L analisi media-varianza

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "L analisi media-varianza"

Transcript

1 L analisi media-varianza Pierpaolo Montana Università di Roma I Consideriamo un agente con preferenze di tipo VNM e funzione di utilità quadratica u(x) = x b x. La corrispondente espressione dell utilità attesa è dunque E (u(x)) = E(x b x ), b > 0 Consideriamo una variabile aleatoria x continua di densitá di probabilità p(x) e calcoliamone l utilità attesa E(x b x ) = applichiamo la linearità dell integrale (x b x )p(x)dx Ricordiamo e = xp(x)dx b xp(x)dx = E ( x) x p(x)dx = x p(x)dx = (x E( x)) + [(x E( x)) + E( x)] p(x)dx (x E( x)) E( x) + = E (x E( x)) + E ((x E( x)) E( x)) + E ( E( x) ) E( x) = V ar ( x) + E (( x))

2 cosicché l equazione?? diventa E (u(x)) = E ( x) b V ar ( x) + (E( x)) Se indichiamo con µ = E ( x) e con σ = V ar ( x) abbiamo la forma finale E (u(x)) = µ b σ + µ ovvero una funzione che dipende solamente dai parametri media e varianza della distribuzione di x. Consideriamo ora un agente con delle preferenze di tipo VNM, con funzione di utilità u(x) qualsiasi. Consideriamo due variabili casuali x e ỹ normali aventi la stessa media µ e stessa varianza σ L indice di preferenza attribuito a queste due variabili casuali é dato da E (u( x)) e da E (u(ỹ)) la densità normale è data da sostituendo E (u( x)) = p(x) = πσ (x µ) e σ u(x) e (x µx) σx dx πσ x E (u(ỹ)) = u(y) πσ y e (y µy) σy dy e le due espressioni in tutta evidenza coincidono. Riassumendo, abbiamo dimostrato come le preferenze di tipo VNM possano essere rappresentate da una funzione di due soli parametri, la media e la varianza della distribuzione, in due casi. La funzione di utilità VNM è di tipo quadratico. Le distribuzioni dei rendimenti sono di tipo normale Dalla espressioni ottenute per la utilità attesa nei due casi, differenziando rispetto a µ e a σ si ottiene il risultato che l utilità attesa di una variabile casuale dipende positivamente dal rendimento atteso µ e dipende negativamente dalla varianza σ.

3 Per la rappresentazione grafica dei titoli sul piano rischio-rendimento, spesso si preferisce la rappresentazione sul piano deviazione standard-rendimento atteso a quella varianza-rendimento atteso. Ovviamente, essendo la deviazione standard la radice quadrata della varianza, non cambia molto. Tuttavia si ha il vantaggio che l unità di misura del rischio risulta la stessa di quella del rendimento atteso. Le curve di indifferenza nel piano deviazione standard-rendimento atteso avranno allora andamento crescente. Consideriamo un titolo A i cui rendimenti presentino media µ e deviazione standard σ. I titoli preferiti ad A sono quelli che presentano rendimento atteso µ > µ e deviazione standard σ = σ rendimento atteso µ = µ e deviazione standard σ < σ ovvero, sintetizzando, possiamo dire che i titoli preferiti al titolo A sono quelli che presentano rendimento atteso µ µ e deviazione standard σ σ con almeno una delle due disugluaglianze in senso stretto. L insieme dei titoli preferiti al titolo A sarà quindi dato da La frontiera efficiente. {(µ, σ) : µ µ, σ σ, (µ, σ) ( µ, σ)} Consideriamo ora un insieme di n titoli i cui rendimenti R i i =,,..., n presentino valor medio e deviazione standard rispettivamente R i e σ i. Indichiamo con σ ik la covarianze tra i rendimenti del titolo i e i rendimenti del titolo k. Possiamo indicare i rendimenti degli n titoli con il vettore R = {R, R,..., R n } e l insieme delle varianze e covarianze mediante la matrice σ σ... σ k... σ n σ σ... σ k... σ n V = σ i σ i... σ ik... σ in σ n σ n... σ nk... σn Semplice applicazione del teorema delle funzioni implicite 3

