Corso Sapienza Trading Automatico la formazione finanziaria è il miglior investimento per il tuo domani
|
|
- Luciano Papi
- 5 anni fa
- Visualizzazioni
Transcript
1 Corso Sapienza Trading Automatico la formazione finanziaria è il miglior investimento per il tuo domani
2 Lezione n. 10 Edizione marzo / luglio 2015 Il rischio e l incertezza Analisi Montecarlo
3 Il rischio e l incertezza NEL TRADING COME NELLA VITA Siamo costantemente di fronte ad incertezze, ambiguità e variabilità. L'analisi del rischio è parte di ogni decisione che prendiamo. Vorremmo prevedere con precisione le probabilità di eventi incerti.
4 Il rischio e l incertezza L INCERTEZZA E LA CASUALITA Le leggi della causalità regolano molti fenomeni della vita quotidiana. Molte situazioni infatti sono regolate dal caso, ad esempio: Come posso determinare il numero di auto che transiteranno per un casello autostradale? Come dovrebbe fare una concessionaria per determinare quante auto ordinare? Come posso determinare il rischio di un portafoglio di investimento?
5 Il rischio e l incertezza UN PO DI STORIA La sperimentazione è uno degli ambiti dove spesso si ha a che fare con la casualità e la statistica. Tra il 1930 e il 1940, si eseguirono moltissime simulazioni al computer per stimare la probabilità di buon funzionamento relativo alla reazione a catena, necessaria per far esplodere la bomba atomica.
6 IL METODO MONTE CARLO La simulazione Monte Carlo prende quindi il nome dal quartiere del principato Monaco, dove le attrazioni principali sono i casinò che offrono giochi d'azzardo. Il metodo Monte Carlo è una tecnica soluzione dei problemi utilizzata per approssimare la probabilità di ottenere certi risultati attraverso l'esecuzione di più tornate di test, chiamati simulazioni, utilizzando le variabili casuali.
7 IL METODO MONTE CARLO E IL TRADING Il metodo Monte Carlo è uno degli strumenti statistici più preziosi che possono essere impiegati per testare la robustezza di un sistema di trading automatico. Quasi tutti ne hanno sentito parlare, ma pochi la usano perché hanno il timore che sia un metodo complesso che richiede molto studio.
8 COS E LA SIMULAZIONE MONTE CARLO Cosa fai prima di salire su una scala?
9 IN COSA CONSISTE Dopo una corretta ottimizzazione con il backtest del nostro sistema di trading automatico avremo a disposizione anche la lista di tutte le operazioni eseguite. Supponiamo ad esempio, che l operazione 1 venga spostata nella posizione posizione 232, che l operazione 2 in posizione 86, ecc, il tutto in modo casuale.
10 IN COSA CONSISTE Il report del nostro sistema di trading automatico, ad esempio, potrebbe presentarci una equity line come questa. Avremo a disposizione anche la lista di tutte le operazioni eseguite e potremo scambiare la loro sequenza in modo casuale.
11 IL RISULTATO Il risultato finale di tutti i trade deve rimanere lo stesso, indipendentemente dalla nuova sequenza casuale generata. La forma delle nuove equity lines e soprattutto il valore dei drawdown risultanti saranno diversi.
12 VANTAGGI E SVANTAGGI Il vantaggio di una selezione senza sostituzione è che esso riproduce esattamente la distribuzione di probabilità della sequenza di iniziale. Lo svantaggio di una selezione senza sostituzione è che il campione casuale di dati che determina la sequenza di operazioni, è limitato dal numero di operazioni stabiliti dalla sequenza iniziale.
13 MONTE CARLO CON SOSTITUZIONE Questo metodo introduce una maggiore casualità nel test. Le equity che si formeranno avranno la stessa origine ma non il risultato finale Questo metodo simula meglio le possibili variazioni di mercato futuro.
14 LE SIMULAZIONI Nell esempio della slide precedente le simulazioni erano circa 20. E possibile fare il campionamento molto maggiore di 20 simulazioni. Supponiamo che il backtest del nostro sistema di trading generi 820 operazioni: quante simulazioni potremo effettuare? 820 x 819 x 818 x 817 x... x 3 x 2 x 1
15 LE SIMULAZIONI In sostanza si calcola il fattoriale di 820 indicato anche con 820! Tanto per avere un termine di paragone il fattoriale di un numero apparentemente piccolo come 20 ( 20 * 19 * * 3 * 2 * 1 ) è un numero con 30 zeri! Per ragioni pratiche l analisi Monte Carlo viene di solito effettuata "solo" con alcune centinaia o migliaia di simulazioni casuali. I risultati vengono poi ordinati e classificati assegnando un punteggio in base alle probabilità.
