Capitolo 3. un suo modello, che si assume correttamente specificato (cioe` il processo soddisfa (*) per qualche valore di β ).

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Capitolo 3. un suo modello, che si assume correttamente specificato (cioe` il processo soddisfa (*) per qualche valore di β )."

Transcript

1 3-Ecoomeria, a.a. 4-5 Caiolo 3 3- Prorieà asioiche egli simaori OLS: Cosiseza 3- Alcue versioi el eorema el limie cerale 3-3 Prorieà asioiche egli simaori OLS: Asioica ormalia` 3-4 Simaore cosisee ella variaza asioica i ˆβ : Lo simaore i Whie 3-5 Aeice: Covergeza er le successioi i variabili aleaorie e il eorema el ela meoo 3-6 Tes sulle ioesi: il es i Wal 3-7 Tes sulle ioesi: il meoo Boosra 3-8 Aeice: Efficieza asioica egli simaori OLS 3-9 Aeice: Lo simaore i Newey-Wes I ai ecoomici soo geeralmee molo umerosi, erao i ecoomeria assumoo grae rilievo i risulai asioici (valii cioe` i reseza i grai camioi). Si segala che al uo i visa eorico all esressioe grai camioi o e` associabile u valore (o rage) umerico i moo uivoco, mere elle alicazioi ecoomeriche u camioe i imesioe maggiore i e` soliamee rieuo grae. I uo il caiolo { y, } oolazioe) e x e` u rocesso socasico (o equivaleemee u DGP o N () y = x β + u, E( u Ω ) =, x Ω er =,, u suo moello, che si assume correamee secificao (cioe` il rocesso soisfa () er qualche valore i β ). Ω raresea il comlesso elle iformazioi che soo (o orebbero essere) isoibili i (rima che sia osservaa y ), erao er ai cross-secio Ω coiee ue le variabili esogee (ell uia` saisica ) ella reala` ecoomica cosieraa, mere er ai ime-series Ω riari ella variabile ieee. o solo coiee le variabili esogee all isae, ma ache i loro riari e i y ( ) Nella auale siuazioe, se e` u qualuque (fissao) iero aurale, se esise lo simaore i β cosruio co il meoo ei momei (che coicie co lo simaore OLS) sara` eoao co ˆβ seza evieziare la sua ieeza a (er le sue iverse rareseazioi vei il aragrafo -3). Nei rimi aragrafi soo riorae le riciali roriea` asioiche i ale simaore e le ioesi Ua esressioe iu` rigorosa e`: (la σ -algebra) Ω coiee la σ -algebra geeraa a ue le variabili esogee i.

2 3-Ecoomeria, a.a. 4-5 che e assicurao la valiià. Si segala che el seguio (i queso e ei successivi caioli) le ioesi sull esiseza ei momei elle variabili aleaorie sarao omesse; uque si assume imliciamee che ue le variabili soo oae ei momei ecessari erche` i risulai eorici ivocai siao uilizzabili. 3- Prorieà asioiche egli simaori OLS: Cosiseza I ecoomeria, la cosiseza egli simaori (cioe` la covergeza i robabilia` ello simaore verso il valore vero) ha u ruolo foameale e le ioesi che la garaiscao si icoo coizioi i ieificabilià; i al caso il moello si ice ieificao (asioicamee) ( ). Proosizioe Se er il moello soo valie le seguei ioesi a) La marice xx è iveribile er ogi = sufficieemee grae; b) La sequeza xx è limiaa i robabilià; ( 3) = c) La sequeza u x coverge a (i robabilià), = ( 4) allora lo simaore ˆβ esise er (ogi) sufficieemee e e` cosisee (cioe` βˆ β; qui β eoa il valore vero el aramero). Dimosrazioe: La coizioe a) assicura l ieificabilia` (fiia) el moello, e quii l esiseza i ˆβ, er grae. La cosiseza segue immeiaamee alla rareseazioe, β ˆ = β + u xx = x, = o aea si osserva che il rooo i ue sequeze e` covergee a, se ua e` limiaa i robabilia` e l alra covergee a. I seguei ue corollari foriscoo coizioi sufficiei er la valiià` elle receei a), b) e c), i reseza i moelli er ai el io ime-series e cross-secio riseivamee. Nel seguio si fara` riferimeo semre a ali coizioi. Corollario (ai ime-series) Se L esressioe eriva al fao che er u umero i osservazioi che ee a, il DGP è uivocamee iiviuao. 3 Ua sequeza i variabili aleaorie ( ) 4 Ua sequeza i variabili aleaorie ( ) Y si ice limiaa i robabilià (o igh) e si scrive Y () se = O er ogi δ > esise ε > ale che PY ( > ε ) < δ er ogi. er ogi ε >, Y si ice covergee a i robabilià e si scrive Y () o, se = o Y δ > esise ν N ale che ( ν P( Y > ε) < δ ).

