3. Metodi di scomposizione
|
|
- Costanza Gattini
- 7 anni fa
- Visualizzazioni
Transcript
1 Cap 3 Meodi di scomposizione Meodi di scomposizione 3.1 Inroduzione Moli meodi di previsione si basano sul fao che, se esise un paern sisemaico, queso possa essere individuao e separao da evenuali oscillazioni accidenali, mediane meodi di perequazione o smussameno (lisciameno, smoohing) dei dai della serie sorica. L effeo dello smussameno è quello di eliminare disurbi casuali cosicché, una vola individuao il paern, queso possa essere proieao nel fuuro per produrre la previsione. I meodi di scomposizione endono, di norma, a individuare due paern: il rend-ciclo e la sagionalià. Il rend-ciclo può essere scomposo, a sua vola, in componene di fondo (rend) e oscillazioni congiunurali (ciclo) (*). In queso capiolo sarà illusrao il meodo classico di scomposizione. Come si vedrà, ale procedimeno è più che alro uno srumeno di analisi della serie sorica, e necessia perano di alcuni perfezionameni per poer produrre la previsione. I meodi di scomposizione hanno cosiuio il primo approccio di analisi delle serie soriche. Il meodo classico risale agli anni 2 e cosiuisce ancora oggi la base per i meodi più frequenemene usai. Aualmene il meodo di scomposizione più diffuso è quello denominao Census II che viene usao per numerose serie economiche sia in ambio privao sia in ambio pubblico (Makridakis, Wheelwrigh, Hyndman, 19XX). E imporane precisare che, nel seguio, se non viene specificao diversamene, useremo il simbolo y, =1,,n per indicare la serie sorica, evenualmene aggiusaa per le variazioni dei prezzi, per le oscillazioni di calendario, ecc.. (*) In quese noe non affroneremo il problema della sima del ciclo.
2 32 Cap. 3 Meodi di scomposizione 3.2 Il modello di scomposizione Il modello maemaico ipoizzao nel meodo classico di scomposizione è: (3.1) y =f(s, T, E ) dove y è il dao riferio al periodo S è la componene sagionale al periodo T e la componene rend-ciclo al periodo E è la componene irregolare al empo. La forma di f() dipende dall approccio seguio. Una forma molo comune è la seguene: (3.2) y =S +T +E che viene definia modello addiivo. Un alra forma alreano frequene è il modello moliplicaivo: (3.3) y =S x T x E Un modello addiivo è appropriao quando l ampiezza dell oscillazione sagionale non varia col livello della serie. Se invece la fluuazione sagionale aumena (o diminuisce) proporzionalmene con l aumeno (diminuzione) del livello della serie, allora è più adeguao un modello moliplicaivo. Mole serie economiche esibiscono fluuazioni sagionali che crescono all aumenare del livello della serie; per ale moivo, in ambio economico, il modello moliplicaivo rova più larga applicazione. Nel modello addiivo, le componeni S,T, E sono espresse nella sessa unià di misura di y ; nel modello moliplicaivo, solo T (per convenzione) viene espresso nell unià di misura di y ; E e S sono numeri puri. Nel modello addiivo l errore può assumere valori posiivi o negaivi; è il valore neurale, nel senso che non influenza la serie. Nel modello moliplicaivo l errore può assumere solo valori non negaivi e ha 1 come valore neurale. Si noi che, col modello moliplicaivo, porebbe essere uile ricorrere alla rasformazione della serie. Poiché la funzione logarimica rasforma una espressione moliplicaiva in una addiiva si ha: (3.4) ln y =ln(s x T x E ) ln y =lns + lnt + lne Quindi, invece del modello moliplicaivo sui dai originari della serie, si porebbe applicare il modello addiivo sulle rasformae logarimiche.
3 Cap 3 Meodi di scomposizione Rappresenazioni grafiche negli approcci di scomposizione La Fig. 3.1 mosra i principali grafici derivani da una analisi di scomposizione mediane un modello addiivo. I risulai fanno riferimeno ai dai di Tab. 2.4 (vendie di boiglie della bibia QQQ). Richiamiamo l aenzione soprauo sui segueni grafici: (i) il ime plo della serie desagionalizzaa ovvero depuraa dalla sagionalià (seasonally adjused daa), riporao in Fig, 3.1; (ii) il ime plo della componene sagionale (Fig. 3.2); (iii) la serie sorica dei residui (Fig. 3.3); (iv) il ime plo della serie originale e della serie simaa (Fig. 3.5). L andameno dei dai desagionalizzai dovrebbe mosrare una linea abbasanza liscia, priva di quelle oscillazioni regolari e marcae ipiche della sagionalià della serie. La Fig. 3.1 mosra che la desagionalizzazione mediane il modello addiivo non è soddisfacene: si ende a desagionalizzare roppo nel primo anno (infai, si può noare una inversione delle pune per il mese di giugno e di seembre); si desagionalizza poco nell ulimo anno (si noa, infai, che rimane un picco molo elevao). Il moivo risiede nel fao che il modello addiivo assume impliciamene che il range di variazione delle oscillazioni sagionali all inerno dell anno rimanga cosane menre, nel caso in esame, ende ad aumenare dal 1999 al 21 (Fig. 2.5). Perano la sima della sagionalià, rappresenaa nella Fig. 3.2, non è da rienersi valida. Un alra verifica sul modello di scomposizione adoao ci proviene dal grafico dei residui. Se la scomposizione è valida allora i residui devono presenare un andameno accidenale rispeo al empo. Dalla Fig. 3.3 si noa invece la presenza di una cera ciclicià degli sessi: i residui sono più vicini a zero nella pare cenrale della serie menre sono maggiori (in valore assoluo) alle esremià. L andameno dei residui può essere apprezzao anche dalla Fig. 3.4, in cui si ripora la serie osservaa e quella simaa, nell ipoesi di aver simao il rend mediane una funzione lineare di (su queso puno di vedrà più avani il procedimeno). Nel seguio, quando verrà illusrao in deaglio il procedimeno di scomposizione della serie, vedremo anche i risulai del modello moliplicaivo.
4 34 Cap. 3 Meodi di scomposizione Fig. 3.1 Dai desagionalizzai con modello addiivo (dai di Tab. 2.4) 9 8 Dai desagionalizzai Fig. 3.2 Sagionalià simaa con modello addiivo (dai di Tab. 2.4) Sagionalià
5 Cap 3 Meodi di scomposizione 35 Fig. 3.3 Residui del modello addiivo (dai di Tab. 2.4) 1 Residui Fig. 3.4 Dai simai e osservai (serie di Tab. 2.4; modello addiivo) Acual Prediced Acual Prediced Y
6 36 Cap. 3 Meodi di scomposizione A conclusione di queso paragrafo, vogliamo punualizzare il significao di serie desagionalizzaa. Nel caso di un modello addiivo, il dao desagionalizzao D è derivao come: (3.1) D =y S =y +E menre nel modello addiivo: (3.2) D =y /S =y x E una vola che è saa simaa la componene sagionale S. 3.4 La media mobile La media mobile è un semplice meodo che smussa (liscia, perequa) la serie sorica. Tale procedura è basilare nei meodi di scomposizione. Se la serie è composa solo da rend e dalla componene residua, la media mobile elimina gli effei dei disurbi. Se nella serie originaria è presene anche il fenomeno sagionale di periodo p, allora una media mobile di ampiezza p è in grado di eliminare anche la sagionalià. Nei due casi, la media mobile si propone di isolare il rend-ciclo. Vediamo un esempio di serie che presena rend e sagionalià (Tab. 3.1). Si raa delle vendie mensili di shampoo (liri) vendui in re anni. Il ime plo della serie (Fig. 3.6) evidenzia la presenza di un marcao rend crescene e di disurbi di un cero rilievo; non si individuano ciclicià periodiche ipiche della sagionalià. La Fig. 3.6 ripora l evoluzione delle medie mobili a 3 ermini (MM3) e a 7 ermini (MM7); come si vede, la media mobile elimina una cera quoa di oscillazioni perurbarici. La media mobile a re ermini ci dà una sima del rend T 2 del mese di Febbraio 1999, mediane la media arimeica dei dai di Gennaio, Febbraio, Marzo 1999: T 2 =(y 1 +y 2 +y 3 )/3 Generalizzando, la media mobile a re ermini cenraa su è: (3.3) T =(y -1 +y +y +1 )/3, =2,,n-1 Si noino, nella Tab. 3.1, i valori della media mobile a re ermini: non c è sima del rend per i empi =1 e =n perché mancano le osservazioni al empo e al empo n+1. Come si sarà capio, quesa procedura è denominaa media mobile perché ogni successiva media viene calcolaa eliminando il valore più vecchio e inserendone un nuovo. La media mobile è un meodo di adaameno locale in quano crea una serie di valori smussai di lunghezza pari alla serie originaria, ognuno in corrispondenza del puno di osservazione.
