MODELLI DI DOMANDA E UTILITÀ ALEATORIA

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "MODELLI DI DOMANDA E UTILITÀ ALEATORIA"

Transcript

1 MODELLI DI DOMANDA E TILITÀ ALEATORIA SPOSTAMENTO: RISLTATO DI NMEROSE SCELTE COMPITE DAGLI TENTI DEL SERVIZIO DI TRASPORTO MODELLI DI DOMANDA: TENTANO DI RIPRODRRE I COMPORTAMENTI DI SCELTA DI TRASPORTO DEGLI TENTI MODELLI COMPORTAMENTALI. MODELLI DI TILITÀ ALEATORIA, O CASALE: PARADIGMA TEORICO PIÙ RICCO E DI GRAN LNGA PIÙ TILIZZATO PER SIMLARE LE SCELTE DI TRASPORTO TRA I MODELLI COMPORTAMENTALI

2 IPOTESI GENERALI I MODELLI DI TILITÀ ALEATORIA O CASALE SI BASANO SLLA IPOTESI CHE OGNI TENTE SIA N DECISORE RAZIONALE OVVERO N MASSIMIZZATORE DELL TILITÀ RELATIVA ALLE PROPRIE SCELTE: a IL GENERICO TENTE NELL EFFETTARE LA SCELTA CONSIDERA TTTE LE m ALTERNATIVE DISPONIBILI CHE COSTITISCONO IL SO INSIEME DI SCELTA I. L INSIEME DI SCELTA PÒ ESSERE DIFFERENTE PER TENTI DIVERSI b IL DECISORE ASSOCIA A CIASCNA ALTERNATIVA DEL SO INSIEME DI SCELTA NA TILITÀ O ATTRATTIVITÀ PERCEPITA E SCEGLIE L ALTERNATIVA CHE MASSIMIZZA TALE TILITÀ. c L TILITÀ ASSOCIATA A CIASCNA ALTERNATIVA DI SCELTA DIPENDE DA NA SERIE DI CARATTERISTICHE MISRABILI O ATTRIBTI PROPRI DELL ALTERNATIVA STESSA E DEL DECISORE X CON X VETTORE DEGLI ATTRIBTI RELATIVI ALL ALTERNATIVA E AL DECISORE. d L TILITÀ ASSOCIATA DAL GENERICO DECISORE ALL ALTERNATIVA NON È NOTA CON CERTEZZA ALL OSSERVATORE ESTERNO ANALISTA, E PERTANTO È RAPPRESENTATA CON NA VARIABILE ALEATORIA.

3 MODELLO PROBABILISTICO DI SCELTA I Pr[ >, I ] POSTO: V + ε I [ ] Var[ ] V E, I SI HA: E V V E ε Var Var ε V, [ / I ] Pr[ V V > ε ε ], I NOTAZIONE VETTORIALE: V ε f ε Fε VETTORE DELLE PROBABILITÀ DI SCELTA, DI DIMENSIONE m x, CON ELEMENTI VETTORE DEI VALORI DI TILITÀ PERCEPITA DI DIMENSIONE m x, CON ELEMENTI VETTORE DEI VALORI DI TILITÀ SISTEMATICA DI DIMENSIONE m x, CON ELEMENTI V VETTORE DEI RESIDI ALEATORI, DI DIMENSIONE m x, CON ELEMENTI ε FNZIONE DI DENSITÀ DI PROBABILITÀ CONGINTA DEI RESIDI ALEATORI FNZIONE DI DISTRIBZIONE CONGINTA DEI RESIDI ALEATORI V + ε V V E m MAPPA DI SCELTA TRA I VETTORI V e 3

4 ESPRESSIONE DELL'TILITÀ SISTEMATICA L TILITÀ SISTEMATICA RAPPRESENTA LA MEDIA DELL TILITÀ PERCEPITA FRA TTTI GLI INDIVIDI CHE HANNO GLI STESSI VALORI DEGLI ATTRIBTI È ESPRESSA COME FNZIONE DI ATTRIBTI X DECISORE: V X RELATIVI ALLE ALTERNATIVE E AL CON INDICE DEL GENERICO ATTRIBTO IN GENERE PER RAGIONI DI CONVENIENZA ANALITICA SI ASSME CHE LA TILITÀ SISTEMATICA V SIA NA FNZIONE LINEARE NEI COEFFICIENTI β K DEGLI ATTRIBTI O DI LORO TRASFORMAZIONI FNZIONALI: V T X βx β X 4

