CORSO DI ANALISI DELLE SERIE STORICHE A.A 2008/2009- LABORATORIO DI STATA: LEZIONE 4 ANALISI CLASSICA DELLE SERIE STORICHE II (FORMATO PDF)
|
|
- Gianluigi Rinaldi
- 6 anni fa
- Visualizzazioni
Transcript
1 University of Naples Federico II From the SelectedWorks of Carlo Drago Winter January 9, 2009 CORSO DI ANALISI DELLE SERIE STORICHE A.A 2008/2009- LABORATORIO DI STATA: LEZIONE 4 ANALISI CLASSICA DELLE SERIE STORICHE II (FORMATO PDF) Carlo Drago Available at:
2 Corso di Storiche a.a 2008/ 2009 Laboratorio di : lezione 4 analisi classica delle serie storiche (II) Carlo Drago c.drago@mclink.it 9 gennaio
3 Riepilogo della scorsa lezione Analisi delle componenti di una serie storica Trend lineare o linearizzabile nei parametri L output di stima Il salvataggio delle stime Le tavole di comparazione delle stime La visualizzazione del trend La generazione dei residui Stima della componente stagionale Stima simultanea del trend e della stagionalità 2
4 Sommario Altri metodi di calcolo del trend: trend esponenziali Trend non lineari nei parametri: le curve di crescita Trend non lineari nei parametri: la curva esponenziale modificata e la curva logistica, e di Gomperz Procedure di detrendizzazione della serie Procedure di destagionalizzazione della serie Approssimazione del ciclo mediante medie mobili L analisi dei residui L analisi classica delle serie storiche: aspetti operativi 3
5 Altri metodi di calcolo del trend: trend esponenziali In alcuni casi l andamento di lungo periodo di una serie storica presenta una dinamica difficilmente approssimabile con un polinomio. Un tipico caso è una serie la cui differenza percentuale cresca nel tempo, in questo caso si può avere un trend esponenziale. Se si usa la forma linearizzata nei parametri otterremo: log( y t ) = t * * β0 + β1t + ε per t = 1,2,..., n * ε t Con media nulla, varianza costante ed incorrelato. β 1 Si ricorda che la stima del coefficiente è la stima di * 1 invece è una stima di. β log( β 0 ) β * 0 exp( Dovremo quindi calcolare. Si veda Di Fonzo- Lisi (2001) ˆ * β 0 ) β 4
6 Altri metodi di calcolo del trend: trend esponenziali La variabile dipendente iniziale viene trasformata in logaritmi con la funzione log(). Il modello viene stimato con i minimi quadrati ordinari con regress nella maniera canonica. Il coefficiente β 1 è il coefficiente β 1 cercato. Una stima del coefficiente β può essere ottenuta con display 0 exp(b0), laddove b0 è la stima dei minimi quadrati ordinari di * ottenuta precedentemente. β 0 5
7 Trend non lineari nei parametri: le curve di crescita Ancora altre tipologie di serie storiche esibiscono dei trends difficilmente descrivibili da una funzione polinomiale. Caratteristica comune di tali curve è che esse non sono lineari nei parametri e richiedono diversi metodi di stima: i minimi quadrati nonlineari. Tre curve di crescita, molto utilizzate nelle applicazioni (Guarini Tassinari 1990), sono la curva esponenziale modificata, la curva logistica e la curva di Gomperz. permette di stimare tutte e tre le curve facendo uso del comando nl che va adeguatamente specificato relativamente al modello, alle variabili ed ai valori iniziali da cui fare partire le procedure di stima. Per i dettagli sul metodo di stima si rimanda a Di Fonzo Lisi 2005, appendice B. 6
8 Trend non lineari nei parametri La stima in può avvenire da finestra di dialogo. Il comando diretto, come detto è nl cui vanno aggiunte le diverse specificazioni del comando stesso. Facendo uso della finestra di dialogo apposita, la funzione può essere riferita al modello che si intende stimare (in questo caso esponenziale logistico o di Gomperz) e possono essere inseriti i valori iniziali da utilizzare nella procedura. Alla fine della stima possono essere generati i residui, i valori stimati e così via (le opzioni post-stima) E necessario, generati i residui, valutare come sempre la casualità degli stessi. 7
9 Metodo di stima: minimi quadrati non lineari 8
10 La curva esponenziale modificata, logistica e di Gomperz 9
11 Le procedure di detrendizzazione Identificato il trend all interno del modello di serie storica prescelto (ad esempio additivo) è possibile detrendizzare la serie eliminando la componente di trend. In basterà effettuare la stima del trend (mediante regress) ottenerlo (mediante il comando predict yhat) ed infine generare la nuova serie storica detrendizzata yd con gen ydet=y-yhat Una maniera alternativa di calcolo è quella di generare direttamente la variabile ydet dal modello stimato utilizzando gen (ad esempio gen ydet=y-( *t)) A questo punto ydet apparirà tra le variabili e potrà essere riutilizzata e visualizzata con tsline ydet 10