7 Cap 3 Meodi di scomposizione 37 Tab. 3.1 Esempio di serie con rend e disurbi casuali Mese y MM3 MM5 MM , 2 145,9 198, ,1 149,4 178, ,3 16,9 159,4 185, 5 18,3 156, 176,6 179, ,5 193,5 184,9 185, ,8 28,3 199,6 177, ,5 216,4 188,1 28, ,8 18,1 221,7 29, 1 122,9 217,4 212,5 212, ,5 215,1 26,5 2, ,9 238,9 197,8 198, ,3 176,6 215,3 21, ,5 184,6 22,6 22,1 3 21,1 211, 23,7 213, ,3 224,9 222,3 218, ,4 25,6 237,6 234, , 234,8 256,3 254, , 272,2 259,6 284,7 8 33,6 273,2 35,6 283, ,9 338,4 31,1 35, 1 421,6 325,3 324,4 312, ,5 342,8 331,6 343, ,3 315,5 361,7 344, ,7 374,1 34,6 366,2 2 44,4 365,3 375,5 363, ,9 398,5 387,3 388, 4 439,3 385,5 46,9 421,4 5 41,3 426, 433,9 431, ,4 471,4 452,2 465, ,5 473,5 5,8 488,3 8 47,6 555, 515,6 58, , 521,6 544,3 543, ,3 579,5 558, ,3 567, ,9 Fone: Makridakis, Wheelwrigh, Hyndman (19XX)
8 38 Cap. 3 Meodi di scomposizione Il numero di ermini coinvoli nella media mobile influenza il risulao della perequazione. All aumenare dei ermini, la spezzaa che unisce i puni individuai dalle medie mobili si fa più smussaa. Nella Fig. 3.6 compare l andameno della media mobile a 7 ermini, che è calcolaa come: T =(y -3 +y -2 + y -1 +y +y +1 +y +2 +y +3 )/7, =4,,n-3 Fig. 3.5 Valori osservai e medie mobili (MM) per i dai di Tab , 7, 6, 5, Osservai MM3 MM7 4, 3, 2, 1,, Come si può facilmene verificare, una media mobile a k ermini, con k dispari, fa perdere (k 1)/2 ermini all inizio e alreani ermini alla fine della serie (Tab. 3.1). La perdia dei primi ermini ha poca imporanza; al conrario la perdia degli ermini più receni ha conseguenze rilevani ai fini della operazione di previsione. Una possibile soluzione consise nell effeuare, agli esremi, delle medie mobili con un numero inferiore di ermini. Ad esempio, nel caso di media mobile a re ermini si può calcolare T 1 come T 1 =(y 1 +y 2 )/2 e T n come T n =(y n-1 +y n )/2. Le medie mobili fin qui inrodoe hanno un numero dispari di ermini e perciò risulano auomaicamene cenrae su un puno di osservazione. Tali medie sono dee semplici poiché ui i ermini della media hanno associao lo sesso peso. Supponiamo che si voglia calcolare una media mobile con numero pari di ermini. Ad esempio, poso k=4, sui dai di Tab. 3.1 si ha: T =(y 1 +y 2 +y 3 +y 4 )/4= (266,+145,9+183,1+119,3)/4 T = (y 2 +y 3 +y 4 +y 5 )/4= (145,9+183,1+119,3+18,3)/4 La prima media sarebbe cenraa fra il secondo e il erzo ermine; la seconda media cenraa fra il erzo e il quaro. Per risolvere la quesione della
9 Cap 3 Meodi di scomposizione 39 cenraura, si effeua una media mobile a 2 ermini sulle due successive medie mobili a ermini pari. Con queso procedimeno la media arimeica delle due medie mobili a 4 ermini sopra calcolae, viene ad essere cenraa nel puno =3. Quindi: T 3 =(T +T )/2 Sosiuendo a T e T le espressioni precedeni, la formula di T 3 divena: (3.4) T 3 =(y 1 +2y 2 +2y 3 +2y 4 +y 5 )/8 che è una media ponderaa: i ermini cenrali hanno peso 2, i ermini esremi peso 1; il denominaore è, ovviamene, la somma dei pesi. Essa è dea media mobile cenraa a k ermini (k pari). Medie mobili con numero pari di ermini sono usae per eliminare l oscillazione sagionale. Su dai mensili si userà k=12; k=4 su dai rimesrali e k=2 su dai semesrali. Ovviamene, con k pari, si perdono k/2 ermini all inizio e alla fine della serie. 3.5 Scomposizione classica: il modello addiivo Riferendoci ai dai mensili sulle vendie di boiglie QQQ, supponiamo che il modello di scomposizione sia addiivo: y =S +T +E La scomposizione classica viene condoa svolgendo le fasi segueni. 1. Calcolo del rend-ciclo di prima approssimazione. Si raa di una fase srumenale che non produce una sima definiiva della componene rendciclo. Il rend-ciclo di prima approssimazione viene calcolao con una media mobile cenraa a 12 ermini. Indichiamo con MM il valore di dea media, dove =7,,n-6 a causa della perdia di dai all inizio e al ermine della serie. 2. Calcolo della componene (SE) : serie della sagionalià misa e errore. Anche quesa è una fase srumenale. La serie (SE) è calcolaa soraendo dalla serie originale, la grandezza MM : (SE) =y MM 3. Sima della componene sagionale. Dalla componene (SE) si elimina il disurbo e si perviene alla sima di S. Nell approccio classico si ipoizza che l oscillazione sagionale sia cosane da anno in anno, per cui, con dai
10 4 Cap. 3 Meodi di scomposizione mensili, S =S +12 =S +24 =. Si parla di modello di sagionalià cosane 1. Il coefficiene di sagionalià S m per il mese m (m=1,,12) viene calcolao effeuando la media arimeica dei ermini (SE) dove =m, m+12, m+24,. In alre parole la sima della sagionalià per gennaio è daa dalla media arimeica dei valori (SE) riferii a gennaio. Il risulao di quesa operazione produce 12 coefficieni di sagionalià Ŝ m, m=1,..,12 (dove m indica il mese), che si ripeono per ogni anno. I valori Ŝ m devono verificare la seguene proprieà: 12 m= 1 Ŝ m = Infai, per definizione di sagionalià nel modello addiivo, le oscillazioni sagionali esauriscono il loro effeo all inerno dell anno. 4. Derivazione della serie desagionalizzaa D. Il dao desagionalizzao D è calcolao nel modello addiivo come: D = y Ŝ e Ŝ = Ŝ m se si riferisce al mese m. La serie D coniene dunque il paern del ciclo-rend e l effeo del disurbo. Essa è perano uile per lo sudio del ciclo-rend. 5. Sima del ciclo-rend. La sima Tˆ del ciclo-rend è oenua mediane una media mobile a 3 ermini sui dai D. 6. Sima dell inera componene sisemaica della serie. Mediane le sime della sagionalià e del rend-ciclo si oiene la sima ŷ, che coniene solo il paern sisemaico della serie, dove: ŷ = Tˆ + Ŝ 7. Calcolo del residuo del modello. Il residuo del modello Ê è, infine: Ê = y ŷ La Tab. 3.2 ripora i risulai delle fasi sopra elencae, per la serie delle vendie di boiglie della bibia QQQ. 1 Si può condurre un analisi grafica per conrollare la validià dell ipoesi di sagionalià cosane. Si cosruisce, per ognuno dei 12 mesi, un plo di (SE) in ordinaa versus gli anni (in ascissa). Se i puni individuai si rovano collocai parallelamene all asse delle ascisse, allora il modello di sagionalià cosane è adeguao.