5 CLASSIFICAZIONE DEGLI ATTRIBTI ATTRIBTI DI LIVELLO DI SERVIZIO: ATTRIBTI PROPRI DEL SISTEMA DI TRASPORTO ES. TEMPI, COSTI, FREQENZA DEI SERVIZI, COMFORT ETC. ATTRIBTI DEL SISTEMA DI ATTIVITÀ: ATTRIBTI DIPENDENTI DALL SO DEL TERRITORIO DELL AREA DI STDIO ES. NMERO DI NEGOZI O NMERO DI SCOLE DI NA ZONA, ATTRIBTI SOCIO-ECONOMICI: ATTRIBTI PROPRI DELL TENTE O DEL SO NCLEO FAMILIARE ES. POSSESSO DI PATENTE, NMERO DI ATOVETTRE POSSEDTE IN FAMIGLIA ETC.. ATTRIBTI GENERICI: ATTRIBTI CHE COMPAIONO CON STESSA FORMA FNZIONALE E STESSO COEFFICIENTE β IN PIÙ DI NA ALTERNATIVA ATTRIBTI SPECIFICI: ATTRIBTI CHE COMPAIONO CON FORME FNZIONALI E/O COEFFICIENTI β DIVERSI IN DIVERSE ALTERNATIVE ATTRIBTO SPECIFICO DELL ALTERNATIVA ASA: VARIABILE OMBRA CHE VALE PER L ALTERNATIVA E ZERO PER LE ALTRE DIFFERENZA FRA L TILITÀ MEDIA E QELLA SPIEGATA DAGLI ALTRI ATTRIBTI X TILIZZATI. 5

6 CLASSIFICAZIONE DEGLI ATTRIBTI CONTINA VARIABILI OMBRA /: ATTRIBTI CHE INDICANO LA PRESENZA O MENO DI N FATTORE ES. ASA VARIABILI NMERICHE: ATTRIBTI CHE INDICANO LA QANTITÀ DI N FATTORE V β t V auto β t a + β t ba + β 3 c a + β 4 DISP + β 5 REDD + β 6 ATO V bus β t b + β t bb + β 3 c b + β 7 t wb + β 8 BS Attrbut secfc della alternatva ASA ATO BS Attrbut d Lvello d Servzo t b temo a bordo generco t w temo d attesa alla fermata secfco t temo a ed generco c costo monetaro generco Attrbut Soco-Economc DISP n auto/n atentat REDD se reddto>6 Ml 6

7 CASE DI ALEATORIETÀ DELL'TILITÀ PERCEPITA a ATTRIBTI OMESSI: VARIABILI NON OSSERVABILI DIRETTAMENTE, DI DIFFICILE VALTAZIONE O COMNQE NON INCLSE NEL VETTORE DI ATTRIBTI ES. COMFORT DI MARCIA, AFFIDABILITÀ DEL TEMPO TOTALE DI VIAGGIO; b ERRORI DI MISRA DEGLI ATTRIBTI CONSIDERATI NELLA FNZIONE DI TILITÀ SISTEMATICA ES. ATTRIBTI DI LIVELLO DI SERVIZIO RICAVATI CON N MODELLO DI RETE; c PRESENZA DI ATTRIBTI STRMENTALI CIOÈ VARIABILI CHE SOSTITISCONO GLI ATTRIBTI CHE EFFETTIVAMENTE INFLENZANO LA TILITÀ PERCEPITA DELLE ALTERNATIVE ES. ATTRIBTI DI PREFERENZA MODALE CHE SOSTITISCONO VARIABILI DI COMFORT, PRIVACY, IMMAGINE ETC DI N CERTO MODO DI TRASPORTO, IL NMERO DI ADDETTI AL COMMERCIO LOCALIZZATI IN NA CERTA ZONA CHE SOSTITISCE LA NMEROSITÀ E LA VARIETÀ DEI NEGOZI; d VARIAZIONI DI GSTI O DI PREFERENZE FRA I DECISORI ES. DISTANZA DA PERCORRERE A PIEDI E, PER LO STESSO DECISORE, NEL TEMPO A CASA DEL VERIFICARSI DI DIVERSE CONDIZIONI FISICHE O PSICOLOGICHE. e ERRORI NELLE VALTAZIONE DEGLI ATTRIBTI DA PARTE DEL DECISORE ES. VALTAZIONI ERRATE DEL TEMPO DI VIAGGIO. 7

8 8 IL MODELLO LOGIT IPOTESI: RESIDI ALEATORI ε INDIPENDENTEMENTE ED IDENTICAMENTE DISTRIBITI I.I.D SECONDO NA VARIABILE ALEATORIA V.A.. DI GMBEL CON MEDIA NLLA E PARAMETRO θ : D C B A 6 D C B A ε θ π o A B C D [ ] F x x x ε ε θ ex ex / Prob Φ CON φ : COSTANTE DI ELERO φ.577. Var E 6 θ π ε ε ε Cov h I h,, ε ε [ ] + m / V ex V / xv / exv θ θ θ e