16 LE PROBABILITA Consideriamo ad esempio di lanciare una moneta 1000 volte allo scopo di stimare la quantità di testa e croce che verranno fuori. Se la moneta è perfettamente simmetrica sarà probabile che sia il numero di teste che di croci sia prossimo a 500, cosi come sarà improbabile che siano entrambi i risultati esattamente 500. Ciò che è molto più probabile è che il numero di teste sia in un certo range attorno 500.
17 L INTERVALLO DI CONFIDENZA Invece di ottenere esattamente 500 volte testa e 500 volte croce si otterrà una distribuzione gaussiana dei valori intorno a 500. In statistica, quando si stima un parametro, la semplice individuazione di un singolo valore è spesso non sufficiente. È opportuno allora accompagnare la stima di un parametro con un intervallo di valori plausibili per quel parametro, che viene definito intervallo di confidenza.
18 COME CALCOLARLO L'intervallo di confidenza viene calcolato a partire dall'errore standard. Più grande è la dimensione del campione studiato, più ristretto è sarà l intervallo di confidenza e, conseguentemente, più precisa è la stima. Per la distribuzione gaussiana, che è applicabile per questo esperimento ideale, si può essere sicuri che nel 95 % dei casi testa uscirà un numero di volte compreso tra 500+6,32% e 500-6,32% quindi un numero di volte compreso tra 469 e 531.
19 COME COMPORTARSI IN PRATICA Sulla base delle ricerche statistiche per ottenere una stima con un intervallo di confidenza del 95% si dovrebbero utilizzare tra 500 e 1000 permutazioni, mentre se si vuole ottenere una stima con un intervallo di confidenza del 99% si dovrebbero utilizzare tra 2000 e Nelle applicazioni reali, abbiamo concluso che 5000 permutazioni sono sufficienti per una simulazione Monte Carlo con un intervallo di confidenza del 95%, e che sono sufficienti per realizzare un intervallo di confidenza del 99%.
20 ESECUZIONE DELL ANANLISI MONTE CARLO E necessario identificare i dati principali delle performance del nostro EA ricavandoli dal report di backtest. Nr. operazioni % operazioni in guadagno % operazioni in perdita Guadagno medio Perdita media
21 ESECUZIONE DELL ANALISI MONTE CARLO A questo punto attraverso i dati raccolti potremo ottenere una lista di operazioni casuale oppure possiamo utilizzare la sequenza effettiva prodotta in backtest. Esempio: WWLWWWLWLLLLLW (W operazione in guadagno, L operazione in perdita) Ogni operazione in guadagno verrà valorizzata con l importo del guadagno medio e ogni operazione in perdita verrà valorizzata con l importo della perdita media. Lo step successivo è quello di generare combinazioni casuali della sequenza iniziale.
22 LO SCOPO DELL ANALISI MONTE CARLO La simulazione Montecarlo dovrebbe permetterci di valutare con buona approssimazione quale sarà il drawdown massimo che ci si potrà aspettare da un sistema di trading. In sostanza avremo modo di conoscere il peggiore dei casi o chiamato anche Worst Case Scenario che ci sarà utile, in real time, per valutare quando la strategia dovrà essere considerata fallita e quindi dovrà essere riprogettata.
