Capitolo 4. denota il complesso di informazioni disponibili all istante t (risp. nell unita` sezionale

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Capitolo 4. denota il complesso di informazioni disponibili all istante t (risp. nell unita` sezionale"

Transcript

1 4-Ecoomeria, a.a. 4-5 Caiolo 4 4- Modelli di regressioe o lieare 4- Meodi di sima: Il meodo dei momei e quello dei miimi quadrai (NLS) 4-3 Prorieà asioiche delle sime NLS: Cosiseza e asioica ormalia` 4-4 Il modello di regressioe di Gauss-Newo (GNR) 4-5 Tes sulle ioesi: Il es di Wald, il es F e il es LM 4-6 Esercizio: Sima di u modello lieare co errori auocorrelai 4-7 Il es di Breusch-Godfrey (sull asseza di auocorrelazioe egli errori) 4-8 Aedice (il meodo di Newo) 4-9 La saisica di Box-Pierce e di Lug-Box 4- La saisica di Durbi-Waso 4- Modelli di regressioe o lieare Iaziuo va segalao che i ecoomeria i ermii lieare e o lieare aribuii ad u modello si riferiscoo ai arameri del modello (ai quali e` rivola l aezioe). La classe dei modelli (ecoomerici) o lieari e` molo vasa, ma solao co l avveo di veloci srumei di calcolo essi hao ricevuo aricolare aezioe. I queso caiolo si cosiderao i modelli ecoomerici o lieari del io y = f(, x, ) + u co E( u Ω ) = e x Ω, dove Ω deoa il comlesso di iformazioi disoibili all isae (ris. ell uia` sezioale se i dai soo cross-secio) che ifluezao y (o solo dal uo di visa fuzioale). I defiiiva si sa assumedo che la variabile ecoomica y abbia ua diedeza causale dalla k variabile esogea (veoriale), ua diedeza o lieare dal aramero o oo R e che x l errore sia addiivo; auralmee, come i ui i roblemi ecoomerici, e` richiesa la disoibilia` del rocesso delle osservazioi { y, x } =,,. Per alleggerire le oazioi, ella raazioe eorica si referisce o evideziare esliciamee el modello la diedeza da x, e allora esso si scrive ella forma y = x( ) + u, co E( u Ω ) = e x Ω. ( ) Forme iu geerali di modelli olieari si reseao ella forma my (, x, ) = u. Per ua semlice iroduzioe al meodo di sima GMM (Meodo geeralizzao dei momei) uilizzabile er quesi (e alri) modelli, vedi il ar. 6 del ca. 5 del volume A Guide o Moder Ecoomerics di Verbeek, dove è resee ache u ieressae alicazioe. U breve ceo a queso meodo e` resee ache i 7-5 di quese lezioi.

2 4-Ecoomeria, a.a. 4-5 E` imorae soolieare che er i modelli o lieari o sussise i geerale l uguagliaza ra la dimesioe del veore lieari, dove si ha f(, x, ) = x. x e la dimesioe k del aramero, come ivece accade er i modelli Alcui esemi: I rimi due esemi mosrao che la o liearià (er il rimo) e la liearià (er il secodo) dei modelli ecoomici o si rasferisce ella o liearià (er il rimo) e la liearià (er il secodo) dei modelli ecoomerici sui quali fare ifereza. Modello ecoomico o lieare: Si cosidera il modello ecoomico z = α x y (deomiao modello di Cobb-Douglas, uilizzao er meere i relazioe la roduzioe co i faori roduivi caiale e lavoro). Osservao che le variabili assumoo valori osiivi, o è resriivo assumere che ache α e` osiivo e allora il modello si uò scrivere ella forma log( z) = log( α) + log( x) + γ log( y), che è evideemee lieare ei arameri log( α ),,γ. Se soo disoibili le osservazioi sulle variabili z, xy,, l iroduzioe ell ulimo modello di u errore addiivo γ u, dà origie ad u modello ecoomerico lieare. Si oi che la reseza dell errore addiivo u, equivale alla reseza di u errore molilicaivo v= e u el modello origiario. Semlici cosiderazioi di aura ecoomica redoo ragioevole la reseza di u ale io di errore. Modello lieare co errori auocorrelai: Si cosidera u modello lieare y = x +, e si suoe che il rocesso degli errori abbia la seguee semlice sruura u ρu = + ε co { ε } iid...(, σ ) e ρ <. ( ) u Ricavado u dalla rima equazioe e sosiuedo ella secoda si ha: y = ρ y + ρ + iid...(, σ ) e ρ <, x x ε, co { } ε Osservazioe: i) Se le variabili soo sreamee esogee (el seso che il loro valore all isae è deermiao all esero del x modello) allora il meodo dei miimi quadrai ordiari forisce ua buoa sima (cioè cosisee e asioicamee ormale) di sebbee o efficiee; se ivece ra le x c è qualche riardo della variabile diedee, allora evideemee la sima OLS di o è iu` cosisee. ii) L ioesi qui faa sugli errori è abbasaza realisica. Per esemio el caso i cui l errore all isae ha due comoei: l iovazioe ε e ρu (l effeo residuale dell errore all isae ) co < ρ < o equivaleemee quado gli effei delle iovazioi si segoo geomericamee e quidi er l errore si ha u = ε + ρε + ρ ε +, rareseazioe che si dimosra essere equivalee a u = ρu + ε u

3 4-Ecoomeria, a.a. 4-5 che è u modello ecoomerico o lieare. Si oi che ques ulimo è u modello diamico (er la reseza di iid...(, σ )). y ra le variabili idiedei) co gli errori che soo iovazioi (cioe` Modello er dai di coeggio (cou-daa): Se la variabile diedee e` ua variabile di coeggio (e duque assume valori i N ) e x e` il veore delle variabili idiedei, y essedo evideemee assume valori i uo l ioesi E( y x ) >, e` oco ragioevole assumere E( y x ) = x (ques ulima R ), mere aare iu` verosimile, e o e` eure molo resriiva, E( y x ) = ex( x ), da cui, oso u = y ex( x ), si oiee il modello o lieare () y = ex( x ) + u e E( u x ) = (qualche uleriore cosiderazioe mosra che gli errori o ossoo essere omoschedasici). Si segala che c e` ua vasa leeraura sui modelli er dai di coeggio; il iu` semlice (e ache il iu` uilizzao) e` quello i cui si assume: Si oi che i queso caso si ha i) E( y x ) = ex( x ) ; y x ha disribuzioe di Poisso co aramero λ = ex( x ). ii) var( y x ) = ex( x ) ; iii) Il modello e` comleamee secificao; ( 3) e i reseza di dai cross-secio il miglior meodo di sima e` quello della massima verosimigliaza (vedi ca. 8). Tale sima e` valida ache er il modello i (), co la usuale avvereza di correggere la variaza asioica. ( 4) 4- Meodi di sima: Il meodo dei momei e quello dei miimi quadrai (NLS) o Iao il modello deve essere correamee secificao quidi deve esisere u valore di, la cui corrisodee sruura del modello (o DGP) ha geerao i dai a disosizioe. 3 Ifai fissao il valore del aramero, i corrisodeza di x er simulare (cosruire al comuer ua sua y osservazioe) e` sufficiee simulare ua disribuzioe di Poisso co aramero x. 4 La ecessia` di cosruire modelli, semre comleamee secificai, ma iu` geerali di quello di Poisso, il cui arofodimeo e` riviao ai esi secializzai, e` sora quado si e` osservao che, ei rocessi i cui la variabile diedee e` di coeggio, e` ragioevole la reseza della sovradisersioe, cioe` var( y x) > E( y x ). Ua evideza emirica di ale feomeo e` daa dalla reseza di mole osservazioi uguali a er y. 3

4 4-Ecoomeria, a.a. 4-5 Il meodo dei momei (si descrive brevemee come cosruire le sime, ralasciado alcui deagli). Per avviare la rocedura di sima, come el caso lieare, soo ecessarie (almeo) variabili o correlae co u, e duque che aaregoo a osservazioi. La scela aurale o uo` ricadere sulle variabili Ω er le quali soo disoibili le (come er i modelli lieari, el qual caso la scela e` ache oima se gli errrori soo omoschedasici) i quao il loro umero (i geerale) o coicide co la dimesioe del aramero, ma sembra dover ricadere sulle variabili x ( ) X ( ) =, i quao il loro umero e` esaamee k, soo o correlae co u (i quao ( k ) fuzioe di x co E( u x ) = ) ed ifie soo la scela aurale ei modelli lieari (ifai si ha [ x ] X( ) = = x ) ( 5 ). Pero` el caso o lieare, quese variabili reseao l icoveiee di diedere da, i al caso o soo disoibili le osservazioi. Queso osacolo uo` essere x k suerao fissado arirariamee u valore er, ma si iuisce che ale valore sarebbe referibile sceglierlo il iu` vicio a. Si fa vedere che cio` si oiee co la seguee rocedura ieraiva: Si fissa ˆ (come al solio, er ali rocedure, co qualche accorgimeo) e co il meodo dei momei, uilizzado le variabili X ( ) (er le quali soo ora disoibili le osservazioi) si rova la sima ˆ, che redera` il oso di ˆ, e oi si rosegue allo sesso modo; elle rocedure umeriche fio a raggiugere la soglia refissaa di errore.. Il meodo (di sima) dei miimi quadrai o lieari (NLS). Si cosidera la fuzioe deomiaa come al solio fuzioe obieivo. Q ( ) = ( y x ( )) = Defiizioe: L uico uo di miimo assoluo della fuzioe Q ( ) (se esise) dicesi simaore dei miimi quadrai o lieare (NLS) di e si deoa co il simbolo (o ˆ come si fara` el seguio, se o c è ossibilià di equivoco). Osservazioe: ˆ NLS ˆ la di osservazioi { y, x } =,, Lo simaore esise se er ogi (quesa vola) a valori reali ha u uico uo di miimo assoluo. la fuzioe Q ( ) 5 E` evidee che ci soo iummerevoli alre scele er avviare la rocedura di sima; ma si mosra che la scela qui chiamaa aurale e` (i u cero seso) la migliore almeo asioicamee, salvo che o siao disoibili alre iformazioi. 4