4 Un portafoglio di titoli è una ripartizione della ricchezza iniziale tra questi n titoli. Indichiamo con λ i la percentuale di ricchezza investita nel titolo i. Un portafoglio sarà allora individuato da un vettore λ = {λ, λ,..., λ n }. Dato un portafoglio P, individuato dal vettore λ P, il rendimento del portafoglio è dato da: e la varianza da R P = λ R e ovviamente σ P = λ t R λ σ P = λ t R λ Dato un insieme di n titoli, l insieme di tutte le combinazioni rischiorendimento possibili sarà dato da {(σ P, R P ) λ} Chiameremo questo insieme insieme dei portafogli ammissibili e i portafogli che vi appartengono portafogli ammissibili. Un portafoglio P di caratteristiche (R P, σ P ) è detto efficiente se non esiste nessun altro portafoglio ammissibile strettamente preferito. Consideriamo in maggior dettaglio il caso in cui vi siano solamente due titoli di rendimenti R e R. Indichiamo con R, R, σ, σ i rendimenti attesi e le deviazioni standard dei due titoli. Sia σ la covarianza tra i rendimenti dei due titoli. Dato un portafoglio P di componenti {λ, ( λ)}, il rendimento atteso sarà dato da: mentre la deviazione standard R P = λr + ( λ)r σ P = ( λ σ + (λ( λ))σ + ( λ) σ ) / Possiamo esprimerla anche in funzione del coefficiente di correlazione ottenendo ρ = σ σ σ L ovvio vincolo è che n i= λ i =. Il vincolo λ i 0 viene imposto solo quando non sono ammesse vendite allo scoperto. 4

5 σ P = ( λ σ + ( λ) σ + λ( λ)σ σ ρ ) / Per effetto diversificazione intendiamo la possibilità che un portafoglio presenti un profilo rischio-rendimento che domini strettamente il profilo rischiorendimento dei titoli componenti. L elemento centrale della diversificazione è la correlazione tra i titoli. Guardando la formula della deviazione standard si vede chiaramente che l unico addendo suscettibile di assumere valori negativi è quello in cui compare il coefficiente di correlazione. E quindi questo termine che permette di abbassare la deviazione standard del portafoglio. Andiamo quindi a considerare i due casi estremi ρ = + e ρ =. Nel primo caso e ovvero R P = λr + ( λ)r σ P = ( λ σ + ( λ) σ + λ( λ)σ σ ) / σ P = λσ + ( λ)σ Il punto (σ P, R P ) giace quindi sul segmento che congiunge (σ, R ) a (σ, R ) di equazione R P = R + [ σ P σ σ σ ] (R R ). Consideriamo ora il caso ρ =. Le espressioni del rendimento atteso e della deviazione standard del portafoglio diventano e R P = λr + ( λ)r σ P = ( λ σ + ( λ) σ λ( λ)σ σ ) / = [(λσ ( λ)σ ) ] / In questo caso esiste un valore di λ che rende nullo il rischio del portafoglio, ed è λ = σ σ + σ 5

6 il corrispondente rendimento atteso è R P = (σ R + σ R )/(σ + σ ) Il punto (0, R P ) rappresenta questo portafoglio a rischio zero sul piano rischio-rendimento. Per valori di λ > λ il profilo rischio rendimento giace sul segmento, a pendenza negativa, che congiunge (0, R P ) a (σ, R ). Per valori di λ < λ il profilo rischio rendimento giace sul segmento, a pendenza positiva, che congiunge (0, R P ) a (σ, R ). Nel caso generale < ρ < + l insieme delle possibili combinazioni rischio-rendimento sarà rappresentata da una curva concava compresa tra le rappresenatzioni dei due casi estremi. Si noti in particolare che, mentre occorre avere ρ = per avere un portafoglio a rischio zero, per avere gli effetti della diversificazione è sufficiente un ρ >. La individuazione della frontiera efficiente. Vi sono due modi di individuare la frontiera dell insieme dei portafogli ammissibili nel caso generale con n titoli. Il primo consiste nel risolvere il problema per ogni valore di σ max λ λ R s.c. λ t V λ = σ n i= λ i = Il secondo metodo consiste nel risolvere il problema duale per ogni valore di R min λ λ t V λ s.c. λ R = R n i= λ i = Se i due metodi sono equivalenti per trovare la frontiera dell insieme dei portafogli ammissibili, il primo metodo fornisce direttamente la porzione efficiente della frontiera. Il secondo metodo invece fornisce tutta la frontiera e occorre quindi successivamente distinguere la porzione efficiente da quella non efficiente. 6

APPUNTI. oppure o ancora. se e allora. , esiste un tale che

APPUNTI. oppure o ancora. se e allora. , esiste un tale che APPUNTI Impostazione Assiomatica 1) Completezza e coerenza. oppure o ancora. se e allora 2) Monotonicità se e solo se 3) Continuità, esiste un tale che 4) Indipendenza 5) Riduzione è la probabilità totale

Dettagli

1 Esercizi sulla teoria del portafoglio

1 Esercizi sulla teoria del portafoglio 1 Esercizi sulla teoria del portafoglio 1. Sia dato un mercato uniperiodale in cui siano disponibili soltanto due titoli rischiosi A e B caratterizzati da scarto quadratico medio e coefficiente di correlazione

Dettagli

Il Capital Asset Pricing Model e lo Arbitrage Pricing Theory

Il Capital Asset Pricing Model e lo Arbitrage Pricing Theory Il Capital Asset Pricing Model e lo Arbitrage Pricing Theory Pierpaolo Montana Università di Roma I Il Capital Asset Pricing Model può essere visto come una evoluzione del modello media-varianza di scelta