11 Cap 3 Meodi di scomposizione 41 Tab. 3.2 Risulai del modello addiivo (vendie bibia QQQ) ANNO MESE y Sima S Sima D Sima T Sima y Ê , 456, 45, , , 445, 45, , ,7 473,7 458, , ,1 469,1 462, , ,9 513,9 485, , ,3 428,7 47, , , 411, 451,2 7-4, ,7 41,3 416, , , 389, 43, , ,7 44,3 413, , ,1 457,9 429, , ,1 479,1 459, , , 511, 482, , , 512, 5, , ,7 543,7 522, , ,1 55,1 535, , ,9 566,9 553,6 3 13, ,3 553,7 556, , , 582, 567, , ,7 593,3 576, , , 626, 6, , ,7 586,3 61, , ,1 579,9 597, , ,1 573,1 579, , , 565, 572,7 36-7, , 594, 577, , ,7 597,7 585, , ,1 623,1 64, , ,9 627,9 616, , ,3 657,7 636, , , 755, 68, , ,7 786,3 733, 11 53, , 862, 81, , ,7 731,3 793, , ,1 687,9 76, , ,1 643,1 665, ,43
12 42 Cap. 3 Meodi di scomposizione Come si vede, si perdono 6 dai all inizio e 6 alla fine della serie. I dai sono recuperai araverso la sima della sagionalià mediane l ipoesi di modello sagionale cosane. Si può noare, infai, che la sequenza dei coefficieni di sagionalià si ripee nei re anni. Il segno e l enià del coefficiene di sagionalià esprime l imporanza e la direzione dell effeo: quando il segno del coefficiene è negaivo significa che la sagionalià provoca una conrazione (rispeo al livello che avrebbe il rend-ciclo senza l effeo dell oscillazione sagionale); il segno è posiivo, quando la sagionalià amplifica il fenomeno. Coefficieni di sagionalià posiivi ed elevai si presenano nei mesi più caldi. Il rend-ciclo è sao simao con una media a re ermini dei dai desagionalizzai, con eccezione dei due ermini esremi (v. valori in grasseo) per i quali è saa impiegaa una media a due ermini. In base al procedimeno descrio nella Tab. 3.2 si oiene un MAPE pari al 2,8%. Tuavia (v. Fig. 2.1, che si riferisce a queso sesso procedimeno, ma si veda anche la Fig. 3.6), il modello addiivo non realizza una soddisfacene desagionalizzazione dei dai. 3.6 Scomposizione classica: il modello moliplicaivo Uilizzando ancora i dai mensili sulle vendie di bibia QQQ, deriviamo la scomposizione mediane il modello moliplicaivo: y =S x T x E La scomposizione classica viene condoa svolgendo le fasi segueni. 1. Calcolo del rend-ciclo di prima approssimazione. Come accade per il modello moliplicaivo, esso viene calcolao con una media mobile cenraa a 12 ermini. Indichiamo con MM il valore di dea media, =7,,n-6 (sesso procedimeno del modello addiivo). 2. Calcolo della componene (SE) : serie della sagionalià misa e errore. La serie (SE), composa da sagionalià ed errore, è calcolaa dividendo la serie y per MM : (SE) =y /MM 3. Sima della componene sagionale. Dalla serie (SE) si elimina il disurbo e si perviene alla sima di S. Si ipoizza, anche qui, che l oscillazione sagionale sia cosane di anno in anno per cui, con dai mensili, S =S +12 =S +24 =. Il coefficiene di sagionalià S m per il mese m (m=1,,12) viene calcolao effeuando la media arimeica dei ermini (SE) dove =m, m+12, m+24,. Ancora, la sima della sagionalià per gennaio è daa dalla media arimeica dei valori (SE) riferii a gennaio. Il
13 Cap 3 Meodi di scomposizione 43 risulao sarà dao da 12 coefficieni di sagionalià che si ripeono per ogni anno. Si ricava quindi la sima m=1,,12 dove m indica il mese. I valori Ŝ m Ŝ m devono verificare la seguene proprieà: m= 1 Ŝ m = 1 Infai, per definizione di sagionalià, le oscillazioni sagionali esauriscono il loro effeo all inerno dell anno. 4. Derivazione della serie desagionalizzaa D. Il dao desagionalizzao D si ricava come: D = y / Ŝ Quesa grandezza coniene il paern del ciclo-rend e l effeo del disurbo. Essa è uile per il successivo sudio del ciclo-rend. 5. Sima del ciclo-rend. La sima del ciclo-rend Tˆ è oenua mediane una media mobile a 3 ermini sui dai D. 6. Sima dell inera componene sisemaica della serie. Mediane le sime della sagionalià e del rend-ciclo, si ricava la sima ŷ che coniene solo il paern sisemaico della serie, dove: ŷ = Tˆ Ŝ 7. Calcolo del residuo del modello. Si ricava, infine, il residuo del modello Ê come: Ê = y / ŷ Tuavia, per consenire un confrono con l adaameno del modello addiivo, ai fini del calcolo degli indici MAPE, MAE, ecc., conviene uilizzare i residui calcolai nel modo consueo: Res = y ŷ I deagli della scomposizione mediane il modello moliplicaivo sono riporai in Tab Vale la pena noare che il modello moliplicaivo realizza un migliorameno del MAPE che è uguale a 1,8% e, soprauo, una più che soddisfacene desagionalizzazione dei dai. Ciò non ci sorprende in quano, già l analisi preliminare della serie aveva messo in luce la maggiore adeguaezza della forma moliplicaiva.
14 44 Cap. 3 Meodi di scomposizione Tab. 3.3 Risulai del modello moliplicaivo (vendie bibia QQQ) ANNO MESE y Sima Sm SimaD Sima T Sima y Res , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,979
15 Cap 3 Meodi di scomposizione 45 Fig. 3.6 Dai desagionalizzai (vendie di bibia QQQ) 9, 8, Modello moliplicaivo Modello addiivo 7, D 6, 5, 4, 3, 3.6 Valuazione della scomposizione oenua Abbiamo già accennao (par. 2.4) che la valuazione dell adaameno oenuo mediane il modello di scomposizione può essere condoa mediane indici quali MSE, MAE, MAPE, riferii alla serie sorica disponibile. Olre al calcolo di ali indici, è buona norma condurre anche delle analisi grafiche dei residui Ê. L idea che sa alla base di quesi conrolli è la seguene: se la scomposizione è valida allora il residuo non dovrebbe evidenziare oscillazioni sisemaiche di nessun ipo e il suo line plo dovrebbe oscillare inorno al valore neurale ( per il residuo del modello addiivo, 1 per il residuo del modello moliplicaivo), in modo accidenale. Vediamo il caso del modello addiivo dove il residuo è: Ê = y ŷ I grafici che ci possono ineressare sono i segueni. 1. Andameno di Ê rispeo al empo. L ideale è che non si presenino oscillazioni sisemaiche, come avviene in Fig Siuazione dubbia è quella di Fig. 3.8 (la scomposizione oenua è più valida per periodi più remoi). La Fig. 3.9, infine, evidenzia che non siamo sai in grado di individuare un andameno ciclico (o comunque curvilineo) 2. Correlogramma di Ê. L ideale è quello di non avere valori elevai dell auocorrelazione uavia, difficilmene da un analisi di scomposizione, si oengono residui oimali.
16 46 Cap. 3 Meodi di scomposizione 3. Normal probabiliy plo di Ê. L idea che giusifica queso ipo di analisi è la seguene: se siamo sai in grado di scomporre bene la serie e abbiamo colo in modo adeguao la componene sisemaica, il residuo dovrebbe comporarsi approssimaivamene come un errore accidenale. Nel caso di modello moliplicaivo, resa in massima pare valido quano affermao nei puni 1 e 2. Non ha senso, invece, cosruire un normal probabiliy plo perché il residuo moliplicaivo Ê può assumere solo valori non negaivi menre una v.c. normale assume valori sia negaivi, sia posiivi. E più correo, se mai, cosruire il normal probabiliy plo delle rasformae logarimiche dei residui. La Fig. 3.1 ripora il line plo dei residui del modello addiivo, per i dai relaivi alle vendie della bibia QQQ. Si noa un risulao un po insoddisfacene per il periodo iniziale e finale; sappiamo che ciò è dovuo al fao che il modello addiivo ende a desagionalizzare male agli esremi della serie quando quesa è meglio rappresenaa da un modello moliplicaivo. Fig. 3.8 Esempio di residui privi di andameni sisemaici Residui
17 Cap 3 Meodi di scomposizione 47 Fig. 3.9 Esempio di residui con variabilià più ala per periodi receni Residui Fig. 3.1 Esempio di residui con andameno curvilineo Residui
18 48 Cap. 3 Meodi di scomposizione 1, 8, 6, 4, 2, Fig Residui del modello addiivo di Tab. 3.2, -2, , -6, -8, 3.7 Alcune osservazioni uleriori sui meodi di scomposizione A conclusione di queso capiolo, vogliamo soffermarci a discuere alcune emaiche riguardani i meodi di scomposizione e precisamene: 1) l impiego della rasformazione logarimica per il modello moliplicaivo; 2) come eseguono la scomposizione procedure conenue nei pacchei saisici Saisica ( e Miniab ( 3) come si eseguono le previsioni una vola che si è condoa un analisi di scomposizione. Abbiamo già accennao al fao che si può passare da un modello moliplicaivo rispeo alla serie originarie y, (=1,,n) ad uno addiivo rispeo alla serie ln y. Quindi, volendo adoare per y il modello moliplicaivo, si porebbe decidere di eseguire la scomposizione con modello addiivo sui logarimi poiché si ha: ln y =ln(s x T x E ) ln y =lns + lnt + lne E bene precisare, uavia, che la scomposizione di y mediane modello moliplicaivo conduce a risulai diversi alla scomposizione di ln y mediane modello addiivo (come descrio nel paragrafo 3.4). Per capire quano appena affermao, vediamo nel deaglio l espressione della media mobile nei due approcci. Ad esempio, la media mobile a 2k+1 ermini (dispari) cenraa sul empo è, sui dai originari: + k + k 1 1 yi = Ti Si Ei 2k + 1 2k + 1 i= k Invece, se si usano dai rasformai: i= k