5 4-Ecoomeria, a.a. 4-5 Lo simaore ˆ (se esise) è soluzioe dell equazioe o lieare Q ( ) = ( )( y x( )) = X ; = ( k ) ( k ) Per (lo simaore) ˆ geeralmee o e` disoibile ua rareseazioe aaliica eslicia, ma er le alicazioi servoo solao le sue rorieà e il suo valore el camioe a disosizioe (e duque la sima); La sima ˆ (se esise) deve essere idividuaa co meodi umerici; er esemio la rocedura descria recedeemee (quidi i due meodi foriscoo la sessa sima), ma iu` avai sarao reseae alre rocedure iu` efficiei dal uo di visa umerico e iu` ieressai er le cosegueze eoriche. Le codizioi che assicurao l esiseza di ˆ er ogi fissao si dicoo codizioi di ideificabilià er camioi fiii (che i queso caso o soo cosegueza delle codizioi er la asioica ideificabilia come ivece accade ei modelli lieari). 4-3 Prorieà asioiche degli simaori NLS: Cosiseza e asioica ormalia` Solao er redere iu` scorrevole l esosizioe si fa riferimeo al caso i cui i dai siao del io ime-series, ma i risulai oeui soo validi ache el caso di dai cross-secio. Proosizioe (cosiseza): Si deoa acora co aramero e si assume o il valore vero (auralmee o oo) del i) ˆ esise er sufficieemee grade (e duque il modello e` ideificabile al fiio); ii) Il rocesso {, } y x è sazioario ed ergodico; iii) Il modello e` asioicamee ideificabile, cioe` oso α( ) = lim X ( )( y x( )) = E( X ( )( y x( ))) = [ ] (l esiseza del limie segue da ii)) è l uica soluzioe dell equazioe α ( ) =. ( 6) Allora lo simaore ˆ e` cosisee (cioe` ˆ ). U ceo della dimosrazioe: Si rova darima che ˆ 6 Nel caso di modelli lieari l asioica ideificabilià imlica l ideificabilià (fiia), imlicazioe o vera el caso di modelli o lieari. 5

6 4-Ecoomeria, a.a. 4-5 (la rova qui o è rioraa e o è rorio baale). Passado al limie, ella uguagliaza ( ˆ)( ( ˆ X y x )) =, si ha α ( ) =, dode er l asioica ideificabilia` del modello segue = che = e quidi l`assero. Proosizioe (asioica ormalià e sima della variaza asioica): I aggiua alle recedei ioesi i), ii), iii) di roosizioe, si assume iv) E( u x, x,,, ) u = limie cerale quado se e reseera` l occasioe); v) la marice Σ E X x = ( ) X( ) è iveribile. Allora si ha: er ua rareseazioe di Avar( ˆ ) (assicura isieme alla codizioe (ii) la validià` del eorema del d ˆ ( ) N(,Avar( alicazioi) si rimada alla ) e ) che seguoo. )); ˆ e di ua sua sima cosisee (ques ulima esseziale er le Dimosrazioe: Dalla formula di Taylor del rim ordie, di uo iiziale er la fuzioe Q ( ), si ha (er u aareee al segmeo cogiugee e ˆ, e duque ach esso, al ari di ˆ, covergee i robabilia` a, er ) Q ˆ Q Q = = + ( ) ( ) ( ) ( ) ˆ ( ) ( k ) ora Q ( ) d ( /) = X ( ) u (, u ) N Σ x co Σ E u ux ( ) X( ) x = ; = Q ( ) = = (/ ) [ X ( )( y x( )) ] = = X ( ) = + + Σ ( y x ( )) X ( ) X( ) = = x (il rimo addedo coverge a zero er la legge dei gradi umeri, essedo quidi si ha: ( ) ( ) ) ( ˆ Q d Q ˆ ) = N (,Avar( )) ; 6 ; X ( ) E u = ) e

7 4-Ecoomeria, a.a. 4-5 co ˆ Avar( ) = Σx ΣuxΣx ; ) ˆ ˆ ˆ ˆ ˆ Avar( ) X ( ) ( ) ˆ ( ) ( ) ( ˆ = X u X X X ) X( ) = ˆ = = Osservazioe: i) Avar( ˆ ) (che coverge i robabilià a Avar( ˆ ) ) dicesi simaore di Whie (o cosisee er l eeroschedasicia` (HC)) della variaza. La rova della covergeza e` del uo aaloga alla rova della cosiseza dello simaore di Whie er la variaza degli simaori OLS ei modelli lieari.. ii) Sima di Avar( ˆ ) quado gli errori soo omoschedasici (cioe` E( u Ω ) = σ ): I queso caso si ha Σ ux = σ Σ x, e allora co s = u ˆ (o ache s = Avar( ˆ ) σ Σ e = x ˆ Avar( ) s X ( ˆ ) X( ˆ = ) = = ˆ u che sesso è referio). k = iii) Talvola, ache i reseza di auocorrelazioe egli errori, si uo` uilizzare il eorema del limie cerale; i al caso, come er i modelli lieari, si uilizza come simaore della variaza asioica di ˆ lo simaore di Newey e Wes, idicao co la sigla HAC (Heeroskedasiciy ad Auocorrelaio Cosise). E` imorae oare che, come ei modelli lieari, la reseza di auocorrelazioe egli errori esclude la ossibilia` che ra le variabili idiedei ci ossa essere qualche riardo di dello simaore). y (o sarebbe iu` valida l ioesi E( u x ) =, esseziale er la cosiseza 4-4 Il modello di regressioe di Gauss-Newo (GNR) Daa la sruura della fuzioe obieivo, ua uile rocedura umerica er la miimizzazioe e` il meodo di Newo o quasi-newo che e` richiamao i 4-8. Qui si descrive la rocedura er alcue ieressai cosegueze di aura saisica. Si oe Q( ) g( ) = = ( )( y x( )) ( k ) X, = o 7

8 4-Ecoomeria, a.a. 4-5 Q( ) X ( ) ( ) = = ( y x( )) ( ) ( ) ( k k) X X = H. Imorai cosiderazioi (da i a vii): i) Al fie di cosruire ua sequeza miimizzae di ˆ (e duque ua successioe ( ) che coverge a ˆ ), si osserva che è ossibile uilizzare il meodo Quasi-Newo co la marice D( ) = X ( ) X( ) (che è ceramee defiia osiiva se è o sigolare), i quao l alro = addedo di H( ) er = ˆ coverge i robabilià a er. I al modo o e` ecessario il calcolo delle derivae secode della fuzioe olieare x ( ). Per eviare l eveuale sigolaria` di D( ), si sceglie c > ooruamee e si cosidera D( ) + ci ; la rocedura miimizzae dicesi di Marquard. ii) Cosruzioe della sequeza miimizzae: Fissao (se ossibile o molo disae da ˆ, che erò o è oo) si ha (er ogi ): co ( ) + = D( ) g( ) = X ( ) X( ) ( )( y x( )) X = = = + X ( ) X( ) ( )( y x( )) X = = = + bˆ b ˆ = ( ) ( ) ( )( y x( )) = X X X =, iii) Imorae: Dall esame della rareseazioe di b ˆ (l addedo che aggiora la rocedura er ricorreza) si vede immediaamee che esso è la sima OLS del aramero modello di regressioe lieare () ( y x ( )) = X ( ) b + resid, er =,, e duque b ˆ = b ˆ del recedee modello. OLS b del iv) Defiizioe: Il modello di regressioe () dicesi Modello (ausiliario) di regressioe di Gauss-Newo. (I esso y x ( ) è la variabile diedee e X ( ) è il veore riga delle k variabili idiedei; er ali variabili soo disoibili osservazioi quado e` oo il valore di 8

