Lineamenti di econometria 2

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Lineamenti di econometria 2"

Transcript

1 Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4)

2 Regressione con Variabili Dummy

3 Regressione con Variabili Dummy La variabile dummy assume valore 0 o 1. E utilizzata per trasformare dei valori qualitativi (Si/No) in 1/0. Esempio: Spiegare i prezzi delle case Variabile dipendente: Prezzo della casa Variabili Esplicative: D 1 = 1 se la casa ha un ingresso auto (=0 in caso negativo). D 2 = 1 se ha una stanza di ricreazione (=0 se non ha). D 3 = 1 se ha una cantina (=0 se non). D 4 = 1 se ha riscaldamento centralizzato (=0 se non). D 5 = 1 se ha condizionatori d aria (=0 se non).

4 Analisi della Varianza Analisi della Varianza = ANOVA E una tecnica statistica molto utilizzata in diverse discipline (ma poco utilizzata in economia). ANOVA è un caso speciale di regressione con variabili dummy. La regressione con variabili dummy è uno strumento più generico e più dettagliato.

5 Regressione Semplice con una Variabile Dummy Y = α + βd + e Stima OLS, intervalli di confidenza, test delle ipotesi, ecc. elaborati nel modo usuale. Interpretazione lievemente differente.

6 Regressione Semplice con una Variabile Dummy Valore stimato per l osservazione i (punto sulla retta di regressione): Ŷ = ˆ α + i βd ˆ i Poichè D i = 0 o 1 o Ŷ = i o αˆ Ŷ = ˆ α + ˆ β i

7 Esempio: prezzo delle case (continua) Regrediamo Y = prezzo della cassa su D = dummy per condizionatori d aria (=1 se la casa ha condizionatori d aria, = 0 altrimenti). Risultato: αˆ = 59,885 βˆ = 25,996 ˆ α + ˆ β = 85,881 Il prezzo medio della casa con aria condizionata è $85,881 Il prezzo medio della casa senza aria condizionata è $59,885

8 Regressione Multipla con variabili Dummy Y = α + β D β D + e 1 1 k k Esempio: prezzo delle case (continua) Regrediamo Y = prezzo della casa su D 1 = accesso auto e D 2 = stanza di ricreazione (dummy) Quattro tipi di case: 1. Case con accesso auto e stanza di ricreazione (D 1 =1, D 2 =1) 2. Case con accesso auto ma senza stanza di ricreazione (D 1 =1, D 2 =0) 3. Case con stanza di ricreazione ma senza accesso auto (D 1 =0, D 2 =1) 4. Case senza stanza di ricreazione e senza accesso auto (D 1 =0, D 2 =0)

9 Esempio: prezzo delle case (continua) Esempio: prezzo delle case (continua) Coeff. St. Error t Stat P- value Lower 95% Upper 95% Inter E D E D E Se D 1 =1 e D 2 =1, allora Yˆ = ˆ α + ˆ β + ˆ β = 47, , ,024 = ,283 Il prezzo medio delle case con accesso auto e stanza di ricreazione è $84,283.

10 Esempio: prezzo delle case (continua) 1. Se D 1 = 1 e D 2 =0, allora Y ˆ = ˆ α + ˆ β = 47, ,160 = 1 68,259 Il prezzo medio delle case con accesso auto ma non stanza di ricreazione è $68, Se D 1 =0 e D 2 =1, allora Y ˆ = ˆ α + ˆ β = 47, ,024 = 2 63,123 Il prezzo medio delle case con stanza di ricreazione ma non accesso auto è $63, Se D 1 =0 e D 2 =0, allora Y ˆ = ˆ α = 47,099 Il prezzo medio delle case senza accesso auto e senza stanza di ricreazione è $47,099.

