La Previsione della Domanda
|
|
- Nicolo Marchesi
- 7 anni fa
- Visualizzazioni
Transcript
1 La Previsione della Domanda La previsione della domanda Se la domanda non variasse nel tempo sarebbe estremamente semplice prevedere il suo andamento. Ma la domanda varia nel tempo a causa di vari fattori, alcuni prevedibili come la stagionalità, altri meno prevedibili come la crisi economica. Si possono comunque stabilire delle relazioni macroeconomiche che permettono di leggere la domanda in funzione di altri fattori. Le componenti di variabilità che si potranno osservare sono: - Componente sistematica dovuta all azione individuabile e misurabile di cause determinabili. - Componente casuale dovuta all azione congiunta di cause non determinabili. Sono componenti aleatrorie, ineliminabili, con le quali si dovrà convivere. Principale causa del difetto delle previsioni. - Componente tendenziale dovuta alla presenza di un trend stabile positivo o negativo. - Componente ciclica oscillatoria con ciclo di ampiezza e periodo variabili (es. boom economici, recessioni). - Componente stagionale oscillazioni con ciclo di periodo costante nel tempo e tipicamente annuale. Metodi per la previsione della domanda - Metodi causali (esplicativi) Cercano di individuare fattori e fenomeni che influenzano la domanda. - Metodi estrapolativi osservano la domanda passata per estrapolare e prevedere l andamento futuro. - Metodi qualitativi soggettivi Sono metodi basati sulla raccolta ed elaborazione di opinioni personali soggettive da parte di clienti potenziali, venditori od esperti del settore. Solitamente si utilizza una metodologia ibrida, in cui sono presenti tutti e tre i metodi in posizioni diverse del processo. Importante si deve conoscere il grado di affidabilità delle previsioni, e si cerca di renderlo il più alto possibile reiterando di volta in volta il processo decisionale. Le previsioni sono in continua evoluzione e la perdita di precisione cresce esponenzialmente con il passare del tempo. Ma nel lungo periodo più è aggregato l aspetto che si analizza, migliore è la previsione. Classificazione delle tecniche previsionali Le tecniche si possono classificare anche in base al periodo: - Qualitative medio-lungo periodo Sondaggi di mercato Questionari sottoposti a potenziali clienti riguardo a prodotti esistenti e non. Possono essere molto efficaci solo se ben strutturati ma sono costosi e richiedono molto tempo, occorre fare un gran numero di interviste per ottenere un adeguato livello di confidenza. Analogie tra prodotti Si ricercano prodotti analoghi per osservarne i dati, ottenere dei trend e desumerne l andamento. Se le analogie sono strette la stima della domanda è attendibile. leading indicator Si aggregano i prodotti in famiglie omogenee, per trend temporale di domanda o per caratteristiche del prodotto. Per ogni famiglia si individua un prodotto leader che anticipi i trend di vendita degli altri prodotti della categoria. La domanda di questi ultimi sarà proporzionale a quella del leader e sfasata in avanti nel tempo. Metodo Delphi Si usa in assenza di dati storici. Si basa sul confronto ripetuto delle opinioni di un comitato di esperti finchè non si raggiunge un accordo. Il grado di disaccordo residuo è un indice della inattendibilità della previsione dovuto alla incertezza della domanda. E un processo costoso, lungo e complesso. La qualità del risultato dipende dalla qualità degli esperti consultati e dei dati forniti loro. Panel consensus è una riunione pubblica in azienda. Bootstrapping Si traducono le regole empiriche elaborate dagli esperti in modelli quantitativi da tarare confrontando le previsioni degli esperti. Sono modelli che cercano di replicare ed automatizzare i giudizi degli esperti. Sono efficaci quando si riconosce una certa validità ai giudizi degli esperti e quando i dati storici sono carenti. - Qualitative breve periodo Stima della domanda per beni di consumo deperibili, non legati ad un bene durevole (pannolini) Gestione della Produzione Industriale Appunti di DM Pagina 1
