Path dependence. Federico Frattini. Economia Applicata Avanzata
|
|
- Leonzio Costa
- 6 anni fa
- Visualizzazioni
Transcript
1 Path dependence Federico Frattini Economia Applicata Avanzata
2 Scott E. Page (2006) Path dependence, Quarterly Journal of Political Science, 2006, 1,
3 Concetto di base un piccolo vantaggio iniziale o shock casuali di poco conto lungo il percorso possono alterare il corso della storia David P. (1985), Clio and the Economics of QWERTY, American Economic Review, 75(2), pp nell interpretazione comune, path dependence significa che un evento attuale e quelli futuri, le azioni o le decisioni dipendono dal percorso seguito dagli eventi, dalle azioni e dalle decisioni precedenti (p. 88) la storia conta
4 Cause correlate Esistono quattro cause correlate: rendimenti crescenti, auto-rafforzamento, feedback positivi e lock-in. Sebbene tra loro connesse, esse differiscono. I rendimenti crescenti implicano che tanto più si compiono una scelta o un azione, tanto maggiori saranno i loro effetti. L auto-rafforzamento significa che compiere una scelta o un azione genera forze o istituzioni complementari che incoraggiano a mantenere quella scelta o azione. Nel caso di feedback positivi un azione o una scelta generano esternalità positive quando la stessa azione o scelta viene compiuta anche da altri individui. Infine, lock-in significa che una scelta o azione diventa migliore delle altre perché un numero sufficiente di individui le ha già compiute. (p. 88)
5 Differenti tipologie di dipendenza dalla storia path dependence, quando l intero sentiero percorso conta state dependence, quando il sentiero può essere ripartito in un numero finito di stati che contengono tutte le informazioni rilevanti phat dependence, quando gli eventi del passato contato, ma non il loro ordine path dependence precoce path dependence recente gli eventi dipendono dalla storia gli equilibri (probabilità degli eventi) dipendono dalla storia
6 Fraintendimenti comuni /1 Il primo fraintendimento riguarda la combinazione di path dependence e rendimenti crescenti. Essi sono concetti distinti sul piano logico e rendimenti crescenti non sono né necessari né sufficienti alla path dependence. Tuttavia, il fraintedimento si basa sulla seguente logica: se un processo genera due possibili sentieri, allora qualche evento deve prevalere in un sentiero piuttosto che nell altro. Questo è vero, ma non è detto che siano i rendimento crescenti a causare il fatto che un evento si verifichi più di frequente, poiché ogni genere di esternalità può indurre tale risultato. (p. 90)
7 Fraintendimenti comuni /2 Il secondo fraintendimento dipende da un errore interpretativo. Sebbene esistano rendimenti crescenti, in molti esempi di path dependence la vera causa sono le esternalità negative. Tuttavia, non si tratta solamente del ribaltamento di qualcosa di positivo in negativo e richiede un ripensamento radicale in merito alle cause della path dependence. (p. 90)
8 Fraintendimenti comuni /3 Il terzo fraintendimento deriva dall utilizzo del processo di Polya come modello esemplificativo, ma gli eventi che si verificano nel corso di tale processo non dipendono dall ordine di quelli passati: essi dipendono esclusivamente dalla loro distribuzione. (p. 91)
9 Fraintendimenti comuni /4 Il quarto fraintendimento risulta dal fallimento nel distinguere tra eventi ed equilibri che dipendono dalla storia. Se l evento che si verifica in un certo periodo dipende dalla sua storia, questo non implica che lo sia anche l equilibrio di lungo periodo. (p. 91)
10 Fraintendimenti comuni /5 L ultimo fraintendimento riguarda la confusione tra una path dependence precoce e la sensibilità alle condizioni iniziali. Quest ultima (nozione mutuata dalla teoria del caos) fa riferimento a sistemi dinamici, ma deterministici nei quali la traiettoria o l equilibrio dipendono in modo fondamentale dallo stato iniziale del sistema, cosicché piccoli cambiamenti in tale stato hanno effetti enormi. La path dependence precoce, invece, descrive processi in cui eventi casuali iniziali incidono sulla probabilità delle storie future, ma non le determinano. (p. 91)
11 Processo dinamico generale eventi x t a intervalli di tempo discreti indicizzati come t = 1, 2,, n ambiente al tempo t che include tutti quei fattori esogeni y t che influenzano gli eventi (altre informazioni, opportunità o eventi che si verificano in un dato periodo) storia h T al tempo T che rappresenta la combinazione di tutti gli eventi x t fino al tempo T 1 e di tutti gli altri fattori y t fino al tempo T funzione G t che mappa la storia corrente nell evento successivo. Gli eventi generati da un processo dinamico possono essere descritti come segue: x t+1 = G t ( h t ) La funzione G t può variare nel tempo e per questo motivo è indicizzata con t. La funzione G t non è necessariamente deterministica e può generare distribuzioni di probabilità sugli eventi, perché la dipendenza dalla storia non implica una dipendenza deterministica: essa deve solamente condizionare la probabilità degli eventi sulla base di quanto accaduto nel passato. (p. 92)