Dettagli

Il Modello di Markowitz e la frontiera efficiente (1952)

Il 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

Dettagli

La curva di regressione è il luogo dei punti aventi come ordinate le medie condizionate

La curva di regressione è il luogo dei punti aventi come ordinate le medie condizionate Correlazione e regressione Correlazione: le due variabili casuali sono considerate in modo per così dire simmetrico. Regressione: una delle due variabili dipende dall'altra, che per così dire la precede

Dettagli

Esercitazioni di Matematica Finanziaria

Esercitazioni di Matematica Finanziaria Esercitazioni di Matematica Finanziaria Corso di laurea in Economia e Finanza (Mercati Finanziari) 2 Aprile 208 Esercizio. Si considerino due titoli rischiosi con rendimenti attesi e deviazioni standard

Dettagli

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza

Dettagli

Indice della lezione. Incertezza e rischio: sinonimi? Le Ipotesi della Capital Market Theory UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA

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

Dettagli

Indici di posizione e dispersione per distribuzioni di variabili aleatorie

Indici di posizione e dispersione per distribuzioni di variabili aleatorie Indici di posizione e dispersione per distribuzioni di variabili aleatorie 12 maggio 2017 Consideriamo i principali indici statistici che caratterizzano una distribuzione: indici di posizione, che forniscono

Dettagli

Portafoglio a Varianza Minima con 2 titoli

Portafoglio a Varianza Minima con 2 titoli Portafoglio a Varianza Minima con 2 titoli Stiamo valutando la possibilitá di investire 50000 euro per un mese in due titoli azionari, con le seguenti caratteristiche (base mensile): A : r A = 3% σ A =

Dettagli

Variabili aleatorie n-dim

Variabili aleatorie n-dim Sessione Live #6 Settimana dal 6 maggio al giugno 003 Variabili aleatorie n-dim Funzioni di ripartizione e di densità (F.D.R. e f.d.d.) congiunte e marginali, valori medi e momenti misti, funzione generatrice

Dettagli

Analisi della correlazione canonica

Analisi della correlazione canonica Analisi della correlazione canonica Su un collettivo di unità statistiche si osservano due gruppi di k ed m variabili L analisi della correlazione canonica ha per obiettivo lo studio delle relazioni di

Dettagli

Corsi di Laurea in Scienze Biologiche Prova scritta di Informatica e Statistica Generale (A). 05/07/2006

Corsi di Laurea in Scienze Biologiche Prova scritta di Informatica e Statistica Generale (A). 05/07/2006 Corsi di Laurea in Scienze Biologiche Prova scritta di Informatica e Statistica Generale (A). 0/07/006 COGNOME NOME MATRICOLA.) Sia {x, x,..., x n } IR una popolazione statistica numerica relativa ad una

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( )

Teoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( ) Il Concetto di Distribuzione Condizionata Se B è un evento, la probabilità di un evento A condizionata a B vale: ponendo: P A B = ( ) P A B P B A = { x} si giunge al concetto di distribuzione condizionata

Dettagli

Fin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili.

Fin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili. Sistemi di variabili casuali Fin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili. Esempi: - il massimo annuale della

Dettagli

ECONOMIA DEI MERCATI FINANZIARI

ECONOMIA 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,

Dettagli

SELEZIONE DI PORTAFOGLI OTTIMI

SELEZIONE DI PORTAFOGLI OTTIMI ROMA TRE UNIVERSITÀ DEGLI STUDI DI ROMA TRE DIPARTIMENTO DI ECONOMIA SELEZIONE DI PORTAFOGLI OTTIMI CON VINCOLO DI SHORTFALL Valentina Guizzi Working paper n. 37 2004 ARACNE I Working Papers del Dipartimento

Dettagli

MATEMATICA E STATISTICA CORSO A III COMPITINO 20 Marzo 2009

MATEMATICA E STATISTICA CORSO A III COMPITINO 20 Marzo 2009 MATEMATICA E STATISTICA CORSO A III COMPITINO Marzo 9 SOLUZIONI. () Sia X una variabile aleatoria binomiale con valor medio uguale a 5/; la varianza di X può valere? Giustificare la risposta. Il valor

Dettagli

Variabili aleatorie continue

Variabili aleatorie continue Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare

Dettagli

DISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27

DISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27 DISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27 Funzione di ripartizione per variabili casuali discrete 2 / 27 Data una variabile casuale discreta possiamo calcolare, analogamente al caso continuo, la probabilità

Dettagli

Esercizi di ottimizzazione vincolata

Esercizi di ottimizzazione vincolata Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti

Dettagli

Capitolo Tredici. Media di una distribuzione. Varianza di una distribuzione. Attività a rischio