2 Stima della domanda per beni di consumo deperibili, legati ad un bene durevole (detersivo lavastov.) Stima della domanda di beni durevoli (pasta) Solitamente N è composto da fattori demografici. - Quantitative medio-lungo periodo Sono modelli che studiano il comportamento individuale del cliente. Modello Atar per stimare la domanda, da dividere tra i competitors, si parte da un numero potenziale di clienti che viene via via ridotto, moltiplicandolo per coefficienti minori di 1 indicati dal marketing. Unità vendute = Mercato potenziale * % clienti a conoscenza del prodotto * % clienti che desiderano provare il prodotto * % clienti che hanno accesso al prodotto * % clienti che ripetono l acquisto * N.ro acquisti ripetuti nel periodo di tempo considerato. Si stabilisce quindi la frazione del mercato totale potenziale a cui si può accedere dato il vantaggio competitivo. Il mercato di riferimento non deve essere saturato immediatamente, in quanto la penetrazione del prodotto nel mercato non segue un andamento constante, bensì segue un andamento ad S. In base al periodo di acquisto i clienti possono essere suddivisi in; Innovatori acquistano il prodotto in quanto è nuovo (1/6 del ciclo di vita del prodotto) Adottatori precoci persone dinamiche ma non fanatici, che oltre alla novità tengono in considerazione la qualità del prodotto (1/3 del ciclo di vita del prodotto) Mercato di massa determinano l impennata della domanda e saturano il mercato (1/2 del ciclo di vita del prodotto) Ritardatari rappresentano il 16% del mercato Valutata la domanda si adotta una funzione che abbia andamento ad S come ad esempio Tarando opportunamente i parametri si determina la buona approssimazione per la previsione. Modello di Bass questo modello stima la variazione di domanda nel tempo per prodotti durevoli, per i quali non sono previsti dei multi acquisti, considerando che i clienti possono assumere due comportamenti: Innovatori adottano il prodotto con probabilità costante nel tempo in quanto non sono influenzati dal comportamento degli altri. Imitatori imitano il comportamento degli innovatori, quindi la loro probabilità di acquisto dipende dal numero di clienti che hanno già adottato il prodotto. Gestione della Produzione Industriale Appunti di DM Pagina 2
3 Quindi la probabilità di acquisto del prodotto nel generico periodo di tempo t si può calcolare come: p = probabilità individuale di acquisto N t-1 = numero di clienti al periodo t-1 q = probabilità di acquisto per contagio M = potenziali utenti La domanda si ottiene come Nota: maggiore è q, più è accentuata la S. Per ottenere i valori di p, q ed M si sciolgono le parentesi e si impongono i coefficienti Le principali limitazioni di questo modello sono: 1. Mercato potenziale assunto come statico nel tempo e geograficamente (M) 2. Comportamento acquirenti elementare (adotto / non adotto) Si trascurano i processi decisionali dei singoli individui. 3. Disponibilità di prodotto illimitata con vendite singole - Quantitative breve e medio-lungo periodo stima della quota di mercato tramite regressioni L azienda può agire su gli aspetti evidenziati (che sono i vantaggi competitivi) per migliorare la quota di mercato, e quindi la domanda. Modello econometrico Si individuano K caratteristiche possedute dal prodotto che sono gradite al cliente. Per ogni parametro valuto come il prodotto si posiziona indice di competitività del prodotto, considerando il rapporto tra il valore che assume quel parametro del mio prodotto e la media dei parametri corrispondenti dei prodotti concorrenti. Metodo causale (correlazione) cercano di stabilire il grado di correlazione che esiste tra due variabili. Si ipotizza la correlazione tra la domanda di mercato ed alcuni parametri che ne potrebbero determinare la variabilità. Si vuole calcolare quindi l indice di correlazione r tra due variabili X e Y. Ci si può trovare in tre casi: r = 0 non esiste correlazione r = 1 esiste una stretta correlazione diretta r = -1 esiste una stretta correlazione indiretta Più r si avvicina ad 1 maggiore è la correlazione con Metodo estrapolativo si basa sullo studio di serie storiche, quindi osservando nel passato come si evolve la domanda si può dedurre il suo comportamento nel futuro. Gestione della Produzione Industriale Appunti di DM Pagina 3