12 Principali tipologie di dinamica dipendenza degli eventi La storia può determinare l evento x t al tempo t. [1] un processo si dice dipendente negli eventi se l evento in un periodo dipende da quelli verificatisi nei periodi passati o nel periodo stesso dipendenza degli equilibri La storia può incidere sulla distribuzione di probabilità degli eventi x t al tempo t. [2] un processo si dice dipendente negli equilibri se la distribuzione di probabilità degli eventi nel lungo periodo dipende dagli eventi passati la dipendenza degli equilibri implica quella degli eventi: se la distribuzione di probabilità degli eventi è dipendente dal passato, allora devono esserlo anche gli eventi in un qualche periodo. (p. 93)
13 Il modello delle palle e dell urna Questo modello parte da un insieme di palle di vario colore che vengono inserite in un urna. In ciascun periodo, una palla viene estratta dall urna e altre palle vengono inserite o rimosse in base al colore di quella estratta. La sezione delle palle gioca il ruolo della funzione di determinazione degli eventi G t. Poiché le palle vengono estratte casualmente, la probabilità di ciascun evento dipende solo dalla composizione dei colori all interno dell urna. (p. 93)
14 Indipendenza [3] Un processo si dice indipendente se gli eventi x t in un periodo t non dipendono dagli eventi passati x t-1 o dal periodo t stesso. x t+1 = G ( ) Un processo che non è indipendente può dipendere dalla storia: l evento corrente o anche la distribuzione di probabilità sugli eventi possono dipendere dalla storia passata degli eventi. In entrambi i casi, però, rimane aperta la questione di quanto la storia incida sugli eventi e sulla loro probabilità. Esistono tre tipologie di dipendenza dalla storia: la dipendenza dallo stato, la phat dependence e la path dependence, che possono essere considerati come livelli diversi di importanza della storia, meno nei processi dipendenti dallo stato e maggiore in quelli path-dependent. (p. 94)
15 (1) Indipendenza Bernoulli process l urna contiene M palle marroni e B palle blu in ciascun periodo una palla viene estratta casualmente e poi reinserita nell urna La probabilità di estrarre una palla marrone è M / ( M + B ) e quella di estrarre una palla blu B / ( M + B ) in ogni periodo t» (p. 94)
16 Dipendenza dallo stato [4] un processo dipende da uno stato se l evento x t in qualche periodo t dipende solamente dallo stato del processo s t a quel tempo t. x t+1 = G ( s t ) dove s t+1 = T ( s t, x t ) è la regola di transizione che mappa lo stato corrente s t e (possibilmente) l evento corrente x t nello stato del periodo successivo s t+1. Poiché l evento x t dipende esclusivamente dallo stato s t, questo implica che G t = G per tutti i periodi t. (p. 95)
17 Phat dependence [5] un processo è phat-dependent l evento x t in qualche periodo t dipende dall insieme degli eventi e delle opportunità emerse nel corso della storia, ma non dal loro ordine { h t }. x t+1 = G t ( { h t } ) dove { h t } rappresenta l insieme degli eventi verificatisi fino al tempo t. (p. 97)
18 (2) Phat dependence /1 Polya process inizialmente M = B = 1 se nel periodo t se viene estratta una palla blu (marrone), la palla viene reinserita nell urna insieme a un altra dello stesso colore Nel processo c è dipendenza degli equilibri. Non solo il processo può convergere a più di una distribuzione di probabilità, ma addirittura a qualsiasi distribuzione. Tuttavia, il processo è solo phatdependent, perché l evento x t al tempo t dipende solamente dall insieme degli eventi passati, ma non dal loro ordine { h t }. (p. 98)
19 (3) Phat dependence /2 Balancing process inizialmente M = B = 1 se nel periodo t viene estratta una palla blu (marrone), la palla viene reinserita nell urna insieme a una palla dell altro colore Questo processo non può generare equilibri multipli. Si supponga che il processo converga a qualche distribuzione di probabilità diversa da un numero uguale di palle colorate, ad esempio 60% marroni e 40% blu. Da quel momento in poi, è più probabile estrarre una palla marrone, ma ciò significa anche che è più probabile inserire palle blu aggiuntive, portando la loro quota sopra il 40%. (p.99)
20 (4) Phat dependence /3 Balancing Polya process l urna contiene palle rosse (R) e verdi (G) oltre a quelle marroni e blu inizialmente M = B = R = G = 1 in ciascun periodo t la palla estratta viene reinserita nell urna in aggiunta, se viene estratta: una palla rossa, se ne aggiunge una marrone; una palla marrone, se ne aggiunge una rossa; una palla verde, se ne aggiunge una blu; una palla blu, se ne aggiunge una verde Questo processo mostra una phat dependence degli equilibri. Infatti, se si colorono le palle rosse di marrone e le palle verdi di blu, si ricrea il processo di Polya in cui c è phat dependence degli equilibri. Inoltre, il processo non esibisce rendimenti crescenti, poiché in un dato periodo t l estrazione di una palla di qualsiasi colore riduce la probabilità di estrarla nel periodo successivo t+1. Di conseguenza, i rendimenti crescenti non sono condizione necessaria per la dipendenza degli equilibri. Infine, questo processo quale ruolo giocano le complementarietà nell indurre la dipendenza degli equilibri. (p. 100)