19 Cap 3 Meodi di scomposizione 49 + k + k 1 1 (3.5) ln yi = (lnti + ln Si + ln Ei ) 2k + 1 2k + 1 i= k i= k Ques ulima espressione equivale al logarimo della media geomerica dei valori originali: k (lnti + ln Si + ln Ei ) = ln i Ti Si Ei + 1 i= k 1 /( 2k 1 ) (3.6) ( ) 2k Dal confrono fra (3.5) e (3.6) si capisce che i due approcci conducono, in generale, a risulai diversi. Vediamo, a queso puno, le procedure di scomposizione classica delle serie soriche, conenue nei pacchei saisici, Saisica e Miniab. Il paccheo Saisica, nella procedura Time Series>Decomposiion Census1, esegue i passi esaamene come da noi descrii. Nel paccheo Miniab, la procedura Time series>decomposiion, esegue le fasi dell analisi secondo un ordine diverso da quello da noi presenao. Come prima fase, Miniab sima il rend mediane inerpolazione di una rea rispeo al empo : Tˆ = a + b Successivamene deermina il dao derendizzao D che è: D = ( S + E ) = y Tˆ per il modello addiivo D = ( S E ) = y / Tˆ per il modello moliplicaivo Vengono poi calcolai i coefficieni di sagionalià come da noi descrio, ipoizzando il modello di sagionalià cosane. Si noa che la procedura Miniab non iene cono dell evenuale presenza del ciclo, in quano sima il solo rend con una rea (la rea non ha andameni oscillaori!). Si può, uavia, risolvere queso problema lavorando con Miniab in modo più flessibile e cioè ricorrendo a diverse procedure. In paricolare, la sequenza di fasi indicaa per condurre l analisi di scomposizione può essere realizzaa in Miniab nel seguene modo: i) mediane la procedura Time series>decomposiion adaare un modello senza rend e memorizzare i dai desagionalizzai; ii) mediane la procedura Time series>moving average procedere alla sima del ciclo-rend. Veniamo infine al ema della previsione. Ci sono sai moli enaivi di sviluppare previsioni basae direamene sul risulao di una analisi di scomposizione mediane medie mobili. Generalmene si procede alla
20 5 Cap. 3 Meodi di scomposizione previsione della singola componene (rend, ciclo, ecc.) per poi ricomporre il dao fuuro della serie (come prodoo dei valori delle singole componeni nel caso del modello moliplicaivo, come somma nel caso del modello addiivo). Non sempre queso procedimeno produce risulai soddisfaceni. In generale, il rend-ciclo è la componene più difficile da prevedere soprauo a causa dell oscillazione ciclica che non ha andameni regolari periodici. Il procedimeno può avere successo se il ciclo è assene oppure ha inensià rascurabile rispeo all ordine di grandezza del rend. In ale circosanza, il rend può essere validamene simao mediane una funzione analiica del empo f(). La previsione Tˆn+1 per il empo fuuro =n+1 (dove n è la lunghezza della serie disponibile) viene oenua esrapolando la rea, per cui Tˆn+1 =f(n+1). La componene sagionale è relaivamene semplice da prevedere nell ipoesi di sagionalià cosane. Infai, l effeo simao della sagionalià del mese (rimesre, semesre, ecc.) m (m=1,,12) è Ŝ m, che è cosane negli anni. Quindi, supponendo che il empo n+1 sia riferio al mese di gennaio, la previsione dell effeo sagionale è Ŝ 1. Per la componene irregolare viene adoao, come previsione, il valore neurale, che è pari a per il modello addiivo, a 1 per il modello moliplicaivo. La previsione F n+1 per il fenomeno in esame, si oiene ricomponendo le previsioni per le re componeni. Supponendo che il empo n+1 sia riferio al mese di gennaio, si oiene Fn + 1 = Tˆ n Ŝ1 per il modello addiivo F Tˆ per il modello moliplicaivo n + 1 = n + 1 Ŝ1 Nel capiolo seguene affroneremo la sima del rend mediane adaameno di una forma analiica e deriveremo le previsioni per le vendie della bibia QQQ. Anche se per la previsione sono sai sviluppai numerosi meodi più sofisicai e più efficaci, i procedimeni di scomposizione resano un valido srumeno per comprendere le caraerisiche evoluive passae della serie. La scomposizione cosiuisce la fase preliminare per decidere sul meodo di previsione da adoare.
21 Cap. 4 Sudio del rend Sudio del rend mediane forma analiica 4.1 Inroduzione L evoluzione di lungo periodo di una serie sorica è denominaa rend. Nell economia, ad esempio, il rend è deerminao dal leno sviluppo delle ecnologie, dei fenomeni demografici e sociali, ecc. L esisenza di una evoluzione di lungo periodo può essere evidenziaa dall andameno dei dai desagionalizzai risulani da un analisi di scomposizione, oppure dalla serie di dai annuali (anch essi privi della sagionalià). Nel capiolo precedene abbiamo illusrao la sima del rend mediane le medie mobili; ale procedimeno è denominao adaameno locale del rend o sima locale. In queso capiolo affroneremo la sima del rend mediane specificazione e sima di una funzione analiica del empo. Queso procedimeno è denominao analisi globale poiché la funzione simaa definisce come una sora di legge di dipendenza del rend dal empo. Varie forme funzionali sono uilizzae per rappresenare il rend. Quelle che vedremo in quese noe sono: la forma lineare, la quadraica e l esponenziale. 4.2 Forme analiiche per rappresenare il rend Ipoizziamo che y =T +e, dove y qui rappresena o il dao annuale o quello desagionalizzao e e la componene di disurbo. La forma lineare in è: (4.1) T =β +β 1 =1,,n dove β è l inercea e β 1 è la pendenza della rea. Se β 1 > il rend è crescene; se β 1 <, il rend è decrescene; se β 1 = esise un paern orizzonale. Un modo per capire se il rend lineare è appropriao per rappresenare la nosra serie, consise nel verificare se le differenze successive della serie (desagionalizzaa o annuale) sono approssimaivamene cosani rispeo a. Ciò scaurisce dal fao che, se vale la (4.1), si ha che: (4.2) Δ = T T 1 = β + β1 β β1( 1) = β1 cosane in.
22 52 Cap. 4 Sudio del rend Talvola il rend può esibire andameni non lineari rispeo al empo. Allora può essere appropriaa la forma quadraica: (4.3) T =β +β 1 +β 2 2 =1,,n La (4.2) può assumere una varieà di forme a seconda del segno dei coefficieni β 1 e β 2 ; da noare, ad esempio, che quando β 2 = si oiene una forma lineare in. Un modo per verificare l adeguaezza di un modello quadraico consise nell effeuare le seconde differenze fra ermini successivi della serie (cioè le differenze successive della serie Δ definia in (4.2)). Se i valori di ali differenze appaiono approssimaivamene cosani rispeo a, può essere valido un modello quadraico. Ciò scaurisce dal fao che, se vale la (4.3), allora Δ +1 -Δ è cosane in. Infai, se vale la (4.3), si ha: dove: Δ +1 -Δ =2 β 2 cosane in Δ = T T 1 β ) 2 1 = β + β1 + β 2 β β1( ) 1( Δ + 1 = T + 1 T = β + β1( + 1) + β 2( + 1) β β1 β1 Un alra forma spesso usaa è quella esponenziale: (4.4) T =β exp(β 1 ) =1,,n Se vale la (4.4), si verifica la seguene espressione: T T β exp( β1 ) = β exp( β ( = exp( β1 ) )) cosane in Un modo per verificare l adeguaezza di un modello esponenziale consise perano nell effeuare i rappori fra ermini successivi della serie e verificare se quesi sono approssimaivamene cosani rispeo a Sima del rend Una vola che è saa scela una forma analiica per rappresenare il rend, è necessario passare alla sua sima a parire da dai di osservazione. I dai sui quali viene simao il rend dovrebbero essere privi di andameno sagionale e ciclico. In alre parole, l unica componene sisemaica presene nei dai deve essere quella endenziale di lungo periodo. In assenza di significaive oscillazioni cicliche, i dai più idonei all analisi del rend sono: i valori desagionalizzai oppure la serie di dai annuali.
