Capitolo 3. Le correlazioni fra i rendimenti dei prestiti e la diversificazione di portafoglio.
|
|
- Annunciata Giuliano
- 6 anni fa
- Visualizzazioni
Transcript
1 Capitolo 3. Le correlazioni fra i rendimenti dei prestiti e la diversificazione di portafoglio. 3.1 Introduzione. Il terzo tassello fondamentale per poter applicare la teoria di portafoglio è la stima delle correlazioni fra i rendimenti dei prestiti. Tale misura è necessaria per poter calcolare il rischio di un portafoglio prestiti e più precisamente la variabilità del rendimento del portafoglio prestiti. Questa infatti a differenza del rendimento atteso, non può essere calcolata semplicemente come media aritmetica ponderata delle varianza delle singole attività che compongono il portafoglio, ma deve considerare il grado di concordanza delle variazioni inattese dei rendimenti che compongono il portafoglio. L importanza di questa fase è legata sia a una corretta misurazione del rischio di una singola esposizione, la quale dovrebbe identificarsi con il contributo al rischio complessivo del portafoglio della banca, sia ad aspetti quali l identificazione del rischio di concentrazione e in generale la costruzione di portafogli che consentano di minimizzare il rischio o meglio ottimizzare la combinazione rischio rendimento del portafoglio. La misure statistiche usate per stimare la correlazione fra due variabili casuali sono la covarianza e il coefficiente di correlazione. Si chiamino X e Y due variabili casuali di cui vogliamo calcolare la correlazione. La covarianza è così definita: Cov (X, Y) = σ xy = E [ ( X - m x )( Y - m y )] = p xy ( X - m x )( Y - m y ) dove m x e m y rappresentano rispettivamente le medie delle variabili casuali X e Y e P xy sono le probabilità composte associate alle determinazioni delle due variabili casuali. La covarianza sarà positiva se vi è qualche probabilità che X e Y siano contemporaneamente o superiori o inferiori rispetto ai loro valori attesi; sarà negativa se vi è qualche probabilità che X assuma un valore maggiore al suo valore atteso
2 quando Y assume un valore inferiore, o viceversa; sarà nulla quando X e Y sono indipendenti 1. Il coefficiente di correlazione si ottiene invece dividendo la covarianza fra due variabili casuali per il prodotto delle deviazioni standard di ciascuna variabile casuale. Esso è così definito: ρ xy = Cov (X, Y)/σ x σ y Il coefficiente di correlazione è una variabile con le stesse proprietà della covarianza con la particolarità che può assumere solo valori compresi fra -1 e 1. Esso sarà pari a +1 quando le due variabili sono perfettamente correlate positivamente, assumerà valore 1 quando sono perfettamente correlate negativamente e sarà pari a 0 quando non esiste correlazione. E ovvio che il coefficiente di correlazione è nullo, positivo, negativo, a seconda che le due variabili X e Y siano rispettivamente non correlate, correlate positivamente o correlate negativamente. La correlazione dovrebbe essere calcolata sulla variabile casuale rendimento. Tuttavia, per i prestiti, per le ragioni considerate nel precedente capitolo, le variabili casuali oggetto di studio per la stima delle suddette correlazioni sono le perdite dei prestiti in portafoglio, che rappresentano senz altro un ottima proxy delle correlazioni fra i rendimenti. Il rischio del portafoglio è dunque dato dalla volatilità complessiva delle perdite dei prestiti in portafoglio. Nell ambito di un percorso che a partire dal rischio dei singoli prestiti porta alla definizione del rischio di portafoglio, la stima delle correlazioni rappresenta indubbiamente la fase metodologicamente più complessa e ancora tecnicamente più imprecisa. Metodologicamente più complessa perché una corretta misurazione del rischio di un portafoglio necessita di identificare i fattori, di natura sistematica, dai quali 1 Per approfondimenti sulla covarianza si veda O. VITALI, 1993, p. 154.