21 Rendimenti crescenti Più di frequente si verifica un evento, più elevato è il rendimento relativo di quell evento e, di conseguenza, è più probabile che esso si verifichi in futuro. [6] un processo dinamico genera rendimenti crescenti se un evento x t nel periodo t aumenta la probabilità che lo stesso evento si verifichi nel periodo successivo t+1. (p. 99)
22 (5) Rendimenti crescenti Biased Polya process inizialmente M = 1 and B = 2 in ciascun periodo viene estratta una palla se viene estratta una palla marrone, la palla viene reinserita nell urna con un altra palla marrone e con una palla blu se nel periodo t viene estratta una palla blu, la palla viene reinserita nell urna insieme a 2t palle blu aggiuntive Una volta estratta una palla blu, la probabilità che venga estratta nel periodo successivo aumenta del 75%. La proporzione di palle blu nell urna, quindi, può anche convergere al 100%, così portando il processo verso un unico equilibrio. Chiaramente l estrazione di una palla blu soddisfa la condizione di rendimenti crescenti, perché estrarre una palla in un periodo aumenta la probabilità di estrarla anche nei periodi successivi. Tuttavia, anche le palle marroni soddisfano la stessa condizione. (p. 101)
23 Path dependence [7] un processo è path-dependent se l evento x t in un qualche periodo t dipende dalla storia degli eventi passati e dall ordine con cui si sono verificati h t. x t+1 = G t ( h t ) dove h t rappresenta l insieme ordinato degli eventi verificatisi fino al tempo t. (p. 97)
24 Path dependence forte La path dependence è forte quanto due sentieri distinti conducono a differenti distribuzioni di probabilità degli eventi. [8] un processo è path-dependent in senso forte se per due storie distinte h it e h -it differisce anche la funzione di determinazione degli eventi G t. x t+1 = G t ( h t ) dove G t ( h it ) G t ( h -it ) se h i h -i per qualche i = 1 fino a t. (p. 102)
25 (6) Path dependence /1 Strong path-dependent process inizialmente M = B = 1 nel periodo t viene estratta una palle e vengono reinserite nell urna 2 t-1 palle dello stesso colore Si consideri la sequenza: M B M M B t = 1: +1 M t = 2: +2 B t = 3: +4 M t = 4: +8 M t = 5: +16 B t = 6: 14 M, 19 B M B M M B è l unica storia a generare l evento 14 M e 19 B nel periodo t = 6, sebbene senza convergere a qualche distribuzione di probabilità fissa. (p. 103)
26 (7) Path dependence /2 Burden of history inizialmente M = B = 1 nel periodo t viene estratta una palla che viene reinserita nell urna insieme a una palla dello stesso colore in aggiunta, per ciascun periodo s < t, vengono aggiunte nell urna 2 t-s 2 t-s-1 palle dello stesso colore di quella estratta nel periodo s Si consideri la sequenza: M B ecc. t = T: +2 T 1 M, +2 T 2 B, ecc. In questo processo, la prima palla selezionata determina il colore di circa la metà delle palle aggiunta all urna, la seconda circa un quarto e così via. I periodi recenti contano esponenzialmente meno e il processo converge a un unico equilibrio. (p. 103)
27 Dipendenza dall evento iniziale [9] un processo è dipendente dall evento iniziale se tutti gli eventi successivi x t+i dipendono esclusivamente dal primo x t=0. (p. 104) x t = G ( h 1 )
28 (8) Dipendenza dall evento iniziale Founder process inizialmente M = B = 1 se la palla estratta nel periodo 1 è marrone (blu), allora la palla viene reinserita nell urna e la palla blu (marrone) viene rimossa Nel processo sono possibili solo due sentieri e tutti gli eventi futuri devono essere uguali al primo. (p. 104)
29 Path dependence precoce [10] in un processo la path dependence è precoce se tutti gli eventi successivi x t+i dipendono solamente dalla storia h T fino a un certo periodo T. (p. 104) x t+1 = G t ( h t ) for t T x t+1 = G ( h T ) for t > T
30 (9) Path dependence precoce Cascade inizialmente M = B = 1 le palle vengono estratte e reinserite nell urna finché non vengono estratte consecutivamente 3 palle dello stesso colore quando ciò accade, la palla dell altro colore viene rimossa dall urna In questo processo, gli eventi hanno la stessa probabilità finché un certo numero di eventi consecutivi non sono identici e dopo i quali il processo rimane incastrato in certo evento. (p. 104)
31 Path dependence recente [11] in un processo la path dependence è recente se tutti gli eventi successivi x t+i dipendono solamente dagli eventi e dalle opportunità del passato recente. (p. 105) x t+1 = G t ( h t ) for t T x t+1 = G ( h t / h t-t ) for t > T
32 (10) Dipendenza dall ultimo evento Unstable government uno di due partiti, D o R, è in carica se D è in carica, allora M = 1 e B = 2 se R è in carica, allora M = 2 e B = 1 nel primo periodo uno dei due partiti scelti casualmente è in carica in ciascun periodo viene estratta una palla nei periodi successivi il partito in carica è D se viene estratta una palla blu B, viceversa è R se viene estratta una palla M Nell unico equilibrio la palla marrone e blu hanno la stessa probabilità di essere estratte. (p. 105)