23 UN ESEMPIO REALE PERIODO TEST CROSS 21/10/ /07/2008 GBPUSD Per quanto detto in precedenza i dati della parte superiore della tabella ovvero performance del sistema di trading rimangono invariate. L'aspetto più importante dell analisi Monte Carlo è la stima del valore di drawdown atteso. L'analisi Monte Carlo permette di stabilire la presenza eventuale di casi di peggiore scenario (worst case scenarios). In sostanza permette di avere un idea dell entità dei drawdown peggiori che possono capitare durante la vita del sistema di trading. TIMEFRAME 30M NUMERO OPERAZIONI 1051 PROFITTO NETTO OPERAZIONI IN GUADAGNO 370 OPERAZIONI IN PERDITA 681 GUADAGNO MEDIO 1120 PERDITA MEDIA 414 PERMUTAZIONI MONTECARLO 5000 WCS DRAWDOWN SISTEMA ORIGNALE MONTECARLO 60% CONFIDENZA MONTECARLO 70% CONFIDENZA MONTECARLO 80% CONFIDENZA MONTECARLO 90% CONFIDENZA MONTECARLO 95% CONFIDENZA MONTECARLO 99% CONFIDENZA 21364
24 I LIMITI DEL METODO MONTE CARLO Quando si devono trarre le conclusioni riguardanti i risultati di una simulazione Monte Carlo è necessario tenere presente che esistono dei limiti: Il metodo Monte Carlo fa riferimento ad operazioni ottenute facendo il backtest della strategia di trading. Ma cosa accade i risultati di backtest sono solo frutto di sovraottimizzazione? L analisi Monte Carlo non permette di capire questo!.
25 IL POTERE PREDITTIVO L analisi Monte Carlo ha in un certo senso delle capacità predittive, perché ci permette di conoscere in anticipo quale potrebbe statisticamente essere la peggiore situazione di drawdown. L analisi Monte Carlo non deve essere considerato un test di certezza ma come un test di probabilità. Sebbene il comportamento generale dei mercati possa essere descritto dal modello Gauss, ci sono alcuni giorni con variazioni percentuali molto elevate che sono al di fuori della curva gaussiana. Tali giorni sono impossibili da prevedere e l'analisi Monte Carlo che si basa sulla distribuzione gaussiana raggiunge i suoi limiti.
26 CONCLUSIONI L analisi Monte Carlo è uno degli strumenti statistici più preziosi che possono essere impiegati per testare la robustezza di un sistema. Ci permette di simulare il Worst Case Scenario. Ci permette di poter riconoscere il momento in cui la strategia non sarà più valida.
la formazione finanziaria è il miglior investimento per il tuo domani
www.sapienzafinanziaria.com la formazione finanziaria è il miglior investimento per il tuo domani Lezione n. 4 Edizione marzo / luglio 2015 Strategia di Trading Le basi di valutazione di un trading system
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
DettagliIntervento di Algoritmica.pro
Intervento di Algoritmica.pro Validare un trading system con le analisi Walk Forward e Montecarlo ANDREA ANGIOLINI, FRANCESCO PLACCI Algoritmica.pro S.r.l. Cos è un trading system? Un trading system è
Dettaglila formazione finanziaria è il miglior investimento per il tuo domani
la formazione finanziaria è il miglior investimento per il tuo domani Lezione n. 2.8 Edizione ottobre 2015 Position sizing, money management e risk management www.sapienzafinanziaria.com Obiettivi di questa
DettagliSEGNALI DAX INTRADAY
SEGNALI DAX INTRADAY VIDEO SHARING Questo documento vuole essere uno strumento utile per avere informazioni dettagliate sul servizio Segnali Dax Intraday attraverso il Video Sharing, in particolare per
DettagliErrori sistematici e casuali
Errori sistematici e casuali Errori Casuali Tempo di reazione nel far partire o fermare l orologio: Può essere sia in eccesso che in difetto (ad esempio partenza e arrivo), quindi l errore può avere segno
DettagliScegliere il migliore Expert Advisor
Scegliere il migliore Expert Advisor Analizziamo le principali Linee Guida per identificare i migliori Expert Advisors (Automatic Trading Systems) Gli Expert Advisors (EA) devono innanzitutto essere automatici
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono
DettagliIntroduzione all'inferenza Lezione 4
Last updated April 16, 2016 Introduzione all'inferenza Lezione 4 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Introduzione all inferenza Popolazione Campione
DettagliIntroduzione al calcolo delle probabilità
Introduzione al calcolo delle probabilità venti certi, impossibili, aleatori Supponiamo di lanciare un dado e consideriamo i seguenti eventi : ={ esce un numero compreso tra e 6 (estremi inclusi) } 2 ={
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
DettagliDato che i risultati ottenuti tramite campioni casuali ed esperimenti comparativi sono legati al caso, non possiamo essere certi che le nostre