12 Le procedure di destagionalizzazione (1) Si possono ottenere delle serie destagionalizzate a partire da una stima ottenuta con le variabili dummies viste nella lezione 3. Si veda Di Fonzo Lisi (2005). A partire quindi dalla stima, si può calcolare la sommatoria dei quattro (nel caso quadrimestrale) o più coefficienti associati alla stagionalità facendo uso di display (ad esempio display ) laddove il primo dei quattro coefficienti è il coefficiente dell intercetta. Se tale risultato non fosse soddisfatto si devono calcolare con display gli scarti dalla media (per costruzioni uguali sommandoli tra di loro a 0). Si otterrà una variabile yd. A questo punto si calcoleranno con gen ydes=y-yd i valori facendo uso degli scarti dalla media precedentemente calcolati. La variabile destagionalizzata ydes apparirà tra le variabili a disposizione e ad esempio visualizzata con tsline ydes. 11
13 Le procedure di destagionalizzazione (2) A questa procedura di destagionalizzazione se ne aggiunge una seconda utilizzando le medie mobili. In questo caso dobbiamo fare riferimento a due diversi modelli, quello moltiplicativo e quello additivo. In entrambi i casi l obiettivo è quello di giungere a calcolare dei coefficienti ideali di stagionalità Gli indici di stagionalità vanno testati con procedure ANOVA al fine di valutare la significatività A partire dai coefficienti ideali è possibile ottenere la serie destagionalizzata 12
14 Le procedure di destagionalizzazione (2): il modello moltiplicativo Si costruisce la media mobile nella forma canonica. Il valore ottenuto ytc è la prima semplice destagionalizzazione. Si calcola gen yi=yt/ytc che sono gli indici specifici di stagionalità. Si calcolano i coefficienti grezzi di stagionalità semplicemente per ciascun singolo intervallo temporale ad esempio l anno calcolando la media. In ciò può avvenire con by variabile: sum yi. Si ottengono i coefficienti grezzi A questo punto si possono ottenere i coefficienti ideali dividendo i coefficienti grezzi per n. * n S k k =1 La serie destagionalizzata sarà gen yst=yt/coef.ideali Per maggiori dettagli sulla procedura: Di Fonzo-Lisi (2005) e Guarini Tassinari (1990) 13
15 Le procedure di destagionalizzazione (2): il modello additivo Si costruisce la media mobile nella forma canonica. Il valore ottenuto ytc è la prima semplice destagionalizzazione. Si calcola gen yi=yt-ytc che sono gli indici specifici di stagionalità. Si calcolano i coefficienti grezzi di stagionalità semplicemente per ciascun singolo intervallo temporale ad esempio l anno calcolando la media. In ciò può avvenire con by variabile: sum yi. Si ottengono i coefficienti grezzi. Ancora una volta la somma dei coefficienti stagionali deve essere pari a 0. Non lo fossero, a questo punto si possono ottenere i coefficienti ideali dividendo i coefficienti grezzi per la media dei coefficienti stagionali. La serie destagionalizzata sarà gen yst=yt-coef.ideali. Si veda Di Fonzo Lisi (2005) ed anche Guarini Tassinari (1990) 14
16 Test ANOVA sui coefficienti di stagionalità Si formula l ipotesi di assenza di stagionalità. Con la sintassi per effettuare il test è oneway [variabile] [variabile stagionale], laddove si voglia visualizzare anche una tavola di statistiche descrittive: oneway [variabile] [variabile stagionale], tabulate A questo punto si può procedere all analisi della componente residuale. 15
17 L analisi dei residui L analisi dei residui è quindi importante al fine di verificare se il modello scelto sia necessario provvedere ad ulteriori rispecificazioni del modello medesimo. Per fare questo un primo passaggio piuò essere quello di visualizzare esplorativamente i residui rispetto al tempo (con metodi grafici quindi). Si testa secondariamente l ipotesi di normalità dei residui Si testano poi varie altre ipotesi di non casualità dei residui medesimi, sequenzialmente. In particolare si testa l ipotesi di non autocorrelazione dei residui. 16
18 La normalità dei residui La visualizzazione dei residui a livello grafico rispetto al tempo può avvenire con tsline. E anche possibile visualizzare l istogramma dei residui con hist [nome], bin([numero intervalli]). Ad esempio hist res, bin(8) produce un istogramma con 8 classi. E possibile con anche effettuare dei tests formali sui residui. 17
19 L autocorrelazione dei residui E anche possibile visualizzare i residui e la funzione di autocorrelazione ed autocorrelazione parziale (acf e pacf) al fine di potere testare la bianchezza dei residui stessi, cioè la loro casualità. Autocorrelogrammi possono mostrare appunto se il modello sia adeguato ed aiutare eventualmente nella specificazione di uno diverso. Il grafico delle autocorrelazioni può essere essere costruito con ac [variabile], il grafico delle autocorrelazioni parziali con pac [variabile]. 18
