 Esempio per t = 1 ( P 2 ˆP 2 1 (α) ) 2 = (P 2 ˆP t+1 t (α) ) 2 = t (1 α) j P t j j=0 ( )) 2 (1 α) ˆP αp 1 2 ˆP T +2 T = (1 α) ˆP T +1 T + α ˆP T +1 T = ˆP T +1 T con ˆP 1 0 = (1 α) ˆP αp 0 = αp 0 da cui (P 2 αp 1 α(1 α)p 0 ) 2
2 Problema di minimizzazione non lineare in α (condizioni del primo ordione non in forma chiusa) necessario ricorrere a soluzioni numeriche metodo a griglia: Serie storica del titolo Wrigley dal 5 gennaio 1995 al primo ottobre 1997 individuazione all interno dell intervallo di definizione del parametro α (0,1) di una sequenza crescente di valori equispaziati (ad esempio da 0.01 a 0.99 con incrementi di 0.01) in corrispondenza di ciascun valore di α calcolo della funzione da minimizzare scelta di α che rende il valore della funzione più piccolo Exponential smoothing: Funzione obiettivo per vari valori di α Risultato EVIEWS per la stima di α (exponential smoothing semplice)
3 Valori della serie e previsioni con l exponential smoothing semplice 2. I processi random walk Per serie finanziarie giornaliere dei prezzi ˆα risulta essere molto vicino ad uno importanza preponderante dell informazione contenuta nell ultimo prezzo osservato ˆP T +1 T = E(P T +1 P T, P t 1,... ; ) P T La relazione temporale fra prezzi a tempi successivi si fonda sul concetto di rendimento P t = P t 1 (1 + r t ) e passando ai logaritmi naturali p t = p t 1 + ln(1 + r t ) Il concetto di processo stocastico Espandiamo in serie di Taylor la funzione ln(1 + r t ) intorno ad 1, ln(1 + r t ) ln(1) + 1 (1 + r t 1) = r t 1 + r t rt =0 Sequenza (virtualmente infinita) di variabili casuali r t, ciascuna riferita ad un diverso istante temporale, rappresentabile come {r t } T t=1 e definiamo l oggetto rendimento come r t = p t p t 1 (definizione valida per r t piccolo) Al tempo t 1 la determinazione del prezzo al tempo t dipende dalla realizzazione di r t che, in quanto incerta, si caratterizza come variabile casuale l indice temporale varia nel discreto, mentre la variabile casuale assume valori nel continuo La serie storica corrispondente è formata dalla sequenza di realizzazioni delle variabili casuali Obiettivo: ricostruzione del cosiddetto processo generatore dei dati, processo stocastico che si ipotizza in grado di spiegare l andamento della serie storica dei rendimenti, e, di conseguenza, dei prezzi
4 Osservazione Il processo white noise Il risultato messo in luce dall exponential smoothing corrisponde alla caratteristica (empirica) dei rendimenti al tempo t di avere valore atteso (condizionatamente all insieme informativo disponibile al tempo t 1) pari a zero: se E(p t I t 1 ) = p t 1, deve essere, necessariamente, E(r t I t 1 ) = 0 Il processo generatore dei dati dovrà quindi essere in grado di riprodurre questa ed altre regolarità empiriche delle serie storiche, siano essi prezzi, rendimenti o volatilità Ipotesi più semplice: r t = ɛ t i.i.d.(0, σ 2 ), t = 1,..., T le variabili casuali r t, t = 1,..., T sono indipendenti e identicamente distribuite con media 0 e varianza costante σ 2 Se la distribuzione comune è quella normale abbiamo un white noise gaussiano Il processo white noise appartiene alla classe più ampia di processi cosiddetti stazionari Esempio di white noise Processo stazionario Un processo {x t } è stazionario in covarianza se: E(x t ) = µ non dipende dal tempo t V ar(x t ) = σ 2 non dipende dal tempo t Cov(x t, x t s ) = γ(s) dipende dalla distanza fra x t e x t s ma non dal riferimento temporale t Il processo white noise è un processo strettamente stazionario: la distribuzione congiunta di qualunque sequenza di variabili casuali contigue appartenenti al processo non dipende dai tempi di riferimento delle variabili componenti Osservazione: sul piano empirico per i rendimenti si riscontrano deviazioni dalle ipotesi di indipendenza e di identica distribuzione