9 4-Ecoomeria, a.a. 4-5 ). v) La sima del modello di regressioe lieare di Gauss-Newo er = ˆ( = ˆ ): Essedo er defiizioe ( ˆ)( ( ˆ X y x )) =, = cosiderao il modello di Gauss-Newo i ˆ, cioe` ( y x ( ˆ)) = X ( ˆ) b + resid, il meodo OLS forisce le sime b ˆ =... = e Avar( b ˆ ) = = Avar( ˆ ). Osservazioe (uo` essere omessa): Se si sima il modello di Gauss-Newo uilizzado u alro simaore cosisee di, allora, essedo risulao co la seguee oco sigificaiva modifica: lim X ( )( y x( )) =, segue il recedee = b ˆ e Avar( bˆ ) = = Avar( ). vi) Quado si ierrome la rocedura ieraiva (al asso ), si ha ˆ = + bˆ, allora se si effeua u uleriore asso, dal recedee uo v) segue immediaamee che la sima NLS ( ) NLS + della variaza asioica di ˆ + ˆ NLS b è la sima della variaza asioica di. vii) Se gli errori soo omoschedasici (si rova che) lo simaore NLS è asioicamee efficiee (el seso che ha la miore variaza asioica) ella classe degli simaori cosruii co il meodo dei momei. Si rova iolre che se si avvia la rocedura ieraiva co uo simaore cosisee (o efficiee), al rimo asso si oiee uo simaore asioicamee efficiee di (come lo simaore NLS ), geralmee diverso da ˆ NLS, deomiao simaore efficiee ad u asso. Ques ulimo risulao ha solao u ieresse eorico; er idividuare i valori umerici delle sime si uilizzao semre iu` ierazioi. Osservazioe: Ache ei modelli o lieari eveuali iformazioi sulla eeroschedasicia` ossoo essere uilizzae er cosruire simaori iu` efficiei. L argomeo e` discusso el caiolo 5 er i modelli lieari, ma l adaameo ai modelli o lieari o resea alcua difficola` aggiuiva. o 4-5 Tes sulle ioesi: Il es di Wald, il es F e il es LM Sia y = x ( ) + u u modello ecoomerico o lieare correamee secificao, co le usuali 9

10 4-Ecoomeria, a.a. 4-5 ioesi sui rocessi { y, x } e { } u, che assicurio l`esiseza dello simaore NLS e la sua asioica ormalia`. Dal uo di visa eorico la cosruzioe di es (co validià asioica) sull ioesi del io H : a( ) = o resea aricolari difficolà; gli argomei uilizzai i 3- coiuao ad essere validi. Qui si assume che gli errori siao omoschedasici e si cosidera l ioesi lieare del io H : =, essedo = (, ) ; si mosra come il es LM ha ua realizzazioe relaivamee semlice, che si semlifica uleriormee quado il modello e` lieare se l ioesi H e` vera. Solao er ragioi di comleezza si descrivoo ache i es di Wald (ma qui o è ecessaria l ioesi di omoschedasicià) e il es asioico (F) di Fisher. Se si deoa co R il modello risreo e co U il modello o risreo, l ioesi saisica assegaa uo` essere scria ella seguee forma: H : y = x(, ) + u (Modello R) H: y = x(, ) + u (Modello U ). ) Il Tes di Wald (come e` oo si cosruisce uilizzado solao il modello o-risreo U): Sia ˆ la sima di del modello U e var( ˆ ) la sima della sua variaza. La saisica di Wald er l ioesi è la disaza esaa da di ˆ, co eso l iversa della sima della sua variaza e duque H ˆ ( ˆ ) ˆ ˆ ( ˆ W var( ) Avar( ) ) ˆ = =. Co gli usuali argomei si rova che (semre ell ioesi ) si ha H d, W χ k e ques`ulima rorieà cosee di cosruire u es co validià asioica sull ioesi assegaa. ) Il es asioico (F) di Fisher (è ecessario simare erambi i modelli): Siao USSR e le somme dei quadrai dei residui dei modelli U e R riseivamee, allora o è difficile rovare che er la usuale variabile F = i reseza di errori omoschedasici, si ha il es co livello di sigificaivià assegao. ( RSSR USSR) / k USSR /( k) d kf χ k, RSSR, dode co la usuale rocedura si cosruisce

11 4-Ecoomeria, a.a ) Tes LM (uilizza il modello di regressioe di Gauss-Newo e il modello ridoo): Qui ci si limia a descrivere la cosruzioe del es. Si rova che la saisica uilizzaa, dea saisica LM, e` la disaza esaa da del molilicaore di Lagrage (o equivaleemee la disaza esaa da del gradiee della fuzioe obieivo calcolao ella sima del modello ridoo). Si osserva iaziuo che il modello di regressioe di Gauss Newo er il modello U ha la seguee rareseazioe y x (, ) = X (, ) b + X (, ) b + resid essedo x ( ) X i ( ) = er i =,. i Per cosruire la sima efficiee ad u asso di è richiesa ua sua sima cosisee, che uo` essere cosruia co il modello R, i quao ell ioesi si ha = (, ) ); ale sima sia = (, ). Il modello di Gauss- Newo divea allora y x (, ) = X (, b ) + X (, b ) + resid () e osservao che evideemee sussise la seguee equivaleza il es sull ioesi H : = H : = H : b =, H divea u es su u ioesi lieare sul aramero di u modello lieare che si cosruisce seza aricolari difficolà. E` evidee che la rocedura si semlifica uleriormee se il modello R dovesse essere lieare. o 4-6 Esercizio: Sima di u modello lieare co errori auocorrelai E assegao il modello y = x + u Modello : u = ρu + ε, co ε iid...(, σ ), < ρ < e =,, e si suoe che il rocesso {, } ( 7) y x sia sazioario ed ergodico e che sia valida qualche versioe del eorema del limie cerale quado se e resea la ecessia` (si oi che o si sa facedo essua ioesi sulla reseza o meo di correlazioe ra x e u ). 7 Nel modello () le osservazioi sulla variabile diedee soo i residui cosruii uilizzado il modello ridoo; e` ossibile rovare che la saisca F er esare l ioesi H : b = e` asioicamee equivalee alla saisica (iu` avai l affermazioe e` rovaa el caso i cui il modello ridoo e` lieare) ed iolre che ques ulima e` esaamee la saisica LM. R

12 4-Ecoomeria, a.a. 4-5 Osservazioe: L ioesi ρ < e` di fodameale imoraza; se cosi` o fosse, il rocesso ( { u} = { y x }), e di cosegueza { y, x } Il rocesso { } iifluee sulle coclusioi., o sarebbe sazioario ed ergodico. u e` defiio a meo della codizioe iiziale, ma quesa come si vedra` e` Se ra le variabili idiedei del modello lieare y = x + u o ci soo riardi di y, il meodo OLS forisce (geeralmee) sime cosisei e asioicamee ormali (co la sima HAC della variaza asioica), ma o (asioicamee) efficiei. Se ivece ra le variabili idiedei c e` y allora el modello ci soo variabili edogee (i queso caso si ha u evideemee E( u y ) ) e allora le sime OLS o soo iu` cosisei (alcui meodi di sima uilizzabili quado alcue variabili idiedei soo edogee soo descrii el caiolo 7). Il modello ha le seguei rareseazioi equivalei: Modello : = + x x + co y ρ y ρ ε ε iid...(, σ ), < ρ < e =,,, ; ) ) Si uilizza la rima equazioe del modello er rareseare (e quidi sosiuisce ella secoda equazioe. ) ) Si oe u = y x e allora.. u u ) e si y = ρ y + x + x γ + ε Modello 3 (risreo): γ = ρ La sua equivaleza co il modello è evidee. co ε iid...(, σ ), < ρ < e =,,. Osservazioe: Il modello 3 o risreo cosee di cosruire simaori cosisei er i arameri ρ e, ma essi soo (revedibilmee) o efficiei i quao o uilizzao ue le iformazioi disoibili. Cosruzioe di ua sima asioicamee efficiee dei arameri ρ e : Il modello è o lieare e er comodia` e` scrio ella forma y = x( ρ, ) + ε x( ρ, ) = ρy + x ρx. x( ρ, ) x( ρ, ) Si osserva che = y x e = x ρx, allora il modello (ausiliario) di ρ

13 4-Ecoomeria, a.a. 4-5 x( ρ, ) x( ρ, ) Gauss-Newo, y x( ρ, ) = r+ b + resid, ha la seguee rareseazioe ρ y x y + x = ( y x ) r + ( x x ) b + resid. () ρ ρ ρ ˆ NLS La rocedura ricorsiva er la cosruzioe di ˆ ρ NLS e : Si fissa arbirariamee e ρ ρ (meglio se vicii ai valori veri; geeralmee si cosiderao le loro sime cosisei se disoibili) e si cosidera la rocedura ieraiva ρ = + e + ˆ + = + b, ˆ ρ r dove r ˆ e bˆ soo le sime OLS del modello () el quale si e` oso = e ρ ρ =. Osservazioe: Se ella recedee rocedura si cosidera ρ = ˆOLS ρ e =, oeue dal modello 3 o risreo, allora ( ) ρ = ρ = ρ + e = = + bˆ soo le sime efficiei ad u asso. Come ˆr ( ) recedeemee segalao quese sime hao ricialmee u ieresse eorico. La sima della variaza asioica dello simaore ( ρ, ) si oiee effeuado u uleriore asso co il modello di regressioe di Gauss-Newo () (vedi il uo (v) i 4-4). o 4-7 Il es di Breusch-Godfrey (sull asseza di auocorrelazioe egli errori) La reseza di auocorrelazioe egli errori di u modello lieare sesso (o semre) e` u segale di o correa secificazioe del modello; si iuisce allora l imoraza dei es che ossao essere i grado di rivelare la reseza. Alla fie degli ai 7 del secolo scorso, quado Breusch e Godfrey searaamee researoo il es, a cui e` sao dao il loro ome, erao disoibili es er rilevare la reseza di auocorrelazioe ei rocessi socasici (vedi 4-9 e 4-). La rocedura fio a quel momeo (e acora oggi) adoaa, er affroare il roblema iizialmee oso, era quella di uilizzare i residui come osservazioi del rocesso degli errori, rocedura che rovava ache ua sua giusificazioe eorica er modelli i cui le variabili idiedei erao sreamee esogee. Il es che si assa a cosruire ha ua validia` iu geerale, cosee er esemio la reseza dei riardi della variabile diedee ra le variabili idiedei. Cosruzioe del es: Sia {, } ˆ OLS y x u rocesso sazioario ed ergodico, y = x + u u modello lieare e er u fissao si cosidera l ioesi { } σ H : u iid...(, ) H : ρi er almeo u i, dove 3