23 Cap. 4 Sudio del rend 53 A scopi di esemplificazione, viene condoa un analisi del rend sui dai relaivi alle vendie di bibia QQQ. In apricolare, dalla Fig. 3.6, si noa che i dai desagionalizzai mediane il modello moliplicaivo, possono essere rappresenai mediane una funzione lineare nel empo. Anziché procedere alla media mobile a 3 ermini, decidiamo quindi di adoare la sima di una funzione analiica, lineare in. Mediane il meodo dei minimi quadrai ordinari, la funzione analiica che rappresena il rend è in al caso: (4.5) Tˆ = 38, 3 + 9, 55 che regisra un indice di deerminazione lineare R 2 pari a,985. Nello sudio del rend mediane funzione analiica, viene usao il meodo dei minimi quadrai come in una consuea analisi di regressione. Tuavia non si procede alla verifica delle ipoesi sui coefficieni dal momeno che la sima del modello ha lo scopo di descrivere l andameno del rend rispeo al empo e non quello di valuare l effeo di sul rend, nel senso causale o esplicaivo. 4.4 Sima della componene sisemaica e previsione Mediane la sima della sagionalià oenua per il modello moliplicaivo (v. Tab. 3.3) e la sima del rend mediane la funzione (4.5), è possibile proporre una sima dell inera componene sisemaica del modello moliplicaivo che è (v. Tab. 4.1): yˆ = Tˆ Sˆ = ( 38, 3 + 9, 55 ) Sˆ A queso puno è possibile pervenire ad una deerminazione di E, componene casuale del modello, mediane la grandezza dove: y E ˆ = yˆ = y Tˆ Sˆ Tuavia, per proporre un confrono con alri meodi di scomposizione e con alri modelli, si usa frequenemene il residuo consueo: Res = y yˆ mediane il quale si può calcolare ad esempio il MAPE. In queso caso, il MAPE è pari a 1,93%, valore leggermene più alo di quello oenuo mediane l impiego della media mobile a 3 ermini per la sima del rend (v. paragrafo 3.6). Ê
24 54 Cap. 4 Sudio del rend Tab. 4.1 Risulai del modello moliplicaivo (vendie bibia QQQ). Trend simao mediane funzione lineare del empo ANNO MESE y Sima Sm SimaD Sima T Sima y Res , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,82 Queso ipo di scomposizione, che uilizza una forma analiica per rappresenare il rend, ci consene in modo esremamene semplice di proporre delle previsioni per i periodi fuuri. E necessario, però, ipoizzare che il modello simao sui dai passai rimanga valido anche nel fuuro. Per
25 Cap. 4 Sudio del rend 55 non rischiare roppo conviene limiarsi ad effeuare delle previsioni nel breve periodo. A iolo esemplificaivo, proponiamo qui le previsioni delle vendie di bibia QQQ, per i primi re mesi del 22: gennaio, febbraio e marzo ai quali corrisponde =37, 38, 39 e coefficieni di sagionalià pari a,493,,595,,595. Le previsioni che indichiamo come F 37, F 38, F 39 sono: F 37 =(38,3+9,55 x 37) x,493= 361 F 38 =(38,3+9,55 x 38) x,595= 441 F 39 =(38,3+9,55 x 39) x,595= 447 Come si vede le ipoesi di validià nel fuuro del modello riguardano: - la sabilià dei valori dei parameri della forma analiica usaa per rappresenare il rend; - la sabilià dei coefficieni sagionali per i re mesi fuuri, per i quali si cosruisce la previsione.
Approccio Classico: Metodi di Scomposizione
Approccio Classico: Meodi di Scomposizione Il Modello di Scomposizione Il modello maemaico ipoizzao nel meodo classico di scomposizione è: y =f(s, T, E ) dove y è il dao riferio al periodo S è la componene
DettagliMedia Mobile di ampiezza k (k pari) Esempio: Vendite mensili di shampoo
Media Mobile di ampiezza k (k pari) Esempio: Vendie mensili di shampoo Mese y 1 266,0 2 145,9 3 183,1 4 119,3 5 180,3 6 168,5 7 231,8 8 224,5 9 192,8 10 122,9 11 336,5 12 185,9 1 194,3 2 149,5 3 210,1
DettagliIndice generale della produzione industriale. indice grezzo corretto per i giorni lavorativi destagionalizzato. marzo 07.
Indice generale della produzione indusriale indice grezzo correo per i giorni lavoraivi desagionalizzao 0.0 0.0 00.0 indice 90.0 80.0 70.0 60.0 50.0 marzo 06 giugno 06 seembre 06 dicembre 06 marzo 07 giugno
DettagliL approccio classico per l analisi delle serie storiche
L approccio classico per l analisi delle serie soriche 1 L impiego dell analisi delle serie soriche nelle previsioni: imposazione logica Per serie sorica (o emporale) si inende una successione di dai osservai
DettagliAnalisi delle serie storiche parte IV Metodi di regressione
Analisi delle serie soriche pare IV Meodi di regressione a.a. 16/17 Saisica Economica -Laurea in Relazioni Economiche Inernazionali 1 Meodo della regressione La componene di fondo, Trend o Ciclo-Trend,
Dettaglisedimentazione Approfondimenti matematici
sedimenazione Approfondimeni maemaici considerazioni sulla velocià L espressione p A F = R (1) che fornisce la relazione sulle forze ageni nel processo della sedimenazine, indica che all inizio il moo
DettagliPIL NOMINALE, PIL REALE E DEFLATORE
PIL NOMINALE, PIL REALE E DEFLATORE Il PIL nominale (o a prezzi correni) Come sappiamo il PIL è il valore di ui i beni e servizi finali prodoi in un cero periodo all inerno del paese. Se per calcolare
DettagliL analisi delle serie storiche
L analisi delle serie soriche Per serie sorica si inende un insieme di dai ordinai secondo un crierio cronologico. Ogni dao è associao ad un paricolare isane o inervallo di empo. Se a ciascun isane o inervallo
Dettaglig Y g M p g Y g g + g M p dove p è il tasso di crescita dei prezzi, ovvero il tasso di inflazione. Poiché g è costante, g
APPENDICI 465 g Y g g + g M p dove p è il asso di crescia dei prezzi, ovvero il asso di inflazione. Poiché g è cosane, g g è uguale a zero. Quindi: g Y g M p Il asso di crescia della produzione è approssimaivamene
DettagliTeoria dei Segnali. La Convoluzione (esercizi) parte prima
Teoria dei Segnali La Convoluzione (esercizi) pare prima 1 Si ricorda che la convoluzione ra due segnali x() e y(), reali o complessi, indicaa simbolicamene come: C xy () = x() * y() è daa indifferenemene
DettagliIl Modello di Scomposizione
Approccio Classico: Metodi di Scomposizione Il Modello di Scomposizione Il modello matematico ipotizzato nel metodo classico di scomposizione è: y t =f(s t, T t, E t ) dove y t è il dato riferito al periodo
DettagliCALENDARIO BOREALE 2 AMERICHE 2015 PROBLEMA 1
www.maefilia.i Indirizzi: LI2, EA2 SCIENTIFICO; LI3 - SCIENTIFICO - OPZIONE SCIENZE APPLICATE CALENDARIO BOREALE 2 AMERICHE 21 PROBLEMA 1 Sai seguendo un corso, nell'amio dell'orienameno universiario,
DettagliIl modello di crescita deriva dalla logica del tasso di interesse semplice
Eserciazione 7: Approfondimeni sui modelli di crescia. Crescia arimeica, geomerica, esponenziale. Calcolo del asso di crescia e del empo di raddoppio. Viviana Amai 03/06/2009 Modelli di crescia Nella prima
DettagliEquazioni Differenziali (5)
Equazioni Differenziali (5) Daa un equazione differenziale lineare omogenea y n + a n 1 ()y n 1 + a 0 ()y = 0, (1) se i coefficieni a i non dipendono da, abbiamo viso che le soluzioni si possono deerminare
DettagliSTATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Storiche A.A / 04 ESERCITAZIONE 4. Exponential Smoothing
TATTCA ECONOMCA ED ANAL D MERCATO Previsioni Economiche ed Analisi di erie oriche A.A. 2003 / 04 EERCTAZONE 4 Exponenial moohing di Daniele Toninelli Noa: LAVORARE U PRM 0 ANN D DAT E ARE EVENTUAL PREVON
DettagliANALISI DEI RESIDUI E RELAZIONI NON LINEARI
Lezione del 5-- (IV canale, Do.ssa P. Vicard) ANALISI DEI RESIDUI E RELAZIONI NON LINEARI ESEMPIO: consideriamo il seguene daa se x y xy x y* e 9, 9,,,, 5, 7,,,7, 9 9,5 -,7 9,77 7,9 7,5,7 9,,,5,7,, 9,
DettagliGeometria analitica del piano pag 7 Adolfo Scimone. Rette in posizioni particolari rispetto al sistema di riferimento
Geomeria analiica del piano pag 7 Adolfo Scimone Ree in posizioni paricolari rispeo al sisema di riferimeno L'equazione affine di una rea a + + c = 0 può assumere forme paricolari in relazione alla posizione
DettagliC2. Introduzione alla cinematica del moto in una dimensione
C. Inroduzione alla cinemaica del moo in una dimensione Legge oraria di un puno maeriale che si muove su una rea Come già discusso, la legge oraria di un puno maeriale che si muove su una rea è la funzione
DettagliCALENDARIO BOREALE 2 AMERICHE 2015 PROBLEMA 1
www.maefilia.i Indirizzi: LI2, EA2 SCIENTIFICO; LI3 - SCIENTIFICO - OPZIONE SCIENZE APPLICATE CALENDARIO BOREALE 2 AMERICHE 21 PROBLEMA 1 Sai seguendo un corso, nell'amio dell'orienameno universiario,
DettagliVolume FISICA. Elementi di teoria ed applicazioni. Fisica 1
Volume FISICA Elemeni di eoria ed applicazioni Fisica ELEMENTI DI TEORIA ED APPLICAZIONI Fisica CUES Cooperaiva Universiaria Edirice Salerniana Via Pone Don Melillo Universià di Salerno Fisciano (SA)
DettagliVerifica di Matematica Classe V
Liceo Scienifico Pariario R. Bruni Padova, loc. Pone di Brena, 6/3/17 Verifica di Maemaica Classe V Soluzione Problemi. Risolvi uno dei due problemi: 1. Facciamo il pieno. Il serbaoio del carburane di
DettagliESERCIZI di TEORIA dei SEGNALI. La Correlazione
ESERCIZI di TEORI dei SEGNLI La Correlazione Correlazione Si definisce correlazione (o correlazione incrociaa o cross-correlazione) ra i due segnali di energia, in generale complessi, x() e y() la quanià:
DettagliLA CINEMATICA IN BREVE. Schede di sintesi a cura di Nicola SANTORO.