20 L analisi classica delle serie storiche: aspetti operativi (1) L analisi classica delle serie storiche serve a stimare le differenti componenti di una serie storica (trend, stagionalità e ciclo). Il trend può essere approssimato in maniera lineare mediante un polinomio, mediante una curva esponenziale, o in maniera non lineare La stagionalità può essere approssimata, via la stima di variabili dummy. E possibile stimare altresì in maniera congiunta il trend e la stagionalità facendo uso di variabili che rappresentino il trend e di variabili stagionali o mediante funzioni trigonometriche L approssimazione viene calcolata dal modello stimato confrontando il modello stimato con la serie vera I residui dei modelli devono essere casuali A partire dalla stima delle componenti si possono detrendizzare e destagionalizzare le serie storiche 19
21 L analisi classica delle serie storiche: aspetti operativi (2) Un secondo strumento nell analisi classica è quello delle medie mobili che permettono di approssimare la serie storica. Le medie mobili sono particolarmente utili in quanto permettono più facilmente di stimare il trend, di definire le componenti stagionali e di eliminare la componenti casuali delle serie. A partire dagli indici specifici di stagionalità, si possono calcolare dei coefficienti ideali con cui destagionalizzare la serie storica. Grazie alla destagionalizzazione da un lato è possibile più facilmente le variazioni nel tempo (ad esempio anno per anno)ma è anche possibile osservare in maniera più chiara l andamento tendenziale e ciclico. I residui del modello devono essere casuali 20
22 Riepilogo Altri metodi di calcolo del trend: trend esponenziali Trend non lineari nei parametri: le curve di crescita Trend non lineari nei parametri: la curva esponenziale modificata e la curva logistica, e di Gomperz Procedure di detrendizzazione della serie Procedure di destagionalizzazione della serie Approssimazione del ciclo mediante medie mobili L analisi dei residui L analisi classica delle serie storiche: aspetti operativi 21
23 Bibliografia Baum C.F. (2004) Introduction to, Faculty Micro Resource Center Academic Technology Services, Boston College Di Fonzo T., Lisi F. (2001) Serie storiche economiche Carocci editore Gould W. (2003) How do I create dummy variables? Guarini R., Tassinari F. (1990) Statistica Economica Il Mulino Hardin J. (1996) How do I create a lag variable? LSE Research Laboratory IT Service (2004) Introduction to 22
24 Bibliografia Milone G. (2005) Laboratorio di Dipartimento di Matematica e Statistica, Università degli Studi di Napoli Federico II 1 Piccolo D. (2000) Statistica Il Mulino Scepi G. (2008) Corso di Storiche Dipartimento di Matematica e Statistica, Università degli Studi di Napoli Federico II 1 corp (2007) 10 manuals corp (2007) Time Series Reference Manual corp website 23
25 Bibliografia Syracuse University Library (na) Tutorial o/reading_and_documenting_data.html Svend J. (2004) Introduction to, Department of Epidemiology and Social Medicine, University of Aarhus df UCLA Academic Technology Services (na) FAQ: How can I extract month and year component from a variable with %tm format? htm 24
26 Per approfondire e il calcolo statistico al computer (statistical computing) Baum C.F. (2002) Why should you avoid using point-and-click method in statistical software packages? Baum C.F (2005) A little bit of programming goes a long way IDEAS Working Paper Bookmark delicious sul calcolo statistico al computer ad UCLA Carolina Population Center: tutorial tutorial Eszter s Goodies Page ( helpful resources) Portale su ad UCLA 25
27 Per approfondire e il calcolo statistico al computer (statistical computing) Princeton University: online training at DSS Ricerche consigliate su Google o altri motori di ricerca: tutorial, tips, Learning, Introduction, lecture notes, programs, do files, ado files Risorse per l apprendimento di presso corp (raccolta di collegamenti) Risorse generali su (programmi, esempi, datasets..) presso corp list, gruppo di discussione su Stromberg, A.J. (2005) Why write statistical software? The case of robust statistical methods, Journal of Statistical Software 10(5) 26
28 Riepilogo dei comandi di (consultare l help per maggiori dettagli) Gen genera la variabile Drop elimina una variabile (specificando _all le elimina tutte) List visualizza una variabile (specificando _all le visualizza tutte) Tsline [serie1] [serie2] ecc. visualizza le serie storiche Regress regressione lineare Display utilizza come una una calcolatrice Nl stima dei minimi quadrati nonlineari Oneway Analisi della varianza ad una via (one-way analysis of varianzce) Hist [variabile] Istogramma, l opzione bin(numero) permette di specificare il numero delle classi Ac [serie1] Grafico delle correlazioni Pac [serie1] Grafico delle correlazioni parziali 27
Analisi delle Serie Storiche
Storiche Laboratorio di Excel: lezione 5 Carlo Drago c.drago@mclink.it Novembre 2009 1 Riepilogo della scorsa lezione Fasi dell analisi di stima del trend e della stagionalità congiunte Le variabili dummy
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione
DettagliANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti A cura di: Ing.