3 dipendono le variazioni congiunte dei tassi di perdita dei singoli impieghi in portafoglio. A differenza di quanto avviene nell ambito dei rischi di mercato, dove i fattori di rischio sono facilmente identificabili nelle variazioni degli stessi fattori di mercato (tassi d interesse, tassi di cambio, prezzi azionari, ecc.) e le singole posizioni di rischio possono dunque essere scomposte e ricondotte, mediante una procedura di mapping a tali fattori, nel caso del rischio di credito i diversi modelli adottano generalmente approcci differenti alla definizione dei fattori di rischio. Così, ad esempio alcuni identificano nell appartenenza degli affidati ai medesimi settori produttivi o alle stesse aree (paese) geografiche i fattori di rischio sistematico di un portafoglio, altri si spingono oltre identificando tali fattori nella comune sensibilità delle esposizioni alle variazioni d alcuni fattori macroeconomici, altri ancora non esplicitano in alcun modo i fattori comuni di rischio e si limitano a rilevare la variabilità del tasso di perdita del portafoglio. Tecnicamente più imprecisa perché, a differenza di quanto avviene per i rischi di mercato, dove si hanno a disposizione dati pubblici ad elevata frequenza e relativi a prolungati periodi campionari storici con i quali stimare la distribuzione di probabilità congiunta delle variazioni dei fattori di mercato e dunque le correlazioni fra queste ultime, nel caso di rischio di credito i dati sono spesso carenti, a bassa frequenza e relativi a periodi campionari storici limitati. Il presente capitolo si sofferma sull analisi dei diversi approcci che, alla luce delle precedenti considerazioni, la misurazione del rischio di portafoglio può seguire facendo riferimento in particolare ai prestiti bancari anche se gli approcci in esame possono trovare teoricamente applicazione ad altre tipologie d esposizioni creditizie. Una volta chiarita la rilevanza connessa all identificazione dei fattori di rischio sistematico di un portafoglio impieghi, l analisi si sofferma sulle caratteristiche tecniche, i vantaggi e gli svantaggi connessi ai principali criteri per il mapping dei singoli impieghi e per la successiva misurazione del rischio del portafoglio.
4 3.2 Gli approcci classici per la misurazione del rischio di un portafoglio. Una prima modalità per stimare il rischio di un portafoglio composto da N impieghi creditizi è quella che si basa sulla stima delle correlazioni fra le perdite inattese dei singoli impieghi in portafoglio. Analiticamente: σ p = n n σ iσjρ i= 1 j= 1 i, j dove σ i rappresenta la volatilità del tasso di perdita connesso all impiego i e ρ ij rappresenta il coefficiente di correlazione fra le variazioni inattese del tasso di perdita degli impieghi i e j. Per quanto corretto dal punto di vista teorico, questo metodo mal si presta alla concreta determinazione del contributo che il singolo impiego arreca, in termini di rischio, al portafoglio complessivo di una banca. Sarebbe, infatti, necessario costruire una matrice di dimensioni N*N, dove N indica il numero d impieghi in portafoglio, al cui interno siano periodicamente calcolati gli N*(N-1)/2 coefficienti di correlazione fra i diversi impieghi in portafoglio. E dunque necessario ricorrere ad una soluzione alternativa che consenta da un lato di non trascurare i benefici connessi alla costruzione di un portafoglio sufficientemente diversificato per settori produttivi e aree geografiche delle imprese affidate, dall altro di tradurre operativamente tali benefici in un sistema d incentivi in grado di superare gli ostacoli connessi alla pura formulazione teorica. Una possibile soluzione alternativa, analoga a quella che, nell ambito di un portafoglio mobiliare, prevede il passaggio da un modello alla Markowitz ad un modello a indice singolo, è quella che prevede di stimare la correlazione fra le perdite del singolo impiego non nei confronti di quelle degli altri (N-1) impieghi in portafoglio ma nei confronti di quelle del portafoglio. Analiticamente: σ p = n σ i = 1 iρi, p dove σ i rappresenta la volatilità del tasso di perdita connesso all impiego i, e ρ i,p rappresenta la correlazione fra le variazioni inattese delle perdite relative all impiego i e quelle del portafoglio complessivo della banca.