4 Si calcola la media tra un certo numero m d valori di domanda passata e viene usata come previsione per la domanda al tempo t+1. Media mobile Permette di filtrare le variazioni casuali ma è utile solo se la domanda presenta variazioni random intorno ad un valore medio costante, senza trend né stagionalità. Se la domanda è stabile si può usare n elevato altrimenti deve essere piccolo ma, più n è piccolo e più rapidamente la media reagisce enfatizzando la domanda recente. Quindi aumentando n aumenta il ritardo con cui seguo il trend vero dei dati. Media mobile pesata Il metodo risulta più efficace utilizzando un peso p i per ogni domanda. Media mobile con smorzamento esponenziale la media attuale è pari alla previsione fatta per il periodo corrente più una porzione dell errore di previsione commesso per il periodo corrente. Aumentando α si dà maggiore enfasi alla domanda recente e la risposta è più pronta. Diminuendo α si hanno medie più uniformi. I pesi decadono in maniera esponenziale. A t = A t-1 + α (D t A t-1 ). Smorzamento esponenziale con trend si corregge la media calcolata sopra con una stima del trend T t calcolato come differenza tra la media della domanda attuale e quella del periodo precedente (assunta come indicatore del trend). Il trend è calcolato utilizzando un criterio di smorzamento esponenziale con parametro β. Da cui A t = α D t + (1 α) (A t-1 + T t-1 ) con T t = β (A t A t-1 ) + (1 β) T t-1 Il trade off è ottenere una risposta rapida alla variazione della domanda, ma non avere grandi oscillazioni della domanda enfatizzate dagli andamenti più recenti. Modello per serie storiche stagionali Si individua un periodo di tempo arbitrario, detto stagione, dopo il quale il comportamento della serie si ripete, composto da N intervalli di tempo, detti periodi t. Per ogni periodo t si può calcolare il coefficiente di stagionalità come Considerando i tre parametri α 1, α 2 e α 3 si aggiornano i valori come 1- α = vecchia stima α = nuova stima con Per inizializzare i valori B 0, G 0 e c -t si adotta il metodo di Winter secondo cui conoscendo i dati storici della domanda nelle due stagionalità precedenti è possibile stimare i parametri al tempo attuale, infatti si ha; media della domanda nella prima stagione passata media della domanda nella seconda stagione passata da cui Nessun modello basato su serie storiche potrà anticipare cambiamenti strutturali non segnalati da osservazioni passate. L utente dovrà con saggezza valutare la situazione specifica. Di tutti i modelli previsionali presentati, solitamente, se ne usa una combinazione. Se non si hanno a disposizione dati storici in quanto si produce un nuovo prodotto, si fa riferimento a metodologie di previsione della domanda soggettive, in cui viene considerato il giudizio di esperti. Gestione della Produzione Industriale Appunti di DM Pagina 4
5 Stima degli errori di precisione Una volta ottenute le previsioni un decisore deve essere in grado di capire se sta utilizzando un modello previsionale adatto o meno allo scopo. Per fare ciò si stimano gli errori di previsione. Errore di previsione differenza tra previsione e domanda. Ma non basta valutare un solo errore. Somma cumulata per gli errori di previsione misura l accumulo di errori nel tempo Se risulta CFE < 0 si è sovrastimata la domanda. Ma si può avere CFE = 0 anche per sbagli molto grandi sulle stime. Errore quadratico medio Deviazione standard Deviazione Assoluta media fornisce una misura assoluta dell errore medio commesso Se i valori di MSE, MAD e σ sono piccoli allora la stima è aderente alla realtà. E comunque possibile utilizzare un segnale di controllo quantificato come per verificare se lo strumento utilizzato è ancora adatto allo scopo. Se TS diventa molto grande è sintomo di grave instabilità. Previsione per aggregazione di dati I metodi di previsione possono essere usati a qualsiasi livello gerarchico dell impresa. Ogni reparto effettua le proprie previsioni e l aspetto importante è che queste siano coerenti con quelle effettuate da altri livelli gerarchici. Infatti le previsioni a livello superiore vengono generalmente ottenute tramite l aggregazione delle previsioni effettuate dai livelli inferiori. La procedura si svolge in due fasi: 1) Roll up Si aggregano le previsioni dal livello inferiore a quello superiore sommando le domande stimate per singoli codici in domande per famiglie e queste nella domanda complessiva. 