Capitolo Tredici. Media di una distribuzione. Varianza di una distribuzione. Attività a rischio Capitolo Tredici Attività a Media di una distribuzione Una variabile random (vr) w assume i valori w,,w con probabilità π,,π (π + + π = ) La media (valore atteso) della distribuzione è il valore medio

Dettagli

Analisi Matematica II Corso di Ingegneria Gestionale Compito A del f(x, y) = x 2 + 2y 2 x 3 y 3

Analisi Matematica II Corso di Ingegneria Gestionale Compito A del f(x, y) = x 2 + 2y 2 x 3 y 3 Analisi Matematica II Corso di Ingegneria Gestionale Compito A del 7-7-8 - È obbligatorio consegnare tutti i fogli, anche la brutta e il testo. - Le risposte senza giustificazione sono considerate nulle.

Dettagli

Distribuzione normale multidimensionale

Distribuzione normale multidimensionale Capitolo 2 Distribuzione normale multidimensionale La funzione di densità normale undimensionale ha la forma seguente Anderson, 1984 fx ce 1 2 Ax b2 ce 1 2 x bax b La costante di normalizzazione c è data

Dettagli

Analisi della disponibilità d acqua. Valutazione dell impianto attraverso il calcolo di un indice economico (criterio)

Analisi della disponibilità d acqua. Valutazione dell impianto attraverso il calcolo di un indice economico (criterio) Analisi della disponibilità d acqua Valutazione dell impianto attraverso il calcolo di un indice economico (criterio) Approccio diverso a seconda del criterio di valutazione Nel caso di criterio statistico

Dettagli

La funzione di distribuzione Gaussiana normale

La funzione di distribuzione Gaussiana normale La funzione di distribuzione Gaussiana normale Nicola Morganti 25 aprile 2004 Indice Proprietà fondamentali 2 Standard Normal Density Function 3 3 Esempio applicativo 5 Proprietà fondamentali L utilizzo

Dettagli

UNIVERSITÀ di ROMA TOR VERGATA

UNIVERSITÀ 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

Dettagli

Correlazione tra due variabili

Correlazione tra due variabili Correlazione tra due variabili Federico Plazzi 26 Novembre 2015 Correlazione tra due variabili Correlazione tra due variabili Variabili dipendenti e variabili indipendenti La variabile indipendente è quella

Dettagli

Indice della lezione

Indice 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

Dettagli

Microeconomia - Problem set 1 - soluzione

Microeconomia - Problem set 1 - soluzione Microeconomia - Problem set 1 - soluzione (Prof. Paolo Giordani - TA: Pierluigi Murro) 26 Marzo 2015 Esercizio 1. Si consideri la seguente funzione di utilità Cobb-Douglas (nota: sommano ad 1) i pesi non

Dettagli

RICERCA OPERATIVA (9 cfu)

RICERCA OPERATIVA (9 cfu) a PROVA scritta di RICERCA OPERATIVA (9 cfu) gennaio Cognome Nome Ai fini della pubblicazione (cartacea e elettronica) del risultato ottenuto nella prova di esame, autorizzo al trattamento dei miei dati

Dettagli

Variabili 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 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

Dettagli

Soluzione. Il dominio E consiste nella parte di spazio contenuta nella sfera ma esterna al cono rappresentata in Figura 1. Infatti

Soluzione. Il dominio E consiste nella parte di spazio contenuta nella sfera ma esterna al cono rappresentata in Figura 1. Infatti Esercizio 1 (G. Ziglio). (6 punti) Calcolare il volume della porzione di spazio E interna alla sfera di equazione x 2 + y 2 + z 2 = 1 ed esterna al cono di equazione z 2 = x 2 + y 2 E = (x, y, z) R x 2

Dettagli

Statistica Corso Base (Serale) Dott.ssa Cristina Mollica

Statistica Corso Base (Serale) Dott.ssa Cristina Mollica Statistica Corso Base Serale Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Campionamento Esercizio 1. Da una ricerca si è osservato che il peso del prodotto A varia tra i e i 530 grammi. 1 Ipotizzando

Dettagli

LA STRUTTURA DEI PROBLEMI DI OTTIMIZZAZIONE. L'ipotesi di razionalità implica che un decisore cerchi di

LA STRUTTURA DEI PROBLEMI DI OTTIMIZZAZIONE. L'ipotesi di razionalità implica che un decisore cerchi di LA STRUTTURA DEI PROBLEMI DI OTTIMIZZAZIONE L'ipotesi di razionalità implica che un decisore cerchi di individuare la migliore tra tutte le alternative a sua disposizione. Problemi di ottimizzazione =

Dettagli

FUNZIONI DI DUE VARIABILI REALI. f(x, y) = ax + by + c. f(x, y) = x 2 + y 2

FUNZIONI DI DUE VARIABILI REALI. f(x, y) = ax + by + c. f(x, y) = x 2 + y 2 0.1 FUNZIONI DI DUE VARIABILI REALI Sia A R 2. Una applicazione f : A R si chiama funzione reale di due variabili reali ESEMPI: 1. La funzione affine di due variabili reali: 2. f(x, y) = ax + by + c f(x,

