1 BREVE RIPASSO DEI TEST STATISTICI 2 I TEST STATISTICI NEI SOFTWARE ECONOMETRICI E IL P-VALUE 3 ESERCIZI DI ALLENAMENTO
|
|
- Serafino Genovese
- 8 anni fa
- Visualizzazioni
Transcript
1 I TEST STATISTICI E IL P-VALUE Obiettivo di questo Learning Object è ripassare la teoria ma soprattutto la pratica dei test statistici, con un attenzione particolare ai test che si usano in Econometria. Inoltre, questo Learning Object intende familiarizzare il lettore con la comprensione dei test statistici forniti dai pacchetti statisticoeconometrici. Insomma, vogliamo capire che cosa è il p-value di un test, e come il p-value si utilizza per decidere se rifiutare o meno un ipotesi di interesse. Il Learning Object è ripartito nei seguenti 3 paragrafi: 1 BREVE RIPASSO DEI TEST STATISTICI 2 I TEST STATISTICI NEI SOFTWARE ECONOMETRICI E IL P-VALUE 3 ESERCIZI DI ALLENAMENTO 1. BREVE RIPASSO DEI TEST STATISTICI In generale, per costruire un test statistico abbiamo bisogno di: (1) un vettore di parametri, generalmente i parametri di un modello di regressione lineare, o i momenti di una certa popolazione; (2) un campione di n osservazioni relative a un insieme di individui (dati cross-section) o osservazioni protratte nel tempo di un certo fenomeno (dati time-series); in entrambi i casi i dati del campione devono essere interpretati come realizzazioni empiriche di variabili casuali, per questo quindi abbiamo a che fare con leggi distributive; (3) un modello statistico (o un modello econometrico) che metta in relazione parametri e osservazioni di cui ai punti (1) e (2); (4) l ipotesi nulla (H 0 ), ovvero un asserzione circa i valori che i parametri di cui al punto (1) devono soddisfare se vale una certa teoria o supposizione, e da confrontare con un ipotesi alternativa (H 1 );
2 (5) una statistica test, S n, ovvero una variabile casuale che è generalmente funzione di uno stimatore dei parametri del modello, e quindi delle n variabili casuali di cui al punto (1). La statistica test S n avrà quindi una certe legge distributiva sotto H 0, e una certa legge distributiva sotto H 1. Notare che la legge distributiva di S n a cui facciamo riferimento può valere, sotto certe condizioni, su piccoli campioni, però il più delle volte in econometria si fa riferimento alla legge distributiva di S n in grandi campioni (cioè quando n tende ad infinito). Quando il test è basato su una distribuzione di S n che vale per n grande parleremo di test asintotici. Una volta calcolato il valore della statistica test sul campione effettivamente osservato, scriveremo S n = s n ; (6) il livello di significatività del test (o size, o errore di prima specie) del test, comunemente indicato con il simbolo α fissata da chi conduce il test che dal punto di vista formale rappresenta: α=pr(rifiutare H 0 H 0 ) (cioè la probabilità di rifiutare H 0 quando H 0 è vera, quindi la probabilità di rifiutare erroneamente H 0 ); (7) il valore critico (cv α ) del test, cioè fissato α di cui la punto (6), il percentile della distribuzione della statistica test S n sotto l ipotesi nulla H 0, ovvero la quantità