33 (11) Path dependence recente Forgetting process inizialmente M = B = 1 una palla dello stesso colore di quella estratta viene aggiunta per K > 0 periodi all urna e poi rimossa Il processo sconta il passato a un qualche tasso. (p. 105)
34 Riassunto (p. 106) Processo Proprietà (1) Bernoulli Indipendenza (2) Polya Phat dependence: equilibri multipli (3) Balancing Phat dependence: equilibrio unico (4) Balancing Polya Phat dependence: senza rendimenti crescenti (5) Biased Polya Rendimenti crescenti: equilibrio unico (6) Strong path-dependent Path dependence: senza convergenza (7) Burden of history Path dependence: con convergenza (8) Founder Dipendenza dall evento iniziale (9) Cascade Path dependence precoce (10) Unstable government Dipendenza dall ultimo evento (11) Forgetting Path dependence recente
Esercitazione N. 1 (11 ottobre 2016)
Esercitazione N. 1 (11 ottobre 2016) Un'urna contiene elementi. Vengono estratti di seguito elementi, ogni elemento una volta estratto è riposto nell'urna. Calcolare la probabilità dell evento: Problema
DettagliEsempio (Azzalini, pp. 6-15)
Inferenza statistica procedimento per indurre le caratteristiche non note di un aggregato a partire dalle informazioni disponibili su una parte di esso. Obiettivo del corso presentare la teoria ed i metodi
DettagliDOMANDA 1: mettere una croce sulla affermazione esatta (90 89)
PROVA D ESAME - 0 marzo 00 nome: cognome: SSIS-INDIRIZZO MATEMATICA E MATEMATICA APPLICATA (primo anno MATEMATICA APPLICATA B: CALCOLO DELLE PROBABILITÀ Per le domande a risposta aperta il punteggio varia
DettagliESERCIZI DI PROBABILITA
ESERCIZI DI PROBABILITA Quest'opera è stata rilasciata sotto la licenza Creative Commons Attribuzione-Non commerciale-condividi allo stesso modo 2.5 Italia. Per leggere una copia della licenza visita il
DettagliSTATISTICA ESERCITAZIONE 9
STATISTICA ESERCITAZIONE 9 Dott. Giuseppe Pandolfo 19 Gennaio 2015 REGOLE DI CONTEGGIO Sequenze ordinate Sequenze non ordinate Estrazioni con ripetizione Estrazioni senza ripetizione Estrazioni con ripetizione
DettagliProbabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica.
Probabilità e Statistica Esercitazioni a.a. 2009/200 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Estrazioni I Ines Campa Probabilità e Statistica - Esercitazioni -
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 3
Sperimentazioni di Fisica I mod. A Statistica - Lezione 3 A Garfagnini, M Mazzocco, C Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Teoria della Probabilità L ineliminabile
DettagliCAPITOLO V. DATABASE: Il modello relazionale
CAPITOLO V DATABASE: Il modello relazionale Il modello relazionale offre una rappresentazione matematica dei dati basata sul concetto di relazione normalizzata. I principi del modello relazionale furono
DettagliLa probabilità composta
La probabilità composta DEFINIZIONE. Un evento E si dice composto se il suo verificarsi è legato al verificarsi contemporaneo (o in successione) degli eventi E 1, E 2 che lo compongono. Consideriamo il
DettagliProbabilità Condizionale - 1
Probabilità Condizionale - 1 Come varia la probabilità al variare della conoscenza, ovvero delle informazioni in possesso di chi la calcola? ESEMPIO - Calcolare la probabilità che in una estrazione della
Dettagli3.1 La probabilità: eventi e variabili casuali
Capitolo 3 Elementi di teoria della probabilità Abbiamo già notato come, per la ineliminabile presenza degli errori di misura, quello che otteniamo come risultato della stima del valore di una grandezza
DettagliLuigi Piroddi
Automazione industriale dispense del corso (a.a. 2008/2009) 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliFRAME 0.3. E possibile partecipare a tre appelli su 5 (esclusi i compitini). Farà fede l iscrizione alle liste elettroniche.
FRAME 0.1. S.M. Ross, Calcolo delle Probabilità, Apogeo 2004. C. Mariconda, A. Tonolo, Matematica Discreta, a.a. 2005-2006, Libreria Progetto, 2005 (costo 6 euro. Compitini FRAME 0.2. 13 maggio, ore 9.30
DettagliModelli e Metodi per la Simulazione (MMS)
Modelli e Metodi per la Simulazione (MMS) adacher@dia.uniroma3.it Programma La simulazione ad eventi discreti, è una metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di
DettagliProbabilità: valutazione della possibilità che accada (o sia accaduto) r = 1 (c è un asso di cuori nel mazzo)
Probabilità: valutazione della possibilità che accada (o sia accaduto) un evento. Probabilità di un evento P = r/n dove r = frequenza dell evento N = Numero di possibili eventi Esempio: Evento = estrazione
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
DettagliCalcolo della probabilità
Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.
Dettagli2. Se il rapporto tra le aree di due figure simili è 4, qual è il rapporto tra i corrispondenti perimetri?