11 Regressione Multipla con Dummy e non- Dummy Variabili Esplicative Y = α + β D + β X + e 1 2 Esempio: prezzo delle case (continua) Regrediamo Y = prezzo casa su D = aria condizionata e X = dimensione del lotto. Stime OLS : αˆ = 32,693 βˆ 1 = 20,175 βˆ 2 = 5.64

12 Esempio: Prezzo delle Case (continua) Per case con condizionatore d aria D = 1 e Ŷ = 52,868 + i 5.64X i Per case senza condizionatore d aria D=0 e Ŷ = 32,693 + i 5.64X i Due regressioni differenti in relazione alla presenza o meno di condizionatori d aria. Le due linee di regressione avranno intercetta diversa ma stessa pendenza (perciò stesso effetto marginale)

13 Esempio: prezzo delle case (continua) Come spiegare i risultati OLS : Un metro quadrato in più nella dimensione della casa determina un aumento del prezzo pari a $5.64 (Nota: no ceteris paribus poiché l effetto marginale è lo stesso sia per case con condizionatore d aria che per case senza condizionatore d aria) Case con condizionatori d aria tendono a valere $20,175 in più di case senza condizionatori d aria, ceteris paribus (Nota: in questo caso abbiamo la qualificazione ceteris paribus ) Se consideriamo case con dimensioni simili, quelle con condizionatori d aria tendono a valere $20,175 in più

14 Un altra Regressione relativa al Prezzo delle Case Y = α + β D + β D + β X + β X + e Regrediamo Y = prezzo della casa su D 1 = variabile dummy relativa all accesso auto, D 2 = variabile dummy per la stanza di ricreazione, X 1 = dimensione del lotto e X 2 = numero di stanze da letto Stime OLS: αˆ =-2736 βˆ 1=12,598 βˆ 2=10,969 βˆ 3=5.197 βˆ 4=10,562

15 Un altra Regressione relativa al Prezzo delle Case (cont.) 1. Se D 1 =1 e D 2 =1, allora Y ˆ = 20, X + 10,562X. 1 2 Questa è la retta di regressione per le case con accesso auto e stanza di ricreazione. 2. Se D 1 =1 e D 2 =0, allora Y ˆ = 9, X + 10,562 1 X. 2 Questa è la retta di regressione per le case con accesso auto ma senza stanza di ricreazione.

16 Un altra Regressione relativa al Prezzo delle Case (cont.) 1. Se D 1 =0 e D 2 =1, allora Y ˆ = 8, X + 10,562X. 1 2 Questa è la retta di regressione per le case con la stanza di ricreazione e non accesso auto. 2. Se D 1 =0 e D 2 =0, allora Y ˆ = 2, X + 10,562X. 1 2 Questa è la retta di regressione per le case senza accesso auto e senza stanza di ricreazione.

17 Un altra Regressione relativa al Prezzo delle Case (cont.) Esempi esplicativi: Case con accesso auto tendono a valere $12,598 di più di case simili senza accesso auto. Se consideriamo case con lo stesso numero di stanze da letto, aggiungendo un metro quadrato alla dimensione del lotto queste tenderanno ad avere un prezzo maggiorato di $ Una stanza da letto aggiuntiva tenderà ad aumentare di $10,562 il valore della casa, ceteris paribus

18 Termini Moltiplicativi di Variabili Dummy e Non- Dummy Y = α + β D + β X + β Z dove Z=D X. e. Z è o 0 (per osservazioni con D=0) o X (per osservazioni con D=1) Se D=1 allora Yˆ = ( ˆ α + ˆ β ) + ( ˆ β + ˆ β ). Se D=0, allora Yˆ = ˆ α + ˆ β 2 X. X Due diverse rette di regressione corrispondenti a D=0 e D=1 con intercette e pendenza diverse. L effetto marginale di X su Y è differente per D=0 e D=1.

19 Ancora un Esempio Diverso del Prezzo delle Case Regrediamo Y = prezzo della casa su D = dummy per l aria condizionata, X = dimensione della casa e Z = D X Stime OLS: αˆ = 35,684 βˆ 1 = 7,613 βˆ 2 = 5.02 βˆ 3 = L effetto marginale della dimensione della casa è 7.27 per case con aria condizionata ma solo $5.02 per case senza aria condizionata. Incrementando la dimensione della casa il suo valore tenderà ad aumentare di più nel caso vi sia aria condizionata.