che soddisfa: Pr(S n > cv α H 0 )= α, o analogamente Pr(S n cv α H 0 )= 1-α. Si noti che Pr(S n > cv α H 0 )= α = Pr(rifiutare H 0 H 0 ), per cui l intervallo (cv α, ] è la zona di rifiuto di H 0 e di conseguenza [-, cv α ] la zona di accettazione di H 0. Si osservi inoltre, che in molti casi facciamo test a due code; in questi casi il valore critico del test è la quantità che soddisfa: Pr( S n cv α/2 H 0 )=Pr ( - cv α S n cv α H 0 )= 1- α. In tal caso [-, -cv α ) (cv α, ] è la zona di rifiuto di H 0, e [-cv α, cv α ] la zona di accettazione di H 0. Come si fa dal punto di vista pratico il test usando le tavole? Dal punto di vista pratico, per decidere tra H 0 e H 1 si procede nel seguente modo. Si fissa α (ad esempio α=0.05). Dai dati si calcola il valore osservato della statistica test, cioè S n = s n. Si supponga ad esempio di sapere che sotto l ipotesi nulla la statistica test S n ha distribuzione t- Student con 3 gradi di libertà. Si supponga inoltre che il test sia a due code (vedi il punto (7) di cui
3 sopra). Notare che siamo in possesso di tutti e gli elementi elencati sopra nei punti (1)-(7), siamo quindi in grado di fare il test e decidere se scegliere H 0 oppure H 1. A tal fine si calcola dalla tavola della t-student il cv α/2 (=cv dato che α=0.05) del test, cioè dalle Tavole della t-student con 3 gradi di libertà si prende il valore ± Ne segue che [-3.182, ] è la zona di accettazione, mentre [-, ) (3.182, ] è la zona di rifiuto di H 0. A questo punto bisogna capire se il valore di s n cade nella zona di rifiuto o di accettazione di H 0. Per fare ciò si confronta quindi s n con ±3.182 se s n è più grande di o più piccolo di si rifiuta H 0 e si sceglie H 1, altrimenti si sceglie H 0. Più avanti, nel Paragrafo 2 vedremo che utilizzando i software statistico-econometrici il calcolo del test risulta notevolmente semplificato! Tre osservazioni importanti. Primo, il livello di significatività del test, Pr(S n > cv α H 0 )=α, ci dice che non siamo più disposti a credere alla validità di H 0 (e quindi ripieghiamo verso H 1 ) quando otteniamo valori della statistica test che pur ottenuti sotto H 0 hanno una probabilità inferiore ad α di verificarsi. In altri termini, quando osserviamo valori di S n molto grandi, cioè che si collocano verso le code della distribuzione e a cui quindi sono associati bassi livelli di probabilità (più piccoli di α) di verificarsi, non siamo più disposti a credere che tali valori siano compatibili con la distribuzione di S n sotto H 0. Secondo, i test a due code hanno senso solo quando abbiamo a che fare con distribuzioni statistiche il cui dominio comprende sia valori positivi che negativi (si pensi ad esempio alla Normale o alla t- Student). Quando abbiamo a che fare con statistiche test la cui legge distributiva ha dominio solo nei numeri positivi (si pensi alla distribuzione Chi-quadrato o alla F), allora un test a due code non ha molto senso in quanto in tal caso: Pr ( - cv α/2 S n cv α/2 H 0 ) P([S n - cv α/2 ] [S n cv α/2 ] H 0 ) = P(Evento certo [S n cv α/2 ] H 0 ) = P(S n cv α/2 H 0 ) = 1-α/2.