Dettagli

3 La sicurezza strutturale

3 La sicurezza strutturale 3 La sicurezza strutturale Criteri di progetto Definizione dello spazio architettonico L architetto deve definire il ruolo della struttura nell ambito della costruzione, come eventuale ulteriore elemento

Dettagli

Dispensa di Statistica

Dispensa 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

UNIVERSITA DI PARMA FACOLTA DI ECONOMIA. Corso di pianificazione finanziaria

UNIVERSITA DI PARMA FACOLTA DI ECONOMIA. Corso di pianificazione finanziaria UNIVERSITA DI PARMA FACOLTA DI ECONOMIA Corso di pianificazione finanziaria A.a. 2005/2006 Evoluzione della teoria del rischio finanziario 1 Indice Evoluzione della teoria del rischio finanziario La Capital

Dettagli

Scheda n. 7: primi elementi sui legami tra più variabili

Scheda n. 7: primi elementi sui legami tra più variabili Scheda n. 7: primi elementi sui legami tra più variabili October 27, 2008 Matrice di covarianza e di correlazione Supponiamo di esaminare n variabili X,..., X n, ad esempio X = reddito medio, X 2 = tasso

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando

Dettagli

Correzione di Esercizi 4 di Calcolo delle Probabilità e Statistica. Mercoledì 4 maggio 2016

Correzione di Esercizi 4 di Calcolo delle Probabilità e Statistica. Mercoledì 4 maggio 2016 Correzione di Esercizi di Calcolo delle Probabilità e Statistica. Mercoledì maggio 6 Chun Tian. Answer of Exercise Figure. Catena di Markov.. (a) Le classi di equivalenza e i loro periodi. Da Figure, si

Dettagli

Statistica. Alfonso Iodice D Enza

Statistica. 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

Dettagli

Corso di probabilità e statistica

Corso di probabilità e statistica Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte III: variabili aleatorie dipendenti e indipendenti,

Dettagli

UNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF. ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA

UNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF. ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA UNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA DICEMBRE 2016 aa 2016-2017-6 GIUGNO 2017 NUMERO DI CFU

Dettagli

Analisi Statistica Multivariata Modulo Modelli Statistici

Analisi Statistica Multivariata Modulo Modelli Statistici Analisi Statistica Multivariata Modulo Modelli Statistici Gianna Monti 8 novembre 013 1 Approfondimenti 1 1.1 Esercizi Esercizio 1 Galton e il suo allievo Karl Pearson condussero alcuni studi in merito

Dettagli

Elementi di matematica - dott. I. GRASSI

Elementi di matematica - dott. I. GRASSI Gli assi cartesiani e la retta. Il concetto di derivata. È ormai d uso comune nei libri, in televisione, nei quotidiani descrivere fenomeni di varia natura per mezzo di rappresentazioni grafiche. Tali

Dettagli

Premio al rischio e equivalente di certezza

Premio al rischio e equivalente di certezza Premio al rischio e equivalente di certezza In accordo con la teoria tradizionale assumiamo che gli individui siano avversi al rischio, quindi un rischio a media zero riduce il livello di appagamento di

Dettagli

FUNZIONE DI UTILITÀ CURVE DI INDIFFERENZA (Cap. 3)

FUNZIONE DI UTILITÀ CURVE DI INDIFFERENZA (Cap. 3) FUNZIONE DI UTILITÀ CURVE DI INDIFFERENZA (Cap. 3) Consideriamo un agente che deve scegliere un paniere di consumo fra quelli economicamente ammissibili, posto che i beni di consumo disponibili sono solo

Dettagli

Previsioni Statistiche

Previsioni Statistiche Previsioni Statistiche Matteo Pelagatti Questa versione: 21 novembre 2011 1 Il problema della previsione Da un punto di vista statistico prevedere significa determinare con il minore errore possibile la

Dettagli

Nota: tutti i calcoli sono effettuati tenendo conto solo delle cifre decimali effettivamente riportate nella soluzione che segue.