5 Questa seconda soluzione, seppure capace di superare la complessità connessa alla numerosità dei coefficienti di correlazione da stimare della precedente soluzione, soffre anch essa di due principali problemi. Il primo problema è connesso al fatto che la stima del tasso di perdita e delle relative variazioni, essendo l evento perdita derivante dall insolvenza un evento raro e peraltro unico se il riferimento è a un singolo soggetto, non può essere compiuta al livello del singolo affidamento ma necessita di ricorrere, come detto nel primo paragrafo, a una qualche forma di raggruppamento degli affidati. Il tipo di raggruppamento più sovente utilizzato è quello che si basa su una classificazione in classi di merito creditizio. Questo tipo di raggruppamento è particolarmente efficace quando l obiettivo è di stimare il tasso di insolvenza di un singolo affidato o il rischio di un singolo impiego, risulta tuttavia poco utile quando l obiettivo è di stimare le correlazioni fra le variazioni dei tassi di insolvenza degli affidati in portafoglio. Mentre infatti la variabilità del tasso di perdita di un impiego, e dunque il rischio di quest ultimo, è direttamente proporzionale al grado di merito creditizio dell affidato, il suo contributo al rischio del portafoglio, ossia il suo rischio marginale, non dipende tanto dal fatto che il singolo impiego appartenga ad una determinata classe di merito creditizio, quanto piuttosto dal fatto che l impiego sia concesso a un impresa operante in un certo settore produttivo o in una certa area geografica. E infatti da quest appartenenza che deriva una diversa sensibilità dell impresa alle variazioni dei fattori di natura sistematica che incidono sul rischio del portafoglio. Ne segue che la classificazione in classi di merito creditizio andrebbe affiancata da una classificazione per settori produttivi e per aree geografiche. Un secondo problema è rappresentato dal fatto che, nell analizzare il rischio del portafoglio, e in particolare nello stimare le correlazioni fra le variazioni inattese dei tassi di perdita degli impieghi in portafoglio i due metodi non si sforzano di esplicitare i fattori causali che stanno alla base delle correlazioni stesse. In altri termini, il fatto che due impieghi siano caratterizzati da una certa correlazione dei rispettivi tassi di perdita inattesi dipende dalla comune dipendenza di questi ultimi da
6 fattori di rischio sistematico che non sono in questo caso in nessun modo esplicitati. Le conseguenze della mancata esplicitazione dei fattori di rischio sistematico sono due. Anzitutto, in mancanza di una corretta comprensione dei fattori causali che determinano la correlazione e il conseguente rischio di concentrazione di un portafoglio, risulta anche difficile, se non impossibile, andare al di là di una semplice rilevazione del rischio del portafoglio e in particolare modificare opportunamente la composizione dello stesso in modo da ridurne il grado di rischio. In secondo luogo, se l esistenza di determinate correlazioni viene semplicemente rilevata senza essere spiegata, si rischia di ottenere delle stime di tali coefficienti che risultano temporalmente instabili. Il superamento dei problemi menzionati richiede dunque da un lato che le esposizioni del portafoglio impieghi della banca vengano ricondotte, mediante un appropriata procedura di mapping, ai relativi fattori di rischio di natura sistematica, in modo da poter successivamente rilevare il rischio del portafoglio sulla base delle correlazioni fra tali fattori di rischio, dall altro che la stima delle correlazioni non si limiti alle variazioni dei tassi di insolvenza, e dunque dei tassi di perdita, ma consideri anche le correlazioni fra le variazioni dei tassi di recupero e le variazioni dei tassi di migrazione.
Indice della lezione. Incertezza e rischio: sinonimi? Le Ipotesi della Capital Market Theory UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Indice della lezione Corso di Pianificazione Finanziaria Introduzione al rischio Rischio e rendimento per titoli singoli La Teoria di Portafoglio di Markowitz
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
DettagliIntroduzione al rischio, rendimento e costo opportunità del capitale
Introduzione al rischio, rendimento e costo opportunità del capitale Nozione di Costo Opportunità del Capitale Il rendimento che i finanziatori otterrebbero impiegando i propri fondi in attività alternative,
DettagliCorso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2009/2010.
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2009/2010 Statistica Esercitazione 4 12 maggio 2010 Dipendenza in media. Covarianza e
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.