LA CINEMAICA IN BREVE Schede di sinesi a cura di Nicola SANORO Lo scopo di quese schede è quello di riassumere i concei principali e le formule fondamenali della cinemaica, per venire inconro alle esigenze
DettagliEsercizi di Matematica Finanziaria - Corso Part Time scheda 1- soluzioni - Leggi finanziarie, rendite ed ammortamenti
Esercizi di Maemaica Finanziaria - Corso Par Time scheda - soluzioni - Leggi finanziarie, rendie ed ammorameni. Le soluzioni sono: (a) M 3 = 00 ( + 3) = 5, M 8 = 5 ( + 5) = 43.75. (b) Va risola l equazione
DettagliModelli ARMA, regressione spuria e cointegrazione Amedeo Argentiero
Modelli ARMA, regressione spuria e coinegrazione Amedeo Argeniero amedeo.argeniero@unipg.i Definizione modello ARMA Un modello ARMA(p, q) (AuoRegressive Moving Average of order p and q) ha la seguene sruura:
DettagliSistemi Lineari e Tempo-Invarianti (SLI) Risposta impulsiva e al gradino
Sisemi Lineari e Tempo-Invariani (SLI) Risposa impulsiva e al gradino by hp://www.oasiech.i Con sisema SLI si inende un sisema lineare e empo invariane, rispeo alla seguene figura: Lineare: si ha quando
DettagliTeoria dei Segnali. La Convoluzione (esercizi) parte seconda
Teoria dei Segnali La Convoluzione (esercizi) pare seconda 1 Esercizio n.8 Calcolare la convoluzione ra i due segnali : e x() = rec ( ) rec ( 2 ) y() = rec 2 ( ) Conviene inizialmene disegnare i due segnali
DettagliEconomia Politica H-Z Lezione 9
Blanchard, Macroeconomia, Il Mulino 2009 Economia Poliica H-Z Lezione 9 Sergio Vergalli vergalli@eco.unibs.i Sergio Vergalli - Lezione 4 1 Blanchard, Macroeconomia, Il Mulino 2009 Capiolo XIII. Le aspeaive:
DettagliLa risposta di un sistema lineare viscoso a un grado di libertà sollecitato da carichi periodici. Prof. Adolfo Santini - Dinamica delle Strutture 1
La risposa di un sisema lineare viscoso a un grado di liberà solleciao da carichi periodici Prof. Adolfo Sanini - Dinamica delle Sruure 1 Inroduzione 1/ Un carico p() si dice periodico quando assume indefiniamene
DettagliMinimi Quadrati Ricorsivi
Minimi Quadrai Ricorsivi Minimi Quadrai Ricorsivi Fino ad ora abbiamo sudiao due diversi meodi per l idenificazione dei modelli: - Minimi quadrai, uilizzao per l idenificazione dei modelli ARX, in cui
DettagliTIPI DI REGOLATORI. Esistono diversi tipi di regolatori che ora analizzeremo.
TIPI DI REGOLATORI Esisono diversi ipi di regolaori che ora analizzeremo 1REGOLATORI ON-OFF Abbiamo deo che i regolaori sono quei sisemi che cercano di manenere l uscia cosane On-Off sa per indicare che
DettagliLA RELAZIONE TRA MASSIMIZZAZIONE DEI PROFITTI NEL BREVE E NEL LUNGO PERIODO
83 LA RELAZIONE TRA MASSIMIZZAZIONE DEI PROFITTI NEL BREVE E NEL LUNGO PERIODO 1 La formulazione del problema In queso capiolo svolgiamo l'esperimeno di prendere sul serio la disinzione ra breve periodo
DettagliTratto dal Corso di Telecomunicazioni Vol. I Ettore Panella Giuseppe Spalierno Edizioni Cupido. lim. 1 t 1 T
rao dal Corso di elecomunicazioni Vol. I ore Panella Giuseppe Spalierno dizioni Cupido 4. nergia e Poenza Dao un segnale di ampiezza s() si definisce energia oale il valore del seguene inegrale: + / /
DettagliIl Value at Risk secondo l approccio parametrico: un esempio semplificato
Universià degli Sudi di Napoli Federico II Caedra di Economia delle Aziende di Assicurazione Il Value a Risk secondo l approccio paramerico: un esempio semplificao Domenico Curcio, Ph. D. Value a Risk
DettagliIntroduzione all analisi delle serie storiche e dei metodi di previsione
Inroduzione all analisi delle serie soriche e dei meodi di previsione Indice. Capiolo inroduivo,. Inroduzione.2 Fasi di un analisi di previsione e sruura delle dispense 2. Meodi e srumeni di base, 5 2.
DettagliSESSIONE SUPPLETIVA PROBLEMA 2
www.maefilia.i SESSIONE SUPPLETIVA - 26 PROBLEMA 2 Fissao k R, la funzione g k :R R è così definia: g k = e kx2. Si indica con Γ k il suo grafico, in un riferimeno caresiano Oxy. ) Descrivi, a seconda
DettagliL'importanza delle restrizioni econometriche nell'utilizzo dei modelli GARCH per la valutazione del rischio di prodotti finanziari
L'imporanza delle resrizioni economeriche nell'uilizzo dei modelli GARCH per la valuazione del rischio di prodoi finanziari Giusj Carmen Sanangelo (MeodiaLab) Robero Reno (Universià di Siena e MeodiaLab)
DettagliTRASFORMATE DI LAPLACE
CONTROLLI AUTOMATICI Ingegneria della Gesione Indusriale e della Inegrazione di Impresa hp://www.auomazione.ingre.unimore.i/pages/corsi/conrolliauomaicigesionale.hm Trasformae di Laplace Gli esempi visi
Dettagli, proporzionale alla RH%, si fa riferimento allo schema di figura 3 composto dai seguenti blocchi:
Esame di Sao di Isiuo Tecnico Indusriale A.S. 007/008 Indirizzo: ELETTRONICA E TELECOMUNICAZIONI Tema di: ELETTRONICA Si deve rilevare l umidià relaiva RH% presene in un ambiene, nell inervallo 0 90%,
DettagliUNITA 3. LE EQUAZIONI GONIOMETRICHE.
UNITA. LE EQUAZIONI GONIOMETRICHE.. Generalià sulle equazioni goniomeriche.. Equazioni goniomeriche elemenari con seno, coseno, angene e coangene.. Alri ipi di equazioni goniomeriche elemenari.. Le funzioni
Dettagliintervalli di tempo. Esempio di sistema oscillante: Fig. 1 Massa m che può traslare in una sola direzione x, legata ad una molla di rigidezza k.
Sudio delle vibrazioni raa ogni oscillazione di una grandezza inorno ad una posizione di equilibrio. La forma piu semplice di oscillazione e il moo armonico che puo i essere descrio da un veore roane Ae
DettagliCAPITOLO 2 IL MODELLO DI CRESCITA DI SOLOW
CAPITOLO 2 IL MODELLO DI CRESCITA DI SOLOW Nella prima pare del capiolo esponiamo il modello di crescia di Solow 1. Successivamene sudieremo le proprieà di convergenza del reddio pro capie implicie nell
DettagliAlcuni strumenti per misure di portata e velocità
Capiolo 8 lcuni srumeni per misure di poraa e velocià 8. Meodi sperimenali per misure di velocià lcune delle principali ecniche che si uilizzano in fluidodinamica per misure di velocià (o poraa) sono riassune
DettagliCi domandiamo allora se e sempre possibile rappresentare una funzione in questo modo.