Nota: tutti i calcoli sono effettuati tenendo conto solo delle cifre decimali effettivamente riportate nella soluzione che segue. 1. Un prestito S = 85000 euro viene ammortizzato con 18 rate quadrimestrali costanti al tasso annuo del 4% in cc. (a) Determinare l ammontare della rata R. (b) Verificare, senza calcolare tutte le righe

Dettagli

Vettore (o matrice) casuale (o aleatorio): vettore (o matrice) i cui elementi sono variabili aleatorie

Vettore (o matrice) casuale (o aleatorio): vettore (o matrice) i cui elementi sono variabili aleatorie Variabili (vettori e matrici) casuali Variabile casuale (o aleatoria): Variabile che può assumere un insieme di valori ognuno con una certa probabilità La variabile aleatoria rappresenta la popolazione

Dettagli

Politecnico di Milano Ingegneria Industriale Analisi e Geometria 2 Secondo compito in itinere 30 Giugno 2016

Politecnico di Milano Ingegneria Industriale Analisi e Geometria 2 Secondo compito in itinere 30 Giugno 2016 Politecnico di Milano Ingegneria Industriale Analisi e Geometria Secondo compito in itinere Giugno 6 Cognome: Nome: Matricola: Es.: 9 punti Es.: 9 punti Es.: 6 punti Es.4: 9 punti Totale. Si consideri

Dettagli

Statistica. Alfonso Iodice D Enza

Statistica. 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

Dettagli

Appunti delle esercitazioni di Ricerca Operativa

Appunti delle esercitazioni di Ricerca Operativa Appunti delle esercitazioni di Ricerca Operativa a cura di P. Detti 1 Esercizi sulle condizioni di ottimalitµa per problemi di ottimizzazione vincolata Esempio 1 Determinare il punto di intersezione dei

Dettagli

Analisi Multivariata Prova intermedia del 20 aprile 2011

Analisi Multivariata Prova intermedia del 20 aprile 2011 Analisi Multivariata Prova intermedia del 20 aprile 20 Esercizio A Sia X N 3 (µ, Σ) con µ = [ 3,, 4] e 2 0 Σ = 2 5 0 0 0 2 Quali delle seguenti variabili casuali è indipendente? Motivare la risposta. A.

Dettagli

Note sulle funzioni convesse/concave

Note sulle funzioni convesse/concave Note sulle funzioni convesse/concave 4th December 2008 1 Definizioni e proprietà delle funzioni convesse/concave. Definizione 1.1 Un insieme A IR n è detto convesso se per ogni x 1 e x 2 punti di A, il

Dettagli

Equazione di Laplace

Equazione di Laplace Equazione di Laplace. Introduzione Si da il nome di operatore di Laplace o laplaciano all operatore differenziale u = u xx + u yy + u zz in tre dimensioni, o agli analoghi in dimensioni diverse. L operatore

Dettagli

Indice. Scelta in condizioni di incertezza. Lotterie monetarie. Lotterie monetarie. Corso di Microeconomia progredito. Parte III

Indice. Scelta in condizioni di incertezza. Lotterie monetarie. Lotterie monetarie. Corso di Microeconomia progredito. Parte III Indice Scelta in condizioni di incertezza Corso di Microeconomia progredito 1 Lotterie monetarie 2 Avversione al rischio Parte III 3 Applicazioni 4 Misura dell avversione al rischio Corso di Microeconomia

Dettagli

Vettori applicati. Capitolo Richiami teorici. Definizione 1.1 Un sistema di vettori applicati Σ è un insieme

Vettori applicati. Capitolo Richiami teorici. Definizione 1.1 Un sistema di vettori applicati Σ è un insieme Capitolo 1 Vettori applicati 1.1 Richiami teorici Definizione 1.1 Un sistema di vettori applicati Σ è un insieme {(P i,v i ), P i E, v i V, i = 1,...,N}, (1.1) dove P i è detto punto di applicazione del

Dettagli

Indice della lezione. Incertezza e rischio: sinonimi? UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA

Indice della lezione. Incertezza e rischio: sinonimi? UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Corso di Corporate anking a.a. 2010 2011 (Professor Eugenio Pavarani) Introduzione al rischio CPITOLO 9 1 Indice della lezione Rischio e rendimento per titoli

Dettagli

Equazione di Laplace

Equazione di Laplace Equazione di Laplace. La funzione di Green Sia, indicati con x e y due punti di R 3 E(x, y) = x y Consideriamo la rappresentazione integrale di u(x) C 2 (), anche rinunciando all ipotesi che sia armonica

Dettagli

Statistica Corso Base (Serale) Dott.ssa Cristina Mollica

Statistica Corso Base (Serale) Dott.ssa Cristina Mollica Statistica Corso Base (Serale) Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Variabili casuali Esercizio 1. Determinare la distribuzione di probabilità e la funzione di ripartizione della variabile

Dettagli

calcolare il lavoro di E lungo il segmento da A = ( 1, 1, 1) a B = (1, 1, 1), calcolare rot ( E ), determinare un potenziale U(x, y, z) per E.

calcolare il lavoro di E lungo il segmento da A = ( 1, 1, 1) a B = (1, 1, 1), calcolare rot ( E ), determinare un potenziale U(x, y, z) per E. ANALISI VETTORIALE Soluzione esonero.1. Esercizio. Assegnato il campo E (x, y, z) = x(y + z ), y(x + z ), z(x + y ) } 1111 calcolare il lavoro di E lungo il segmento da A = ( 1, 1, 1) a B = (1, 1, 1),

Dettagli

La media e la mediana sono indicatori di centralità, che indicano un centro dei dati.