DettagliArgomenti. Misura e valutazione del rischio. Teoria della Finanza Aziendale
Teoria della Finanza Aziendale Misura e valutazione del rischio 7 - Argomenti Il rischio Il rischio negli investimenti finanziari La misurazione del rischio Varianza e scarto quadratico medio Il rischio
DettagliIndice della lezione
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Corso di Corporate anking and Finance a.a. 2012 2013 (Professor Eugenio Pavarani) Introduzione al rischio PF CPITOLO 9 1 Indice della lezione Rischio e rendimento
DettagliMisura e Valutazione del
- Finanza Aziendale Prof. Arturo Capasso 8 Misura e Valutazione del A. Rischio - Argomenti Il rischio Il rischio negli investimenti finanziari La misurazione del rischio Varianza e scarto quadratico medio
DettagliBasilea 2: I fondamenti teorici della funzione di derivazione dei coefficienti di patrimonializzazione
Basilea 2: I fondamenti teorici della funzione di derivazione dei coefficienti di patrimonializzazione Virginia Scoccia Dottore di Ricerca dell Università di Roma La Sapienza Macerata, 8 aprile 2003 Il
DettagliECONOMIA DEI MERCATI FINANZIARI
ECONOMIA DEI MERCATI FINANZIARI 6 febbraio 2012 PROVA SCRITTA Inserire i propri dati: Numero di Matricola Nome Cognome CORSO DI LAUREA: Sezione 1. Indicare se le seguenti affermazioni sono vere o false,
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 24 Outline 1 () Statistica 2 / 24 Outline 1 2 () Statistica 2 / 24 Outline 1 2 3 () Statistica 2 /
DettagliLe curve di indifferenza sulla frontiera di Markowitz
UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA Corso di Pianificazione Finanziaria Evoluzione della teoria del rischio finanziario da Markowitz al teorema della separazione e al CAPM 1 Le curve di
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliDISTRIBUZIONI DI CAMPIONAMENTO
DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,
Dettagli1. Considerando valido il CAPM si procede a calcolare il beta, β, di Cadbury. Per definizione. = cor( r M, r C ) σ H σ M
Corso di Laurea: Numero di Matricola: Esame del 14 giugno 2012 Tempo consentito: 120 minuti Professor Paolo Vitale Anno Accademico 2011-12 UDA, Facoltà d Economia Domanda 1 [6 punti]. 1. Considerando valido
Dettaglix, y rappresenta la coppia di valori relativa La rappresentazione nel piano cartesiano dei punti ( x, y ),( x, y ),...,( x, y )
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 0/03 lezioni di statistica del 5 e 8 aprile 03 - di Massimo Cristallo - A. Le relazioni tra i fenomeni
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
DettagliQuanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
DettagliIntroduzione a rischio, rendimento e costo opportunità del capitale
Copyright 007 - The McGraw-Hill Companies srl QUIZ CAPITOLO 7 Introduzione a rischio, rendimento e costo opportunità del capitale. Il risultato atteso è 00 e il rendimento atteso è zero. La varianza è
DettagliLa regressione lineare. Rappresentazione analitica delle distribuzioni
La regressione lineare Rappresentazione analitica delle distribuzioni Richiamiamo il concetto di dipendenza tra le distribuzioni di due caratteri X e Y. Ricordiamo che abbiamo definito dipendenza perfetta
DettagliADDENDUM: VALUTARE IL RISCHIO. Simulazioni e Business Plan - CLASEP
ADDEDUM: VALUTARE IL RISCHIO Il rischio - misurazione Il rischio è definito come la possibilità che il rendimento effettivo (ex post) diverga da quello atteso (ex ante). L entità del rischio dipende dallo
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)
DettagliIl teorema della separazione di Tobin. Indice. Diversificazione e valore. Evoluzione della teoria del rischio finanziario
Il teorema della separazione di Tobin L introduzione del tasso privo di rischio e la nuova frontiera efficiente (CML) separano: l individuazione del portafoglio rischioso ottimo: è una scelta oggettiva
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliCapitolo 1 PREZZI E RENDIMENTI
INTRODUZIONE L obiettivo di ciascun investitore è quello di massimizzare il rendimento atteso dato un certo li vello di rischio o alternativamente cercare di minimizzare il rischio per ottenere un prefissato
DettagliDipartimento di Fisica a.a. 2004/2005 Fisica Medica 2 Campionamento 29/4/2005
Dipartimento di Fisica a.a. 2004/2005 Fisica Medica 2 Campionamento 29/4/2005 Importanza del campionamento Trarre conclusioni o fare previsioni limitando l'osservazione solo a un gruppo dei soggetti che
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
DettagliUNIVERSITA DI PARMA FACOLTA DI ECONOMIA. Corso di pianificazione finanziaria A.a. 2003/2004. La stima del costo del capitale proprio