4 Quindi, in presenza di statistiche test che hanno distribuzione Chi-quadrato o F, ci limitiamo a fare test ad una coda al livello α; solo quando abbiamo a che fare con statistiche test che hanno distribuzione Normale of t-student dobbiamo capire se fare in test ad una coda o a due code! Come riusciamo a capire se dobbiamo fare un test ad una o due code? E la formulazione dell ipotesi alternativa che ci da indicazioni. Se ad esempio dobbiamo fare un test t-student per H 0 : β=0 contro H 1 : β 0, allora faremo un test a due code (infatti H 1 ci dice che β può essere un qualsiasi numero diverso da zero, positivo o negativo che sia). Se invece dobbiamo fare un test test t-student per H 0 : β=0 contro H 1 : β>0 allora faremo un test ad una sola coda. Quale coda considereremo, in tal caso, la destra o la sinistra della t-student? (Risposta: ovviamente la destra). Terzo, dati i 7 punti di cui sopra, si può definire potenza del test, la quantità Pr(rifiutare H 0 H 1 ), ovvero la probabilità di rifiutare l ipotesi nulla quando questa è effettivamente falsa. La potenza è quindi un indicatore della capacità del test di beccarci. Tanto più Pr(rifiutare H 0 H 1 ) si avvicina ad uno, tanto più il test ha buone capacità. Si osservi che per calcolare la potenza del test dato il livello di significatività α, dobbiamo conoscere la legge distributiva della statistica test S n sotto l ipotesi alternativa H 1, poiché dovremo calcolare Pr(S n > cv 0 α H 1 ), dove con il simbolo cv0 α indica che il valore critico è sempre quello calcolato utilizzando il pecentile della distribuzione della statistica test sotto H 0. Esempio 1: un modello per i tassi di interesse nell area dell euro Si supponga di stimare il seguente modello di regressione dinamico relativo a tassi di interesse nell area dell Euro: R t = β 0 +β 1 R t-1 +β 2 (R t-1 - r t-1 ) + u t (1) Nel modello (1) R t è il tasso di interesse nominale sui titoli a lunga scadenza, r t è il tasso di interesse nominale sui titoli a breve scadenza, la differenza (spread) (R t - r t ) è una misura della struttura a termine dei tassi di interesse e può essere visto come un indicatore di aspettative di inflazione (se il divario tra tassi a lunga e a breve aumenta ci si aspetta una situazione inflazionistica nel futuro, mentre se il divario diminuisce ci si aspetta una politica monetaria più restrittiva da parte della
5 Banca Centrale e quindi meno inflazione futura). è l operatore differenza prima: R t = R t R t-1. Infine, u t è una componente White Noise con varianza σ 2, e β 0, β 1, β 2 sono i parametri. La stima OLS del modello (1) su n=142 dati trimestrali, periodo: 1970:3 2005:4, ha dato luogo ai seguenti risultati: Dependent Variable: DRL Method: Least Squares Date: 22/11/06 Time: 16:58 Sample (adjusted): 1970Q3 2005Q4 Included observations: 142 after adjustments Variable Coefficient Std. Error t-statistic Prob. C DRL(-1) SPREAD(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) TABELLA 1 Si vuole ora testare l ipotesi nulla H 0 : β 2 =0, la quale dice che lo spread osservato nel trimestre precedente non ha influenza sulla dinamica trimestrale delle variazioni del tasso di interesse sui titoli a lungo termine. L alternativa è H 1 : β 2 <0, e dice che variazioni dello spread osservate nel trimestre precedente hanno un impatto negativo su tale dinamica (se lo spread aumenta ci si aspetta una variazione in diminuzione del tasso a lunga per bilanciare tale aumento e ripristinare quindi una situazione di spread constante nel tempo). Dal corso di Econometria o di Econometria dei mercati finanziari sappiamo che sotto H 0 : β 2 =0 la statistica test S n = β 2 /s.e.( β 2 ) ha, per n che tende all infinito, distribuzione asintotica Normale (0,1) (siamo in presenza di un modello dinamico!... e si ricordi che la t-student con infiniti gradi di libertà converge ad una Normale(0,1)). Inoltre, dalla Tabella 1 deduciamo che il valore della statistica test per H 0 : β 2 =0 è pari a S n = s n = (β 2 /s.e.( β 2 )) =( / ) = , il quale va confrontato con l opportuno cv α. Fissiamo α=0.05. Ora dobbiamo decidere se il test è a una coda oppure a due code. Poiché l ipotesi alternativa H 1 : β 2 <0 prevede solo valori negativi di