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliApplicazioni statistiche e utilizzo del package statistico Spss - 7
Applicazioni statistiche e utilizzo del package statistico Spss - 7 CISI 27 gennaio 2005 ricercapsicologica@tiscali.it Illustrare le principali statistiche mono e bivariate. Valutare quando è opportuno
DettagliIl metodo di Gauss-Newton per le regressioni non-lineari
Il metodo di Gauss-Newton per le regressioni non-lineari Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Università degli Studi di Perugia Versione on-line: http://www.unipg.it/ onofri/rtutorial/index.html
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliANALISI DELLA VARIANZA A DUE VIE CON INTERAZIONE Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 ANALISI DELLA VARIANZA A DUE VIE CON INTERAZIONE Prof. Antonio
DettagliAnalisi descrittiva: calcolando medie campionarie, varianze campionarie e deviazioni standard campionarie otteniamo i dati:
Obiettivi: Esplicitare la correlazione esistente tra l altezza di un individuo adulto e la lunghezza del suo piede e del suo avambraccio. Idea del progetto: Il progetto nasce dall idea di acquistare scarpe
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliPrecorso di Matematica
UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTA DI ARCHITETTURA Precorso di Matematica Anna Scaramuzza Anno Accademico 2005-2006 4-10 Ottobre 2005 INDICE 1. ALGEBRA................................. 3 1.1 Equazioni
Dettaglilezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1
lezione n. 6 (a cura di Gaia Montanucci) METODO MASSIMA VEROSIMIGLIANZA PER STIMARE β 0 E β 1 Distribuzione sui termini di errore ε i ε i ~ N (0, σ 2 ) ne consegue : ogni y i ha ancora distribuzione normale,
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
DettagliGuida Quiz Patenti Nautiche
Versione n. Pagina n. Motivo della revisione Data 1.0 Tutte Prima Emissione 26/09/2011 2.0 pagg. 10-15 realizzazione nuova funzionalità Dettaglio esame 31/10/2011 Versione n. Redazione Verifica Approvazione
DettagliFunzioni di regressione non lineari
Funzioni di regressione non lineari Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2013 Rossi Regressione nonlineare Econometria - 2013 1 / 25 Sommario Funzioni di regressione non lineari - note
DettagliI disegni quasi sperimentali e lo studio del soggetto singolo
I disegni quasi sperimentali e lo studio del soggetto singolo Giulio Vidotto & Davide Massidda Facoltà di Psicologia Università di Padova A.A. 2011/12 Disegni sperimentali Principali caratteristiche: Assegnazione
DettagliAlgoritmi in C++ (prima parte)
Algoritmi in C++ (prima parte) Alcuni algoritmi in C++ Far risolvere al calcolatore, in modo approssimato, problemi analitici Diverse tipologie di problemi generazione di sequenze di numeri casuali ricerca
DettagliStatistica. Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza e correlazione
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2010/2011 Statistica Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza
DettagliDESCRITTIVE, TEST T PER IL CONFRONTO DELLE MEDIE DI CAMPIONI INDIPENDENTI.