UNIVERSITA DI PARMA FACOLTA DI ECONOMIA Corso di pianificazione finanziaria A.a. 2003/2004 Parma, 21 ottobre 2003 La stima del costo del capitale proprio Il Weighted average cost of capital (Wacc) WACC
DettagliLe curve di indifferenza sulla frontiera di Markowitz
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Corso di Pianificazione Finanziaria Evoluzione della teoria del rischio finanziario da Markowitz al teorema della separazione e al CPM 1 Le curve di indifferenza
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
DettagliIl Modello di Markowitz e la frontiera efficiente (1952)
Il Modello di Markowitz e la frontiera efficiente (1952) Introduzione La selezione di portafoglio consiste nella ripartizione di un capitale tra più investimenti di reddito aleatorio Il capitale da ripartire
DettagliEsercizi su distribuzioni doppie, dipendenza, correlazione e regressione (Statistica I, IV Canale)
Esercizi su distribuzioni doppie, dipendenza, correlazione e regressione (Statistica I, IV Canale) Esercizio 1: Un indagine su 10.000 famiglie ha dato luogo, fra le altre, alle osservazioni riportate nella
DettagliAnalisi delle corrispondenze
Capitolo 11 Analisi delle corrispondenze L obiettivo dell analisi delle corrispondenze, i cui primi sviluppi risalgono alla metà degli anni 60 in Francia ad opera di JP Benzécri e la sua equipe, è quello
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliP = E 0[ D 1 ] r g, P = 2
Corso di Laurea: Numero di Matricola: Esame del 13 dicembre 2012 Tempo consentito: 120 minuti Professor Paolo Vitale Anno Accademico 2011-12 UDA, Facoltà d Economia Domanda 1 [6 punti]. 1. Il plowback
DettagliLA MODERNA TEORIA DI PORTAFOGLIO
LA MODERNA TEORIA DI PORTAFOGLIO Dal concetto di rischio e rendimento, ai dettami dell APT Gino Gandolfi La diversificazione di Markowitz IL RENDIMENTO DEL PORTAFOGLIO Poiché un portafoglio è un insieme
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 2010-11 P.Baldi Lista di esercizi 3. Corso di Laurea in Biotecnologie Esercizio 1 Una v.a. X segue una legge N(2, ). Calcolare a1) P(X 1) a2) P(2
DettagliCapitolo 12. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 12.1: Suggerimento
Capitolo Suggerimenti agli esercizi a cura di Elena Siletti Esercizio.: Suggerimento Per verificare se due fenomeni sono dipendenti in media sarebbe necessario confrontare le medie condizionate, in questo
DettagliDistribuzioni di due variabili aleatorie
Statistica e analisi dei dati Data: 6 Maggio 206 Distribuzioni di due variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Distribuzioni congiunte e marginali Consideriamo due variabili
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
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.
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
DettagliSCOPO DELL ANALISI DI CORRELAZIONE
CORRELAZIONE 1 SCOPO DELL ANALISI DI CORRELAZIONE STUDIARE LA RELAZIONE TRA DUE VARIABILI X E Y 2 diagrammi di dispersione un diagramma di dispersione (o grafico di dispersione) èuna rappresentazione grafica
DettagliCAPITOLO 1 LA FUNZIONE DI PRODUZIONE E LA CRESCITA ECONOMICA
CAPITOLO 1 LA FUZIOE DI PRODUZIOE E LA CRESCITA ECOOMICA 11 La funzione di produzione Data una funzione di produzione in cui la quantità prodotta () dipende dalla quantità di capitale () e di lavoro ()
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliSTATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE
STATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 2 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1.1
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliLa variabilità. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione [1/2] Gli indici di variabilità consentono di riassumere le principali caratteristiche di una distribuzione (assieme alle medie) Le
DettagliMISURAZIONE. Sistema empirico (SE): ciò che si vuole misurare; costituito da elementi legati tra loro da relazioni
Attendibilità Misurazione I problemi di misurazione degli oggetti di studio sono comuni a tutte le discipline scientifiche. In psicologia il problema è solo più evidente, non più grave. I costrutti che
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
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 / 35 Il modello di regressione
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
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
DettagliCognome e Nome:... Corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 201 Cognome e Nome:................................................................... Corso di laurea:.......................................................................