9 INDIPENDENZA DELLE ALTERNATIVE IRRILEVANTI I.I.A. NEL MODELLO LOGIT IL RAPPORTO DELLE PROBABILITÀ DI SCELTA DI DE ALTERNATIVE È COSTANTE ED INDIPENDENTE DAL NMERO E DALLA TILITÀ SISTEMATICA DELLE ALTRE, EVENTALI, ALTERNATIVE DI SCELTA: / h ex V ex V / θ / θ h QESTA PROPRIETÀ PÒCOMPORTARE DEI PROBLEMI QANDO LE ALTERNATIVE SONO SIMILI V Auto V Bus blu Auto Bus blu.5 Auto Bus blu V Auto V Bus blu V Bus rosso Auto Bus blu Bus rosso.33 Auto Bus blu 9

10 IL MODELLO LOGIT GERARCHIZZATO AD N LIVELLO V + ε V + η + τ / I E [ ε ] E[ η ] E[ τ ] / o, θ η θ τ / / exv / θ exv / θ ex δy I h h ex δy CON PROBABILITÀ DI SCELTA DELL'ALTERNATIVA / PROBABILITÀ DI SCELTA DELL'ALTERNATIVA DATO IL GRPPO PROBABILITÀ DI SCELTA DEL GRPPO

11 MODELLO PROBIT IPOTESI: Σ ε, MVN E Var Cov h h ε ε ε ε m m m m m m m Σ [ ] [ ] m / N T..d d det / ex m < + < Σ Σ π V V

12 METODO MONTECARLO ITERAZIONE : ESTRAZIONE DI N VETTORE DI RESIDI ALEATORI ε DA NA VARIABILE NORMALE MLTIVARIATA A MEDIA NLLA E MATRICE DI DISPERSIONE Σ. V + ε max { } alternatva d max. utlta all'terazone ˆ n n n NMERO DI VOLTE CHE È RISLTATA L'ALTERNATIVA DI MASSIMA TILITÀ SLLE n ITERAZIONI TOTALI

Vincolo di bilancio e Preferenze del consumatore

Vincolo di bilancio e Preferenze del consumatore Vincolo di bilancio e Preferenze del consmatore Il vincolo di bilancio Il vincolo di bilancio nasce dall esigenza di modellare n economia dove gli individi non possono consmare qantità infinite di beni.

Dettagli

Modelli di scelta del percorso Modelli di assegnazione

Modelli di scelta del percorso Modelli di assegnazione Corso di LOGISTICA TERRITORIALE www.uniroma.it/didattica/lt DOCENTE prof. ing. Agostino Nuzzolo Modelli di scelta del percorso Modelli di assegnazione Definizioni ed ipotesi Relazione tra costi d arco

Dettagli

Modelli di scelta del percorso (cenni)

Modelli di scelta del percorso (cenni) Corso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO (tutti i CCS tranne Civile e Gestionale) www.uniroma.it/didattica/pst_accs ing. Antonio Comi ottobre 006 Modelli di scelta del percorso (cenni) Il modello

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.7)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.7) Docente: Marco Gaviano (e-mail:[email protected]) Corso di Larea in Infomatica Corso di Larea in Matematica Matematica Comptazionale(6cf) Ottimizzazione(8cf) (a.a. -4, lez.7) Matematica Comptazionale, Ottimizzazione,

Dettagli

CORSI E SEMINARI DI FORMAZIONE UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA

CORSI E SEMINARI DI FORMAZIONE UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA giovedì 9 novembre 2017// Centro Studi PIM - Villa Scheibler Modelli di simulazione Multimodale: caratteristiche, dati di

Dettagli

La codifica delle immagini

La codifica delle immagini La codifica delle immagini Lettere e nmeri non costitiscono le niche informazioni tilizzate dagli elaboratori ma si stanno diffondendo sempre di più applicazioni che tilizzano ed elaborano anche altri

Dettagli

1) Codici lineari a blocchi. 2) Matrice generatrice del codice. 3) Proprietà dei codici lineari a blocchi. 4) Matrice di controllo di parità

1) Codici lineari a blocchi. 2) Matrice generatrice del codice. 3) Proprietà dei codici lineari a blocchi. 4) Matrice di controllo di parità Argomenti della Lezione ) Codici lineari a blocchi ) Matrice generatrice del codice 3) Proprietà dei codici lineari a blocchi 4) Matrice di controllo di parità 5) Rivelazione e correzione d errore 6) Standard