20 Variabili Dipendenti Dummy Esempio: La variabile dipendente rappresenta la scelta del mezzo di trasporto. 1 = Si, vado a lavoro in macchina 0 = No, non vado a lavoro in macchina Non discuteremo questo caso. Nota solo i seguenti punti: Ci sono problemi con lo stimatore dei minimi quadrati ordinari (OLS estimation). Tuttavia lo stimatore OLS è adeguato in molti casi. Stime migliori sono ottenute utilizzato il metodo Logit e Probit. Excel non ha procedure automatiche per questi metodi, abbiamo bisogno di un applicativo econometrico differente (es. Gretl).

Lineamenti di econometria 2

Lineamenti di econometria 2 Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione

Dettagli

Lineamenti di econometria 2

Lineamenti di econometria 2 Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) La Regressione Multipla La Regressione Multipla La regressione multipla

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato

Dettagli

Capitolo 12 La regressione lineare semplice

Capitolo 12 La regressione lineare semplice Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara

Dettagli

(a cura di Francesca Godioli)

(a cura di Francesca Godioli) lezione n. 12 (a cura di Francesca Godioli) Ad ogni categoria della variabile qualitativa si può assegnare un valore numerico che viene chiamato SCORE. Passare dalla variabile qualitativa X2 a dei valori

Dettagli

Verifica di ipotesi e intervalli di confidenza nella regressione multipla

Verifica di ipotesi e intervalli di confidenza nella regressione multipla Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo

Dettagli

Il metodo della regressione

Il metodo della regressione Il metodo della regressione Consideriamo il coefficiente beta di una semplice regressione lineare, cosa significa? È una differenza tra valori attesi Anche nel caso classico di variabile esplicativa continua

Dettagli

Limited Dependent Variable Models

Limited Dependent Variable Models Limited Dependent Variable Models Logit Tobit Probit Modelli Logit e Probit Latent variable models for binary choice Models for descrete dependent variable Traducendo Spesso vogliamo studiare (le determinanti

Dettagli

Opportunità e rischi derivanti dall'impiego massivo dell'informatica in statistica. Francesco Maria Sanna Roma, 3 maggio 2012

Opportunità e rischi derivanti dall'impiego massivo dell'informatica in statistica. Francesco Maria Sanna Roma, 3 maggio 2012 Opportunità e rischi derivanti dall'impiego massivo dell'informatica in statistica Francesco Maria Sanna Roma, 3 maggio 2012 Procedere alla misura, al rilevamento e al trattamento dei dati è sempre stato

Dettagli

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008 Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi

Dettagli

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli

FACOLTÀ DI ECONOMIA Soluzione della Prova di autovalutazione 2012 (primi 6 CFU) ANALISI STATISTICA PER L IMPRESA

FACOLTÀ DI ECONOMIA Soluzione della Prova di autovalutazione 2012 (primi 6 CFU) ANALISI STATISTICA PER L IMPRESA FACOLTÀ DI ECONOMIA Soluzione della Prova di autovalutazione 2012 (primi 6 CFU) ANALISI STATISTICA PER L IMPRESA NB Come potete vedere facendo la somma dei punteggi il numero di quesiti è superiore a quello

Dettagli

Basi di matematica per il corso di micro

Basi di matematica per il corso di micro Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione

Dettagli

Metodi Matematici e Informatici per la Biologia----31 Maggio 2010

Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 COMPITO 4 (3 CREDITI) Nome: Cognome: Matricola: ISTRUZIONI Gli esercizi che seguono sono di tre tipi: Domande Vero/Falso: cerchiate V o

Dettagli

LEZIONE n. 5 (a cura di Antonio Di Marco)

LEZIONE n. 5 (a cura di Antonio Di Marco) LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,