14 4-Ecoomeria, a.a. 4-5 ρi = corr( u, u i ). Osservazioe: Come si uo` oare er fissare l ioesi e` richiesa la scela di u valore di. L esame del grafico di ACF dei residui uo` suggerire la scela di ale valore che comuque o va reso grade (i rima isaza l esame dell ACF orebbe far aarire evidee la reseza di auocorrelazioe egli errori, el qual caso l esio del es e` ceramee scoao); si uo` rovare che er la cosruzioe del es, che o va dimeicao ha solao validia` asioica, o e` resriivo assumere che u = α u + + α u + ε ε iid...(, σ ) (co le e { } resrizioi sui coefficiei che redao sazioario il rocesso { u } ) e allora l ioesi cosideraa H :( α,, α )= divea ; H:( α,, α ) Per semlicia` si cosidera il caso i cui e` =, ma o c e` alcua difficolà` aggiuiva el cosiderare il caso geerale. Sia duque u = ρu + ε co ρ <, e allora il modello divea y = x + u, che e` u = ρu + ε esaamee il Modello di 4.6, (che ha come rareseazioe equivalee il Modello ), mere l ioesi e` H : ρ =. Il es LM er ques ulima ioesi e` quello che rede il ome di es di Breusch-Godfrey e che ora si assa a descrivere brevemee, er maggiori deagli vedi i 4-5. Si osserva iaziuo che, se l ioesi essedo H e` vera, ua sima cosisee di (, ρ) è ( ˆ,), ˆ la sima OLS del modello lieare y = x + u e allora il modello GNR i ( ˆ,) e` ( y x ˆ) = xb + ( y x ˆ) r + resid( uˆ = xb + uˆ r + resid) e l ioesi i esame e` equivalee a H : r = er ques`ulimo modello lieare, er la cui verifica soo uilizzabili le rocedure sadard (er esemio il es di Wald). Osservazioe: a) Ua osservazioe sulla cosruzioe del es sull ioesi : Si cosidera la saisica di Wald che ha la seguee rareseazioe W( = F) = simboli) e si osserva che, essedo il veore [ RSSR USSR] H (cfr. -5 ache er il sigificao dei USSR / k û orogoale alla marice delle osservazioi, ella 4

15 4-Ecoomeria, a.a. 4-5 regressioe del modello ridoo u ˆ = xb + resid, si ha R ESS = e quidi o solo e` TSS = R SSR ma TSS e` ua sima cosisee della variaza. I defiiiva si ha [ TSS USSR] W = USSR /( k ), che ha disribuzioe asioica χ. Il ruolo del deomiaore ella recedee rareseazioe e` quello di essere simaore cosisee della variaza (cosruio co il modello o ridoo) che uo` essere sosiuio co TSS cosisee della variaza cosruio co il modello ridoo). Si oiee i al modo la saisica [ TSS USSR] ( = R ) TSS / che roduce u es asioicamee equivalee a quello di Wald. Se el modello origiario e` resee l iercea, essedo la somma dei residui uˆ (simaore ulla, si ha R = R c e R e` resee ell ouu della sima del modello uˆ ˆ = xb + u r+ resid. c b) Descrizioe della cosruzioe del es di Breusch-Godfrey: Primo Se: Si sima co il meodo OLS il modello y = + x u e sia { ˆ},, u = la serie dei residui Secodo Se: Si sceglie u iero > (suggerio eveualmee dalla fuzioe di auocorrelazioe emirica della serie dei residui); Terzo Se: Si cosidera il modello ausiliario uˆ ˆ ˆ = xb + αu + + α u + resid, il valore R della sima OLS (forio da qualuque sofware) e si rifiua l ioesi H a livello di sigificaivia` α se e` R > χ., α 4-8 Aedice (il meodo di Newo) o k Sia Q( ) ua fuzioe a valori reali defiia i u soisieme di e u uo (del uo R arbirario) el suo domiio di defiizioe e si cosideri il oliomio di Taylor del secod ordie di Q( ) di uo iiziale dove si è oso g Q( ) = = ( ) ( ) ( ) ( ) ( ) ( ) Q = Q + g + H Q( ) (veore coloa delle derivae arziali); 5

16 4-Ecoomeria, a.a. 4-5 H Q( ) = (marice hessiaa di Q( ) i e` ua marice quadraa di ordie k ). Osservazioe: ) Se la marice è defiia osiiva, la fuzioe Q ( ) ha u uico uo di miimo che H soddisfa la codizioe del rim ordie = g + H ( ), la cui (uica) soluzioe è evideemee = H ) Cosruzioe di ua successioe esremae (cosiuia da ui di miimo di fuzioi ausiliarie e cadidaa a covergere verso l eveuale uo di miimo) della fuzioe Q( ) : g. H g = che esise se la marice H i e` iveribile er ogi i., g i Q( i ) =, H i Q( i ) =, Proosizioe : i) Se la fuzioe Q( ) è quadraica (ha u solo uo di miimo) allora al rimo asso si oiee il uo di miimo; ii) Se la fuzioe Q( ) è arossimaivamee quadraica (er esemio somma di fuzioi quadraiche) allora la covergeza della rocedura ricorsiva verso il uo di miimo (esisee) è raida. iii) Se la fuzioe Q( ) è (globalmee) covessa esise u uico uo di miimo e la successioe esremae coverge verso esso (e quidi è ua successioe miimizzae). iv) Se la fuzioe Q( ) o è globalmee covessa, ur avviado la rocedura co vicio al uo di miimo (suoso esisee), uò accadere che qualcua delle marici Hessiae H sia o defiia osiiva e allora la rocedura er ricorreza si uò bloccare oure la successioe uò alloaarsi dal uo di miimo. Per orre rimedio a ale icoveiee, si sosiuisce, ella cosruzioe della sequeza, la marice H co ua sua buoa arossimazioe D che erò sia defiia osiiva. Tale rocedura è rede il ome di meodo quasi-newo. 4-9 La saisica di Box-Pierce e di Lug-Box o U roblema di u qualche ieresse i ecoomeria (e o solo) è quello di esare l ioesi di idiedeza (o iù i geerale l asseza di auocorrelazioe) i u rocesso sazioario o ache quello di rilevare la reseza di auocorrelazioe egli errori di u modello di regressioe che 6

17 4-Ecoomeria, a.a. 4-5 sesso e` u segale di o correa secificazioe ( 8 ) (ua risosa a queso secodo roblema e` saa daa el aragrafo 4-7 co la cosruzioe del es di Breusch-Godfrey rooso searaamee dai due auori el 978, il quale è valido i coesi sufficieemee geerali). Alcui esemi di serie ecoomiche che geeralmee si assumoo o auoccorrelae: ) Per molo emo (e acora oggi i varie quesioi eoriche) si è assuo che i redimei (di u iolo, di u mercao, ) soo idiedei (ioesi che er la verià si è rivelaa er ulla ragioevole). ) Hall formulò l ioesi che il rocesso dei cosumi aggregai { c } è ua marigala (cioè che la migliore revisioe sui cosumi all isae siao i cosumi all isae c } rocesso { c sia ua differeza marigala. ) e duque che il Qui si cosruisce u es sull ioesi (ulla) che u rocesso sazioario (co qualche rorieà che sara` recisaa i seguio) sia o auocorrelao. A al fie si remee la seguee: Proosizioe Sia { } ε ua differeza marigala sreamee sazioaria, ergodica e ale che E( ε ε, ε,, ε) = σ (ioesi di omoschedasicià codizioaa) ( ) 9. Allora fissao e oso γ ˆ = ( ˆ γ ˆ,, γ ) e ρ ˆ = ( ˆ ρ ˆ,, ρ ), (co ˆ γ s = εε s e = s ˆ γ s ˆ ρs = er s ) si ha: ˆ γ d 4 ˆ (; ) γ N σ I e ρˆ N(; I ). Dimosrazioe: Per semlicià si esamia solao il caso = ; o ci soo difficolà aggiuive se e` >. Poso g = εε, si ha: d { g } è u rocesso sazioario ed ergodico (è evidee); { g } è ua differeza marigala. Ifai E( g ) E( g ε, ε, ) = E( ε ε ε, ε, ) = E( ε ε, ε, ) ε = 4 = σ. Ifai si ha E(,, ) E(,, ) E(,, ) ε g ε ε = ε ε ε ε = ε ε ε ε = σ e quidi l assero o aea si cosidera l aseazioe del rimo e dell ulimo ermie. 8 Per esemio e` saa omessa dal modello qualche variabile idiedee oure gli errori hao ua effeiva auocorrelazioe che adrebbe modellaa. Nel rimo caso le sime OLS o soo cosisei el secodo caso, ei modelli diamici si erde la cosiseza, mere i quelli saici le sime OLS rimagoo cosisei ma o soo efficiei. 9 L ioesi di omoschedasicia uo` essere rimossa, auralmee cio` ora alla modifica della variaza asioica degli simaori. 7