5 Sotto l ipotesi di i.i.d. E(p t I t 1 ) = E(p t 1 + ɛ t I t 1 ) = p t 1 V ar(p t I t 1 ) = σ 2 Se in p t = p t 1 + ɛ t sostituiamo all indietro abbiamo Condizionatamente all insieme informativo in 0 abbiamo i seguenti momenti condizionati E(p t I 0 ) = p 0 fino a ottenere p t = p t 2 + ɛ t 1 + ɛ t e V ar(p t I 0 ) = tσ 2 t 1 p t = p 0 + τ=0 ɛ t τ somma di variabili casuali con media zero e varianza costante processo random walk Il processo definito è chiaramente non stazionario: la varianza diverge all aumentare di t Si parla di processo a radice unitaria o integrato di ordine 1 (I(1)) La persistenza delle innovazioni ɛ t nel processo è totale I test di radice unitaria Esempi di random walk I risultati classici dell inferenza non sono applicabili alla verifica dell ipotesi nulla H 0 : φ = 1 nella relazione stimata p t = φp t 1 + ɛ t lo stimatore dei minimi quadrati ˆφ = T t=2 p tp t 1 T t=2 p2 t 1 ha distribuzione non simmetrica e valore atteso minore di 1 per T finito (coincide con il valore vero per T Approssimazione suggerita da White (1958),troncata al primo termine E( ˆφ) = 1 2(T 2) T 2 1 < 1
6 Distribuzione di ˆφ su 5000 campioni, T = 100 Media pari a , Approssimazione di White Sotto l ipotesi nulla di radice unitaria φ = 1, l usuale statistica t ˆτ = ˆφ 1 s.err.( ˆφ) dove s.err.( ˆφ) ˆσ = 2 T t=2 p2 t 1 (ˆσ 2 somma dei residui al quadrato divisa per T 1) non è distribuita come una v.c. t di Student, ma ha distribuzione asimmetrica con asimmetria negativa Tale distribuzione può essere simulata e se ne possono calcolare i percentili notevoli come valori critici stimati all 1%, 5% e 10% Distribuzione del t-ratio stimato su 5000 campioni di dimensione T = 100. Confronto con la distribuzione t di Student (linea tratteggiata) Il test di Dickey-Fuller Esempio: i percentili stimati su simulazione per T = 100 risultano , , (più piccoli dei valori corrispondenti per la variabile casuale t di Student, rispettivamente 2.364, e 1.290) La procedura di test consiste nel rifiutare l ipotesi nulla di radice unitaria se il t-ratio calcolato nella regressione risulta inferiore ad uno dei valori critici simulati Valori tabulati da Dickey e Fuller: 2.60 (all 1%), 1.95 (al 5%) e 1.62 (al 10%) Usuale riparametrizzazione della relazione: p t p t 1 = (φ 1)p t 1 + ɛ t in tal caso H 0 : γ φ 1 = 0
7 Risultato EVIEWS per il test di Dickey e Fuller per l indice Dow Jones sul periodo 05/01/ /12/1996 Generalizzazioni Test augmented Dickey-Fuller: presenza di innovazioni ɛ t non i.i.d Distribuzioni limite per ˆτ a seconda delle ipotesi sulla forma del processo generatore dei dati Processo random walk con drift (o deriva) p t = α + p t 1 + ɛ t t 1 p t = p 0 + αt + τ=0 ɛ t τ a partire da p 0 il prezzo si evolve seguendo un trend deterministico dato da αt cui si aggiunge il trend stocastico dato dalla radice unitaria t 1 τ=0 ɛ t τ Esempi di traiettorie random walks con drift pari a 0.25 Distribuzione di ˆτ µ su 5000 campioni di dimensione T = 100. Confronto con la distribuzione t di Student (linea tratteggiata) Valori ai livelli di significatività dell 1%, 5%, e 10%: , ,
8 Processo random walk con drift e dipendenza deterministica di p t dal passaggio del tempo con un coefficiente β Tabella di MacKinnon (1991) per il calcolo dei valori critici del test di Dickey e Fuller p t = α + βt + p t 1 + ɛ t sostituendo all indietro si ottiene t(t + 1) t 1 p t = p 0 + αt + β + 2 τ=0 ɛ t τ Valori critici ancora più piccoli: per un campione di ampiezza T = 100 risultano 4.04, 3.45, 3.13 (rispettivamente 1%, 5% e 10%) Caso meno rilevante per le serie finanziarie (non lo considereremo) Modello Significatività ˆβ ˆβ1 ˆβ2 Senza costante Con costante Equazione stimata: Ĉ(p, T ) = ˆβ + ˆβ 1 /T + ˆβ 2 /T 2 Procedura di test per radice unitaria modello di riferimento: Successione nella quale eseguire i diversi test Test per H 0 : γ = 0 utilizzando la statistica test ˆτ µ = (ˆγ)/ŝ.e.(ˆγ) sul modello p t = α + γp t 1 + ɛ t p t = α + γp t 1 + ɛ t con le seguenti ipotesi nulle per i coefficienti: H 0 : α 0, γ = 0 random walk con drift H 0 : α = 0, γ = 0 random walk senza drift diversa distribuzione di probabilità dei coefficienti stimati ˆα e ˆγ in corrispondenza di processi generatori di dati diversi: se γ = 0 la distribuzione di ˆα è non standard, mentre sarebbe asintoticamente normale se γ < 0 se α = 0 la distribuzione di ˆγ è non standard, mentre sarebbe asintoticamente normale se α 0 Se H 0 viene rifiutata ci si ferma, altrimenti si verifica l ipotesi α = 0, utilizzando la statistica test ˆτ αµ (rapporto t per il coefficiente ˆα) sullo stesso modello Distribuzione non standard, simmetrica intorno a 0 e con maggiore densità di probabilità nelle code rispetto alla t di Student Valori critici per il test α = 0 γ = 0 - Dickey e Fuller (1981) P rob(τ αµ > valore critico) T