Dettagli

Sistemi di Servizio e Simulazione

Sistemi di Servizio e Simulazione Sistemi di Servizio e Simulazione Soluzioni degli esercizi di esame proposti negli appelli dell a.a.2004-05 Sono stati distribuiti sul sito web i testi di tre appelli di esame dell anno accademico 2004-05:

Dettagli

RISCHIO E CAPITAL BUDGETING

RISCHIO E CAPITAL BUDGETING RISCHIO E CAPITAL BUDGETING Costo opportunità del capitale Molte aziende, una volta stimato il loro costo opportunità del capitale, lo utilizzano per scontare i flussi di cassa attesi dei nuovi progetti

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015

SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015 SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 015 1. Indicando con i minuti di conversazione effettuati nel mese considerato, la spesa totale mensile in euro è espressa dalla funzione f()

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

Regressione Lineare con un Singolo Regressore

Regressione Lineare con un Singolo Regressore Regressione Lineare con un Singolo Regressore Quali sono gli effetti dell introduzione di pene severe per gli automobilisti ubriachi? Quali sono gli effetti della riduzione della dimensione delle classi

Dettagli

RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL

RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono

Dettagli

2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1

2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1 1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1

Dettagli

Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione

Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione Esercizio 1 Si consideri il seguente modello ad effetti fissi con variabili binarie: + 1 2 a) supponete che N=3. Si mostri che i regressori

Dettagli

Regressione Logistica: un Modello per Variabili Risposta Categoriali

Regressione Logistica: un Modello per Variabili Risposta Categoriali : un Modello per Variabili Risposta Categoriali Nicola Tedesco (Statistica Sociale) Regressione Logistica: un Modello per Variabili Risposta Categoriali 1 / 54 Introduzione Premessa I modelli di regressione

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Metodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla

Metodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui

Dettagli

Tabella per l'analisi dei risultati

Tabella per l'analisi dei risultati Vai a... UniCh Test V_Statistica_Eliminatorie Quiz V_Statistica_Eliminatorie Aggiorna Quiz Gruppi visibili Tutti i partecipanti Info Anteprima Modifica Risultati Riepilogo Rivalutazione Valutazione manuale

Dettagli

La regressione lineare multipla

La regressione lineare multipla 13 La regressione lineare multipla Introduzione 2 13.1 Il modello di regressione multipla 2 13.2 L analisi dei residui nel modello di regressione multipla 9 13.3 Il test per la verifica della significatività

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI DELLE FREQUENZE: IL TEST CHI 2 ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento

Dettagli

Elaborazione dei dati su PC Regressione Multipla

Elaborazione dei dati su PC Regressione Multipla 21 Elaborazione dei dati su PC Regressione Multipla Analizza Regressione Statistiche Grafici Metodo di selezione Analisi dei dati 21.1 Introduzione 21.2 Regressione lineare multipla con SPSS 21.3 Regressione

Dettagli

Analisi di scenario File Nr. 10

Analisi di scenario File Nr. 10 1 Analisi di scenario File Nr. 10 Giorgio Calcagnini Università di Urbino Dip. Economia, Società, Politica giorgio.calcagnini@uniurb.it http://www.econ.uniurb.it/calcagnini/ http://www.econ.uniurb.it/calcagnini/forecasting.html

Dettagli

Econometria. lezione 17. variabili dipendenti binarie. Econometria. lezione 17. AA 2014-2015 Paolo Brunori

Econometria. lezione 17. variabili dipendenti binarie. Econometria. lezione 17. AA 2014-2015 Paolo Brunori AA 2014-2015 Paolo Brunori domande di mutui rigettate - nei dati raccolti a Boston negli anni 90 il tasso di rifiuto è 28% per i neri e 9% per i bianchi - si può parlare di discriminazione? - è possibili

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

In genere si ritiene che lo spreco di energia si manifesti solo nell uso dei carburanti, dei combustibili e dell energia elettrica.