1. Serie di Fourier I problemi al bordo associai ad equazioni differenziali si sanno risolvere con il meodo di separazione delle variabili solano se il dao iniziale si rappresena nella forma fx = a cosx
DettagliRISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI 1 Fondameni di segnali Fondameni e rasmissione TLC Inroduzione Se il segnale d ingresso di un sisema Lineare Tempo-Invariane LTI e un esponenziale
DettagliCalcolo di integrali - svolgimento degli esercizi
Calcolo di inegrali - svolgimeno degli esercizi Calcoliamo una primiiva di cos(e 5. Inegriamo due vole per pari, scegliendo e 5 d come faore differenziale e cos( come faore finio. Si ha cos(e 5 d e5 5
DettagliLaboratorio di Fisica I: laurea in Ottica e Optometria
Laboraorio di Fisica I: laurea in Oica e Opomeria Misura del empo caraerisico di carica e scarica di un condensaore araverso una resisenza Descrizione Si vuole cosruire un circuio in serie collegando generaore
DettagliCapitolo XXI. disavanzo. Elevato debito pubblico 20/05/ Il vincolo di bilancio del governo. Il disavanzo di bilancio nell anno t è:
Capiolo XXI. Elevao debio pubblico 1. Il vincolo di bilancio del governo Il disavanzo di bilancio nell anno è: disavanzo = r 1 + G T -1 = debio pubblico alla fine dell anno -1 r = asso di ineresse reale
DettagliSISTEMI LINEARI TEMPO INVARIANTI
SISTEMI LINEARI TEMPO INVARIANTI 1 Fondameni di segnali Fondameni e rasmissione TLC Definizione di sisema Sisema: Da un puno di visa fisico e un disposiivo ce modifica un segnale x(, deo ingresso, generando
DettagliESEMPIO 1 Per portare un bicchiere d acqua (forza F=2,5 N) dal tavolo alla bocca (spostamento
8. L ENERGIA La parola energia è una parola familiare: gli elerodomesici, i macchinari hanno bisogno di energia per funzionare. Noi sessi, per manenere aive le funzioni viali e per compiere le azioni di
DettagliLa Previsione della Domanda. La previsione della domanda è un elemento chiave della gestione aziendale
La Previsione della omanda La previsione della domanda è un elemeno chiave della gesione aziendale Cosi Cliene Vanaggio compeiivo esi I mod 001 1 ermiene rocesso oninuo Personalizzao Prodoo Indifferenziao
DettagliBlanchard, Macroeconomia, Il Mulino 2009 Capitolo XXII. Elevato debito pubblico. Capitolo XXII. Elevato debito pubblico
Capiolo XXII. Elevao debio pubblico 1. Il vincolo di bilancio del governo Il disavanzo di bilancio nell anno è: disavanzo = rb 1 + G T B -1 = debio pubblico alla fine dell anno -1 r = asso di ineresse
DettagliDiodi a giunzione p/n.
iodi a giunzione p/n. 1 iodi a giunzione p/n. anodo caodo Fig. 1 - Simbolo e versi posiivi convenzionali per i diodi. diodi sono disposiivi eleronici a 2 erminali caraerizzai dalla proprieà di poer condurre
DettagliIl Debito Pubblico. In questa lezione: Studiamo il vincolo di bilancio del governo.
Il Debio Pubblico In quesa lezione: Sudiamo il vincolo di bilancio del governo. Esaminiamo i faori che influenzano il debio pubblico nel lungo periodo. Sudiamo la sabilià del debio pubblico. 327 Il disavanzo
DettagliESEMPI DI ESERCIZI SU IRPEF ED IRES
ESEMPI DI ESERCIZI SU IRPEF ED IRES 1. Irpef 1) Dopo avere definio il conceo di progressivià delle impose, si indichino le modalià per la realizzazione di un sisema di impose progressivo. ) Il signor A,
DettagliDato T = numero di osservazioni disponibili nel campione di dati, è possibile calcolare per la generica variabile x: Var. Corr =
. MISURE STATISTICHE DI SINTESI Dao T = numero di osservazioni disponibili nel campione di dai, è possibile calcolare per la generica variabile : T Media (campionaria); µ = i T i= T 2 Varianza (campionaria);
Dettagli1. Domanda La funzione di costo totale di breve periodo (con il costo espresso in euro) di un impresa è la seguente:
1. omanda La funzione di coso oale di breve periodo (con il coso espresso in euro) di un impresa è la seguene: eerminare il coso oale, il coso oale medio, il coso marginale, i cosi oali fissi e i cosi
DettagliInsegnamento di Complementi di idrologia. Esercitazione n. 2
Insegnameno di Complemeni di idrologia Eserciazione n. 2 Deerminare, con un procedimeno di araura per enaivi, i parameri del modello DAFNE per il bacino del fiume Tinaco a Puene Nuevo (Venezuela). Conrollare
DettagliMemoria cache. Corso di Laurea in Ingegneria dell Informazione Università degli Studi di Firenze AA 2008/2009
Memoria cache Coo di Laurea in Ingegneria dell Informazione Univeià degli Sudi di Firenze AA 2008/2009 D S I Inroduzione Il problema delle presazioni dei calcolaori copre divei aspei, ma con l aumenare
DettagliL AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS
Deliberazione 15 dicembre 2011 - ARG/gas 180/11 Modifiche ai crieri generali di applicazione dei corrispeivi di cui all aricolo 12 del TIVG in maeria di deerminazione e applicazione del ermine P e modifiche
DettagliINFLAZIONE, PRODUZIONE 1 E CRESCITA DELLA MONETA
INFLAZIONE, PRODUZIONE 1 E CRESCITA DELLA MONETA CI OCCUPEREMO DI 1) Legge di Okun Relazione ra la variazione della disoccupazione e la deviazione del asso di crescia della produzione dal suo asso naurale
DettagliCorso di Laurea in Disegno Industriale. Lezione 6 Novembre 2002 Derivate successive, derivate parziali e derivate di vettori. F.
Corso di Laurea in Disegno Indusriale Corso di Meodi Numerici per il Design Lezione 6 Novembre Derivae successive, derivae parziali e derivae di veori F. Caliò I5 5 Derivazioni ripeue Derivaa della derivaa
DettagliDeficit e debito pubblico
DEITO PULICO Defici e debio pubblico Se il governo di uno Sao spende più di quano incassa, si genera un defici pubblico. Viceversa, si parla di surplus. Il defici è finanziao dallo Sao ricorrendo a presii
DettagliVERSO LA SECONDA PROVA DI MATEMATICA 2017
erso la seconda prova di maemaica 07 - Esercizi ERS L SEN PR I MTEMTI 07 ESERIZI Limii RELTÀ E MELLI Quesione di concenrazione Un farmaco somminisrao per via inramuscolare prima viene inieao nel muscolo
DettagliANALISI DESCRITTIVA DELL'EVOLUZIONE DI UNA SERIE TEMPORALE
ANALISI DESCRITTIVA DELL'EVOLUZIONE DI UNA SERIE TEMPORALE NOZIONI TEORICHE Il mondo del urismo, caraerizzao per il suo grande dinamismo, ha bisogno srumeni saisici che faciliino l'analisi dell'evoluzione
DettagliIL MODELLO LOGISTICO NEL CASO CONTINUO
IL MODELLO LOGISTICO NEL CASO CONTINUO I modelli discrei si basano sull ipoesi cha la riproduzione sia concenraa in una sagione dell anno. Il passaggio da una generazione all alra è descrio dalla variabile
DettagliUNIVERSITA DEGLI STUDI DI PADOVA
UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE Corso di Laurea Specialisica in Scienze Saisiche, Economiche, Finanziarie ed Aziendali PREVISIONI ROBUSTE CON IL LISCIAMENTO ESPONENZIALE
Dettaglidel segnale elettrico trifase
Rappresenazione del segnale elerico rifase Gli analizzaori di poenza e di energia Qualisar+ consenono di visualizzare isananeamene le caraerisiche di una ree elerica rifase. Rappresenazione emporale I
DettagliAA. 2012/13 50011-CLMG Esercitazione - IRPEF TESTO E SOLUZIONI
AA. 2012/13 50011-CLMG Eserciazione - IRPEF TESTO E SOLUZIONI Esercizio 1 - IRPEF Il signor X, che vive solo e non ha figli, ha percepio, nel corso dell anno correne, i segueni reddii: - Reddii da lavoro
DettagliELEVATO DEBITO PUBBLICO
1 ELEVATO DEBITO PUBBLICO IL VINCOLO DI BILANCIO DEL GOVERNO Il disavanzo di bilancio nell anno è la variazione del debio reale in quel deerminao periodo: disavanzo = rb 1 + G T Esso include - Componene
DettagliFiltri. RIASSUNTO: Sviluppo in serie di Fourier Esempi:
Filri RIASSUNTO: Sviluppo in serie di Fourier Esempi: Onda quadra Onda riangolare Segnali non peridiodici Trasformaa di Fourier Filri lineari sazionari: funzione di rasferimeno T() Definizione: il decibel
DettagliEsercizi svolti. Geometria analitica: curve e superfici
Esercizi svoli. Curve nel piano. Si rovi l equazione della circonferenza di cenro (,) e raggio. Applicando la definizione di circonferenza come luogo di puni equidisani dal cenro si ha ( ) ( y ) 4.. Si
DettagliPOLITECNICO DI TORINO
POLITECNICO DI TORINO ESERCITAZIONI DI LOGISTICA Laurea in Ingegneria Logisica e della Produzione Corso di Logisica e di Disribuzione 1 Docene: Prof. Ing. Giulio Zoeri Tuore: Ing. Giuliano Scapaccino A.A.