Campione Dato che i risultati ottenuti tramite campioni casuali ed esperimenti comparativi sono legati al caso, non possiamo essere certi che le nostre conclusioni siano corrette. Quello che possiamo fare
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/
DettagliLa simulazione è l'imitazione di un processo o di un sistema reale per un
1 2 La simulazione è l'imitazione di un processo o di un sistema reale per un determinato periodo di tempo. La simulazione è l'imitazione di un processo o di un sistema reale per un determinato periodo
DettagliSommario prima lezione
Abbiamo considerato un analisi semplice a LEP: Abbiamo toccato vari argomenti selezione efficienza fondo incertezza statistica e sistematica Sommario prima lezione BR(Z µ + µ ) = Number ofµ+ µ events Total
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
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
DettagliSommario prima lezione
Sommario prima lezione Abbiamo considerato un analisi semplice a LEP: BR(Z µ + µ ) = Number ofµ+ µ events Total number of events Abbiamo toccato vari argomenti selezione efficienza fondo incertezza statistica
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologie. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea in biotecnologie
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliCALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO
CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO In chimica analitica un settore importante riguarda il calcolo dell errore e la valutazione della significatività di una misura. Generalmente nell
DettagliUniversity of Messina, Italy
ERRORI CASUALI NELL ANALISI CHIMICA 1 Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
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
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliUniversity of Messina, Italy
ERRORI CASUALI ELL AALISI CHIMICA Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 13/1/2017
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 13/1/2017 NOME: COGNOME: MATRICOLA: Esercizio 1 Quattro arcieri
DettagliTrading Systems Automatici
Trading Systems Automatici Cosa sono i trading systems? Un Trading System è un sistema automatico di elaborazione delle informazioni riguardanti un insieme di strumenti finanziari, che fornisce dei segnali
DettagliLaboratorio di Calcolo Paola Gallo
Studio di una funzione Dopo aver calcolato limiti, massimi, minimi e flessi siamo in grado di stabilire noi quali estremi di variabilità e che passo dare alle mie x per poter visualizzare bene nel grafico
DettagliSoftware Excel Piano Libertà Finanziaria Guida all uso
Software Excel Piano Libertà Finanziaria Guida all uso Nella cartella sono presenti 3 fogli: Il lucchetto che vedi vicino il nome significa che sono protetti, perciò non sono modificabili. L unica cosa
DettagliI modelli probabilistici
e I modelli probabilistici Finora abbiamo visto che esistono modelli probabilistici che possiamo utilizzare per prevedere gli esiti di esperimenti aleatori. Naturalmente la previsione è di tipo probabilistico:
DettagliINTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA
INTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA IRCBG 19027 Modulo Dal campione alla popolazione: l'inferenza e l'intervallo di confidenza IRCCS Burlo Garofolo Formazione, Aula A via dell Istria
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
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso
DettagliDistribuzione Binomiale
Statistica e analisi dei dati Data: 2 Maggio 2016 Distribuzione Binomiale Docente: Prof. Giuseppe Boccignone Scriba: Nicoló Pisaroni 1 Conteggi e tempi di attesa Consideriamo il seguente schema, facendo
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2004-05 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento suscettibile di più
DettagliLaboratorio di Calcolo B 67
Generazione di numeri casuali Abbiamo già accennato all idea che le tecniche statistiche possano essere utili per risolvere problemi di simulazione di processi fisici e di calcoli numerici. Dobbiamo però
DettagliMODULO 2 www.sapienzafinanziaria.com. la formazione finanziaria è il miglior investimento per il tuo domani
MODULO 2 www.sapienzafinanziaria.com la formazione finanziaria è il miglior investimento per il tuo domani Lezione n. 1 Edizione marzo / giugno 2015 La simulazione del trading su dati storici www.sapienzafinanziaria.com
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 =
DettagliOutline. 1 v.c. continue. 2 v.c. Normale. 3 v.c. Esponenziale. Lezione 13. A. Iodice. v.c. continue. v.c. Normale. v.c.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 48 Outline 1 2 3 () Statistica 2 / 48 Variabili casuali continue Una variabile casuale X è continua