Corso di Laurea Specialistica in Biologia Sanitaria, Universita' di Padova C.I. di Metodi statistici per la Biologia, Informatica e Laboratorio di Informatica (Mod. B) Docente: Dr. Stefania Bortoluzzi
DettagliIl test (o i test) del Chi-quadrato ( 2 )
Il test (o i test) del Chi-quadrato ( ) I dati: numerosità di osservazioni che cadono all interno di determinate categorie Prima di tutto, è un test per confrontare proporzioni Esempio: confronto tra numero
DettagliLEZIONE N. 11 ( a cura di MADDALENA BEI)
LEZIONE N. 11 ( a cura di MADDALENA BEI) F- test Assumiamo l ipotesi nulla H 0 :β 1,...,Β k =0 E diverso dal verificare che H 0 :B J =0 In realtà F - test è più generale H 0 :Aβ=0 H 1 :Aβ 0 A è una matrice
DettagliEconometria. lezione 13. validità interna ed esterna. Econometria. lezione 13. AA 2014-2015 Paolo Brunori
AA 2014-2015 Paolo Brunori popolazione studiata e popolazione di interesse - popolazione studiata: popolazione da cui è stato estratto il campione - popolazione di interesse: popolazione per la quale ci
DettagliUniversità del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica
Università del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica Regressione Lineare e Correlazione Argomenti della lezione Determinismo e variabilità Correlazione Regressione Lineare
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 24 Outline 1 2 3 4 5 () Statistica 2 / 24 Dipendenza lineare Lo studio della relazione tra caratteri
DettagliESERCITAZIONE ECONOMETRIA
ESERCITAZIONE ECONOMETRIA Giovanni Angelini giovanni.angelini3@unibo.it 0541-434058 Ricevimento: Venerdì 10-12, piano terra di palazzo Diamante Novembre 2012 ESERCITAZIONE ECONOMETRIA I. BREVE INTRODUZIONE
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 10. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 10 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 REGRESSIONE LINEARE Date due variabili quantitative, X e Y, si è
Dettagliviii Indice generale
Indice generale 1 Introduzione al processo di ricerca 1 Sommario 1 Il processo di ricerca 3 Concetti e variabili 5 Scale di misura 8 Test di ipotesi 10 Evidenza empirica 10 Disegni di ricerca 11 Sintesi
DettagliIndice. Previsioni. Serie con trend. Metodo di Holt. Previsioni: trend e stagionalità. serie con trend/tendenza serie con stagionalità
Indice Previsioni serie con trend/tendenza serie con stagionalità Previsioni: trend e stagionalità 7/11/23 16.51 1 2 Serie con trend Regressione lineare Metodo di (doppio smorzamento esponenziale) Metodo
DettagliGRAFICI DI PROBABILITÀ Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 GRAFICI DI PROBABILITÀ Prof. Antonio Lanzotti A cura di: Ing. Giovanna
DettagliSMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Regressione di Cox 7/3/2005
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Regressione di Cox 7/3/2005 Procedura di Mantel-Haenszel Dati relativi a pazienti maschi nel primo anno di follow-up stratificati per età e
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
Dettagli8. ANALISI DELLA COVARIANZA (ANCOVA)
8. ANALISI DELLA COVARIANZA (ANCOVA) L analisi della covarianza è un metodo statistico che risulta dalla combinazione dell analisi di regressione con l analisi della varianza. È utile quando all analisi
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.
DettagliStatistica. Esercitazione 4 15 maggio 2012 Connessione. Medie condizionate. Covarianza e correlazione
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2011/2012 Statistica Esercitazione 4 15 maggio 2012 Connessione. Medie condizionate.
DettagliSOFTWARE PER DATA LOGGER VACQ
SOFTWARE PER DATA LOGGER VACQ I software a disposizione sono stati sviluppati appositamente per ogni prodotto, esaltandone le specifiche tecniche senza tuttavia risultare incomprensibili all utente. Non
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliLA PREDISPOSIZIONE DEL BILANCIO IN FORMATO XBRL
LA PREDISPOSIZIONE DEL BILANCIO IN FORMATO XBRL PREMESSA Dal 2015, le società di capitali devono presentare l'intero bilancio di esercizio (comprensivo di nota integrativa) in formato XBRL, adottando la
DettagliStatistica inferenziale. La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione.