6 β 2, il test sarà ovviamente ad una coda, e in particolare riguarderà la coda sinistra della Normale(0,1). Dalla tavola della normale ricaviamo che dalla coda sinistra della normale: -cv 0.05 = Poiché < segue che la statistica test cade nella zona di accettazione di H 0. Quindi, dai dati, emerge che lo spread osservato nei trimestri precedenti non incide sulle variazioni del tasso a lungo termine. Nel prossimo paragrafo vedremo che possiamo fare il test utilizzando solo le informazioni della Tabella 1, senza dovere andare a consultare le tavole, cioè senza dover sapere che -cv 0.05 = ! 2. I TEST STATISTICI NEI SOFTWARE ECONOMETRICI E IL P-VALUE I software statistici ed econometrici semplificano i test. In particolare, ci permettono di non occupaci del punto (7), ovvero dei valori critici, e quindi del calcolo delle zone di rifiuto e di accettazione del test, senza farci perdere alcuna informazione rilevante sul test. Per far ciò ci fornisce in alternativa il p-value (livello di probabilità) associato al valore calcolato della statistica test, s n. Per ogni H 0 e H 1 che vogliamo testare, il software ci fornisce il p-value associato al valore della statistica test calcolata, s n. Che cosa è il p-value associato alla statistica test calcolata s n? E semplicemente la probabilità: Pr(osservare valori maggiori di o uguali di s n H 0 ) = Pr(S n s n H 0 ) = p-value. Il p-value indica quindi quanto probabile (valori alti) o improbabile (valori bassi) è l eventualità di osservare esattamente il valore s n della statistica test S n sotto l ipotesi nulla. Come si utilizza il p-value associato a s n in pratica per decidere tra H 0 e H 1? Il vantaggio del p- value è che non ci serve più andare a consultare le tavole della Normale, della t-student, del Chiquadrato o della F, ecc. per decidere. Tutto quello che dobbiamo fare è confrontare il p-value associato a s n con il livello di significatività α che abbiamo fissato in precedenza (punto (6) di cui sopra). Se troviamo che p-value < α, cioè significa, usando la nostra notazione, che Pr(S n s n H 0 ) = p-value < α = Pr(S n > cv α H 0 )
7 il che implica, se ci si ragiona, che s n > cv α, il che a sua volta significa che s n è nella zona di rifiuto di H 0. Per rifiutare H 0 ci basta constatare che p-value < α senza dover conoscere cv α! Al contrario, se troviamo che p-value α, ciò significa, nella notazione dai noi usata, che Pr(S n s n H 0 ) = p-value α = Pr(S n > cv α H 0 ) ovvero che s n cv α, il che comporta l accettazione di H 0. Raggiungiamo tale conclusione senza dover necessariamente conoscere cv α, ci basta solo constatare che p-value α! Esempio 2 Torniamo al modello (1) e ai risultati di stima della Tabella 1, e proviamo nuovamente a fare il test per H 0 : β 2 =0 contro H 1 : β 2 <0, utilizzando solo ed esclusivamente le informazioni contenute nella Tabella 1. Ricordiamo che nel nostro caso la statistica test S n = β 2 /s.e.( β 2 ) ha, per n che tende ad infinito, distribuzione asintotica Normale (0,1) (questo lo sappiamo solo se abbiamo studiato econometria!). La Tabella 1 ci dice che: Pr(S n H 0 ) = 0.20 quindi il il p-value associato a s n = è Stiamo facendo un test ad una coda, per cui dobbiamo confrontare il p-value con α=0.05. Poiché p- value > α, possiamo accettare H 0 : β 2 =0. Nota che se si fosse trattato di un test a due code, avremmo confrontato il p-value 0.20 con α/2= Esempio 3 Facendo sempre riferimento al modello (1) e ai risultati di stima della Tabella 1, si supponga ora di voler fare un test per l ipotesi nulla H 0 : β 1 =0 contro la generica alternativa H 0 : β 1 0. In sostanza, vogliamo testare la significatività del coefficiente β 1 associato al regressore R t-1 del modello. Questa volta scegliamo α=0.10.