9 Se il test porta ad accettare H 0 : α = 0 γ = 0, la procedura di test può essere ripetuta sull equazione p t p t 1 = (φ 1)p t 1 + ɛ t In presenza di drift (α diverso da zero) la distribuzione di ˆτ µ è di nuovo standard (gaussiana) I valori critici della normale che approssima la distribuzione di ˆτ µ forniscono una regione di accettazione più piccola di quella valida per una dimensione campionaria modesta e/o per un valore piccolo di α I veri valori critici sono intermedi fra quelli della normale e quelli tabulati da Dickey e Fuller Regola empirica : il rifiuto di H 0 : γ = 0 sulla base dei valori di Dickey e Fuller corrisponde al rifiuto anche sulla base della distribuzione normale; l accettazione sulla base dei valori critici della normale corrisponde ad accettazione anche sulla base dei valori tabulati Rimane una zona di incertezza per la quale si possono trarre conclusioni diverse con i due insiemi di valori critici Dubbi sulla potenza del test Dickey-Fuller 3. Prezzi ed efficienza dei mercati Mercato efficiente: mercato in cui l informazione viene istantaneamente e completamente inglobata nel prezzo corrente L ipotesi di mercati efficienti è coerente con l assunzione che i prezzi seguano un processo random walk ma non ne costituisce condizione sufficiente Un mercato si qualifica come efficiente rispetto ad un certo insieme informativo In corrispondenza di un insieme informativo I t 1 le variazioni di prezzo future sono imprevedibili E(p t p t 1 I t 1 ) = 0. Forme di efficienza Definendo in maniera opportuna l insieme informativo possiamo distinguere tre diverse forme di efficienza: efficienza in forma debole (weak-form): l insieme informativo include solo la storia passata dei prezzi efficienza in forma semi-forte (semistrong-form): l insieme informativo include tutta l informazione pubblicamente disponibile (vale a dire nota a tutti gli operatori sui mercati) efficienza in forma forte (strong-form): l insieme informativo include anche informazioni riservate solo ad alcuni degli operatori presenti sui mercati
10 Insieme informativo e legge dei valori attesi iterati Relazione tra insiemi informativi a tempi successivi I t 2 I t 1 Il valore atteso del prezzo condizionato a I t 2 può essere scritto come o, equivalentemente, E(p t I t 2 ) = E(E(p t I t 1 ) I t 2 ) E(p t E(p t I t 1 ) I t 2 ) = 0 Implicazioni dell EMH EMH e analisi tecnica: la presunzione di poter sfruttare a vantaggio degli operatori il tempo necessario perché i prezzi si aggiustino a nuove situazioni informative si scontra con l idea che tale aggiustamento sia immediato e completo EMH e analisi fondamentale: il confronto tra prezzo di mercato e valore intrinseco del titolo per trarre profitto dalla discordanza tra questi due valori suppone una sostanziale inefficienza dei mercati In termini di valore atteso delle variazioni di prezzo, condizionatamente all informazione disponibile a t 2: E(p t p t 1 I t 2 ) = E(E(p t p t 1 I t 1 ) I t 2 ) = 0 Importante disporre di strumenti per la verifica dell ipotesi di efficienza: metodi in letteratura usualmente basati su ipotesi congiunta di efficienza ed equilibrio dei mercati 4. L ipotesi random walk Un caso particolare di EMH si ha qualora i prezzi seguano un processo di tipo random walk Per un processo random walk vale Rendimenti indipendenti ed identicamente distribuiti I logaritmi dei prezzi seguono un evoluzione del tipo: p t = p t 1 + ɛ t con ɛ t i.i.d.