Statistica inferenziale La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione. Verifica delle ipotesi sulla medie Quando si conduce una
DettagliTEMI D ESAME DI ANALISI MATEMATICA I
TEMI D ESAME DI ANALISI MATEMATICA I Corso di laurea quadriennale) in Fisica a.a. 003/04 Prova scritta del 3 aprile 003 ] Siano a, c parametri reali. Studiare l esistenza e, in caso affermativo, calcolare
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
DettagliProprietà della varianza
Proprietà della varianza Proprietà della varianza Proprietà della varianza Proprietà della varianza Intermezzo: ma perché dovremmo darci la pena di studiare come calcolare la varianza nel caso di somme,
DettagliPresentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii
Sommario Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii xv Parte I Statistica descrittiva 1 Capitolo 1 Introduzione 3 Perché studiare statistica? 4
DettagliDalla prima lezione. LABORATORIO DI PROGRAMMAZIONE Corso di laurea in matematica 7 VARIABILI E COSTANTI 28/02/2016. Concetto di algoritmo
LABORATORIO DI PROGRAMMAZIONE Corso di laurea in matematica 7 VARIABILI E COSTANTI Marco Lapegna Dipartimento di Matematica e Applicazioni Universita degli Studi di Napoli Federico II wpage.unina.it/lapegna
DettagliUn applicazione della modellistica ARCH-GARCH
Un applicazione della modellistica ARCH-GARCH Federico Andreis Tesina per l esame di Metodi Statistici per la Finanza e le Assicurazioni A.A. 2005/2006 Prof. Diego Zappa Il grafico della serie storica
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliDerivazione numerica. Introduzione al calcolo numerico. Derivazione numerica (II) Derivazione numerica (III)
Derivazione numerica Introduzione al calcolo numerico Il calcolo della derivata di una funzione in un punto implica un processo al limite che può solo essere approssimato da un calcolatore. Supponiamo
DettagliModelli con predittori qualitativi e modelli con interazioni
Modelli con predittori qualitativi e modelli con interazioni Strumenti quantitativi per la gestione Emanuele Taufer Utilizzare variabili indipendenti qualitative (VIQ) Codifica binaria 0,1 Esempio: salari
DettagliCorso di Identificazione dei Modelli e Analisi dei Dati
Corso di Identificazione dei Modelli e Analisi dei Dati Prof. Sergio Bittanti Esercitazione di Laboratorio A.A. 2010-11 Sistemi dinamici lineari a tempo discreto 1. Si consideri il sistema dinamico a tempo
DettagliCORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Elaborazione dei dati Valori medi
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Elaborazione dei dati Valori medi VALORI MEDI In una serie di valori si definisce medio (o intermedio) un valore compreso tra il più piccolo ed
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliEsercitazione 1: Errori macchina
Esercitazione 1: Errori macchina Richiami di Teoria Errore assoluto e relativo: ε a = x x e ε r = x x x dove x è il valore approssimato, mentre x è il valore vero, cioè quello di riferimento. Il numero
DettagliIl calcolo del VAR operativo mediante la metodologia stocastica parametrica. Simona Cosma
Il calcolo del VAR operativo mediante la metodologia stocastica parametrica Simona Cosma Contenuti Il VAR operativo: inquadramento concettuale La metodologia attuariale EVT (Extreme Value Theory) Il VAR
DettagliMODELLO CD1. Iscrizione Coltivatori Diretti. Manuale Patronati
MODELLO CD1 Iscrizione Coltivatori Diretti Manuale Patronati 1 SOFTWARE DOWNLOAD 2 APPLET JAVA 3 2 INVIO DENUNCE CD1 4 3 CONSULTAZIONE TRASMISSIONI E RICEVUTE CD1 5 RICERCA 5 STAMPA FASCICOLO 7 1 Il modello
DettagliElementi di Psicometria
Elementi di Psicometria 7-Punti z e punti T vers. 1.0a (21 marzo 2011) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia)
DettagliPG5 Starter Training Applicazione File System Daniel Ernst EN02 2012-02-26 Stefano Peracchi IT01 2013-05-20
PG5 Starter Training Applicazione File System Daniel Ernst EN02 2012-02-26 Stefano Peracchi IT01 2013-05-20 Introduzione Materiale richiesto Notebook o computer Controllore PCD1 E Cavo USB Scheda «Training»
DettagliΣ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica
13. Regressione lineare parametrica Esistono numerose occasioni nelle quali quello che interessa è ricostruire la relazione di funzione che lega due variabili, la variabile y (variabile dipendente, in
DettagliManuale Utente CMMG Corso Medici Medicina Generale
CMMG- Manuale Utente CMMG Aprile 2014 Versione 1.1 Manuale Utente CMMG Corso Medici Medicina Generale CMMG-Manuale Utente.doc Pagina 1 di 14 CMMG- Manuale Utente AGGIORNAMENTI DELLE VERSIONI Versione Data
DettagliRaccolta degli esercizi svolti in aula
Raccolta degli esercizi svolti in aula ed esercizi proposti Alfredo Paolillo apaolillo@unisa.it Versione del: 18 marzo 2011 1 3 marzo 2010: Struttura Sequence e Sub-VI La struttura Sequence permette di
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
- metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 8 home - indice In base agli arrotondamenti effettuati nei calcoli, si
DettagliSTATISTICA. Esercizi vari
STATISTICA Esercizi vari Esercizio 5.6 p. 205 Variabile Coeff. Dev. std. Statistica t p-value Intercetta 23.384 1.592 14.691 0 Profondità -1.435 0.213-6.726 0 = 0.850 Esercizio 5.6 p. 205 Variabile Coeff.