2) Force down Se le previsioni aggregate dal basso non sono congruenti con quelle di alto livello si definisce con il management il valore aggregato di riferimento e si forzano le previsioni a livello inferiore per garantire la congruenza complessiva. Importante Solo se la domanda è prevedibile deterministicamente è possibile una gestione a fabbisogno, se invece è prevedibile solo statisticamente è necessaria una gestione a scorta. E possibile determinare se una domanda è deterministicamente prevedibile considerando che: la domanda D (x,t) del prodotto x nell intervallo t è D(x,t) = O(x,t) +PV(x,t) con O(x,t) = ordini acquisiti e PV(x,t) = previsioni di vendita si calcola quindi il coefficiente con O m = domanda media nei T intervalli Se CV < 0,01 la domanda è prevedibile deterministicamente ed è possibile gestire a fabbisogno; se 0,01>CV<0,03 la domanda è prevedibile statisticamente e si può gestire a scorta. Gestione della Produzione Industriale Appunti di DM Pagina 5
ESERCITAZIONE - Analisi della domanda
Impianti Industriali ESERCITAZIONE - Analisi della domanda Prof. Ing. Augusto Bianchini Ing. Jessica Rossi DIN Dipartimento di Ingegneria Industriale Università degli Studi di Bologna AGENDA Analisi della
DettagliCapitolo 7. Forecasting
Capitolo 7 Forecasting Cosa è il Forecast? Forecast Una previsione di eventi futuri utilizzata a scopi di pianificazione. 1 Forecasting Le previsioni sono input critici per i piani strategici, per i piani
DettagliL ELABORAZIONE DEL BUDGET DELLE VENDITE: MOMENTO FONDAMENTALE NEL PROCESSO DI ELABORAZIONE DEL BUDGET
L ELABORAZIONE DEL DELLE VENDITE: MOMENTO FONDAMENTALE NEL PROCESSO DI ELABORAZIONE DEL Programmazione e Controllo 1 IL DELLA FUNZIONE COMMERCIALE RICAVI DEI COSTI COMMERCIALI DELLE VENDITE DEI COSTI DI
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
DettagliPrevisione della Domanda-Minimi Quadrati INTRODUZIONE PREVISIONE DELLA DOMANDA. Prof. Vincenzo Duraccio
ITRODUZIOE PREVISIOE DELLA DOMADA Prof. Vincenzo Duraccio AALISI DELLA DOMADA La determinazione dell andamento della domanda di un prodotto o di una gamma di prodotti può essere effettuata in tre modi
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
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
DettagliPrevisioni di vendita. Lucidi a cura di Claudio Sella Novembre 2005
Previsioni di vendita Lucidi a cura di Claudio Sella Novembre 2005 Previsioni di vendita: principi di base La previsione è sempre sbagliata Maggiore è l orizzonte, peggiore è la previsione Le previsioni
DettagliFasi di uno Studio di Fattibilità. Corso di Progettazione degli Impianti Prof. Sergio Cavalieri
Fasi di uno Studio di Fattibilità Corso di Progettazione degli Impianti Prof. Sergio Cavalieri 1 DEFINIZIONE L Analisi di Fattibilità è un insieme organico di studi tecnici ed economici effettuati allo
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliStudio del mercato e del
Impostazioni progettuali dello stabilimento Studio del mercato e del prodotto Studio del mercato e analisi della domanda Determinazione volume delle vendite Studio del prodotto 2 2005 Politecnico di Torino
DettagliI nuovi settori attuali e futuri di
I nuovi settori attuali e futuri di sviluppo della professione Il ruolo dell attuario nel forecast: previsioni di vendita ed analisi delle serie storiche Francesca Evangelista 22 Novembre 2018 «Possiamo
DettagliTRACCIA DI STUDIO. Indici di dispersione assoluta per misure quantitative
TRACCIA DI STUDIO Un indice di tendenza centrale non è sufficiente a descrivere completamente un fenomeno. Gli indici di dispersione assolvono il compito di rappresentare la capacità di un fenomeno a manifestarsi
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
DettagliIndicatori compositi. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Indicatori [1/4] Gli indicatori: sintetizzano le caratteristiche di un fenomeno colgono aspetti e problemi del fenomeno che non hanno una immediata
DettagliTEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE
TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE Errore di misura è la differenza fra l indicazione fornita dallo strumento e la dimensione vera della grandezza. Supponendo che la grandezza vera
DettagliAnalisi delle serie storiche parte II Approccio classico
Analisi delle serie storiche parte II Approccio classico a.a. 2016/2017 1 Obiettivi dello studio delle serie storiche Analisi: descrizione: descrivere l andamento di un fenomeno economico (individuare
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
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
DettagliCapitolo 3 (parte prima) Modelli di (s)composizione. Capitolo 3 1
Capitolo 3 (parte prima) Modelli di (s)composizione Capitolo 3 1 Tipi di pattern sistematico Molti metodi di previsione si basano sul fatto che, se esiste un pattern sistematico (rispetto al tempo), questo
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
DettagliStatistica Elementare
Statistica Elementare 1. Frequenza assoluta Per popolazione si intende l insieme degli elementi che sono oggetto di una indagine statistica, ovvero l insieme delle unità, dette unità statistiche o individui
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
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
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
DettagliUN ANALISI COMPARATA DEL SETTORE DEI TABACCHI LAVORATI IN ITALIA. CASMEF Luiss Guido Carli Audizione presso la Camera dei Deputati 26 Novembre 2013
UN ANALISI COMPARATA DEL SETTORE DEI TABACCHI LAVORATI IN ITALIA Luiss Guido Carli Audizione presso la Camera dei Deputati 26 Novembre 2013 PREMESSA Situazione corrente Le entrate del Governo nel 2013
DettagliANALISI AFFIDABILITÀ SCALE
RICERCA CONGIUNTA NEL SETTORE DELLA MISURA DELLA SODDISFAZIONE DEGLI UTENTI DEI SITI E DEI SERVIZI ON LINE DELLE AMMINISTRAZIONI E PER LA PREDISPOSIZIONE DI UNO STRUMENTO DI RILEVAZIONE DELLA CUSTOMER
DettagliIndagine Sole 24 Ore-Banca d Italia sulle aspettative di inflazione
Indagine Sole 24 Ore-Banca d Italia sulle aspettative di inflazione Dicembre 1999 INDICE 1. Sintesi dei risultati...3 2. Nota metodologica...4 3. Indice delle tavole e delle figure...7 4. Appendice: il
DettagliSTIME STATISTICHE. Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 2/2
p. 1/1 INFORMAZIONI Prossime lezioni Giorno Ora Dove 10/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 17/02 14:30 P50 23/02 14:30 P50 25/02 14:30 Aula informatica (6-7 gruppi) 02/03 14:30 P50 04/03
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
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
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
DettagliStatistica Applicata all edilizia Lezione: Analisi delle serie storiche: parte I
Lezione: Analisi delle serie storiche: parte I E-mail: orietta.nicolis@unibg.it 27 aprile 21 Programma Programma Le serie storiche (o temporali) Sequenze di osservazioni effettuate nella sucessione dei
DettagliOsservazioni e Misura. Teoria degli errori
Osservazioni e Misura ella misura di una grandezza fisica gli errori sono inevitabili. Una misura non ha significato se non viene stimato l errore. Teoria degli errori La teoria degli errori cerca di trovare
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
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
DettagliL ANALISI DELLA DOMANDA
L ANALISI DELLA DOMANDA ANALISI QUANTITATIVA DELLA DOMANDA - Si misura il grado di diffusione del prodotto in relazione alla domanda complessiva potenziale (Approccio strutturalista) - domanda attuale
DettagliIl campionamento statistico nella revisione di bilancio delle imprese
Il campionamento statistico nella revisione di bilancio delle imprese 0 Definizione e ambito legislativo Il campionamento statistico nella revisione di bilancio delle imprese 1 Definizione Per Campionamento
DettagliLaboratorio di Chimica Fisica. Analisi Statistica
Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
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
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono
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,
Dettaglio Si sceglie il modello che meglio si adatta alla realtà osservata, cioè quello per il quale risulta più probabile la realtà osservata.
Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono
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 A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it STIMA PUNTUALE (p. 55) Il parametro è stimato con un unico valore Esempio: stima della share di un programma TV = % di spettatori
Dettagli4. Si supponga che il tempo impiegato da una lettera spedita dall Italia per arrivare a destinazione segua una distribuzione normale con media
Esercizi sulle distribuzioni, il teorema limite centrale e la stima puntuale Corso di Probabilità e Inferenza Statistica, anno 007-008, Prof. Mortera 1. Sia X la durata in mesi di una valvola per radio.
DettagliAppunti di statistica ed analisi dei dati
Appunti di statistica ed analisi dei dati Indice generale Appunti di statistica ed analisi dei dati...1 Analisi dei dati...1 Calcolo della miglior stima di una serie di misure...3 Come si calcola μ...3
DettagliCOME EFFETTUARE L ANALISI DELLA CONCORRENZA
Aprile Inserto di Missione Impresa dedicato allo sviluppo pratico di progetti finalizzati ad aumentare la competitività delle imprese. COME EFFETTUARE L ANALISI DELLA CONCORRENZA QUAL E L UTILITA DI ANALIZZARE
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
DettagliIntervallo di confidenza.
Intervallo di confidenza annarita.vestri@uniroma1.it campione inferenza popolazione Media Riportare sempre anche la deviazione standard Stima puntuale di Media, dev.standard, numerosità Qualche semplice
DettagliArgomenti della lezione:
Lezione 7 Argomenti della lezione: La regressione semplice Il modello teorico Il calcolo dei parametri Regressione lineare Esamina la relazione lineare tra una o più variabili esplicative (o indipendenti,
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
DettagliUN ANALISI COMPARATA DEL SETTORE DEI TABACCHI LAVORATI IN ITALIA
UN ANALISI COMPARATA DEL SETTORE DEI TABACCHI LAVORATI IN ITALIA Luiss Guido Carli Audizione presso il Senato della Repubblica 23 Settembre 2014 PREMESSA Situazione corrente Le entrate del Governo nel
DettagliIndagine Sole 24 Ore-Banca d Italia sulle aspettative di inflazione
Indagine Sole 24 Ore-Banca d Italia sulle aspettative di inflazione Dicembre 2000 INDICE 1. Sintesi dei risultati... 3 2. Indice delle tavole e delle figure... 4 3. Nota metodologica... 12 4. Appendice:
DettagliUniversità di Udine. v 1.0 Silvia Battigelli v 2.0 Matteo Talmassons v 2.5 Andrea Pessotto v 3.0 Alessandro Bonanni
Università di Udine Dipartimento di Ingegneria Elettrica, Gestionale e Meccanica v 1.0 Silvia Battigelli v 2.0 Matteo Talmassons v 2.5 Andrea Pessotto v 3.0 Alessandro Bonanni 2 Che cos è un business game?
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliCognome e Nome:... Matricola e corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 2014 Cognome e Nome:................................................................... Matricola e corso di laurea:...................................................
DettagliQuanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
DettagliLa progettazione di un indagine statistica
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Outline 1 L indagine campionaria 2 3 Outline 1 L indagine campionaria 2 3 L indagine campionaria [1/2] Principalmente influenzata da: tempi costi
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
DettagliCompiti tematici dai capitoli 2,3,4
Compiti tematici dai capitoli 2,3,4 a cura di Giovanni M. Marchetti 2016 ver. 0.8 1. In un indagine recente, i rispondenti sono stati classificati rispetto al sesso, lo stato civile e l area geografica
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
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,
DettagliFacciamo 1 cicli di 25 misure da una popolazione per scatola di resistenze
Si supponga di voler verificare che due forniture di resistenze di valore nominale dichiarato (per esempio sia = 470 ) sia affidabile. Si supponga che ogni fornitura sia normalmente distribuita con deviazione
Dettaglip. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali.