18 4-Ecoomeria, a.a. 4-5 d 4 ˆ γ = ( εε ) N(; σ ). E cosegueza del eorema del limie cerale er = ua differeza marigala sazioaria ed ergodica. d ˆ ˆ ρ N(;). Segue dalla recedee e dalla rareseazioe ˆ ρ = γ, doo aver ˆ γ osservao che il deomiaore coverge i robabilià a σ. Corollario: Nelle ioesi della recedee roosizioe, si ha ed ache Q = = d ˆ ρ ( ˆ ρ) = = χ ˆ ρ d + ˆ ρ χ = = Q = ( + ) = ( ). Le saisiche e Q soo deomiae riseivamee saisica di Box-Pierce e saisica di Lug-Box. Q Osservazioe: La saisica Q di Lug-Box (er differei valori di ) e il corrisodee -value el camioe e` foria dai sofware ecoomerici quado si richiede il correlogramma di ua imeseries. Essa soliamee e` uilizzaa er rilevare la reseza di auocorrelazioe el rocesso che si riiee sazioario o ache egli errori di u modello di regressioe, uilizzado i al caso come osservazioi i residui. Per cosruire es sull`ioesi di asseza di auocorrelazioe i u rocesso o sugli errori i u modello di regressioe si referiscoo alri srumei. E sao mosrao co eciche di simulazioe che, er camioi fiii, è referibile uilizzzare la saisica di Lug-Box iuoso che la saisica di Box-Pierce. o 4- La saisica di Durbi-Waso Uo dei rimi es sulla reseza di auocorrelazioe egli errori di u modello di regressioe lieare, che ora si assa a descrivere, fu rooso ioro al 95 da Durbi e Waso; i realà esso è solao u es sulla reseza di auocorrelazioe del rim ordie, è valido i ioesi molo resriive ed ifie le sue risose o soo come soliamee accade er u es si accea o si rifiua l ioesi ulla, ma coemla ache l uleriore risosa o si è i grado di forire suggerimei. Aualmee esso (es) o e mai uilizzao, ma il valore della saisica di Durbi- Waso è riorao ell ouu dei sofware ecoomerici, daa la sua semlicià di calcolo, e forisce u rimo segale di reseza di auocorrelazioe egli errori quado (come si vedrà) il suo 8

19 4-Ecoomeria, a.a. 4-5 valore è vicio a oure a 4. Si cosidera il modello y = x + u co { y, x } rocesso sazioario ed ergodico e si suoe che le variabili x siao sreamee esogee. Osservazioe: Qui l ioesi di srea esogeeia` e` sosazialmee ecessaria, daa la ossibile auocorrelazioe egli errori. Defiizioe: La saisica D = = ( uˆ uˆ ) = uˆ, dove { u ˆ } e` il rocesso dei residui ella sima OLS, dicesi saisica di Durbi-Waso (il suo valore è resee ell ouu di qualuque rocedura di sima i cui so coivole le ime-series). Osseravazioe: La cosiseza dello simaore ˆ, assicura la cosieza del rocesso dei residui e duque la validia della seguee ) uˆ ˆ ˆ ˆ uu + u = = = uˆ = D= (al umeraore si somma e si sorae uˆ + u ˆ ) uˆ ˆ ˆ uu ˆ ˆ = = u + u uˆ ˆ u = = ( [ ]) = ( ρ ), 4 (si oi che ˆ ˆ ( ˆ ˆ u + u u + u )/ = ). uˆ ˆ u = = ) L asseza di auocorrelazioe del rim ordie egli errori ( ρ = ) dovrebbe rodurre u valore della saisica D o molo disae da, mere u valore di D vicio a 4 suggerirebbe la reseza di auocorrelazioe egaiva e u valore vicio a la reseza di auocorrelazioe osiiva. 3) Al fie di uilizzare la saisica D er cosruire u es sulla reseza di auocorrelazioe del rim ordie egli errori, è esseziale idividuare la sua disribuzioe (fiia o asioica). I aleraiva si orebbe usare il meodo del boosra, che alla luce di quao rovao da Durbi e Waso (vedi il eorema che segue) sembra oer dare migliori risulai. Teorema (di Durbi e Waso) Cosiderao il modello y = + x co {, } u y x rocesso 9

20 4-Ecoomeria, a.a. 4-5 sazioario, ale che i) Le variabili x soo sreamee esogee, ii) u = ρu + ε co è ε id...(, σ ), gli auori idividuaroo (al variare del umero di variabili idiedei, er gli sadard livelli di sigificaivià e er differei lughezze del camioe) ua coia di quaili (sesso o resei ei sofware ecoomerici, ma disoibili su iere) co < d < d <, idiedei dalla marice l ioesi è: Si accea H se D> d u, si rifiua H se X ( dl, du) delle osservazioi delle variabili idiedei, ali che u es er H H : ρ = : ρ > D< d l, mere se dl < D< d u o si uò dire ulla. l u U es er l ioesi H H : ρ = : ρ < è uguale al recedee co 4 D al oso di D. Il recedee es ha validià asioica se ε iid...(, σ ). o

Capitolo Modelli econometrici con variabili endogene (tra le variabili indipendenti)

Capitolo Modelli econometrici con variabili endogene (tra le variabili indipendenti) 7-Ecoomeria, aa 04-5 Capiolo 7 7- Modelli ecoomerici co variabili edogee (ra le variabili idipedei 7- Il meodo (di sima delle variabili srumeali 7-3 Lo simaore SLS 7-4 Tes sulle ipoesi: il modello IVGNR

Dettagli

0 t }, allora il modello

0 t }, allora il modello 9-Ecoomeria, a.a. -. Variabili Srumeali Lezioe 9 Il Meodo (di sima) delle Variabili Srumeali U ruolo fodameale ei meodi di sima fiora preseai, è la codizioe sugli errori del modello (preseaa ella forma

Dettagli

Equazioni differenziali: formule

Equazioni differenziali: formule Equazioi differeziali: formule Equazioi a variabili separabili y ' A B y Vale eorema esiseza e uicià locale y ' dy Ad B y y y ' A B y y Si applicao le codizioi alla fie dei due iegrali idefiii, oppure

Dettagli

Ammortamento di un debito

Ammortamento di un debito Ammorameo di u debio /35 Ammorameo di u debio Che cosa si iede per ammorameo? Ammorameo coabile La quoa di ammorameo cosiuisce la pare del coso di u bee maeriale o immaeriale di ivesimeo da aribuire all

Dettagli

Rischio di interesse: Il modello del clumping. Prof. Ugo Pomante Università di Roma Tor Vergata

Rischio di interesse: Il modello del clumping. Prof. Ugo Pomante Università di Roma Tor Vergata Rischio di ieresse: Il modello del clumpig Prof. Ugo Pomae Uiversià di Roma Tor Vergaa Problemi dei modelli precedei Repricig gap e duraio gap Ipoesi variazioe uiforme dei assi di ieresse delle diverse

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE Indirizzo Piano Nazionale Informatica Tema di: MATEMATICA a. s

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE Indirizzo Piano Nazionale Informatica Tema di: MATEMATICA a. s WWWMATEMATICAMENTEIT Corso serimeale - Sessioe ordiaria - as 9- ESAME DI STATO DI LICEO SCIENTIFICO CORSO SERIMENTALE Idirizzo iao Nazioale Iformaica Tema di: MATEMATICA a s 9- Il cadidao risolva uo dei

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile

Dettagli

GESTIONE DELLA PRODUZIONE

GESTIONE DELLA PRODUZIONE GESTIONE EA PROUZIONE 5.2.3 Teciche di Previsioe della domada Meodi esrapolaivi Gesioe della Produzioe iparimeo di Igegeria omada e compoei della domada Tedeziali (red) a caraere geeralmee crescee e decrescee

Dettagli

Nozioni elementari di Analisi Matematica applicate alla Fisica Generale

Nozioni elementari di Analisi Matematica applicate alla Fisica Generale Nozioi elemeari di alisi Maemaica applicae alla Fisica Geerale Nozioe di iegrale ideiio La derivazioe può essere ierpreaa come ua regola che, per ogi uzioe assegaa (primiiva), ci permee di deermiare u

Dettagli

2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica

2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica . FUNZIONE D ONDA OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli srumei della Meccaica Quaisica Sisema di ieresse (cosiderao come isolao: aomo/molecola Cofigurazioe del sisema: isieme

Dettagli

Soluzione. La curva di equazione y = 6 x è una parabola con vertice in V = (0,6)

Soluzione. La curva di equazione y = 6 x è una parabola con vertice in V = (0,6) Sessioe ordiaria LS_ORD 5 Soluzioe ) La curva di equazioe y è ua parabola co verice i (,) e cocavià rivola verso il basso, ed ierseca l asse delle ascisse ei pui (,), B (,) come soo rappreseao: La figura

Dettagli

Distribuzioni di probabilità

Distribuzioni di probabilità Itroduzioe Distribuzioi di robabilità Fio ad ora abbiamo studiato ua secifica fuzioe desità di robabilità, la fuzioe di Gauss, che descrive variabili date dalla somma di molti termii idiedeti es. ua misura

Dettagli

SUCCESSIONI DI FUNZIONI

SUCCESSIONI DI FUNZIONI SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe

Dettagli

ECONOMIA MONETARIA (parte generale) Prof. Guido Ascari LEZIONE 7 LA STRUTTURA A TERMINE DEI TASSI D INTERESSED