DettagliEsempio di calcolo di rischio relativo
Esempio di calcolo di rischio relativo B. Cenci Goga Università degli Studi di Perugia, Dipartimento di Scienze Biopatologiche e Igiene delle Produzioni Animali e Alimentari, Sezione di Ispezione degli
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
DettagliSTATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Storiche A.A. 2003 / 04 ESERCITAZIONE 1.
STATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Storiche A.A. 2003 / 04 ESERCITAZIONE 1 Analisi Classica di Daniele Toninelli NB: HO EVIDENZIATO IN GIALLO LE PROCEDURE
DettagliStampe L'area Stampe raggruppa molte delle funzioni di stampa presenti in diverse aree di Clavis. L'area permette l'accesso a: Stampa etichette, per la stampa di una o più etichette a partire da diversi
DettagliESERCIZI. Regressione lineare semplice CAPITOLO 12 Levine, Krehbiel, Berenson, Statistica II ed., 2006 Apogeo
Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova Docenti: Prof. L. Salmaso, Dott. L. Corain ESERCIZI Regressione lineare semplice
DettagliESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo
ESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo 1 La seguente tabella riporta le frequenze relative riguardanti gli studenti di un università e gli esiti dell esame da essi sostenuto. Qual è la percentuale
DettagliINVILUPPO DI VOLO VELOCITÀ MASSIMA IN VOLO ORIZZONTALE RETTILINEO UNIFORME
INILUPPO DI OLO Una volta diagrammate le curve delle potenze disponibili e necessarie, dobbiamo ora usarle per determinare le prestazioni fondamentali del velivolo: tali prestazioni andranno a generare
DettagliLE PREVISIONI DI CASSA CON MICROSOFT EXCEL
LE PREVISIONI DI CASSA CON MICROSOFT EXCEL PREMESSA L applicazione, realizzata con Microsoft Excel, ha lo scopo di agevolare il controllo sugli impegni e sulle disponibilità di cassa, consentendo di distinguere
DettagliSTATISTICA ECONOMICA STATISTICA PER L ECONOMIA
STATISTICA ECONOMICA STATISTICA PER L ECONOMIA a.a. 2009-2010 Una serie storica o temporale è un insieme di dati costituiti da una sequenza di osservazioni su un fenomeno d interesse X, effettuate in istanti
DettagliPREVISIONE DELLE VENDITE MANUALE DELL UTENTE
PREVISIONE DELLE VENDITE MANUALE DELL UTENTE 1 INDICE 1. Requisiti di sistema 2. Installazione e licenza 3. Panoramica generale 4. La barra degli strumenti 5. Inserimento nuova serie storica 6. Caricamento
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliIl modello di regressione
Il modello di regressione Capitolo e 3 A M D Marcello Gallucci Milano-Bicocca Lezione: II Concentti fondamentali Consideriamo ora questa ipotetica ricerca: siamo andati in un pub ed abbiamo contato quanti
DettagliPROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA
PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA PROCEDURA/TECNICA DI ANALISI DEI DATI SPECIFICAMENTE DESTINATA A STUDIARE LA RELAZIONE TRA UNA VARIABILE NOMINALE (ASSUNTA
DettagliGuida Tecnica di compilazione
Guida Tecnica di compilazione 1. Introduzione Per supportare operativamente le amministrazioni nell'attuazione della direttiva, il Dipartimento della Funzione Pubblica e il Dipartimento per le Pari Opportunità
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliAnalisi ABC incrociata
1 Analisi ABC L analisi ABC incrociata è un metodo che permette di suddividere in classi una serie di oggetti. Permette perciò di raggruppare per classi secondo i valori di una variabile. Ad esempio classificazione
DettagliIl metodo delle proporzioni crescenti
Il metodo delle proporzioni crescenti Ulisse Di Corpo Abstract I modelli predittivi, che utilizzano le regressioni multiple, partono dall assunto che le relazioni tra le variabili sono lineari o traducibili
Dettagli12) Metodo dei minimi quadrati e linea di tendenza
12) Metodo dei minimi quadrati e linea di tendenza 43 Si supponga di avere una tabella di dati {y exp i} i=1,,n in funzione di altri dati {x i } i=1,,n che siano il risultato di una qualche misura sperimentale.