p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica
DettagliSTATISTICA. Regressione-3 L inferenza per il modello lineare semplice
STATISTICA Regressione-3 L inferenza per il modello lineare semplice Regressione lineare: GRAFICO DI DISPERSIONE & & analisi residui A. Valutazione preliminare se una retta possa essere una buona approssimazione
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
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.11 - Principi dell inferenza statistica - Campionamento - Distribuzione campionaria di una media e di una proporzione - Intervallo di confidenza di una media e di
DettagliCAMPIONAMENTO - ALCUNI TERMINI CHIAVE
CAMPIONAMENTO - ALCUNI TERMINI CHIAVE POPOLAZIONE = qualsiasi insieme di oggetti (unità di analisi) di ricerca N = ampiezza della popolazione PARAMETRI = caratteristiche della popolazione [media, proporzione
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale indicabile con un indice (indice
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
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
DettagliAlcuni aspetti chiave e preliminari:
Alcuni aspetti chiave e preliminari: Una visione d insieme La domanda dello studio I soggetti dello studio Le variabili e i metodi dello studio L ipotesi nulla e la stima della numerosità campionaria I
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliCapitolo 2 Le misure delle grandezze fisiche
Capitolo 2 Le misure delle grandezze fisiche Gli strumenti di misura Gli errori di misura Il risultato di una misura Errore relativo ed errore percentuale Propagazione degli errori Rappresentazione di
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliAppendice A A1. VARIABILI A PREZZI CORRENTI E A PREZZI COSTANTI
Appendice A A1. VARIABILI A PREZZI CORRENTI E A PREZZI COSTANTI Se ipotizziamo che: year year= 100 VR t = VNt / Pt, dove year VR t indica il Valore Reale assunto dalla variabile nel periodo t e misurato
DettagliCAP 2 PREVISIONE DELLA DOMANDA
CAP 2 PREVISIONE DELLA DOMANDA 2.1 INRODUZIONE La previsione della domanda è fondamentale per numerose attività di progettazione e gestione di sistemi logistici, e può essere classificata in tre categorie:
DettagliAppendice B Indicatori statistici
Appendice B Indicatori statistici 35 Tasso di mortalità proporzionale Rappresenta il rapporto tra il numero dei decessi per una specifica causa di morte e il totale dei decessi. Esprime la percentuale
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 018-019 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per la
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 7 1. Utilizzando le tavole della distribuzione
DettagliIntroduzione all Economia Pubblica ANALISI POSITIVA
Introduzione all Economia Pubblica ANALISI POSITIVA 1 Introduzione all Economia Pubblica Concezione organicistica e meccanicistica Qual è il ruolo dello Stato nella sfera economica? Concezione organicistica
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
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,
DettagliINTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA
INTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA IRCBG 19027 Modulo Dal campione alla popolazione: l'inferenza e l'intervallo di confidenza IRCCS Burlo Garofolo Formazione, Aula A via dell Istria
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliMetodologia di rilevazione dei prezzi
Metodologia di rilevazione dei prezzi Sommario Descrizione generale Ambito di applicazione Ambito geografico Ambito temporale Descrizione della metodologia Panoramica del processo Selezione del campione
DettagliQuesti appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai
Questi appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai necessari chiarimenti forniti a lezione. 1 MISURA DI UNA
DettagliValutazione selezione fornitori
easypoli Valutazione selezione fornitori Definizioni e termini sui fornitori e vendor rating www.easypoli.it facebook.com/easypoli contatti@easypoli.it Il processo di approvvigionamento e gestione dei
Dettaglix, y rappresenta la coppia di valori relativa La rappresentazione nel piano cartesiano dei punti ( x, y ),( x, y ),...,( x, y )
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 0/03 lezioni di statistica del 5 e 8 aprile 03 - di Massimo Cristallo - A. Le relazioni tra i fenomeni
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:
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliCriteri di valutazione dei test diagnostici
Criteri di valutazione dei test diagnostici Perché misurare validità e precisione? La validazione è un processo di valutazione per stabilire quanto il procedimento sia adatto per lo scopo per il quale
DettagliTutta la scienza è fondata sulle misure (Helmholtz)
Tutta la scienza è fondata sulle misure (Helmholtz) L acquisizione di una osservazione come DATO SCIENTIFICO richiede che : osserviamo un fenomeno lo quantifichiamo correttamente lo confrontiamo con altri
DettagliSTATISTICA. Esercitazione 5
STATISTICA Esercitazione 5 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale due compiti diversi con i seguenti risultati: Compito A Compito B Numero studenti 102 105 Media dei
DettagliStatistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici)
Statistica La statistica può essere vista come la scienza che organizza ed analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva:
Dettagli