ECONOMIA MONETARIA (parte generale) Prof. Guido Ascari LEZIONE 7 LA STRUTTURA A TERMINE DEI TASSI D INTERESSED ECONOMIA MONETARIA (pare geerale) Prof. Guido Ascari Ao 2006-2007 2007 LEZIONE 7 LA STRUTTURA A TERMINE DEI TASSI D INTERESSED LA STRUTTURA A TERMINE DEI TASSI D INTERESSED Tioli di debio hao diverse scadeze

Dettagli

Modelli stocastici per i rendimenti finanziari

Modelli stocastici per i rendimenti finanziari Modelli socasici er i rendimeni finanziari Alcuni rocessi socasici lineari Y Processo MA() μ con ε ~ WN(0, σ ε ) = + ε + θε. Esemio di generazione di un MA() e sima con R Caraerisiche di un rocesso MA()

Dettagli

Il logaritmo e l esponenziale

Il logaritmo e l esponenziale Il logarimo e l espoeziale 2 geaio 202 La defiizioe di logarimo che si impara ella scuola secodaria è la seguee: Defiizioe Il logarimo i base b di x è l espoee cui si deve elevare b per oeere x. I formule:

Dettagli

Il confronto tra DUE campioni indipendenti

Il confronto tra DUE campioni indipendenti Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo

Dettagli

Alcune proprietà fenomenologiche dei semiconduttori

Alcune proprietà fenomenologiche dei semiconduttori Alce rorieà feomeologiche ei semicoori. oo caraerizzai a a baa i eergia roibia (eergy ga) che vale arossimaivamee,7 e er il e,, e er il ilicio,,43 er il aas er ciare i re semicoori iù imorai al o i visa

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioi di Matematica 1 - I modulo Luciao Battaia 4 dicembre 2008 L. Battaia - http://www.batmath.it Mat. 1 - I mod. Lez. del 04/12/2008 1 / 28 -2 Sottosuccessioi Grafici Ricorreza Proprietà defiitive Limiti

Dettagli

Materiale didattico relativo al corso di Matematica generale Prof. G. Rotundo a.a.2009/10

Materiale didattico relativo al corso di Matematica generale Prof. G. Rotundo a.a.2009/10 Materiale didattico relativo al corso di Matematica geerale Prof. G. Rotudo a.a.2009/10 ATTENZIONE: questo materiale cotiee i lucidi utilizzati per le lezioi. NON sostituisce il libro, che deve essere

Dettagli

( ) 2π 2π 2π. Re z ( t) t dt. = t dt. = = ɺ z. T=2π/ω z. = ω t

( ) 2π 2π 2π. Re z ( t) t dt. = t dt. = = ɺ z. T=2π/ω z. = ω t G. Perucci Leioi di Cosruioe di Macchie A. Prorieà dei segali el domiio della frequea U segale siusoidale del io x(=a cos(ω uò essere oeuo come la are reale (o la roieioe sull asse reale di u veore ( di

Dettagli

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33) Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.

Dettagli

SERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n.

SERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n. SERIE DI POTENZE Esercizi risolti Esercizio x 2 + 2)2. Esercizio 2 + x 3 + 2 3. Esercizio 3 dove a è u umero reale positivo. Esercizio 4 x a, 2x ) 3 +. Esercizio 5 x! = x + x 2 + x 6 + x 24 + x 20 +....

Dettagli

x n (1.1) n=0 1 x La serie geometrica è un esempio di serie di potenze. Definizione 1 Chiamiamo serie di potenze ogni serie della forma

x n (1.1) n=0 1 x La serie geometrica è un esempio di serie di potenze. Definizione 1 Chiamiamo serie di potenze ogni serie della forma 1 Serie di poteze È stato dimostrato che la serie geometrica x (1.1) coverge se e solo se la ragioe x soddisfa la disuguagliaza 1 < x < 1. I realtà c è covergeza assoluta i ] 1, 1[. Per x 1 la serie diverge

Dettagli

1. Serie numeriche. Esercizio 1. Studiare il carattere delle seguenti serie: n2 n 3 n ; n n. n n. n n (n!) 2 ; (2n)! ;

1. Serie numeriche. Esercizio 1. Studiare il carattere delle seguenti serie: n2 n 3 n ; n n. n n. n n (n!) 2 ; (2n)! ; . Serie umeriche Esercizio. Studiare il carattere delle segueti serie: ;! ;! ;!. Soluzioe.. Serie a termii positivi; cofrotiamola co la serie +, che è covergete: + + + 0. Pertato, per il criterio del cofroto

Dettagli

Paolo Perfetti, Dipartimento di matematica, II Università degli Studi di Roma, facoltà di Ingegneria

Paolo Perfetti, Dipartimento di matematica, II Università degli Studi di Roma, facoltà di Ingegneria Esercizi svolti a lezioe e o proveieti dal Marcellii Sbordoe La preseza della lettera C idica u esercizio da fare a casa. La capacità di svolgere tali esercizi è parte del bagaglio ecessario i sede di

Dettagli

Programma (orientativo) secondo semestre 32 ore - 16 lezioni

Programma (orientativo) secondo semestre 32 ore - 16 lezioni Programma (orietativo) secodo semestre 32 ore - 6 lezioi 3 lezioi: successioi e serie 4 lezioi: itegrali 2-3 lezioi: equazioi differeziali 4 lezioi: sistemi di equazioi e calcolo vettoriale e matriciale

Dettagli

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c)

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c) SERIE NUMERICHE Esercizi risolti. Calcolare la somma delle segueti serie telescopiche: a) b). Verificare utilizzado la codizioe ecessaria per la covergeza) che le segueti serie o covergoo: a) c) ) log

Dettagli

UN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI

UN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI UN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI Il piu semplice problema (saico) di ifereza saisica paramerica e quello i cui la disribuzioe di probabilia comue a ui i umeri aleaori (a) osservabili

Dettagli

Principio di induzione: esempi ed esercizi

Principio di induzione: esempi ed esercizi Pricipio di iduzioe: esempi ed esercizi Pricipio di iduzioe: Se ua proprietà P dipedete da ua variabile itera vale per e se, per ogi vale P P + allora P vale su tutto Variate del pricipio di iduzioe: Se

Dettagli

REGIME DELLA CAPITALIZZAZIONE COMPOSTA E SCONTO COMPOSTO

REGIME DELLA CAPITALIZZAZIONE COMPOSTA E SCONTO COMPOSTO Regie della capializzazioe coposa e scoo coposo REGME DELLA CAPTALZZAZONE COMPOSTA E SCONTO COMPOSTO Cosideriao l ipiego del capiale C per ua duraa di (uero iero) ai e suppoiao che gli ieressi siao capializzai

Dettagli

Soluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5.

Soluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5. 60 Roberto Tauraso - Aalisi Calcolare la somma della serie Soluzioi + 3 R La serie può essere riscritta el modo seguete: + 4 3 9 Il umero può essere raccolto fuori dal sego di sommatoria: + 4 3 9 Si tratta

Dettagli

Cosa vogliamo imparare?

Cosa vogliamo imparare? Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come

Dettagli

Consideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con

Consideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con Calcolo Combiatorio Adolfo Scimoe pag 1 Calcolo combiatorio Cosideriamo u isieme di oggetti di atura qualsiasi. Idicheremo questi oggetti co a1 a2... a. Co questi oggetti si voglioo formare dei gruppi

Dettagli

SIMULAZIONE DELLA PROVA DI MATEMATICA DELL ESAME DI STATO

SIMULAZIONE DELLA PROVA DI MATEMATICA DELL ESAME DI STATO Simulazioe 14/15 ANNO SCOLASTICO 14/15 SIMULAZIONE DELLA PROVA DI MATEMATICA DELL ESAME DI STATO PER IL LICEO SCIENTIFICO Risoluzioe Problema 1 - Trekkig i moaga a) Disegiamo il grafico b) Calcoliamo la

Dettagli

Campionamento casuale da popolazione finita (caso senza reinserimento )

Campionamento casuale da popolazione finita (caso senza reinserimento ) Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori

Dettagli

Stima della media di una variabile X definita su una popolazione finita

Stima della media di una variabile X definita su una popolazione finita Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe

Dettagli

1 Esponenziale e logaritmo.

1 Esponenziale e logaritmo. Espoeziale e logaritmo.. Risultati prelimiari. Lemma a b = a b Lemma Disuguagliaza di Beroulli per ogi α e per ogi ln a k b k. k=0 + α + α Teorema Disuguagliaza delle medie Per ogi ln, per ogi upla {a

Dettagli

1.6 Serie di potenze - Esercizi risolti

1.6 Serie di potenze - Esercizi risolti 6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo

Dettagli

PRINCIPIO D INDUZIONE E DIMOSTRAZIONE MATEMATICA. A. Induzione matematica: Introduzione

PRINCIPIO D INDUZIONE E DIMOSTRAZIONE MATEMATICA. A. Induzione matematica: Introduzione PRINCIPIO D INDUZIONE E DIMOSTRAZIONE MATEMATICA CHU WENCHANG A Iduzioe matematica: Itroduzioe La gra parte delle proposizioi della teoria dei umeri dà euciati che coivolgoo i umeri aturali; per esempio

Dettagli

PROBLEMI DI INFERENZA SU PERCENTUALI

PROBLEMI DI INFERENZA SU PERCENTUALI ROBLEMI DI INFERENZA SU ERCENTUALI STIMA UNTUALE Il roblema della stima di ua ercetuale si oe allorchè si vuole cooscere, sulla base di osservazioi camioarie, la frazioe π di ua oolazioe N che ossiede

Dettagli

CENNI SULLE PROGRESSIONI, LE SERIE, LE RELAZIONI DI RICORRENZA E I NUMERI DECIMALI.