DettagliSTATISTICA. Inferenza: Stima & Intervalli di confidenza, 1
STATISTICA Inferenza: Stima & Intervalli di confidenza, 1 Inferenza per la media Siano,,, variabili casuali i.i.d media campionaria: v.c. che predice il valore della media aritmetica dei dati nel campione
DettagliModellazione di sistemi ingegneristici (parte 2 di 2)
Corso di Teoria dei Sistemi Modellazione di sistemi ingegneristici (parte 2 di 2) Prof. Ing. Daniele Testi DESTeC, Dipartimento di Ingegneria dell Energia, dei Sistemi, del Territorio e delle Costruzioni
DettagliCapitolo 5 Confidenza, significatività, test di Student e del χ 2
Capitolo 5 Confidenza, significatività, test di Student e del χ 5.1 L inferenza Se conosciamo la legge di probabilità di un evento (a priori o a posteriori) possiamo fare delle previsioni su come l evento
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea
Dettaglif è una combinazione convessa f con w 1
SIMULAZIONE Che cosa serve: - un sistema dinamico completamente definito - un orizzonte di simulazione (intervallo di tempo per il quale sono noti gli ingressi) - funzioni di ingresso definite per tutto
DettagliSimulazione dei dati
Simulazione dei dati Scopo della simulazione Fasi della simulazione Generazione di numeri casuali Esempi Simulazione con Montecarlo 0 Scopo della simulazione Le distribuzioni di riferimento usate per determinare
DettagliI SONDAGGI DI OPINIONE. La necessità di una teoria dei campioni
I SONDAGGI DI OPINIONE La necessità di una teoria dei campioni 1. Le credenziali del campione Le molte, a volte moltissime, informazioni che solitamente provengono da una indagine campionaria, anche di
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliProva intercorso di laboratorio di Fisica I AA Matricole Pari 29 mar 17
Prova intercorso di laboratorio di Fisica I AA 2016 2017 Matricole Pari 29 mar 17 1. Quale e' la probabilita' di estrarre o un asso o una carta di denari, da un mazzo di 40 carte? Risposta: P= P(asso)+P(denari)
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliMetodo epidemiologici per la clinica _efficacia / 1. L analisi statistica
Metodo epidemiologici per la clinica _efficacia / 1 L analisi statistica Metodo epidemiologici per la clinica _efficacia / 2 Esempio (de Gans et al. NEJM 2002, 347: 1549-56) Esito Desametazone Trattamento
DettagliIntervallo di confidenza.
Intervallo di confidenza annarita.vestri@uniroma1.it campione inferenza popolazione Media Riportare sempre anche la deviazione standard Stima puntuale di Media, dev.standard, numerosità Qualche semplice
DettagliCalcolo applicato alla Statistica Maximum Likelihood
Calcolo applicato alla Statistica Maximum Likelihood Problema fisico 1/2 Consideriamo un esperimento consistente nella misura, per un tempo T fissato, delle trasmutazioni nucleari (spontanee o indotte)
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 04-Grafici delle distribuzioni vers. 1.0 (17 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliSimulazione. Introduzione
Introduzione Simulare significa fare degli esperimenti che riproducono una situazione reale, la quale magari sarebbe troppo costosa o impossibile da riprodurre in modo controllato. Esempi: simulatori di
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliAnalisi e scelta dei dati di input
Analisi e scelta dei dati di input Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 24 Aprile 2006 Francesca Mazzia (Univ. Bari) Analisi e
DettagliSchema lezione 5 Intervalli di confidenza
Schema lezione 5 Intervalli di confidenza Non centrerò quella barca, ne sono convinto al 95% COMPRENDERE: Significato di intervallo di confidenza Uso degli stimatori come quantità di pivot per stime intervallari
DettagliUniversità del Piemonte Orientale. Corsi di laurea triennale di area tecnica. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corsi di laurea triennale di area tecnica Corso di Statistica Medica Intervalli di confidenza Corsi di laurea triennale di area tecnica - Corso di Statistica Medica -
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2013-2014 Lezione 5 Indice 1 Riduzione della varianza nei metodi Monte Carlo
DettagliCenni di statistica statistica
Cenni di statistica La statistica è una disciplina che ha come fine lo studio quantitativo e qualitativo di un particolare fenomeno in condizioni di incertezza o non determinismo, ovvero di non completa
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
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,