La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,

Dettagli

9.3 Il metodo dei minimi quadrati in formalismo matriciale

9.3 Il metodo dei minimi quadrati in formalismo matriciale 9.3. IL METODO DEI MINIMI QUADRATI IN FORMALISMO MATRICIALE 121 9.3 Il metodo dei minimi quadrati in formalismo matriciale Per applicare il MMQ a funzioni polinomiali, ovvero a dipendenze di una grandezza

Dettagli

Indice. Prefazione Ringraziamenti

Indice. Prefazione Ringraziamenti Prefazione Ringraziamenti xi xiv Argomento di ripasso Argomento più difficile 1 Matrici e vettori 1 1.1 Matrici 1 1.2 Esercizi 11 1.3 Vettori di R 2 14 1.4 Esercizi 20 1.5 Vettori di R 3 21 1.6 Rette 24

Dettagli

Matematica - Prova d esame (25/06/2004)

Matematica - Prova d esame (25/06/2004) Matematica - Prova d esame (/6/4) Università di Verona - Laurea in Biotecnologie AI - A.A. /4. (a) Disegnare sul piano di Gauss i numeri z = i e w = i, e scriverne la forma trigonometrica. Calcolare z

Dettagli

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza di Variabili Aleatorie Sistema di Variabili

Dettagli

Statistica. Alfonso Iodice D Enza

Statistica. Alfonso Iodice D Enza Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 1 Outline 1 () Statistica 2 / 1 Outline 1 2 () Statistica 2 / 1 Outline 1 2 3 () Statistica 2 / 1

Dettagli

Esercizi di Matematica Finanziaria

Esercizi di Matematica Finanziaria Esercizi di Matematica Finanziaria Selezione del portafoglio Claudio Pacati Università degli Studi di Siena claudio.pacati@unisi.it Roberto Renò Università degli Studi di Verona roberto.reno@univr.it Versione

Dettagli

Variabili casuali. - di Massimo Cristallo -

Variabili 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

Dettagli

Minimi quadrati vincolati e test F

Minimi quadrati vincolati e test F Minimi quadrati vincolati e test F Impostazione del problema Spesso, i modelli econometrici che stimiamo hanno dei parametri che sono passibili di interpretazione diretta nella teoria economica. Consideriamo

Dettagli

Geometria della programmazione lineare

Geometria della programmazione lineare Geometria della programmazione lineare p. 1/39 Geometria della programmazione lineare Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria Geometria della programmazione

Dettagli

ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE

ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 7 Maggio 2013 Esercizio

Dettagli

1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:

1 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

Dettagli

Sessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie.

Sessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie. Sessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie. 9 e 11 Dicembre 2008 Richiami di teoria Come si calcolano le densità marginali Esercizi Una v.a. n-dimensionale (o vettore aleatorio

Dettagli

Variabile casuale Normale

Variabile casuale Normale Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza

Dettagli

Dualitá in Programmazione Lineare e alcune conseguenze

Dualitá in Programmazione Lineare e alcune conseguenze Dualitá in Programmazione Lineare e alcune conseguenze Giacomo Zambelli 1 Dualitá per problemi in forma standard Si consideri il seguente problema di PL in forma standard: z = max c x Ax = b (1) ove A

Dettagli

Le curve di indifferenza sulla frontiera di Markowitz

Le 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

Dettagli

Analisi Matematica II Politecnico di Milano Ingegneria Industriale

Analisi Matematica II Politecnico di Milano Ingegneria Industriale Analisi Matematica II Politecnico di Milano Ingegneria Industriale Autovalutazione #5. Sia f : R R la funzione definita da f(x, y) x + x + y + x + y (x, y) R. (a) Determinare il segno di f. (b) Calcolare

Dettagli

Esercizio 1. Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che:

Esercizio 1. Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che: Esercizio 1 Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che: A 329 F 186 S 295 AS 217 AF 83 FS 63 AFS 53 Determinare la partizione

Dettagli

Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)

Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino) Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di mercoledì 22 Settembre 24 (tempo a disposizione: 2 ore e 4 minuti. consegna compiti e inizio

Dettagli

Computazione per l interazione naturale: fondamenti probabilistici (2)

Computazione per l interazione naturale: fondamenti probabilistici (2) Computazione per l interazione naturale: fondamenti probabilistici (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@di.unimi.it

Dettagli

LEZIONE 36. si dice regolare se è. per ogni (u 0, v 0 ) D. Una superficie S R 3 is dice regolare se esiste una sua parametrizzazione regolare.