DettagliMoto di un corpo. Descrizione del moto. Moto in 2 dimensioni. È un moto in 1 Dimensione
Descrizione del moo Moo di un corpo Prerequisio: conceo di spazio e di empo. Finalià: descrizione di come varia la posizione o lo sao di un sisema meccanico in funzione del empo y In una sola direzione!!!!
DettagliSOLUZIONE ESERCIZI: CONCORRENZA PERFETTA E OLIGOPOLIO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia
SOLUZIONE ESERCIZI: CONCORRENZA PERFETTA E OLIGOPOLIO ECONOMIA INDUSTRIALE Universià degli Sudi di Milano-Bicocca Chrisian Garavaglia Soluzione 4 a) Indicando con θˆ la sima di θ, il profio aeso dell impresa
Dettagli9.4.4 Filtro adattato 9.4. FILTRAGGIO DI SEGNALI E PROCESSI 235
9.4. FILRAGGIO DI SEGNALI E PROCESSI 35 Rispose ) Calcoliamo la media emporale: P x = ; / / x () d = /4 /4 () d = 4 = ) Sappiamo che P y = Py (f) df, in cui Py (f) = Y (f), ed a sua vola Y (f) = X (f)
Dettaglivelocità angolare o pulsazione (gradi /s oppure rad/s) (angolo percorso da V in un intervallo di tempo)
V A = AMPIEZZA = lunghezza di V A ALTERNATA Proiezione di V X ISTANTE = velocià angolare o pulsazione (gradi /s oppure rad/s) (angolo percorso da V in un inervallo di empo) DEVE ESSERE COSTANTE Angolo
DettagliSISTEMI LINEARI TEMPO INVARIANTI. Fondamenti Segnali e Trasmissione
SISTEMI LINEARI TEMPO INVARIANTI Fondameni Segnali e Trasmissione Definizione di sisema Sisema: Da un puno di visa fisico e un disposiivo ce modifica un segnale (), deo ingresso, generando il segnale y(),
DettagliELEVATO DEBITO PUBBLICO
1 ELEVATO DEBITO PUBBLICO IL VINCOLO DI BILANCIO DEL GOVERNO Il disavanzo di bilancio nell anno è la variazione del debio reale in quel deerminao periodo: disavanzo rb 1 G T Esso include - Componene primaria
DettagliAPPUNTI INTEGRATIVI Provvisori circa: Risposta in Frequenza: Introduzione ai Filtri Passivi e Attivi. Filtri del I ordine
APPUNTI INTEGATIVI Provvisori circa: isposa in Frequenza: Inroduzione ai Filri Passivi e Aivi Filri del I ordine. Passa-Basso Consideriamo la funzione di ree: Trasferimeno in ensione ai capi di un condensaore
DettagliCorso di Componenti e Impianti Termotecnici TERMOSTRISCE
TERMOSTRISCE 1 Termo srisce Le ermosrisce sono corpi scaldani che cedono calore per convezione naurale e per irraggiameno. Sono cosiuie essenzialmene da griglie di ubi sulle quali vengono fissae delle
DettagliGENERALITA SULLE MACCHINE ELETTRICHE
GENERALITA SULLE MACCHINE ELETTRICHE Una macchina è un organo che assorbe energia di un deerminao ipo e la rasforma in energia di un alro ipo. Energia in Energia in MACCHINA ingresso uscia Energia dispersa
DettagliElevato debito pubblico
Lezione 22 (AG cap. 21) Elevao debio pubblico Corso di Macroeconomia Prof. Guido Ascari, Universià di Pavia 1. Il vincolo di bilancio del governo Il disavanzo di bilancio nell anno è: disavanzo = r 1 1
DettagliProcesso di Arrivi di Poisson
CALCOLO DELLE PROBABILITA Processo di Arrivi di Poisson Per arrivo riferimeno. si inende un qualsiasi eveno casuale che si realizza in un deerminao sisema di Un processo di arrivi è un flusso di eveni
DettagliScienze e Tecnologie Applicate L. Agarossi - ITIS P. Hensemberger - Monza
elemeni di segnali elemeni di segnali SEGNALE il segnale segnale e informazione segnale analogico e digiale il segnale digiale il segnale il segnale si può genericamene definire come una grandezza che
DettagliLa previsione della domanda nella supply chain
La previsione della domanda nella supply chain La previsione della domanda 1 Linea guida Il ruolo della prerevisione nella supply chain Le caraerisiche della previsione Le componeni della previsione ed
DettagliSoluzione. Le componenti del gradiente sono le derivate parziali della funzione: cos y 0 (x 0, y 0 ) domf =R 2. sin y 0 (x x 0 ) + e x 0
Gradiene e piano angene Definizione 1 Sia f : A R 2 R, f derivabile in (x 0, y 0 ) A). Definiamo il veore gradiene di f in (x 0, y 0 ): f(x 0, y 0 ) = (f x (x 0, y 0 ), f y (x 0, y 0 )). Definiamo il piano
DettagliL andamento del livello e della posizione d inventario indicativamente è il seguente. L = 0,5 L = 0,5
Esercizio 1 Ricapioliamo i dai a nosra disposizione (o ricavabili da quesi): - asso di domanda aeso: đ = 194 unià/mese - deviazione sandard asso di domanda: σ d = 73 - coso fisso emissione ordine (approvvigionameno):
DettagliIl concetto di punto materiale
Il conceo di puno maeriale Puno maeriale = corpo privo di dimensioni, o le cui dimensioni sono rascurabili rispeo a quelle della regione di spazio in cui può muoversi e degli alri oggei con cui può ineragire
DettagliCapitolo 8 Il regime periodico e il regime alternativo sinusoidale
Capiolo 8 Il regime periodico e il regime alernaivo sinusoidale Capiolo 8 Il regime periodico e il regime alernaivo sinusoidale 8.1 Definizioni 8.1.1 Periodo, frequenza, pulsazione Una grandezza si dice
DettagliEsercizi di Teoria dei Segnali. La Trasformata di Fourier
Esercizi di Teoria dei Segnali La Trasformaa di Fourier 1 Esercizio 1 Calcolare la rasformaa di Fourier del segnale di fig. 1.1. x() A B - T/ T/ fig.1.1 Per calcolare la rasformaa di queso segnalesi può
DettagliGLI EFFETTI DELL ATTRITO SULLA STIMA DELLA DISUGUAGLIANZA IN ITALIA
FEDERICO BIAGI, ANNA GIRALDO, ENRICO RETTORE GLI EFFETTI DELL ATTRITO SULLA STIMA DELLA DISUGUAGLIANZA IN ITALIA 1. Inroduzione L Indagine sui bilanci delle famiglie della Banca d Ialia (nel seguio IBI)
Dettagli( x) Soluzione. Si consideri la figura sottostante, che rappresenta la questione geometrica:
Sessione sraordinaria LS_ORD 7 Soluzione Si consideri la figura soosane, ce rappresena la quesione geomerica: Il riangolo APB, essendo inscrio in una semicirconferenza è reangolo, per cui AP r sin, PB
DettagliLavorazioni per asportazione di truciolo: usura utensile. Tecnologia Meccanica 1
Lavorazioni per asporazione di ruciolo: usura uensile Esercizio 1 In una lavorazione si desidera che la duraa T dell uensile sia di 15 minui. Assumendo per le cosani di Taylor i valori C = 250 e n = 0.122
DettagliPOLITECNICO DI MILANO
POLITECNICO DI MILANO CENTRO PER LO SVILUPPO DEL POLO DI CREMONA Corso di Laurea Ingegneria INFORMATICA LABORATORIO DI FONDAMENTI DI ELETTRONICA Anno --- Semesre Eserciazione n Si consideri il conaore
DettagliALIMENTATORI SWITCHING
ALIMENAORI SWIHING osiuiscono l alra caegoria dei converiori / impiegai per le applicazioni di piccola po_ enza ( 10 100 Wa ) e, più in paricolare, per l alimenazione di carichi passivi prevalenemene resisivi,
Dettagli6061-CLMG Prima Esercitazione (Irpef) TESTO E SOLUZIONI
6061-CLMG Prima Eserciazione (Irpef) TESTO E SOLUZIONI Esercizio 1 - IRPEF Il signor X, che vive solo e non ha figli, ha percepio, nel corso del 2008, i segueni reddii: - Reddii da lavoro dipendene 30000
DettagliSISTEMI LINEARI TEMPO INVARIANTI
SISTEMI LINEARI TEMPO INVARIANTI Fondameni di Segnali e Trasmissione Sisema: Definizione di Sisema Da un puno di visa fisico e un disposiivo ce modifica un segnale, deo ingresso, generando il segnale,
Dettagli2 I MODELLI ECONOMETRICI E LA LORO COSTRUZIONE
Francesco Carlucci Traccia per un corso di Economeria Modulo I Concei di base I MODELLI ECONOMETRICI E LA LORO COSTRUZIONE Indice del capiolo. Analisi economica e analisi economerica...3. I modelli e le
Dettagli