(0, σ 2 ) In termini di rendimento abbiamo E(p t+1 p t, p t 1, ) = p t Cov(h(r t ), g(r t+k )) = 0 o, equivalentemente, E(p t+1 p t p t, p t 1, ) = 0 L ipotesi random walk è più restrittiva dell ipotesi di efficienza dei mercati, che si limita ad asserire che l informazione risulta pienamente ed immediatamente riflessa nei prezzi dei titoli Possiamo individuare tre diverse tipologie di processi random walk caratterizzando forme più o meno forti di dipendenza tra variabili casuali per qualsiasi funzione h( ) e g( ), t e k 0 La funzione di densità di probabilità è tale che f(r t+k r t ) = f(r t+k ) Inoltre tale funzione non varia al variare di k e, se normale, caratterizza un processo white noise gaussiano
11 Rendimenti indipendenti Difficilmente sostenibile l ipotesi di identica distribuzione nel tempo Manteniamo l ipotesi di rendimenti indipendenti ma non identicamente distribuiti: Cov(h(r t ), g(r t+k )) = 0 per qualsiasi funzione h( ) e g( ), t e k 0 La funzione di densità di probabilità è tale che: f(r t+k r t ) = f(r t+k ) Maggiore generalità rispetto al caso precedente: possibilità di distribuzione non condizionata caratterizzata da eteroschedasticità Rendimenti incorrelati Ulteriore generalità può ottenersi rinunciando all ipotesi di rendimenti indipendenti limitandosi ad assumere incorrelazione: Cov(r t, r t+k ) = 0, t e k 0 Specificazione più debole di processo random walk: lascia spazio alla presenza di forme di dipendenza tra osservazioni, che tuttavia preservano l ipotesi di efficienza dei mercati Caratterizzazione di maggior interesse per la possibilità di coesistere con fatti stilizzati osservati per le serie finanziare 5. La verifica dell ipotesi r.w. Rendimenti i.i.d.: sequenze concordi e discordi Letteratura propria dei test statistici non parametrici Caso più generale: p t = µ + p t 1 + ɛ t T c /T d sarà verosimilmente maggiore di uno: diventano più probabili rendimenti consecutivi dello stesso segno (della media) Data una serie di T + 1 rendimenti, costruzione di una variabile indicatrice del tipo { 1 se rt = p 1I t = t p t 1 > 0 0 se r t = p t p t 1 0. Calcolo dell numero di coppie di rendimenti a tempi consecutivi che hanno lo stesso segno T c = T t=1 y t con y t = 1I t 1I t+1 + (1 1I t )(1 1I t+1 ) o segno discorde T d = T T c Sotto H 0 (e con distribuzione dei rendimenti centrata sullo zero) dovrebbe essere T c = T c/t T d T d /T = 1 ĈJ = T c/t T d /T = ĉ 1 ĉ 1 con c probabilità di sequenza concorde ĈJ per T si distribuisce come una v.c. normale con media c/(1 c) e varianza pari a: c(1 c) + 2(π 3 + (1 π) 3 c 2 ) T (1 c) 4 con π probabilità di ottenere un rendimento positivo (stimata con la proporzione di rendimenti positivi nel campione) Osservazione: scarsa potenza del test
12 Esempio Serie del tasso di cambio fra euro e dollaro dal 5 gennaio 1998 al 26 settembre 2001: Media annualizzata dei rendimenti pari al 0.28% (leggermente positiva, corrispondente ad una probabilità stimata di rendimenti positivi pari a 0.511) Esempio Variazioni mensili dei Fed Funds misurate tra l agosto del 1954 e l ottobre del 2001: Media di queste variazioni non significativamente diversa da zero ĈJ = con intervallo di confidenza al 95% da a Corrispondentemente, l intervallo fra e contiene π c con un livello di confidenza pari a 95% Dato che il valore 0.5 appartiene all intervallo, i risultati non forniscono evidenza a sfavore dell ipotesi di random walk ĈJ = 1.7 con standard error pari a Statistica campionaria significativamente diversa da 1, valore che si riscontra sotto l ipotesi nulla di random walk L ipotesi di processo random walk deve essere rifiutata sulla base dell evidenza campionaria Rendimenti i.i.d.: Runs Test Contiamo il numero di sequenze (dette runs) con rendimenti consecutivi positivi o negativi Il numero osservato di sequenze N runs viene confrontato con la sua distribuzione campionaria sotto l ipotesi nulla di random walk con rendimenti indipendenti ed identicamente distribuiti, approssimabile da una normale standardizzata per dimensioni campionarie elevate: N runs 2T π(1 π) z = 2 N(0, 1) T π(1 π)(1 3π(1 π)) con π probabilità di ottenere un rendimento positivo Esempi Tasso di cambio euro/dollaro: otteniamo un valore ẑ pari a che quindi conferma la indistinguibilità della serie da una realizzazione di un random walk con incrementi i.i.d. Tassi sui Federal Funds: otteniamo un valore ẑ uguale a 6.214, che porta ancora a rifiutare l ipotesi nulla di processo random walk con rendimenti indipendenti ed identicamente distribuiti il numero atteso di runs è massimo per π = 0.5 e si riduce in presenza di una media diversa da zero