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosiddette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliCorso Di CHIMICA ANALITICA II
Corso Di CHIMICA ANALITICA II CHIMICA ANALITICA QUANTITATIVA: determinazione di una specie chimica in funzione della sua concentrazione. CHIMICO ANALITICO: sviluppare nuovi metodi X analita (CAMPIONE):
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliLezione 1. 1 Probabilità e statistica. 2 Definizioni di probabilità. Statistica e analisi dei dati Data: 22 Febbraio 2016
Statistica e analisi dei dati Data: 22 Febbraio 2016 Lezione 1 Docente: Prof. Giuseppe Boccignone Scriba: Nicolò Pisaroni 1 Probabilità e statistica Probabilità: Un modello probabilistico é una descrizione
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2014-2015 Lezione 5 Indice 1 Errori nella simulazione Monte Carlo di processi
DettagliEsercizio e-tray: Amministratori
Esercizio e-tray: Amministratori Cos' è l'e-tray? L'e-tray è un esercizio al computer che simula una reale situazione lavorativa e riproduce una casella di posta elettronica contenente informazioni che
DettagliUlteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliAnalisi Statistica dei Dati Sperimentali. M. Trimarchi e P. La Rocca
Analisi Statistica dei Dati Sperimentali M. Trimarchi e P. La Rocca Misura delle Grandezze Fisiche Misure dirette Confronto con un campione dell unità di misura Lunghezze Metro Misure indirette Operazioni
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliUniversità del Piemonte Orientale Corsi di Laurea triennale di area tecnica. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità
Università del Piemonte Orientale Corsi di Laurea triennale di area tecnica Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione binomiale La distribuzione Normale (o di
DettagliTest di ipotesi. Test
Test di ipotesi Test E una metodologia statistica che consente di prendere una decisione. Esempio: Un supermercato riceve dal proprio fornitore l assicurazione che non più del 5% delle mele di tipo A dell
DettagliIl Metodo Monte Carlo è basato sulla generazione di una molteplicità di iterazioni per determinare
LA SIMULAZIONE MONTE CARLO NEGLI STUDI ED ANALISI ECONOMICO-AMBIENTALI (Luigi Fanizzi ECOACQUE ) Premessa La simulazione numerica Monte Carlo è un potente metodo probabilistico (da cui il nome del famoso
DettagliCapitale raccomandato
Aggiornato in data 1/9/212 Basic 2-212 Capitale raccomandato da 29. a 47.738 Descrizioni e specifiche: 1. E' una combinazione composta da 2 Trading System automatici 2. Viene consigliata per diversificare
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 20/10/201 NOME: COGNOME: MATRICOLA: Esercizio 1 Se supponiamo
Dettaglilezione 13 AA Paolo Brunori
AA 2016-2017 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
DettagliDISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici
DettagliStima del valore di una costante in presenza di rumore esponenzialmente correlato. Carlo Fisicaro
Stima del valore di una costante in presenza di rumore esponenzialmente correlato Carlo Fisicaro OBIETTIVO Stimare il valore della costante β adimensionale per mezzo di misurazioni soggette a rumore stocastico
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
DettagliNote introduttive alla probabilitá e alla statistica
Note introduttive alla probabilitá e alla statistica 1 marzo 2017 Presentiamo sinteticamente alcuni concetti introduttivi alla probabilitá e statistica 1 Probabilità e statistica Probabilità: Un modello
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliEsercitazione del 04/06/2015 Probabilità e Statistica Foglio 14
Esercitazione del 0/06/05 Probabilità e Statistica Foglio David Barbato Esercizio. Ci sono 0 monetine di cui 5 con due teste, con due croci e regolari una moneta regolare ha una faccia testa e una faccia
DettagliC.I. di Metodologia clinica
C.I. di Metodologia clinica Modulo 5. I metodi per la sintesi e la comunicazione delle informazioni sulla salute Quali errori influenzano le stime? L errore casuale I metodi per la produzione delle informazioni
DettagliEsercizi di riepilogo
Esercizi di riepilogo Es1: Scommesse al casinò Tizio e Caio si alternano al tavolo di un casinò. Tizio gioca negli istanti di tempo dispari, mentre Caio in quelli pari Ad ogni istante di tempo, il guadagno
DettagliEsercizio e-tray: AST-SC
Esercizio e-tray: AST-SC Cos' è l'e-tray? L'e-tray è un esercizio al computer che simula una reale situazione lavorativa e riproduce una casella di posta elettronica contenente informazioni che si riferiscono
Dettagli