In genere si ritiene che lo spreco di energia si manifesti solo nell uso dei carburanti, dei combustibili e dell energia elettrica. 1 2 3 L energia incide sul costo di tutti i beni ed i servizi che utilizziamo ma, in questo caso, prendiamo come riferimento il costo che una famiglia di Aprilia con consumo medio sostiene ogni anno per

Dettagli

Analisi della varianza (anova) a due vie

Analisi della varianza (anova) a due vie Analisi della varianza (anova) a due vie Andrea Onofri 27 marzo 2014 Indice 1 Il concetto di interazione 1 2 Tipi di interazione 2 3 Descrizione del caso studio 3 4 Analisi dei dati 4 Sommario Scopo di

Dettagli

Esercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010

Esercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe

Dettagli

Circuiti di condizionamento per sensori resistivi

Circuiti di condizionamento per sensori resistivi Perché non è possibile utilizzare direttamente un partitore di tensione per condizionare uno strain gage? isposta: Per problemi di risoluzione: una d piccola provocherebbe una dout difficile da misurare;

Dettagli

Utilizzo di index() per determinare la colonna delle x

Utilizzo di index() per determinare la colonna delle x Utilizzo di index() per determinare la colonna delle x In generale devo essere in grado di costruire un foglio dati con una colonna delle x i cui estremi siano (a,b). Abbiamo visto che le righe sono individuate

Dettagli

ELASTICITA della DOMANDA

ELASTICITA della DOMANDA 5 Elasticità ELASTICITA della DOMANDA L elasticità della domanda al prezzo misura quanto la quantità domandata di un bene varia al variare del prezzo. E la variazione percentuale della quantità domandata

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

MISURARE IL COSTO DELLA VITA. Harcourt Brace & Company

MISURARE IL COSTO DELLA VITA. Harcourt Brace & Company MISURARE IL COSTO DELLA VITA Indice dei prezzi al consumo L indice dei prezzi al consumo (IPC) è una misura del costo complessivo dei beni e dei servizi acquistati dal consumatore tipo. Viene utilizzato

Dettagli

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114

Dettagli

Introduzione alle relazioni multivariate. Introduzione alle relazioni multivariate

Introduzione alle relazioni multivariate. Introduzione alle relazioni multivariate Introduzione alle relazioni multivariate Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili

Dettagli

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA) Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad

Dettagli

Test di restrizioni lineari nel MRLM: Esempi

Test di restrizioni lineari nel MRLM: Esempi Test di restrizioni lineari nel MRLM: Esempi Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2012 Rossi Test F: esempi 2012 1 / 23 Funzione di produzione Cobb-Douglas Esempio GDP

Dettagli

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze

Dettagli

Temi di Esame a.a. 2012-2013. Statistica - CLEF

Temi di Esame a.a. 2012-2013. Statistica - CLEF Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei

Dettagli

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.

Dettagli

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

Parimenti una gestione delle scorte in maniera non oculata può portare a serie ripercussioni sul rendimento sia dei mezzi propri che di terzi.

Parimenti una gestione delle scorte in maniera non oculata può portare a serie ripercussioni sul rendimento sia dei mezzi propri che di terzi. Metodo per la stima del ROE e del ROI in un azienda operante nel settore tessile abbigliamento in funzione delle propria struttura di incasso e pagamento e della gestione delle rimanenze di magazzino.

Dettagli

Modelli statistici per l analisi dei dati e la valutazione d efficacia Il caso del Comune di Perugia

Modelli statistici per l analisi dei dati e la valutazione d efficacia Il caso del Comune di Perugia Modelli statistici per l analisi dei dati e la valutazione d efficacia Il caso del Comune di Perugia Alessandra Pelliccia Matteo Cataldi Matteo Filippo Donadi 0 AGENDA Fonti Descrizione dei dati Variabili

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

Statistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.

Statistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2. Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni

Dettagli

Il modello di regressione lineare multivariata

Il modello di regressione lineare multivariata Il modello di regressione lineare multivariata Eduardo Rossi 2 2 Università di Pavia (Italy) Aprile 2013 Rossi MRLM Econometria - 2013 1 / 39 Outline 1 Notazione 2 il MRLM 3 Il modello partizionato 4 Collinearità

Dettagli

postulato della valutazione tramite indicatori: La valutazione di un sistema sanitario tramite indicatori ipotizza

postulato della valutazione tramite indicatori: La valutazione di un sistema sanitario tramite indicatori ipotizza postulato della valutazione tramite indicatori: La valutazione di un sistema sanitario tramite indicatori ipotizza la praticabilità di una scomposizione della complessità in informazioni elementari ed

Dettagli

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

Dettagli

Le componenti della domanda aggregata

Le componenti della domanda aggregata Le componenti della domanda aggregata Lezione 3 Lezione 3 Economia Politica - Macroeconomia 1 Le componenti della domanda aggregata Ricordiamole: Consumo (C) Investimento (I) Spesa Pubblica (G) Ricordiamo

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it A.Studio dell interdipendenza tra variabili: riepilogo Concetto relativo allo studio delle relazioni tra

Dettagli

SOLUZIONI D = (-1,+ ).

SOLUZIONI D = (-1,+ ). SOLUZIONI. Data la funzione f() ( ) ln( ) a) trova il dominio di f b) indica quali sono gli intervalli in cui f() risulta positiva e quelli in cui risulta negativa c) determina le eventuali intersezioni

Dettagli

Carichiamo il segnale contenuto nel file ecg_es_20121128.mat

Carichiamo il segnale contenuto nel file ecg_es_20121128.mat Esercitazione su analisi segnale ECG Carichiamo il segnale contenuto nel file ecg_es_20121128.mat Il file contiene due variabili - dt, che vale 0.004 - ecg, che è vettore lungo 6500 campioni La frequenza

Dettagli

( x) ( x) 0. Equazioni irrazionali

( x) ( x) 0. Equazioni irrazionali Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza

Dettagli

La Regressione Lineare

La Regressione Lineare La Regressione Lineare. Cos è l Analisi della Regressione Multipla? L analisi della regressione multipla è una tecnica statistica che può essere impiegata per analizzare la relazione tra una variabile

Dettagli

STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio 2015. Modelli continui di probabilità: la v.c. uniforme continua

STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio 2015. Modelli continui di probabilità: la v.c. uniforme continua STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo febbraio 2015 Modelli continui di probabilità: la v.c. uniforme continua Esercizio 1 Anna ha una gift card da 50 euro. Non si sa se sia mai stata utilizzata

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli

Indice. 1 Il settore reale --------------------------------------------------------------------------------------------- 3

Indice. 1 Il settore reale --------------------------------------------------------------------------------------------- 3 INSEGNAMENTO DI ECONOMIA POLITICA LEZIONE VI IL MERCATO REALE PROF. ALDO VASTOLA Indice 1 Il settore reale ---------------------------------------------------------------------------------------------

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte

Dettagli

Economia del Lavoro 2010

Economia del Lavoro 2010 Economia del Lavoro 2010 Capitolo 5 I differenziali salariali compensativi - Applicazione di politica economica: l assicurazione sulla salute e il mercato del lavoro 1 Negli Stati Uniti i datori di lavoro

Dettagli

LA RETTA. Retta per l'origine, rette orizzontali e verticali

LA RETTA. Retta per l'origine, rette orizzontali e verticali Retta per l'origine, rette orizzontali e verticali LA RETTA Abbiamo visto che l'equazione generica di una retta è del tipo Y = mx + q, dove m ne rappresenta la pendenza e q il punto in cui la retta incrocia

Dettagli

Il concetto di elasticità della domanda rispetto al prezzo è di importanza cruciale per anticipare l esito di variazioni di prezzo (legate ad esempio