13 Test per rendimenti indipendenti Contents Confronto di una regola qualsiasi di gestione del portafoglio con la strategia passiva suggerita dall ipotesi di random walk che possiamo indicare come strategia buy and hold Esempio: un titolo viene acquistato quando il prezzo aumenta al di sopra di una certa soglia percentuale, viene venduto se il prezzo scende al di sotto di quella stessa soglia, mentre all interno della banda di valori l operatore rimane neutrale con costi di transazione anche molto bassi, difficilmente la regola porta ad un miglioramento rispetto alla strategia passiva, con il risultato di non poter rifiutare l ipotesi di indipendenza Arbitraria la scelta della regola di comportamento, quindi risultati soggettivi
E naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliEsercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test
STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che
DettagliAnalisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri
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 Economia Facoltà di Economia, Università di Ferrara
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliInferenza statistica I Alcuni esercizi. Stefano Tonellato
Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico 2006-2007 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche,
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliCapitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano
Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S
DettagliAnalisi statistica delle funzioni di produzione
Analisi statistica delle funzioni di produzione Matteo Pelagatti marzo 28 Indice La funzione di produzione di Cobb-Douglas 2 2 Analisi empirica della funzione di produzione aggregata 3 Sommario Con la
DettagliUniversità di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008
Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi
DettagliEsercitazione n.2 Inferenza su medie
Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione
DettagliTemi di Esame a.a. 2012-2013. Statistica - CLEF
Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliTest d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi
In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliLezione n. 2 (a cura di Chiara Rossi)
Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliConcetto di potenza statistica
Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
DettagliAnalisi di scenario File Nr. 10
1 Analisi di scenario File Nr. 10 Giorgio Calcagnini Università di Urbino Dip. Economia, Società, Politica giorgio.calcagnini@uniurb.it http://www.econ.uniurb.it/calcagnini/ http://www.econ.uniurb.it/calcagnini/forecasting.html
DettagliComputational Game Theory
Computational Game Theory Vincenzo Bonifaci 24 maggio 2012 5 Regret Minimization Consideriamo uno scenario in cui un agente deve selezionare, più volte nel tempo, una decisione tra un insieme di N disponibili:
DettagliEsame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliEsercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera
Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera 1. Avete risparmiato 10 dollari che volete investire per un anno in azioni e/o buoni del tesoro
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliDomande a scelta multipla 1
Domande a scelta multipla Domande a scelta multipla 1 Rispondete alle domande seguenti, scegliendo tra le alternative proposte. Cercate di consultare i suggerimenti solo in caso di difficoltà. Dopo l elenco
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliEsercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)
STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliEsercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010
Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliAi fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione:
1 Lastoriadiun impresa Il Signor Isacco, che ormai conosciamo per il suo consumo di caviale, decide di intraprendere l attività di produttore di caviale! (Vuole essere sicuro della qualità del caviale
DettagliPotenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1
Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
Dettagli2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale
BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk
Dettagliu 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k
Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
DettagliTeoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26
Indice L attività di recupero 6 Funzioni Teoria in sintesi 0 Obiettivo Ricerca del dominio e del codominio di funzioni note Obiettivo Ricerca del dominio di funzioni algebriche; scrittura del dominio Obiettivo
DettagliEsercitazione n.4 Inferenza su varianza
Esercizio 1 Un industria che produce lamiere metalliche ha ricevuto un ordine di acquisto di un grosso quantitativo di lamiere di un dato spessore. Per assicurare la qualità della propria fornitura, l
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliLa teoria dell offerta
La teoria dell offerta Tecnologia e costi di produzione In questa lezione approfondiamo l analisi del comportamento delle imprese e quindi delle determinanti dell offerta. In particolare: è possibile individuare
DettagliL orizzonte temporale nei prospetti semplificati dei fondi aperti. Nota di studio. Ufficio Studi
L orizzonte temporale nei prospetti semplificati dei fondi aperti Nota di studio Ufficio Studi Gennaio 2012 1 1] Premessa Nel corso del 2010 uno degli obiettivi del Gruppo di Lavoro Rischio e Classificazione
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliControlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.
Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:
DettagliFONDAMENTI DI PSICOMETRIA - 8 CFU
Ψ FONDAMENTI DI PSICOMETRIA - 8 CFU STIMA DELL ATTENDIBILITA STIMA DELL ATTENDIBILITA DEFINIZIONE DI ATTENDIBILITA (affidabilità, fedeltà) Grado di accordo tra diversi tentativi di misurare uno stesso
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliSTATISTICA INFERENZIALE
STATISTICA INFERENZIALE Premessa importante: si ipotizza che il comportamento della popolazione rispetto ad una variabile casuale X viene descritto attraverso una funzione parametrica di probabilità p
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliCorrezione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia
Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 8 Marzo 007 Facoltà di Astronomia ESERCIZIO 1 La seguente tabella riporta la distribuzione congiunta della situazione lavorativa e dello
DettagliOCCUPATI SETTORE DI ATTIVITA' ECONOMICA
ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971
DettagliTecniche di analisi multivariata
Tecniche di analisi multivariata Metodi che fanno riferimento ad un modello distributivo assunto per le osservazioni e alla base degli sviluppi inferenziali - tecniche collegate allo studio della dipendenza
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliPremesse alla statistica
Premesse alla statistica Versione 22.10.08 Premesse alla statistica 1 Insiemi e successioni I dati di origine sperimentale si presentano spesso non come singoli valori, ma come insiemi di valori. Richiamiamo
DettagliVARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che
VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile
DettagliFinanza matematica - Lezione 01
Finanza matematica - Lezione 01 Contratto d opzione Un opzione è un contratto finanziario stipulato al tempo, che permette di eseguire una certa transazione, d acquisto call o di vendita put, ad un tempo
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
DettagliPiù processori uguale più velocità?