CENNI SULLE PROGRESSIONI, LE SERIE, LE RELAZIONI DI RICORRENZA E I NUMERI DECIMALI. CENNI SULLE PROGRESSIONI, LE SERIE, LE RELAZIONI DI RICORRENZA E I NUMERI DECIMALI. Ua progressioe (o successioe) è u isieme iþito di umeri reali P = {a co =,,...} = {a,a,...}. La somma dei primi termii

Dettagli

Algoritmi e Strutture Dati (Elementi)

Algoritmi e Strutture Dati (Elementi) Algoritmi e Strutture Dati (Elemeti Esercizi sulle ricorreze Proff. Paola Boizzoi / Giacarlo Mauri / Claudio Zadro Ao Accademico 00/003 Apputi scritti da Alberto Leporati e Rosalba Zizza Esercizio 1 Posti

Dettagli

Lezione 10 - Tensioni principali e direzioni principali

Lezione 10 - Tensioni principali e direzioni principali Lezioe 10 - Tesioi pricipali e direzioi pricipali ü [A.a. 2011-2012 : ultima revisioe 23 agosto 2011] I questa lezioe si studiera' cio' che avviee alla compoete ormale di tesioe s, al variare del piao

Dettagli

Precorso di Matematica, aa , (IV)

Precorso di Matematica, aa , (IV) Precorso di Matematica, aa 01-01, (IV) Poteze, Espoeziali e Logaritmi 1. Nel campo R dei umeri reali, il umero 1 e caratterizzato dalla proprieta che 1a = a, per ogi a R; per ogi umero a 0, l equazioe

Dettagli

MATEMATICA FINANZIARIA

MATEMATICA FINANZIARIA Capializzazioe semplice e composa MATEMATICA FINANZIARIA Immagiiamo di impiegare 4500 per ai i ua operazioe fiaziaria che frua u asso del, % auo. Quao avremo realizzao alla fie dell operazioe? I u coeso

Dettagli

Regressione e correlazione

Regressione e correlazione Regressioe e correlazioe Regressioe e correlazioe I molti casi si osservao gradezze che tedoo a covariare, ma () Se c è ua relazioe di dipedeza fra due variabili, ovvero se il valore di ua variabile (dipedete)

Dettagli

Aritmetica 2016/2017 Esercizi svolti in classe Seconda lezione

Aritmetica 2016/2017 Esercizi svolti in classe Seconda lezione Aritmetica 06/07 Esercizi svolti i classe Secoda lezioe Dare ua formula per 3 che o coivolga sommatorie Dato che sappiamo che ( + e ( + ( + 6 vogliamo esprimere 3 mediate, e poliomi i U idea possibile

Dettagli

RISOLUZIONE MODERNA DI PROBLEMI ANTICHI

RISOLUZIONE MODERNA DI PROBLEMI ANTICHI RISOLUZIONE MODERNA DI PROBLEMI ANTICHI L itelletto, duque, che o è la verità, o comprede mai la verità i modo così preciso da o poterla compredere (poi acora) più precisamete, all ifiito, perché sta alla

Dettagli

Teoremi di immersione di Sobolev

Teoremi di immersione di Sobolev Teoremi di immersioe di Sobolev February 2, 2007 Teorema (Immersioi di Sobolev, caso base). (Sobolev, Gagliardo, Nireberg). Se < ; W ; (R ) L (R ) ; dove = ; e kukl c (; ) krukl : (Notare che è > ) 2.

Dettagli

STUDIO DEL LANCIO DI 3 DADI

STUDIO DEL LANCIO DI 3 DADI Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio

Dettagli

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo

Dettagli

( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ

( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a

Dettagli

Esercizi di Probabilità e Statistica della 2 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova).

Esercizi di Probabilità e Statistica della 2 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizi di Probabilità e Statistica della 2 a settimaa (Corso di Laurea i Matematica, Uiversità degli Studi di Padova). Esercizio. Sia (Ω, A, P) uo spazio probabilizzato e B A o trascurabile. Dimostrare

Dettagli

NUOVI CRITERI DI DIVISIBILITÀ

NUOVI CRITERI DI DIVISIBILITÀ NUOVI CRITERI DI DIVISIBILITÀ BRUNO BIZZARRI, FRANCO EUGENI, DANIELA TONDINI 1 1. Su tutti i testi scolastici di Scuola Media, oostate siao riportati i criteri di divisibilità per i umeri, 3, 4, 5, 6,

Dettagli

La correlazione e la regressione. Antonello Maruotti

La correlazione e la regressione. Antonello Maruotti La correlazioe e la regressioe Atoello Maruotti Outlie 1 Correlazioe 2 Associazioe tra caratteri quatitativi Date due distribuzioi uitarie secodo caratteri quatitativi X e Y x 1 x 2 x y 1 y 2 y associate

Dettagli

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè

Dettagli

L INFORMAZIONE E LE CODIFICHE

L INFORMAZIONE E LE CODIFICHE L INFORMAZIONE E LE CODIFICE UN PO DI STORIA - La Teoria dell iformazioe è ata ella secoda metà del 900, sebbee il termie iformazioe sia atico (dal latio mettere i forma) - I omi più importati soo Nyquist,

Dettagli

La dinamica dei sistemi - intro

La dinamica dei sistemi - intro La diamica dei sistemi - itro Il puto materiale rappreseta ua schematizzazioe utile o solo per descrivere situazioi di iteresse diretto ma è ache il ecessario presupposto alla meccaica dei sistemi materiali

Dettagli

ALGEBRA I MODULO PROF. VERARDI - ESERCIZI. Sezione 1 NUMERI NATURALI E INTERI

ALGEBRA I MODULO PROF. VERARDI - ESERCIZI. Sezione 1 NUMERI NATURALI E INTERI ALGEBRA I MODULO PROF. VERARDI - ESERCIZI Sezioe 1 NUMERI NATURALI E INTERI 2 1.1. Si dimostri per iduzioe la formula: N, k 2 "1( * " 3 ) " 3k +1(. 3 1.2. A) Si dimostri che per ogi a,b N +, N +, se a

Dettagli

che va trattato con opportune tecniche statistiche.

che va trattato con opportune tecniche statistiche. MODELLI DI SERIE STORICHE APPROCCIO CLASSICO U modello socasico geerale per descrivere il processo geeraore dei dai di ua serie sorica y, y,, y relaiva ad ua variabile Y è dao da Y =f()+u Si assume che

Dettagli

Anno 5 Successioni numeriche

Anno 5 Successioni numeriche Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai

Dettagli

NUMERICI QUESITI FISICA GENERALE

NUMERICI QUESITI FISICA GENERALE UMERICI (Aalisi Dimesioale). Utilizzado le iformazioi ricavabili dalla gradezza fisica che ci si aspetta come risultato e dai valori umerici foriti, idividuare, tra le espressioi riportate, quella/e dimesioalmete

Dettagli

Scelte finanziarie SCELTE FINANZIARIE

Scelte finanziarie SCELTE FINANZIARIE Scelte fiaziarie SCELE FINANZIARIE Spesso ella pratica si icotrao problemi decisioali i ambito fiaziario, per esempio come scegliere la più coveiete tra varie possibilità di ivestimeto, la meo oerosa tra

Dettagli

3.1 Rappresentazione dello stato tensionale nel piano di Mohr: circoli di Mohr.

3.1 Rappresentazione dello stato tensionale nel piano di Mohr: circoli di Mohr. DIDATTICA DI PROGETTAZIONE DELLE COSTRUZIONI PROF. CARMELO MAJORANA MODULO TRE I CONCETTI FONDAMENTALI NELL ANALISI DELLA TENSIONE PARTE B) MODULO PER LO SPECIALIZZANDO Modulo. Rappresetazioe dello stato

Dettagli

BILANCI DI MASSA NEI COMPARTIMENTI AMBIENTALI

BILANCI DI MASSA NEI COMPARTIMENTI AMBIENTALI BILNI DI MSS NEI OMPTIMENTI MBIENTLI alisi di sigolo comparimeo ad esempio u piccolo lago m x m x 0 m 0 7 m pprossimazioe ST (oiously Sirred-Ta eacor) cocerazioe omogeea dei solui (iquiai) el comparimeo.