DettagliLa matrice delle correlazioni è la seguente:
Calcolo delle componenti principali tramite un esempio numerico Questo esempio numerico puó essere utile per chiarire il calcolo delle componenti principali e per introdurre il programma SPAD. IL PROBLEMA
DettagliLa valutazione dei rischi. Corso di risk management Prof. Giuseppe D Onza
La valutazione dei rischi Corso di risk management Prof. Giuseppe D Onza LA VALUTAZIONE DEI RISCHI E un attività che caratterizza la gestione dei rischi finalizzata ad apprezzare la gravità dei fenomeni
DettagliLezioni di Statistica del 15 e 18 aprile Docente: Massimo Cristallo
UIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECOOMIA Corso di laurea in Economia Aziendale anno accademico 2012/2013 Lezioni di Statistica del 15 e 18 aprile 2013 Docente: Massimo Cristallo LA RELAZIOE
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
DettagliSOLUZIONI ESERCITAZIONE NR. 8 Test statistici
SOLUZIONI ESERCITAZIONE NR. 8 Test statistici ESERCIZIO nr. 1 Un campione casuale di dieci pazienti di sesso maschile in cura per comportamenti aggressivi nell ambito del contesto familiare è stato classificato
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
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 5 Abbiamo visto: Modelli probabilistici nel continuo Distribuzione uniforme continua Distribuzione
DettagliESERCITAZIONI PRIMO TUTORATO SECONDO MODULO - FINANZA AZIENDALE
ESERCITAZIONI PRIMO TUTORATO SECONDO MODULO - FINANZA AZIENDALE 1_Due titoli azionari hanno realizzato nelle ultime 4 sedute di borsa: titolo a 09/12/07 43,5 10/12/07 40,1 11/12/07 38,7 12/12/07 35 Titolo
DettagliAnalisi delle corrispondenze
Analisi delle corrispondenze Obiettivo: analisi delle relazioni tra le modalità di due (o più) caratteri qualitativi Individuazione della struttura dell associazione interna a una tabella di contingenza
DettagliRingraziamenti dell Editore
Indice Elenco dei simboli e delle abbreviazioni in ordine di apparizione Ringraziamenti dell Editore XI XVII 1 Introduzione FAQ e qualcos altro, da leggere prima 1 1.1 QuestoèunlibrodiStatistica....................
DettagliVariabili casuali multidimensionali
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliLa gestione dei rischi nelle banche
La gestione dei rischi nelle banche ECONOMIA DEGLI INTERMEDIARI FINANZIARI I RISCHI BANCARI 1. Rischi di controparte Rischio di credito Rischio di regolamento 2. Rischi di mercato Rischio di interesse
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliStatistica Descrittiva Soluzioni 7. Interpolazione: minimi quadrati
ISTITUZIONI DI STATISTICA A. A. 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
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
DettagliIndicatori compositi. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Indicatori [1/4] Gli indicatori: sintetizzano le caratteristiche di un fenomeno colgono aspetti e problemi del fenomeno che non hanno una immediata
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
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 41 Outline 1 2 3 4 5 () Statistica 2 / 41 Misura del legame Data una variabile doppia (X, Y ), la
DettagliEsercitazione di Statistica Indici di associazione
Esercitazione di Statistica Indici di associazione 28/10/2015 La relazione tra caratteri Indipendenza logica Quando si suppone che tra due caratteri non ci sia alcuna relazione di causa-effetto. Indipendenza
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Università di Venezia Esame di Statistica A-Di Prof. M. Romanazzi 25 Maggio 2015 Cognome e Nome..................................... N. Matricola.......... Valutazione Il punteggio massimo teorico di
DettagliSommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51
Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19
DettagliIntroduzione a rischio, rendimento e costo. dott. Matteo Rossi
Introduzione a rischio, rendimento e costo opportunità del capitale dott. Matteo Rossi Argomenti trattati La storia del mercato dei capitali Misura del rischio Rischio di portafoglio Rischio unico e beta
DettagliMetodologie Quantitative
Metodologie Quantitative Concetti statistici di base II M Q Marco Perugini Milano-Bicocca 1 Laboratorio Iscrizione/Scelta Turno Laboratorio Metodologie Quantitative Turno 1: Lunedì pomeriggio Turno 2:
DettagliEsercitazioni di Statistica Metodologica
Esercitazioni di Statistica Metodologica June 22, 2009 1 Esercizio La compagnia di telefonia fissa Happy Line ha svolto una indagine sul numero di telefonate effettuate dai suoi clienti la settimana scorsa.