Più processori uguale più velocità? e un processore impiega per eseguire un programma un tempo T, un sistema formato da P processori dello stesso tipo esegue lo stesso programma in un tempo TP T / P? In
Dettagli19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE
19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE Nell inferenza è spesso richiesto il calcolo di alcuni valori critici o di alcune probabilità per le variabili casuali che sono state introdotte
DettagliELEMENTI DI STATISTICA
Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliAND NON CAP WEIGHTED PORTFOLIO
SOCIALLY RESPONSIBLE INVESTMENT AND NON CAP WEIGHTED PORTFOLIO Forum per la Finanza Sostenibile Milano 30 giugno 2009 Giulio Casuccio Head of Quantitatives Strategies and Research Principi ed obiettivi:
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliIl mercato di monopolio
Il monopolio Il mercato di monopolio Il monopolio è una struttura di mercato caratterizzata da 1. Un unico venditore di un prodotto non sostituibile. Non ci sono altre imprese che possano competere con
DettagliIGiochidiArchimede-SoluzioniBiennio 22 novembre 2006
PROGETTO OLIMPII I MTEMTI U.M.I. UNIONE MTEMTI ITLIN SUOL NORMLE SUPERIORE IGiochidirchimede-Soluzioniiennio novembre 006 Griglia delle risposte corrette Problema Risposta corretta E 4 5 6 7 8 9 E 0 Problema
DettagliVARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.
VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliLezione 18 1. Introduzione
Lezione 18 1 Introduzione In questa lezione vediamo come si misura il PIL, l indicatore principale del livello di attività economica. La definizione ed i metodi di misura servono a comprendere a quali
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliIstituzioni di Economia Laurea Triennale in Ingegneria Gestionale. Lezione 26 I mercati finanziari
UNIVERSITÀ DEGLI STUDI DI BERGAMO Laurea Triennale in Ingegneria Gestionale Lezione 26 I mercati finanziari Prof. Gianmaria Martini Moneta e titoli Nei paesi industrializzati esistono varie tipologie di
DettagliCapitolo 4 Probabilità
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliEsercitazione 23 maggio 2016
Esercitazione 5 maggio 016 Esercitazione 3 maggio 016 In questa esercitazione, nei primi tre esercizi, analizzeremo il problema del moral hazard nel mercato. In questo caso prenderemo in considerazione
DettagliCorso di Analisi Matematica Serie numeriche
Corso di Analisi Matematica Serie numeriche Laurea in Informatica e Comunicazione Digitale A.A. 2013/2014 Università di Bari ICD (Bari) Analisi Matematica 1 / 25 1 Definizione e primi esempi 2 Serie a
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
DettagliL espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0.
EQUAZIONI E DISEQUAZIONI Le uguaglianze fra espressioni numeriche si chiamano equazioni. Cercare le soluzioni dell equazione vuol dire cercare quelle combinazioni delle lettere che vi compaiono che la
DettagliIl rischio di un portafoglio
Come si combinano in un portafoglio i rischi di 2 titoli? dipende dai pesi e dal valore delle covarianze covarianza a a ρ a b ρ a b ρ b b ρ coefficiente di correlazione = cov / ² p = a² ² + b² ² + 2 a
DettagliIl modello binomiale ad un periodo
Opzioni Un opzione dà al suo possessore il diritto (ma non l obbligo) di fare qualcosa. Un opzione call (put) europea su un azione che non paga dividendi dà al possessore il diritto di comprare (vendere)
DettagliEquazione quantitativa della moneta
Moneta e inflazione Equazione quantitativa della moneta Gli individui detengono moneta allo scopo di acquistare beni e servizi QUINDI la quantità di moneta è strettamente correlata alla quantità che viene
Dettagli