LEZIONE 36. si dice regolare se è. per ogni (u 0, v 0 ) D. Una superficie S R 3 is dice regolare se esiste una sua parametrizzazione regolare. LEZIONE 36 36.1. La definizione di superficie. In questo paragrafo iniziamo a dare alcuni esempi di superfici ed a definire alcuni oggetti ad esse naturalmente associati. Come già fatto per le curve, considereremo

Dettagli

Università di Siena. Teoria della Stima. Lucidi del corso di. Identificazione e Analisi dei Dati A.A

Università di Siena. Teoria della Stima. Lucidi del corso di. Identificazione e Analisi dei Dati A.A Università di Siena Teoria della Stima Lucidi del corso di A.A. 2002-2003 Università di Siena 1 Indice Approcci al problema della stima Stima parametrica Stima bayesiana Proprietà degli stimatori Stime

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali

Dettagli

Indice. 1 Calcolo differenziale e ottimizzazione 1

Indice. 1 Calcolo differenziale e ottimizzazione 1 Indice Indice iii 1 Calcolo differenziale e ottimizzazione 1 1.1 Funzionivettoriali... 1 1.1.1 Nozionigenerali... 1 1.1.2 Rappresentazione gra ca... 4 1.2 Norma, distanza e intorni in R n... 7 1.3 Estremi

Dettagli

RETTE E PIANI. ove h R. Determinare i valori di h per cui (1) r h e α sono incidenti ed, in tal caso, determinare l angolo ϑ h da essi formato;

RETTE E PIANI. ove h R. Determinare i valori di h per cui (1) r h e α sono incidenti ed, in tal caso, determinare l angolo ϑ h da essi formato; RETTE E PIANI Esercizi Esercizio 1. Nello spazio con riferimento cartesiano ortogonale Oxyz si considerino la retta r h ed il piano α rispettivamente di equazioni x = 1 + t r h : y = 1 t α : x + y + z

Dettagli

Probabilità e Statistica

Probabilità e Statistica Probabilità e Statistica Variabili Casuali multidimensionali Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2/29 Marco Pietro Longhi Prob. e Stat.

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =

Dettagli

M = C(1 + it) = 1000 (1 + 0, ) = 1070

M = C(1 + it) = 1000 (1 + 0, ) = 1070 1. Data l operazione finanziaria di investimento scadenze (mesi) 0 7 ------------------------------------------ importi -1000 M determinare il montante M utilizzando: (a) il tasso annuo d interesse i =

Dettagli

Distribuzioni di due variabili aleatorie

Distribuzioni 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

Dettagli

Analisi Matematica A e B Soluzioni prova scritta parziale n. 4

Analisi Matematica A e B Soluzioni prova scritta parziale n. 4 Analisi Matematica A e B Soluzioni prova scritta parziale n. Corso di laurea in Fisica, 08-09 7 aprile 09. Determinare le soluzioni u(x) dell equazione differenziale u + u u = sin x + ex + e x. Soluzione.

Dettagli

Esercizi di Programmazione Lineare

Esercizi di Programmazione Lineare Esercizi di Programmazione Lineare 1 grafica Si consideri il seguente problema di programmazione lineare: max 3x 1 + 2x 2 s.t. + 2x 1 + x 2 4 2x 1 + x 2 2 + x 1 x 2 1 x 1, x 2 0 a) Risolvere il problema

Dettagli

PROVA SCRITTA DI STATISTICA (COD COD ) 7 luglio 2005 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A

PROVA SCRITTA DI STATISTICA (COD COD ) 7 luglio 2005 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A PROVA SCRITTA DI STATISTICA (COD. 047 - COD. 403-37-377) 7 luglio 200 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A Esercizio (9 punti) Supponiamo di aver osservato la seguente

Dettagli

Matematica Lezione 22

Matematica Lezione 22 Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,

Dettagli

Risolvere il seguente sistema lineare ESERCIZIO 2

Risolvere il seguente sistema lineare ESERCIZIO 2 PROVA SCRITTA di MATEMATICA Laurea triennale in Sc. Geologiche e Sc. Naturali Facoltà di S.M.F.N. Prima sessione, appello invernale - A.A. 1/11-1 febb 11 Gli esercizi sono da risolvere in modo esplicito.

Dettagli

ANALISI MATEMATICA 2 - INGEGNERIA MECCANICA ED ENERGETICA A.A PROVA SCRITTA DEL 28/1/19

ANALISI MATEMATICA 2 - INGEGNERIA MECCANICA ED ENERGETICA A.A PROVA SCRITTA DEL 28/1/19 ANALISI MATEMATICA - INGEGNERIA MECCANICA E ENERGETICA A.A. 8-9 PROVA SCRITTA EL 8//9 Scrivere nome cognome e numero di matricola in stampatello su tutti i fogli da consegnare. Consegnare solo la bella

Dettagli

Variabili casuali multidimensionali

Variabili casuali multidimensionali Capitolo 1 Variabili casuali multidimensionali Definizione 1.1 Le variabili casuali multidimensionali sono k-ple ordinate di variabili casuali unidimensionali definite sullo stesso spazio di probabilità.

Dettagli