3 3-Ecoomeria, a.a. 4-5 a') Il rocesso {(, )} b') La marice y x e` sazioario (qui basa ebolmee sazioario) e ergoico, ( 5) xx ( = Σ = Σ ) E( ) er ogi x i orie è iveribile, allora lo simaore ˆβ (esise er grae e) e` cosisee. Dimosrazioe: Dalla sazioarieà e ergoicià el rocesso segue la covergeza i robabilià elle ue successioi xx e = u x a Σ e riseivamee, oe, esseo Σ iveribile, = = xx coverge i robabilià a Σ e quii xx è iveribile, er = sufficieemee grae (coizioe i ieificabilia` fiia); xx e` limiaa. = Corollario (ai cross-secio) Se a") Le variabili el rocesso {(, )} y x soo iieei, b") Soo soisfae alcue coizioi sui momei che garaiscoo la valiià ella legge ei grai umeri er i ue rocessi { xx } e { } u x ; ( 6 ) (er semlicia` ee coizioi o soo riorae, esse o soo molo resriive elle alicazioi ecoomeriche e erao si riegoo semre valie), c") ( Σ ) = lim xx e` iveribile, = allora lo simaore ˆβ (esise er grae e) e` cosisee. Dimosrazioe. E` ovvia, o aea si osserva che E( xu ) = er ogi. 5 Defiizioe i ergoicià er rocessi sreamee sazioari: er ogi f e g misurabili e limiae si ha lime( f( x,, x ) g( x,, x )) = E( f( x,, x ))E( g( x,, x )); l + h + l + + l + h + l + + l si oi che er la sazioarieà el rocesso il secoo membro o iee a l. ( 6 ) Si segalao ue classici risulai che soo geeralmee iicai co l esressioe Legge ei grai umeri. Teorema: Sia ( X ) ua sequeza i v.a. iieei, co E( X ) σ si ha X i= i= μ. Teorema i Khichie: Sia ( X ) ua sequeza i v.a. ii... co E( X ) 3 = μ, var( X ) = σ, = μ. Allora X μ. i= μ i= μ. Se

4 3-Ecoomeria, a.a. 4-5 Osservazioe: Per rovare la cosiseza ello simaore ˆβ e` sufficiee la coizioe E( xu ) = e o la coizioe iu` fore E( u x ) = come qui si sa assumeo. 3- Alcue versioi el eorema el limie cerale o Nella seguee efiizioe si irouce ua ermiologia i uso frequee. Defiizioe: Se ˆβ è uo simaore el aramero β e la sequeza isribuzioe (er ) verso ua isribuzioe N(, Σ ), ( 7) allora ( βˆ β) coverge i i) La marice Σ (e quii lim var( β ˆ) se esise) ( 8) icesi variaza asioica i ˆβ e si eoa co il simbolo Avar( βˆ ) ; ii) ˆβ si ice simaore cosisee i β. Osservazioe: Se ˆβ e` uo simaore cosisee i β, allora ( βˆ β ) =O (/ ) (ricorare che la covergeza i isribuzioe imlica la limiaezza i robabilià), oe ˆβ e` uo simaore cosisee i β (e uque coverge i robabilia` a β ) e la velocia` ella covergeza e` ell orie i /. Si segalao ora alcue versioi el eorema el limie cerale, che sarao uilizzae i quese lezioi (i leeraura soo isoibili risulai iu` geerali); il rimo e` uilizzao er ai crosssecio, gli alri ue er ai ime-series seza auocorrelazioe e co auocorrelazioe riseivamee. Teorema (el limie cerale er rocessi iieei) Sia { x } ua sequeza i variabili aleaorie e si oe = x = x er ogi. i) Se { x } ii...( μσ, ), si ha ( x ) N( ; ) μ Σ e ( ) Σ = Avar( x) = lim var( x ). ii) Se le v.a. x soo (solao) iieei (e quii o equiisribuie), soo oorue ioesi sui momei (o aricolarmee resriive elle alicazioi ecoomeriche), oso 7 La covergeza i isribuzioe i x a x equivale alla covergeza i isribuzioe i λ x a λ x er ogi λ. 8 Sussise il seguee risulao: Se X X e E( r r X ) m ( R ) allora si ha E( X ) = m r. r 4