DettagliMETODO DEI MINIMI QUADRATI
METODO DEI MINIMI QUADRATI Torniamo al problema della crescita della radice di mais in funzione del contenuto di saccarosio nel terreno di coltura. Ripetendo varie volte l esperimento con diverse quantità
DettagliLezione 10: Interpolazione lineare Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria
Lezione 10: Interpolazione lineare Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Il concetto di interpolazione In matematica, e in particolare in
DettagliPON 2007 2013 Liceo Scientifico Leonardo da Vinci. Vallo della Lucania
PON 2007 2013 Liceo Scientifico Leonardo da Vinci Vallo della Lucania Nuovi percorsi matematici: Osservare, descrivere, costruire. Matlab - 2: Lavorare con le matrici Vallo della Lucania 26 Settembre 2008
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
Dettagli:33 Pagina V. Indice. Introduzione
00 20-09-2004 16:33 Pagina V Indice Introduzione XIII Capitolo 1 Gestione dei dati 1 1.1 Gli elenchi 1 Progettazione di un elenco 2 Inserimento dei dati nell elenco 3 1.2 Filtro di elenchi 5 Il filtro
DettagliDISTRIBUZIONE NORMALE STANDARDIZZATA ESEMPIO DI USO DELLE TAVOLE
DISTRIBUZIONE NORMALE STANDARDIZZATA ESEMPIO DI USO DELLE TAVOLE Sapendo che la variabile dominanza si distribuisce normalmente con media = 32 e deviazione standard = 5, trovare, in un gruppo di 80 soggetti,
DettagliANALISI SERIE STORICHE
ANALISI SERIE STORICHE SERIE STORICA: insieme finito di osservazioni di uno stesso fenomeno, ordinate secondo il tempo, con cadenza periodica costante (mensile, trimestrale, annuale ecc.). 8000000 Presenze
DettagliCapacità: Analizzare un problema semplice. Valutare la congruenza dei risultati con i dati e le informazioni iniziali.
MATEMATICA: PROGRAMMAZIONE CLASSE QUINTA LICEO TURISTICO A.S. 2011-2012 A) OBIETTIVI Conoscenze: Le caratteristiche di una funzione lineare in due variabili reali. Gli scopi e i metodi della ricerca operativa.
DettagliEsercizio 1. Esercizio 2
Sia data la matrice A A(α) = Esercizio α 2 2α 2 2, α R.) determinare per quali valori del parametro reale α é verificata la condizione necessaria e sufficiente di convergenza per il metodo di Jacobi;.2)
DettagliUNITA DIDATTICA. Conoscenze. Abilità
Titolo: Problemi di geometria analitica : la parabola e l iperbole Codice: B1_S Ore previste:15 Equazione della parabola e coordinate del vertice Grafico di una parabola Equazione dell iperbole equilatera
DettagliAnalisi della Varianza Fattoriale
Analisi della Varianza Fattoriale AMD Marcello Gallucci marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi) su un variabile dipendente
DettagliIndice. Capitolo 1 Richiami di calcolo numerico 1. Capitolo 2 Rappresentazioni di dati 13
Autori Prefazione Nota dell Editore e istruzioni per l uso Guida alla lettura XI XIII XV XVII Richiami di calcolo numerico 1 1.1 Unità di misura e fattori di conversione; potenze del 10; notazioni scientifiche
DettagliSTATISTICA (modulo I - Statistica Descrittiva) Soluzione Esercitazione I
2. e 3. STATISTICA (modulo I - Statistica Descrittiva) Soluzione Esercitazione I 1. Le unità statistiche sono costituite dai singoli ristoranti, mentre la popolazione è costituita da tutte le unità del
DettagliExcel: guida alle operazioni di base per la risoluzione dell esercizio 13
Excel: guida alle operazioni di base per la risoluzione dell esercizio 13 1) Inserire i dati nel foglio excel 2) Per aggiungere le colonne utili alla risoluzione del problema cliccare sulla cella desiderata
DettagliWINDOWS TERMINAL SERVER PER L ACCESSO REMOTO AL SISTEMA DI PROTOCOLLO INFORMATICO
Servizi per l e-government nell università Federico II WINDOWS TERMINAL SERVER PER L ACCESSO REMOTO AL SISTEMA DI PROTOCOLLO INFORMATICO CONNESSIONE_TERMINAL_SERVER PAG. 1 DI 13 Indice 1. Premessa...3
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 05-Deviazione standard e punteggi z vers. 1.1 (22 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliIstituto d Istruzione Superiore A. Tilgher Ercolano (Na)
Premessa Istituto d Istruzione Superiore A. Tilgher Ercolano (Na) Questa breve trattazione non vuole costituire una guida completa ed esauriente sull argomento, ma vuole fornire solamente i concetti fondamentali
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliSTATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE
Dettagli