8 Si può notare dalla Tabella 1 che in questo caso la statistica test è pari a e ha un p-value associato pari a Questo significa che la probabilità di osservare un valore della statistica test superiore o uguale a sotto l ipotesi nulla (distribuzione Normale(0,1)) è veramente bassa, anzi bassissima. Dato che p-value <<α/2=0.05, rifiutiamo nettamente H 0 : β 1 =0 e scegliamo l alternativa. Esempio 4 Facendo sempre riferimento all esempio della Tabella 1, si supponga ora di voler testare l ipotesi nulla congiunta: H 0 : β 1 =0.50 e β 2 =0, contro l alterativa H 1 : β e β 2 0. Dalla teoria sappiamo che tale ipotesi rientra nella casistica H 0 : R β=r e che siccome il modello stimato è un modello di regressione dinamico, una statistica test di Wald, S n, per H 0 :R β=r avrà distribuzione, per n che va ad infinito (n grande), Chi-quadrato(2), dove 2 sono le restrizioni che testiamo. La Tabella 2 sotto, ci fornisce i risultati del test: Wald Test: Equation: Untitled Test Statistic Value df Probability F-statistic (2, 139) Chi-square Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err C(2) C(3) TABELLA 2 Abbiamo quindi S n = s n = con un p-value associato pari a Quindi vi è una probabilità di quasi il 35% di osservare un valore della statistica test, sotto l ipotesi nulla, che sia maggiore o uguale di Se fissiamo il livello di significatività del test al 5%, significa che noi siamo disposti a credere all ipotesi nulla sino a quando non otteniamo valori della
9 statistica test che hanno probabilità non inferiore al 5%. Noi abbiamo ottenuto una probabilità del 35% che è ben maggiore del 5%. Quindi, poiché p-value > α (=0.05 oppure 0.10), accettiamo H 0. 3 ESERCIZI DI ALLENAMENTO Esercizio 1 Si consideri il modello (1) e le stime della Tabella 1. La Tabella 3 riporta il test LM di Godfrey e Breush per l assenza di autocorrelazione nei residui: Breusch-Godfrey Serial Correlation LM Test: F-statistic Probability Obs*R-squared Probability Test Equation: Dependent Variable: RESID Method: Least Squares Date: 23/11/06 Time: 14:28 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-statistic Prob. C DRL(-1) SPREAD(-1) RESID(-1) RESID(-2) R-squared Mean dependent var -1.25E-17 Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) TABELLA 3 1. Si individui qual è l ipotesi alternativa e l ipotesi nulla di tale test. 2. Si dica se la nulla è da rifiutare o meno
10 3. Si dica quale dovrebbe essere il livello di significatività α del test necessario per rifiutare l ipotesi nulla. Esercizio 2 Si consideri il modello (1) e le stime della Tabella 1. Si testi la significatività dell intercetta. Esercizio 3 Si consideri il modello (1) e le stime della Tabella 1. I residui del modello hanno le seguenti caratteristiche: Series: Residuals Sample 1970Q3 2005Q4 Observations 142 Mean -1.25e-17 Median Maximum Minimum Std. Dev Skewness Kurtosis Jarque-Bera Probability Si dica se l ipotesi di normalità distributiva può essere accettata o rifiutata. Esercizio 4 Si consideri il modello (1) e le stime della Tabella 1. Si testi l ipotesi nulla H 0 : β 1 =0.50 contro l alternativa H 1 : β 1 =0.60 al livello α=0.05, e si provi poi a calcolare la potenza del test (traccia: si ricordi che la potenza del test è Pr(rifiuto H 0 H 1 ) e si individui la distribuzione della statistica test sotto l ipotesi H 1.).
Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliL eredità finanziaria della crisi
L eredità finanziaria della crisi Presentazione del XX rapporto annuale sul Mercato del Lavoro tv Guido Massimiliano Mantovani H.E.R.M.E.S. Universities Network, Strasbourg Università Ca Foscari, Campus
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
DettagliTest d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi
In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
DettagliMacroeconomia, Esercitazione 2. 1 Esercizi. 1.1 Moneta/1. 1.2 Moneta/2. 1.3 Moneta/3. A cura di Giuseppe Gori (giuseppe.gori@unibo.
acroeconomia, Esercitazione 2. A cura di Giuseppe Gori (giuseppe.gori@unibo.it) 1 Esercizi. 1.1 oneta/1 Sapendo che il PIL reale nel 2008 è pari a 50.000 euro e nel 2009 a 60.000 euro, che dal 2008 al
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliAspettative, Produzione e Politica Economica
Aspettative, Produzione e Politica Economica In questa lezione: Studiamo gli effetti delle aspettative sui livelli di spesa e produzione. Riformuliamo il modello IS-LM in un contesto con aspettative. Determiniamo
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliRegressione Logistica: un Modello per Variabili Risposta Categoriali
: un Modello per Variabili Risposta Categoriali Nicola Tedesco (Statistica Sociale) Regressione Logistica: un Modello per Variabili Risposta Categoriali 1 / 54 Introduzione Premessa I modelli di regressione
DettagliLineamenti di econometria 2
Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliG3. Asintoti e continuità
G3 Asintoti e continuità Un asintoto è una retta a cui la funzione si avvicina sempre di più senza mai toccarla Non è la definizione formale, ma sicuramente serve per capire il concetto di asintoto Nei
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte
DettagliFACOLTÀ DI ECONOMIA Soluzione della Prova di autovalutazione 2012 (primi 6 CFU) ANALISI STATISTICA PER L IMPRESA
FACOLTÀ DI ECONOMIA Soluzione della Prova di autovalutazione 2012 (primi 6 CFU) ANALISI STATISTICA PER L IMPRESA NB Come potete vedere facendo la somma dei punteggi il numero di quesiti è superiore a quello
DettagliSoluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)
Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città
DettagliL analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt
L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELL ROLE Six Sigma Master lack elt Dicembre, 009 Introduzione Nell esecuzione dei progetti Six Sigma è di fondamentale importanza sapere se
DettagliCapitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM
Capitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM 2 OBIETTIVO: Il modello IS-LM Fornire uno schema concettuale per analizzare la determinazione congiunta della produzione e del tasso
DettagliIl principio di induzione e i numeri naturali.
Il principio di induzione e i numeri naturali. Il principio di induzione è un potente strumento di dimostrazione, al quale si ricorre ogni volta che si debba dimostrare una proprietà in un numero infinito
DettagliApplicazione alla domanda di sigarette (SW Par 12.4)
Applicazione alla domanda di sigarette (SW Par 12.4) Perche ci interessa conoscere l elastica della domanda di sigarette? Teoria della tassazione ottimale: l imposta ottimale e l inverso dell elastica
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliEsercizi di Macroeconomia per il corso di Economia Politica
Esercizi di Macroeconomia per il corso di Economia Politica (Gli esercizi sono suddivisi in base ai capitoli del testo di De Vincenti) CAPITOLO 3. IL MERCATO DEI BENI NEL MODELLO REDDITO-SPESA Esercizio.
DettagliMacroeconomia, Esercitazione 6. 1 Esercizi. 1.1 Taylor rule e Domanda Aggregata Dinamica/1. 1.2 Taylor rule e Domanda Aggregata Dinamica/2
Macroeconomia, Esercitazione 6 A cura di Giuseppe Gori (giuseppe.gori@unibo.it) Esercizi. Taylor rule e Domanda Aggregata Dinamica/ Sapete che =0, 5, Y =0, 3 e che il tasso d interesse naturale è pari
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliEsercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010
Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliAnalisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni
Statistica Economica Materiale didattico a cura del docente Analisi dei residui Test Esatto di Fisher Differenza fra proporzioni 1 Analisi dei residui Il test statistico ed il suo p-valore riassumono la
DettagliAPPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE
APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE 1. Proporzionalità diretta e proporzionalità inversa Analizziamo le seguenti formule Peso Lordo = Peso Netto + Tara Ricavo = Utile + Costo Rata = Importo + Interesse
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliCalcolo del Valore Attuale Netto (VAN)
Calcolo del Valore Attuale Netto (VAN) Il calcolo del valore attuale netto (VAN) serve per determinare la redditività di un investimento. Si tratta di utilizzare un procedimento che può consentirci di
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliCapitolo 11 Test chi-quadro
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
Dettaglib. Che cosa succede alla frazione di reddito nazionale che viene risparmiata?