Il concetto di elasticità della domanda rispetto al prezzo è di importanza cruciale per anticipare l esito di variazioni di prezzo (legate ad esempio L elasticità Cap.4 L elasticità Fin ora abbiamo visto come domanda e offerta di un bene reagiscano a variazioni del prezzo del bene Sono state tutte considerazioni qualitative (direzione del cambiamento)

Dettagli

( ) i. è il Fattore di Sconto relativo alla scadenza (futura) i-esima del Prestito

( ) i. è il Fattore di Sconto relativo alla scadenza (futura) i-esima del Prestito DURATA FINANZIARIA CORRISPONDENTE AL TASSO FINANZIARIAMENTE EQUIVALENTE Il calcolo della Durata Finanziaria Corrispondente (DFC) al Tasso Finanziariamente Equivalente del Prestito () ha come obiettivo

Dettagli

Il coefficiente di correlazione di Spearman per ranghi

Il coefficiente di correlazione di Spearman per ranghi Il coefficiente di correlazione di Spearman per ranghi Questo indice di correlazione non parametrico viene indicato con r s o Spearman rho e permette di valutare la forza del rapporto tra due variabili

Dettagli

Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco

Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo

Dettagli

1. Distribuzioni campionarie

1. Distribuzioni campionarie Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie

Dettagli

Architettura degli Elaboratori I Esercitazione 1 - Rappresentazione dei numeri

Architettura degli Elaboratori I Esercitazione 1 - Rappresentazione dei numeri Architettura degli Elaboratori I Esercitazione 1 - Rappresentazione dei numeri 1 Da base 2 a base 10 I seguenti esercizi richiedono di convertire in base 10 la medesima stringa binaria codificata rispettivamente

Dettagli

Regressione logistica. Strumenti quantitativi per la gestione

Regressione logistica. Strumenti quantitativi per la gestione Regressione logistica Strumenti quantitativi per la gestione Emanuele Taufer file:///c:/users/emanuele.taufer/dropbox/3%20sqg/classes/4a_rlg.html#(1) 1/25 Metodi di classificazione I metodi usati per analizzare

Dettagli

Gli Investimenti Pubblicitari in ITALIA nel corso del 2011 giorgio di martino Responsabile MEDIA Fondazione Accademia di Comunicazione

Gli Investimenti Pubblicitari in ITALIA nel corso del 2011 giorgio di martino Responsabile MEDIA Fondazione Accademia di Comunicazione Gli Investimenti Pubblicitari in ITALIA nel corso del 2011 giorgio di martino Responsabile MEDIA Fondazione Accademia di Comunicazione Il mercato Nel 2011 le aziende con un investimento SIGNIFICATIVO (*)

Dettagli

La grafica. La built-in funzione grafica plot. x spezzata poligonale. discretizzato

La grafica. La built-in funzione grafica plot. x spezzata poligonale. discretizzato La grafica. Il Matlab possiede un ambiente grafico abbastanza potente paragonabile a software grafici operanti in altri contesti. In questo corso ci limiteremo ad illustrare solo una funzione grafica,

Dettagli

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE SIMULAZIONE della PROVA SCRITTA di STATISTICA 23/03/2011

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE SIMULAZIONE della PROVA SCRITTA di STATISTICA 23/03/2011 FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE SIMULAZIONE della PROVA SCRITTA di STATISTICA 23/3/2 ESERCIZIO (2+2+2+2) La seguente tabella riporta la distribuzione della variabile "Stato Civile"

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 16 luglio 2006 V.a. discrete e distribuzioni discrete Esercizio 1 Dimostrare la proprietà della mancanza di memoria della legge geometrica, ovvero

Dettagli

Lezione 5: Gli investimenti e la scheda IS

Lezione 5: Gli investimenti e la scheda IS Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Lezione 5: Gli investimenti e la scheda IS Facoltà di Scienze della Comunicazione Università di Teramo Comovimento di C e Y -Italia