DettagliCorso di Laurea in Amministrazione Aziendale Complex Learning. Statistica per l azienda (T) SECS-S/01 a. a. 2017/2018
Corso di Laurea in Amministrazione Aziendale Complex Learning Statistica l azienda (T) SECS-S/01 a. a. 2017/2018 DOCENTI TITOLARI : Prof. Nicoletta Melis ORE DI LEZIONE ON LINE : 18 ore : 6 3 TIPOLOGIE
DettagliMetodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione
Metodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
DettagliModulo di Statistica e Tecnologia (Dott. Giorgio Poletti
Laurea in Scienze dell Educazione Insegnamento di Pedagogia Sperimentale (Prof. Paolo Frignani) Modulo di Statistica e Tecnologia (Dott. Giorgio Poletti giorgio.poletti@unife.it) MEDIA aritmetica semplice
DettagliSTATISTICA SOCIALE - Corso di laurea in Scienze Turistiche Prova finale del 18 dicembre 2007 Compito A
STATISTICA SOCIALE - Corso di laurea in Scienze Turistiche Prova finale del 18 dicembre 2007 Compito A Esercizio 1 La Tabella 1 riporta la distribuzione dei Comuni di una certa Provincia per numero di
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
DettagliLa stima del tasso di perdita in caso di insolvenza (LGD)
Rischio e Valore nelle Banche La stima del tasso di perdita in caso di insolvenza (LGD) Capitolo 12 Agenda Una definizione Le variabili che incidono su LGD La stima di LGD Alcune evidenze empiriche Il
DettagliCognome e Nome:... Matricola e corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 2014 Cognome e Nome:................................................................... Matricola e corso di laurea:...................................................
DettagliProva Pratica di Statistica I+II - Prof. M. Romanazzi
1 Università di Venezia - Corso di Statistica I + II (Cb-Ga) Prova Pratica di Statistica I+II - Prof. M. Romanazzi 3 Giugno 2008 Cognome e Nome............................................ N. Matricola............
DettagliMODELLI DI SVALUTAZIONE
Milano, 8 aprile 2014 MODELLI DI SVALUTAZIONE Metodologie e problematiche di applicazione al confidi INDICE Contesto di riferimento ed obiettivo dell intervento Approccio metodologico proposto FASE 1 -
DettagliCampionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliCopyright Esselibri S.p.A.
70 3000 500 000 1500 1000 500 A B C D (a) Capitolo Terzo A B C D 500 1000 1500 000 5003000 3500 Fig. 1 - Ortogramma a colonne (a) e ortogramma a nastri (b) 4. MISURE DI ASSOCIAZIONE E DI COGRADUAZIONE
DettagliEsplorazione dei dati. Lucidi e dataset tratti da Turini - Analisi dei Dati, Dip. Inf. Unipi
Esplorazione dei dati Lucidi e dataset tratti da Turini - Analisi dei Dati, Dip. Inf. Unipi Analisi mono e bivariata Si utilizzano indicatori sintetici che individuano, con un singolo valore, proprieta`
DettagliTest di ipotesi su due campioni
2/0/20 Test di ipotesi su due campioni Confronto tra due popolazioni Popolazioni effettive: unità statistiche realmente esistenti. Esempio: Confronto tra forze lavoro di due regioni. Popolazioni ipotetiche:
DettagliUniversità degli Studi di Parma. Prof.ssa Paola Schwizer Anno accademico 2010-2011. Definizione
Università degli Studi di Parma Corso di Asset and liability management Prof.ssa Paola Schwizer Anno accademico 2010-2011 Definizione Rischio derivante da esposizioni verso controparti, gruppi di controparti
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
Dettagli