Dettagli

6 Stima di media e varianza, e intervalli di confidenza

6 Stima di media e varianza, e intervalli di confidenza Si può mostrare che, per ogi fissato α, t,α z α, e t,α z α per + I pratica t,α e z α soo idistiguibili per 200. 6 Stima di media e variaza, e itervalli di cofideza Lo scopo esseziale della Statistica ifereziale

Dettagli

a) la funzione costante k. Sia k un numero reale e consideriamo la funzione che ad ogni numero reale x associa k: x R k

a) la funzione costante k. Sia k un numero reale e consideriamo la funzione che ad ogni numero reale x associa k: x R k ALCUNE FUNZIONI ELEMENTARI ( E NON) E LORO GRAFICI (*) a) la fuzioe costate k. Sia k u umero reale e cosideriamo la fuzioe che ad ogi umero reale x associa k: x R k Tale fuzioe è detta fuzioe costate k;

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso

Dettagli

LEZIONI DI ANALISI ECONOMETRICA

LEZIONI DI ANALISI ECONOMETRICA LEZIONI DI ANALISI ECONOMETRICA Idice Lisa degli esempi applicaivi Iroduzioe Il modello lieare. Aalisi ecoomica ed aalisi ecoomerica Primi obieivi dell Ecoomeria. I modelli e il lugo periodo Modelli saici

Dettagli

Serie numeriche e di funzioni - Esercizi svolti

Serie numeriche e di funzioni - Esercizi svolti Serie umeriche e di fuzioi - Esercizi svolti Serie umeriche Esercizio. Discutere la covergeza delle serie segueti a) 3, b) 5, c) 4! (4), d) ( ) e. Esercizio. Calcolare la somma delle serie segueti a) (

Dettagli

Convertitoriditipospot (convertono, idealmente, il valore istantaneo del segnale); V ts

Convertitoriditipospot (convertono, idealmente, il valore istantaneo del segnale); V ts Pare II (Coversioe D/A e A/D) La coversioe A/D I coveriori A/D si dividoo i: Coverioridiipospo (coveroo, idealmee, il valore isaaeo del segale); s s Si raa di disposiivi veloci ma sesibili al rumore di

Dettagli

Problema di Natale 1 Corso di Geometria per la Laurea in Fisica Andrea Sambusetti 19 Dicembre 2008

Problema di Natale 1 Corso di Geometria per la Laurea in Fisica Andrea Sambusetti 19 Dicembre 2008 Problema di Natale 1 Corso di Geometria per la Laurea i Fisica Adrea Sambusetti 19 Dicembre 28 La particella Mxyzptlk. 2 La particella Mxyzptlk vive i u uiverso euclideo -dimesioale. È costituita da u

Dettagli

2. Duration. Stefano Di Colli

2. Duration. Stefano Di Colli 2. Duraio Meodi Saisici per il Credio e la Fiaza Sefao Di Colli Tassi di ieresse e redimei La reddiivià di u obbligazioe è misuraa dal asso di redimeo o dal asso di ieresse U idicaore del redimeo deve

Dettagli

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x. ANALISI MATEMATICA Area dell Igegeria dell Iformazioe Appello del 5.0.0 TEMA Esercizio Si cosideri la fuzioe f(x = arcsi log x. Determiare il domiio di f e discutere il sego. Discutere brevemete la cotiuità

Dettagli

Cenni di topologia di R

Cenni di topologia di R Cei di topologia di R. Sottoisiemi dei umeri reali Studieremo le proprietà dei sottoisiemi dei umeri reali, R, che hao ad esempio la forma: = (, ) (,) 6 8 = [,] { ;6;8} { } = (, ) (,) [, + ) Defiizioe:

Dettagli

Corso di Intermediari Finanziari e Microcredito

Corso di Intermediari Finanziari e Microcredito Idice Corso di Iermediari iaziari e Microcredio Iroduzioe I crieri radizioali di valuazioe dei progei di ivesimeo; La valuazioe dei progei di ivesimeo I crieri fiaziari di valuazioe dei progei d ivesimeo

Dettagli

STIME E LORO AFFIDABILITA

STIME E LORO AFFIDABILITA TIME E LORO AFFIDABILITA L idea chiave su cui si basa l aalisi statistica è che si ossoo eseguire osservaioi su u camioe di soggetti e che da questo si ossoo comiere iferee sulla oolaioe raresetata da

Dettagli

Appunti complementari per il Corso di Statistica

Appunti complementari per il Corso di Statistica Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe

Dettagli

5 ln n + ln. 4 ln n + ln. 6 ln n + ln

5 ln n + ln. 4 ln n + ln. 6 ln n + ln DOMINIO FUNZIONE Determiare il domiio della fuzioe f = l e e + e + e Deve essere e e + e + e >, posto e = t si ha t e + t + e = per t = e e per t = / Il campo di esisteza è:, l, + Determiare il domiio

Dettagli

1 FLESSIBILITÀ DELLE PRESTAZIONI... 2 1.1 Adeguamento delle prestazioni... 3 1.1.1 Assicurazioni indicizzate e rivalutabili... 5 1.

1 FLESSIBILITÀ DELLE PRESTAZIONI... 2 1.1 Adeguamento delle prestazioni... 3 1.1.1 Assicurazioni indicizzate e rivalutabili... 5 1. FLEIBILITÀ DELLE PRETZIONI... 2. deguameo delle resazioi... 3.. ssicurazioi idicizzae e rivaluabili... 5.2 ssicurazioi Wi Profi... 7.3 ssicurazioi Ui Liked....4 Ierazioi ra riserva maemaica ed ivesimei

Dettagli

Serie numeriche. Paola Rubbioni. 1 Denizione, serie notevoli e primi risultati. i=0 a i, e si indica con il simbolo +1X.

Serie numeriche. Paola Rubbioni. 1 Denizione, serie notevoli e primi risultati. i=0 a i, e si indica con il simbolo +1X. Serie umeriche Paola Rubbioi Deizioe, serie otevoli e primi risultati Deizioe.. Data ua successioe di umeri reali (a ) 2N, si dice serie umerica la successioe delle somme parziali (S ) 2N, ove S = a +

Dettagli

Campi vettoriali conservativi e solenoidali

Campi vettoriali conservativi e solenoidali Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile

Dettagli

Lezione 4. Indice di un sottogruppo. Teorema di Lagrange per i gruppi finiti.

Lezione 4. Indice di un sottogruppo. Teorema di Lagrange per i gruppi finiti. Lezioe 4 Prerequisiti: Lezioi 23. Riferieto al testo: [H] Sezioe 2.4; [PC] Sezioe 5.5 Idice di u sottogruppo. Teorea di Lagrage per i gruppi fiiti. I questa lezioe deoterà sepre u gruppo fiito ed H u suo

Dettagli

Metodi iterativi per la risoluzione di sistemi lineari

Metodi iterativi per la risoluzione di sistemi lineari Corso della scuola di dottorato: NUMERICAL METHDS FR INVERSE PRBLEMS Metodi iterativi er la risoluzioe di sistemi lieari Dottoradi: Mario Cascetta Efisio Casti Nicola Cau Itroduzioe ltre ai metodi diretti

Dettagli

Forza dell oscillatore

Forza dell oscillatore (lez 6, A) Forza dell oscillaore roduciamo ua uova gradezza. La forza dell oscillaore. Quesa quaià sosazialmee è proprozioale all elemeo di marice del momeo di dipolo ra lo sao iiziale e fiale. Nella descrizioe

Dettagli

1. Tra angoli e rettangoli

1. Tra angoli e rettangoli . Tra agoli e rettagoli Attività : il foglio A4 e le piegature Predi u foglio di carta A4 e piegalo a metà. Cota di volta i volta quati rettagoli si ottegoo piegado a metà più volte il foglio. Immagia

Dettagli

Matematica 5. Dipartimento di Matematica. ITIS V.Volterra San Donà di Piave. Versione [12/13][S-All]

Matematica 5. Dipartimento di Matematica. ITIS V.Volterra San Donà di Piave. Versione [12/13][S-All] Matematica 5 Dipartimeto di Matematica ITIS V.Volterra Sa Doà di Piave Versioe [/3][S-All] Idice I Itegrazioe Itegrazioe impropria. Geeralità............................................. Criteri di itegrabilità......................................

Dettagli

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto

Dettagli

Metodi statistici per l analisi dei dati

Metodi statistici per l analisi dei dati Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli

Relazioni statistiche

Relazioni statistiche Relazioi statistiche Idipedeza: asseza di qualsiasi relazioe tra due caratteri I caso di preseza di u legame, questo può essere di: Coessioe: relazioe reciproca tra due caratteri qualitativi Dipedeza:

Dettagli

Preparazione al corso di statistica Prof.ssa Cerbara

Preparazione al corso di statistica Prof.ssa Cerbara Preparazioe al corso di statistica Prof.ssa Cerbara Esistoo molti isiemi umerici, ciascuo co caratteristiche be precise. Alcui importatissimi isiemi umerici soo: N: isieme dei umeri aturali, cioè tutti

Dettagli

Esercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati

Esercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli

Dettagli

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15 Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.

Dettagli

Appendice 1. Le previsioni economiche

Appendice 1. Le previsioni economiche Saisica aziedale Bruo Bracalee, Massimo Cossigai, Aa Mulas Copyrigh 009 The McGraw-Hill Compaies srl Appedice. Le previsioi ecoomiche A. Iroduzioe La previsioe del fuuro da sempre cosiuisce maeria di grade

Dettagli

Anemia. Anemia - percentuali

Anemia. Anemia - percentuali 1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14

Dettagli

Traccia delle soluzioni degli esercizi del fascicolo 6

Traccia delle soluzioni degli esercizi del fascicolo 6 Traccia delle soluzioi degli esercizi del fascicolo 6 Esercizio Vegoo geerati umeri casuali tra 0 e, co distribuzioe uiforme. Quati umeri è ecessario geerare affiché la probabilità che la somma di essi

Dettagli

Analisi statistica dell Output

Analisi statistica dell Output Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?

Dettagli