. 000 99,02 = 0,98,98 900,98 D. 90,98 2. Se il rapporto tra le aree di due figure simili è 4, qual è il rapporto tra i corrispondenti perimetri? 4 2 2 D. 4 3. Un cuoco prepara un piatto di tagliatelle
DettagliLA CURVA DI PHILLIPS
1 LA CURVA DI PHILLIPS INFLAZIONE, INFLAZIONE ATTESA E DISOCCUPAZIONE L equazione dell offerta aggregata può essere riscritta come una relazione tra livello effettivo dei prezzi, livello atteso dei prezzi
DettagliIl rapporto casi favorevoli su casi possibili porta quindi esattamente a quanto scritto prima.
alline. In un sacco non trasparente sono contenute palline identiche: bianche,. Qual e la probabilita che se ne estragga una? E una? Su palline, sono bianche,. Sono tutte identiche (stessa grandezza, stesso
DettagliC.d) Equilibri multipli
C.d) Equilibri multipli o L evidenza empirica sui processi di convergenza nei livelli di produttività tra le regioni europee suggerisce l esistenza di Club di convergenza, ovvero di gruppi di regioni che
DettagliUNIVERSITA` di ROMA TOR VERGATA
UNIVERSITA` di ROMA TOR VERGATA Corso di PS2-Probabilità 2 P.Baldi appello, 7 giugno 200 Corso di Laurea in Matematica Esercizio Siano X, Y v.a. indipendenti di legge Ŵ(2, λ). Calcolare densità e la media
DettagliCapitolo 10. La domanda aggregata, I. Capitolo 10: La domanda aggregata, I
Capitolo 10 La domanda aggregata, I 1 Il percorso La domanda aggregata, I La curva IS La croce keynesiana Il modello dei capitali di prestito La curva LM La teoria delle preferenze per la liquidità Il
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliEsternalità di Rete. Il beneficio aumenta al crescere del numero di consumatori che utilizza il bene (telefono, mail, skype)
Esternalità di rete Pepall Richards Norman: cap. 9 Comino Manenti: cap. 3 (escluso 3.4) Garavaglia: cap. 4 Lucidi di lezione in parte preparati da Comino e Manenti Esternalità di Rete Il beneficio aumenta
DettagliIL CALCOLO DELLE PROBABILITA
IL CALCOLO DELLE PROBABILITA INTRODUZIONE Già 3000 anni fa gli Egizi praticavano un antenato del gioco dei dadi, che si svolgeva lanciando una pietra. Il gioco dei dadi era diffuso anche nell antica Roma,
DettagliEsercizi di Probabilità - Matematica Applicata a. a Doriano Benedetti
Esercizi di Probabilità - Matematica Applicata a. a. 01-014 Doriano Benedetti 6 marzo 014 1 Esercizio 1 In quanti modi diversi si può vestire una persona che possiede 10 abiti, paia di scarpe e cappelli?
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 51 Introduzione Il Calcolo delle
Dettagli{ } corrisponde all uscita della faccia i-esima del dado. La distribuzione di probabilità associata ( )
Università di Trento - Corsi di Laurea in Ingegneria Civile e in Ingegneria per l Ambiente e il Territorio - 2017/18 Analisi Matematica 1 - professore Alberto Valli 2 foglio di esercizi 25 settembre 2017
DettagliOlimpiadi di Statistica Classe V - Fase Eliminatoria
Olimpiadi di Statistica 2016 - Classe V - Fase Eliminatoria Domanda 1 Alla fine del torneo di calcetto organizzato dalla scuola, è stata analizzata la classifica dei marcatori dalla quale risulta la seguente
DettagliScopo del Corso: Lezione 1. La Probabilità. Organizzazione del Corso e argomenti trattati: Prerequisiti:
Lezione 1 La Probabilità Scopo del Corso: Introduzione alla probabilità e alle procedure di inferenza statistica Introduzione ad alcune importanti tecniche di analisi multivariata dei dati Organizzazione
DettagliSe il progresso tecnico non è lo stesso in tutti i paesi le conclusioni non valgono.