Dettagli

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale

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

2. ANALISI DELLA DEFORMAZIONE

2. ANALISI DELLA DEFORMAZIONE . ANALISI DELLA DEFORMAZIONE Un elemento monodimensionale soggetto ad na forza di trazione o compressione sbisce na variazione di lnghezza Δl (rispettivamente n allngamento o n accorciamento) rispetto

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

TEORIA DEI SISTEMI DI TRASPORTO

TEORIA DEI SISTEMI DI TRASPORTO UNIVERSITA' DI ROMA "TOR VERGATA" FACOLTA DI INGEGNERIA TEORIA DEI SISTEMI DI TRASPORTO DOCENTE Prof. Ing. UMBERTO CRISALLI ESEMPI APPLICATIVI a cura di Ing. Antonio Comi 1 SOMMARIO Premessa... 2 1. Il

Dettagli

Regressione lineare semplice

Regressione lineare semplice Regressione lineare semplice Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Statistica con due variabili var. nominale, var. nominale: gruppo sanguigno - cancro

Dettagli

VINCENZO AIETA Spazi vettoriali

VINCENZO AIETA Spazi vettoriali VINCENZO AIETA Spazi vettoriali 2.1 Vettori ed operazioni Sia V n insieme di segmenti orientati ed R na relazione di eqipollenza definita in esso. De qalsiasi elementi di V stanno nella R se hanno: 1)

Dettagli

4. MODELLI DI SCELTA DEL PERCORSO

4. MODELLI DI SCELTA DEL PERCORSO 4. MODELLI DI SCELTA DEL PERCORSO Il modello di scelta del percorso fornisce l aliquota p[/oshdm] degli spostamenti effettuati da utenti di categoria i, che utilizzano ciascun percorso relativo al modo

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 Simulazione al Calcolatore La simulazione al calcolatore (computer simulation), (nel caso qui considerato simulazione stocastica) si basa sulla generazione, mediante calcolatore, di sequenze di numeri

Dettagli

Spazi vettoriali e spazi di funzioni

Spazi vettoriali e spazi di funzioni λ Spazi vettoriali e spazi di nzioni M Bertero ISI - Università di Genova - Spazi vettoriali complessi - Operatori lineari in spazi vettoriali complessi e matrici - Estensione al caso - Spazi lineari di

Dettagli

COGNOME.NOME...MATR..

COGNOME.NOME...MATR.. STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità

Dettagli

Statistica Applicata all edilizia: il modello di regressione

Statistica Applicata all edilizia: il modello di regressione Statistica Applicata all edilizia: il modello di regressione E-mail: [email protected] 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione

Dettagli

La filosofia del metodo agli stati limite, il concetto di sicurezza, la probabilità degli eventi Capitolo 2 delle Norme

La filosofia del metodo agli stati limite, il concetto di sicurezza, la probabilità degli eventi Capitolo 2 delle Norme La filosofia del metodo agli stati limite, il concetto di sicurezza, la probabilità degli eventi Capitolo delle Norme Prof. Franco Mola Dipartimento di Ingegneria Strutturale La sicurezza strutturale STRUTTURA

Dettagli

Test delle Ipotesi Parte I

Test delle Ipotesi Parte I Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test

Dettagli

Elementi di Algebra Lineare. Spazio Vettoriale (lineare)

Elementi di Algebra Lineare. Spazio Vettoriale (lineare) Elementi di Algebra Lineare Spazio Vettoriale (lineare) Uno spazio vettoriale su un corpo F è una quadrupla (X, F, +, ) costituita da: un insieme di elementi X, detti vettori, un corpo F, i cui elementi

Dettagli

Corso di Statistica Industriale

Corso di Statistica Industriale Corso di Statistica Industriale Corsi di Laurea Specialistica in Ingegneria Gestionale e Ingegneria Meccanica Docente: Ilia Negri Orario del corso: Martedì: dalle 14.00 alle 16.00 Venerdì: dalle 10.30

Dettagli

LA DISTRIBUZIONE NORMALE o DI GAUSS

LA DISTRIBUZIONE NORMALE o DI GAUSS p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,

Dettagli

Equilibrio e stabilità di sistemi dinamici. Linearizzazione di sistemi dinamici

Equilibrio e stabilità di sistemi dinamici. Linearizzazione di sistemi dinamici Eqilibrio e stabilità di sistemi dinamici Linearizzazione di sistemi dinamici Linearizzazione di sistemi dinamici Linearizzazione di na fnzione reale Linearizzazione di n sistema dinamico Esempi di linearizzazione

Dettagli