Esercitazione 7 Domande 1. L investimento programmato è pari a 100. Le famiglie decidono di risparmiare una frazione maggiore del proprio reddito e la funzione del consumo passa da C = 0,8Y a C = 0,5Y.
DettagliTasso di interesse e capitalizzazione
Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo
DettagliPotenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1
Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo
Dettagli1 Principali funzioni e loro domini
Principali funzioni e loro domini Tipo di funzione Rappresentazione Dominio Polinomio intero p() = a n + + a n R p() Polinomio fratto q() 6= q() 2n Radici pari p f() f() 2n+ Radici dispari p f() R Moduli
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliINTRODUZIONE AI CICLI
www.previsioniborsa.net INTRODUZIONE AI CICLI _COSA SONO E A COSA SERVONO I CICLI DI BORSA. Partiamo dalla definizione di ciclo economico visto l argomento che andremo a trattare. Che cos è un ciclo economico?
DettagliNOME:... MATRICOLA:... Scienza dei Media e della Comunicazione, A.A. 2007/2008 Analisi Matematica 1, Esame scritto del 08.02.2008. x 1.
NOME:... MATRICOLA:.... Scienza dei Media e della Comunicazione, A.A. 007/008 Analisi Matematica, Esame scritto del 08.0.008 Indicare per quali R vale la seguente diseguaglianza : + >. Se y - - è il grafico
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliBlanchard, Macroeconomia Una prospettiva europea, Il Mulino 2011 Capitolo IV. I mercati finanziari. Capitolo IV. I mercati finanziari
Capitolo IV. I mercati finanziari 1. La domanda di moneta La moneta può essere usata per transazioni, ma non paga interessi. In realtà ci sono due tipi di moneta: il circolante, la moneta metallica e cartacea,
DettagliCapitolo 10 Z Elasticità della domanda
Capitolo 10 Z Elasticità della domanda Sommario Z 1. L elasticità della domanda rispetto al prezzo. - 2. La misura dell elasticità. - 3. I fattori determinanti l elasticità. - 4. L elasticità rispetto
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliMICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza
MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti Enrico Saltari Università di Roma La Sapienza 1 Dotazioni iniziali Il consumatore dispone ora non di un dato reddito monetario ma di un ammontare
DettagliOsservazioni sulla continuità per le funzioni reali di variabile reale
Corso di Matematica, I modulo, Università di Udine, Osservazioni sulla continuità Osservazioni sulla continuità per le funzioni reali di variabile reale Come è noto una funzione è continua in un punto
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
Dettagliè decidere sulla verità o falsità
I test di ipotesi I test di ipotesi Il test delle ipotesi consente di verificare se, e in quale misura, una determinata ipotesi (di carattere sociale, biologico, medico, economico, ecc.) è supportata dall
DettagliDipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014
Dipartimento di Economia Aziendale e Studi Giusprivatistici Università degli Studi di Bari Aldo Moro Corso di Macroeconomia 2014 1. Assumete che = 10% e = 1. Usando la definizione di inflazione attesa
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi risolti
CONTINUITÀ E DERIVABILITÀ Esercizi risolti. Determinare kπ/ [cos] al variare di k in Z. Ove tale ite non esista, discutere l esistenza dei iti laterali. Identificare i punti di discontinuità della funzione
DettagliECONOMETRIA B A.A. 2002/2003 (Prof. Luca Stanca) Commercio internazionale e tasso di cambio
ECONOMETRIA B A.A. 2002/2003 (Prof. Luca Stanca) Commercio internazionale e tasso di cambio Crivellaro Alessandro matr.583179 De Vera Vicent Gregorio Erasmus Martin Medel Asuncion Erasmus Rorato Silvia
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliStrumenti informatici 13.1
1 Strumenti informatici 1.1 I test post-hoc nel caso del confronto fra tre o più proporzioni dipendenti e la realizzazione del test Q di Cochran in SPSS Nel caso dei test post-hoc per il test Q di Cochran,
DettagliINTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1)
INTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1) 151 Introduzione Un esperimento è una prova o una serie di prove. Gli esperimenti sono largamente utilizzati nel campo dell ingegneria. Tra le varie applicazioni;
DettagliIntorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in
Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato
DettagliMisure di base su una carta. Calcoli di distanze
Misure di base su una carta Calcoli di distanze Per calcolare la distanza tra due punti su una carta disegnata si opera nel modo seguente: 1. Occorre identificare la scala della carta o ricorrendo alle
DettagliTemi di Esame a.a. 2012-2013. Statistica - CLEF
Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei
DettagliCapitolo 26. Stabilizzare l economia: il ruolo della banca centrale. Principi di economia (seconda edizione) Robert H. Frank, Ben S.