Dettagli

2 FUNZIONI REALI DI VARIABILE REALE

2 FUNZIONI REALI DI VARIABILE REALE 2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento

Dettagli

4. Confronto tra medie di tre o più campioni indipendenti

4. Confronto tra medie di tre o più campioni indipendenti BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

EMBA PART TIME 2012 ROMA I ANNO

EMBA PART TIME 2012 ROMA I ANNO BUSINESS STATISTICS: ASSIGNMENT II: EMBA PART TIME 2012 ROMA I ANNO PROF. MOSCONI ESERCIZIO 1: USO DEL MODELLO DI REGRESSIONE PER DETERMINARE IL VALORE DEGLI IMMOBILI. ESERCIZIO 2: PREVISIONE DI VARIABILI

Dettagli

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE STATISTICA DESCRITTIVA SCHEDA N. : REGRESSIONE LINEARE Nella Scheda precedente abbiamo visto che il coefficiente di correlazione fra due variabili quantitative X e Y fornisce informazioni sull esistenza

Dettagli

Esercitazione n.4 Inferenza su varianza

Esercitazione n.4 Inferenza su varianza Esercizio 1 Un industria che produce lamiere metalliche ha ricevuto un ordine di acquisto di un grosso quantitativo di lamiere di un dato spessore. Per assicurare la qualità della propria fornitura, l

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI QUADRATI. REGRESSIONE LINEARE MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione

Dettagli

Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).

Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione

Dettagli

Pro e contro delle RNA

Pro e contro delle RNA Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;

Dettagli

6. Modelli statistici: analisi della regressione lineare

6. Modelli statistici: analisi della regressione lineare BIOSTATISTICA 6. Modelli statistici: analisi della regressione lineare Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 3 Piani a fattore singolo e relativi test di interpretazione

INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 3 Piani a fattore singolo e relativi test di interpretazione INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 3 Piani a fattore singolo e relativi test di interpretazione Pagina 1 PIANI A SINGOLA VARIABILE Questi piani sono l esempio

Dettagli

Metodi di previsione

Metodi di previsione Metodi di previsione Giovanni Righini Università degli Studi di Milano Corso di Logistica I metodi di previsione I metodi di previsione sono usati per ricavare informazioni a sostegno dei processi decisionali

Dettagli

Le obbligazioni: misure di rendimento Tassi d interesse, elementi di valutazione e rischio delle attività finanziarie

Le obbligazioni: misure di rendimento Tassi d interesse, elementi di valutazione e rischio delle attività finanziarie Le obbligazioni: misure di rendimento Tassi d interesse, elementi di valutazione e rischio delle attività finanziarie Economia degli Intermediari Finanziari 29 aprile 2009 A.A. 2008-2009 Agenda 1. Il calcolo

Dettagli

ESERCITAZIONI di ECONOMIA POLITICA ISTITUZIONI (A-K)

ESERCITAZIONI di ECONOMIA POLITICA ISTITUZIONI (A-K) EERCITAZIONI di ECONOMIA POLITICA ITITUZIONI (A-K) M. Bonacina - Università degli tudi di Pavia monica.bonacina@unibocconi.it 1 1 a EERCITAZIONE: CONUMO ED INVETIMENTO -oluzioni EERCIZIO 1. (a) i specifichi

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

MODELLO DI DICHIARAZIONE INFORMAZIONI RELATIVE ALLA QUALIFICA DI PMI

MODELLO DI DICHIARAZIONE INFORMAZIONI RELATIVE ALLA QUALIFICA DI PMI MODELLO DI DICHIARAZIONE INFORMAZIONI RELATIVE ALLA QUALIFICA DI PMI Nome o ragione sociale Indirizzo della sede legale... Indirizzo della sede operativa... N. di registro o di partita IVA ( 1 )... Nome

Dettagli

Economia del Lavoro 2010

Economia del Lavoro 2010 Economia del Lavoro 2010 Capitolo 1-3 Offerta di lavoro -Le preferenze del lavoratore 1 Offerta di lavoro Le preferenze del lavoratore Il comportamento dell offerta di lavoro è analizzato dagli economisti

Dettagli