Convergenza Il modello neoclassico prevede due tipi di convergenza: convergenza condizionata: è la convergenza nei livelli di reddito per addetto ed è condizionata dalla propensione al risparmio s del
DettagliCorso di Statistica. Distribuzioni di probabilità per variabili casuali discrete. Prof.ssa T. Laureti a.a
Corso di Statistica Distribuzioni di probabilità per variabili casuali discrete Prof.ssa T. Laureti a.a. 2013-2014 1 Variabili casuale di Bernoulli La v.c. di Bernoulli trae origine da una prova nella
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliPROBLEMI DI PROBABILITÀ
PROBLEMI DI PROBABILITÀ 1. Si dispongono a caso su uno scaffale sette libri, dei quali tre trattano di matematica. Qual è la probabilità che i tre libri di matematica si vengano a trovare l uno accanto
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Il modello binomiale Da studi interni è noto che il 35% dei clienti del Supermercato GD paga
DettagliIl beneficio aumenta al crescere del numero di consumatori che utlizzano il bene (telefono, mail, whatsapp)
ESTERNALITA DI RETE Il beneficio aumenta al crescere del numero di consumatori che utlizzano il bene (telefono, mail, whatsapp) Gli effetti di rete o esternalità di rete riflettono tali situazioni in cui
DettagliProbabilità esempi. Aiutiamoci con una rappresentazione grafica:
Probabilità esempi Paolo e Francesca giocano a dadi. Paolo scommette che, lanciando due dadi, si otterrà come somma 8 oppure 9. Francesca scommette che si otterrà come somma un numero minore o uguale a
DettagliEconomia Internazionale e Politiche Commerciali (a.a. 11/12)
Economia Internazionale e Politiche Commerciali (a.a. 11/12) Soluzione Esame (28 gennaio 2012) Prima Parte 1. (9 p.) Si supponga che le imprese che producono personal computers siano identiche tra loro
DettagliLezione 2. La probabilità oggettiva : definizione classica e frequentistica e loro problemi
Lezione 2 La probabilità oggettiva : definizione classica e frequentistica e loro problemi La definizione classica Definizione classica: La probabilità di un evento E è il rapporto tra il numero dei casi
DettagliLezioni di Microeconomia
Lezioni di Microeconomia Lezione 3 Quantità e Prezzi di Mercato Lezione 3: quantità e prezzi di mercato Slide 1 Il meccanismo di mercato Ricordiamo che: q d n= f (p n, R, p 1,...,p n-1, G) d q = D( p n
DettagliProgetto: Riuscire nelle gare di Matematica
Progetto: Riuscire nelle gare di Matematica Test di fine percorso: 12 Aprile 2010 Cognome Nome Classe Sezione Tempo concesso 120 minuti Non è consentito l utilizzo della calcolatrice ARITMETICA 1. Francesco
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE CATENE DI MARKOV TEMPO CONTINUE Definizioni Sia dato un processo stocastico x(t) che può assumere valori discreti appartenenti ad un insieme se accade che il processo è una catena
DettagliSTATISTICA 1 ESERCITAZIONE 8
STATISTICA 1 ESERCITAZIONE 8 Dott. Giuseppe Pandolfo 18 Novembre 2013 CALCOLO DELLE PROBABILITA Elementi del calcolo delle probabilità: 1) Esperimento: fenomeno caratterizzato da incertezza 2) Evento:
DettagliSTATISTICA (2) ESERCITAZIONE 1. Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 1 29.01.2014 Dott.ssa Antonella Costanzo Esercizio 1. Modelli discreti di probabilità: le v.c. binomiale e geometrica (come caso particolare della v.c. binomiale negativa)
DettagliInsiemi di numeri reali
Capitolo 1 1.1 Elementi di teoria degli insiemi Se S è una totalità di oggetti x, si dice che S è uno spazio avente gli elementi x. Se si considerano alcuni elementi di S si dice che essi costituiscono
DettagliLa teoria della produzione
Università degli Studi di Napoli Federico II Corso di studi CLEA Anno accademico 2012/13 La teoria della produzione Ornella Wanda Maietta maietta@unina.it Sommario 1. La funzione di produzione in presenza
DettagliLa probabilità matematica
1 La probabilità matematica In generale parliamo di eventi probabili o improbabili quando non siamo sicuri se si verificheranno. DEFINIZIONE. Un evento (E) si dice casuale, o aleatorio, quando il suo verificarsi
DettagliRilevazione degli apprendimenti. Anno Scolastico PROVA DI MATEMATICA. Scuola Secondaria di II grado. Classe Prima. Codici. Scuola:...
Ministero della Pubblica Istruzione Rilevazione degli apprendimenti Anno Scolastico 2006 2007 PROVA DI MATEMATICA Scuola Secondaria di II grado Classe Prima Codici Scuola:..... Classe:.. Studente:. Spazio
DettagliNote sulle Catene di Markov
Note sulle Catene di Markov ELAUT Prof. Giuseppe C. Calafiore Sommario Queste note contengono un estratto schematico ridotto di parte del materiale relativo alle Catene di Markov a tempo continuo e a tempo
DettagliCompiti tematici capp. 5,6
Compiti tematici capp. 5,6 a cura di Giovanni M. Marchetti 2016 ver. 0.6 Indice Esercizi dai compiti a casa (HW..................................... 8 1. Se X e Y sono due variabili casuali independenti,
DettagliESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE
ESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 30 Aprile 2013 Esercizio
DettagliPROCESSI STOCASTICI 1: ESERCIZI
PROCESSI STOCASTICI 1: ESERCIZI (1) ESERCIZIO: Date P e Q matrici stocastiche, dimostrare che la matrice prodotto P Q è una matrice stocastica. Dedurre che la potenza P n e il prodotto P 1 P 2 P n sono
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliStatistica descrittiva e statistica inferenziale
Statistica descrittiva e statistica inferenziale 1 ALCUNI CONCETTI POPOLAZIONE E CAMPIONE Popolazione: insieme finito o infinito di unità statistiche classificate secondo uno o più caratteri Campione:
DettagliKangourou della Matematica 2006 finale nazionale italiana Mirabilandia, 8 maggio 2006
LIVELLO ÉCOLIER E1. (5 punti ) Qual è il multiplo di 11 più vicino a 1000? E2. (7 punti ) Le lettere della parola ELA sono tutte distinte fra loro. Fa corrispondere ad ogni lettera di questa parola una
DettagliProgresso tecnologico e crescita
Lezione 14 (BAG cap. 13) Progresso tecnologico e crescita Corso di Macroeconomia Prof. Guido Ascari, Università di Pavia Progresso tecnologico e tasso di crescita Il progresso tecnologico può manifestarsi
DettagliCorso di Laurea in Matematica a.a. 2009/2010
Corso di Laurea in Matematica a.a. 009/010 (1) Il numero ( 5) 4 è uguale a: (a) 5 (b) 8 5 (c) 5 (d) 4 5 () Il numero log 4 16 è uguale a: (a) 4 (b) 8 (c) (d) 1/ (3) È vero che: (a) 5 > 3 4 (b) 5 > 8 5
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliEconomia Politica e Istituzioni Economiche
Economia Politica e Istituzioni Economiche Barbara Pancino Lezione 12 Un analisi di equilibrio generale: il modello AS-AD Tasso naturale/strutturale di disoccupazione Il tasso di disoccupazione di equilibrio,
DettagliMetodi di Iterazione Funzionale
Appunti di Matematica Computazionale Lezione Metodi di Iterazione Funzionale Il problema di calcolare il valore per cui F() = si può sempre trasformare in quello di trovare il punto fisso di una funzione
Dettagliincompatibili compatibili complementari eventi composti probabilità composta
Un evento si dice casuale, o aleatorio, se il suo verificarsi dipende esclusivamente dal caso. La probabilità matematica p di un evento aleatorio è il rapporto fra il numero dei casi favorevoli f e il
DettagliOfferta aggregata, AS
Lezione 9 (BAG cap. 8) Un analisi di equilibrio generale: il modello AS-AD Corso di Macroeconomia Prof. Guido Ascari, Università di Pavia Offerta aggregata, AS L offerta aggregata, AS, descrive gli effetti
DettagliEsercitazione 7 del corso di Statistica (parte 1)
Esercitazione 7 del corso di Statistica (parte 1) Dott.ssa Paola Costantini 5 Marzo 011 Esercizio 1 Sullo spazio campionario: = 1,,,, 5,, 7,,, considerando l esperimento casuale estrazione di un numero,
DettagliCapitolo 10 La domanda aggregata, I. Mankiw, MACROECONOMIA, Zanichelli editore 2004 Capitolo 10: La domanda aggregata, I 1
Capitolo 10 La domanda aggregata, I 1 Il percorso La domanda aggregata, I La curva IS La croce keynesiana Il modello del mercato dei fondi mutuabili La curva LM La teoria della preferenza per la liquidità
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità A. A. /5 prova scritta (//5(docenti G. Nappo, F. Spizzichino La prova scritta consiste nello svolgimento dei punti non facoltativi
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
DettagliConcorrenza fra standard e tecnologie. Esternalità di rete e Lock-in
Concorrenza fra standard e tecnologie. Esternalità di rete e Lock-in Lezione 15 Cabral - Cap. 17 solo 17.1 e 17.2 Shapiro Varian. Information Rules. Cap. 7 Importanti i lucidi Disponibili pdf su moodle
DettagliStatistica 1- parte II
Statistica 1- parte II Esercitazione 1 Dott.ssa Antonella Costanzo 11/02/2016 Esercizio 1. Modelli discreti di probabilità: le v.c. binomiale e geometrica (come caso particolare della v.c. binomiale negativa),
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliIl modello AD-AS. Modello semplice
Il modello AD-AS Modello semplice Introduciamo i prezzi Fino ad ora abbiamo ipotizzato che i prezzi fossero dati e costanti. Si trattava di una ipotesi semplificatrice che poteva valere nel breve periodo.
DettagliL OFFERTA AGGREGATA NEL LUNGO PERIODO
Corso di laurea in Scienze Internazionali e diplomatiche Corso di Macroeconomia a.a 2016-2017 L OFFERTA AGGREGATA NEL LUNGO PERIODO Saveria Capellari a.a. 2016-2017 L OFFERTA AGGREGATA NEL LUNGO PERIODO
DettagliCONOSCENZE 1. il significato di evento casuale. 2. il significato di eventi impossibili, complementari;
ARITMETICA ELEMENTIDICALCOLO DELLE PROBABILITAÁ PREREQUISITI l l l conoscere e costruire tabelle a doppia entrata conoscere il significato di frequenza statistica calcolare rapporti e percentuali CONOSCENZE.
DettagliConcetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017. Giovanni Lafratta
Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017 Giovanni Lafratta ii Indice 1 Spazi, Disegni e Strategie Campionarie 1 2 Campionamento casuale
Dettagli1 Indipendenza lineare e scrittura unica
Geometria Lingotto. LeLing7: Indipendenza lineare, basi e dimensione. Ārgomenti svolti: Indipendenza lineare e scrittura unica. Basi e dimensione. Coordinate. Ēsercizi consigliati: Geoling. Indipendenza
DettagliEsercizi di Calcolo combinatorio: disposizioni
Calcolo combinatorio: disposizioni La Big Triple all ippodromo del luogo consiste nell indicare il corretto ordine di arrivo dei cavalli classificati tra i primi tre nella nona corsa. Se ci sono 12 cavalli
DettagliLezione Introduzione
Lezione 19 1 Introduzione In questa lezione vediamo il modello di allocazione della spesa. Questo modello spiega la relazione tra le diverse componenti del PIL. In particolare mostra come, nel lungo periodo,
DettagliIl modello a fattori specifici
Economia Internazionale Alireza Naghavi Capitolo 3 (b) Fattori specifici e distribuzione del reddito Slide 3- Cosa succede all allocazione del lavoro e alla distribuzione del reddito quando il prezzo del
DettagliESERCIZI DI CALCOLO COMBINATORIO
ESERCIZI DI CALCOLO COMBINATORIO (G.T.Bagni) Sintesi delle nozioni teoriche da utilizzare a) Dati n elementi e k n, si dicono disposizioni semplici di n elementi di classe k tutti i raggruppamenti ottenuti
DettagliClassificazione sistema statico: l uscita y(t) non dipende dall ingresso u(τ), τ < t. sistema dinamico: l uscita y(t) dipende dall ingresso u(τ), τ <
Classificazione dei Modelli Classificazione sistema statico: l uscita y(t) non dipende dall ingresso u(τ), τ < t. sistema dinamico: l uscita y(t) dipende dall ingresso u(τ), τ < t. Classificazione sistema
DettagliSCHEMA delle LEZIONI della QUINTA SETTIMANA
Corso di Istituzioni di economia, Corso di Laurea in Ing. Gestionale, II canale (M-Z), A.A. 2010-2011. Prof. R. Sestini SCHEMA delle LEZIONI della QUINTA SETTIMANA Corso di Macroeconomia, Corso di Laurea
DettagliM.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI
M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI Assumiamo come primitivo il concetto di insieme e quello di appartenenza di un elemento a un insieme. La notazione x A indica
DettagliEquilibrio Macroeconomico: il modello IS-LM. particolare, Moneta nominale (M) = Moneta reale (M/P)
Equilibrio Macroeconomico: il modello IS-LM Ricordo che sia nello studio del settore reale (IS) che in quello monetario (LM) i prezzi sono ipotizzati costanti: valori nominali e reali coincidono: in particolare,
DettagliArgomenti della lezione. Criteri di divisibilità fattorizzazione m.c.m. e M.C.D. frazioni ed espressioni
Argomenti della lezione Criteri di divisibilità fattorizzazione m.c.m. e M.C.D. frazioni ed espressioni Quale cifra deve assumere la lettera c affinché i numeri 821c e 82c1 siano divisibili per 2? Un numero
DettagliElementi di Epidemiologia per la Valutazione Comparativa di Esito
Elementi di Epidemiologia per la Valutazione Comparativa di Esito La valutazione della qualità dell assistenza: quali domande? L incidenza di alcuni esiti negativi dell assistenza ospedaliera (come la
DettagliLaboratorio Tecniche di valutazione dei progetti di trasporto. 2 lezione: Cos è un investimento? Prof. Ing. Gianfranco Fancello A.
Laboratorio Tecniche di valutazione dei progetti di trasporto 2 lezione: Cos è un investimento? Prof. Ing. Gianfranco Fancello A.A: 2016-2017 Cos è un investimento? Un investimento è: - un esborso di capitale
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliGenerazione di numeri random. Distribuzioni uniformi
Generazione di numeri random Distribuzioni uniformi I numeri random Per numero random (o numero casuale) si intende una variabile aleatoria distribuita in modo uniforme tra 0 e 1. Le proprietà statistiche
DettagliCOMPLETEZZA DELL INSIEME DEI NUMERI REALI R.
COMPLETEZZA DELL INSIEME DEI NUMERI REALI R. FABIO CIPRIANI 1. Completezza dell insieme dei numeri reali R. Nell insieme dei numeri reali R la condizione di Cauchy e necessaria e sufficiente per la convergenza
Dettagliλ è detto intensità e rappresenta il numero di eventi che si
ESERCITAZIONE N 1 STUDIO DI UN SISTEMA DI CODA M/M/1 1. Introduzione Per poter studiare un sistema di coda occorre necessariamente simulare gli arrivi, le partenze e i tempi di ingresso nel sistema e di
DettagliLe finalità di efficienza. Materiale di riferimento: Dispensa sostitutiva: par. 1, 2, 3, 4 Manuale 1: cap. 4, par. 3 fino a riga 8 di p.
Le finalità di efficienza Materiale di riferimento: Dispensa sostitutiva: par. 1, 2, 3, 4 Manuale 1: cap. 4, par. 3 fino a riga 8 di p. 74 Cosa intendere per efficienza? Efficienza come massimo benessere
DettagliLanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4. uscirà il numero 9
Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4 o ancora: uscirà il numero 9 Possiamo dire che le previsione del tuo compagno sono la prima certa, la seconda
DettagliINSIEMI E LOGICA. 2527+2234+1846=6607 6607-6000 = 607 numero individui con entrambi gli antigeni
In uno studio di gruppi sanguigni ABO, furono sottoposti ad analisi 6000 cinesi. 2527 avevano l antigene A, 2234 l antigene B e 1846 nessun antigene. Quanti individui avevano entrambi gli antigeni? 2527+2234+1846=6607
Dettagli0 z < z < 2. 0 z < z 3
CALCOLO DELLE PROBABILITÀ o - 7 gennaio 004. Elettronica : 4; Nettuno: 3.. Data un urna di composizione incognita con palline bianche e nere, sia K = il numero di palline bianche nell urna è il doppio
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
Dettagli