Capitolo 26 Stabilizzare l economia: il ruolo della banca centrale In questa lezione Banca centrale Europea (BCE) e tassi di interesse: M D e sue determinanti; M S ed equilibrio del mercato monetario;
DettagliSi sa che la via più breve tra due punti è la linea retta. Ma vi siete mai chiesti, Qual è la via più breve tra tre punti? o tra quattro punti?
Dov'è Moriart? Cerchiamo la via più breve con Mathcad Potete determinare la distanza più breve da tre punti e trovare Moriart? Si sa che la via più breve tra due punti è la linea retta. Ma vi siete mai
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliI tassi di interesse nella realtà di Eurolandia
I tassi di interesse nella realtà di Eurolandia Nel nostro modello semplificato dei mercati finanziari abbiamo visto come gli interventi della Banca Centrale influiscono sull unico tasso di interesse previsto
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliIl metodo della regressione
Il metodo della regressione Consideriamo il coefficiente beta di una semplice regressione lineare, cosa significa? È una differenza tra valori attesi Anche nel caso classico di variabile esplicativa continua
DettagliIL MODELLO CICLICO BATTLEPLAN
www.previsioniborsa.net 3 Lezione METODO CICLICO IL MODELLO CICLICO BATTLEPLAN Questo modello ciclico teorico (vedi figura sotto) ci serve per pianificare la nostra operativita e prevedere quando il mercato
DettagliUniversità degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI
Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni
Dettagli1. Limite finito di una funzione in un punto
. Limite finito di una funzione in un punto Consideriamo la funzione: f ( ) = il cui dominio risulta essere R {}, e quindi il valore di f ( ) non è calcolabile in =. Quest affermazione tuttavia non esaurisce
DettagliANALISI DI CORRELAZIONE
ANALISI DI CORRELAZIONE Esempio: Dati raccolti da n = 129 studenti di Pavia (A.A. 21/2) Altezza (cm) Peso (Kg) Voto Algebra e Geometria Voto Fisica I Valutare la correlazione delle seguenti coppie: Peso
Dettagli= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:
Fig. 10.bis.1 Variazioni percentuali Variazione percentuale di x dalla data zero alla data uno: x1 x 0 %x = 100% x 0 = variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi
DettagliLE MEDIE MOBILI CENTRATE
www.previsioniborsa.net 2 lezione METODO CICLICO LE MEDIE MOBILI CENTRATE Siamo rimasti a come risolvere il precedente problema del ritardo sulle medie mobili Quindi cosa dobbiamo fare? Dobbiamo semplicemente
DettagliINTRODUZIONE I CICLI DI BORSA
www.previsioniborsa.net 1 lezione METODO CICLICO INTRODUZIONE Questo metodo e praticamente un riassunto in breve di anni di esperienza e di studi sull Analisi Tecnica di borsa con specializzazione in particolare
Dettagli