5 3-Ecoomeria, a.a. 4-5 μ = lim E( x ), si ha = ( ) N( ;Avar( Avar( x) = lim var( x) = lim var( x ) x μ x)) co ( ) Teorema (el limie cerale er iffereze marigale) Se { x } e` ua sequeza i variabili aleaorie ale che, allora { } x è sreamee sazioaria co E( x ) e var( x ) Σ, { x } è ergoica, { } x è ua iffereza marigala (cioè E( x x,, x) = er ogi ), = x N(, Σ ). Le ioesi ell`ulimo eorema el limie cerale o soo eslicie, o solo erche` o soo semlici, ma sorauo erche` elle alicazioi ecoomeriche o ci soo srumei che e assicurio la valiia`. Teorema 3 (el limie cerale er rocessi auocorrelai) Sia { x } u rocesso sreamee sazioario e ergoico co qualche forma i iieeza (iù recisamee i ebole ieeza) er variabili isai riseo all iice emorale (u esemio molo aricolare e` forio ai rocessi MA( q ), che sarao irooi i u rossimo caiolo). = = Poso μ = E( x ), si ha ( x μ) N(,Avar( x)) e Avar( x) = Γ (che e` covergee), + = Γ x x x μ x μ (cfr. 3.9, ro. ). co = cov(, ) = E ( )( ) 3-3 Prorieà asioiche egli simaori OLS: Asioica ormalia` o I risulai reseai i queso aragrafo soo i rimaria imoraza, i quao coseoo i uilizzare gli simaori OLS ella soluzioe i roblemi i ifereza saisica. Teorema (Asioica ormalià egli simaori OLS) Si assume che il rocesso { y, x } soisfa le seguei coizioi: a) È valia qualche versioe ella legge ei grai umeri er il rocesso { xx } ; 5

6 3-Ecoomeria, a.a. 4-5 b) La marice Σ = lim xx ) è iveribile; = c) Sussise ua versioe el eorema el limie cerale er il rocesso { u } x e quii Allora xu N(,Avar( )) x u. = ( βˆ β) N(,Avar( β)) ˆ e Avar( ˆ) Avar( ) β = Σ xu Σ. Dimosrazioe. L assero segue immeiaamee alla rareseazioe e alla c) i eorema i 3-5. β ˆ = β + u xx = x, = Il seguee corollario, la cui imosrazioe segue immeiaamee alle roriea` elle successioi covergei (i robabilia` o i isribuzioe), cosee i uilizzare il receee eorema ei roblemi i ifereza. Corollario Nelle sesse ioesi el eorema, se e` isoibile uo simaore cosisee i Avar( x u), i solio eoao co il simbolo Avar( x u), allora si ha / βˆ ( ) Avar( ) ˆ N (,) β β I (i breve β ˆ β N (,Avar()/ β ˆ )) co ˆ ˆ ˆ Avar( β) = Σ Avar( xu) Σ e ˆ Σ = xx. = Osservazioe : Tui i sofware ecoomerici, i aricolare grel, i ogi roceura i sima, accao a ˆi β riorao la raice quaraa ell i esimo elemeo iagoale i Avar( ˆ β) /, eomiao errore saar i ˆi β, i simboli es..( ˆ β i ), ecessario er fare ifereza sul aramero β i. I alcue circosaze sara` ecessario far riferimeo alla saisica, la cui osservazioe el camioe e` o es..( ˆ β ); er eviare ossibili equivoci, er essa si uilizzera` la oazioe ES..( ˆ β ) (e i es..( ˆ β ), come ivece si e` solii fare). i Osservazioe : Nelle seguei ue siuazioi, frequei elle alicazioi, si ossoo rieere valie le ioesi el receee eorema, mere il roblema ella cosruzioe i uo simaore cosisee i Avar( x u) sara` affroao el rossimo aragrafo. i 6

7 3-Ecoomeria, a.a. 4-5 ) Dai el io cross-secio: I queso caso e` ragioevole assumere che il rocesso { y, x } sia muuamee iieee e quii (soo oorue ioesi sui momei che geeralmee si riegoo valie) sussise il eorema el limie cerale er il rocesso { u } x e la legge ei grai umeri er il rocesso { xx }, mere l iveribilià i Σ, qui come el caso successivo, e cosegueza ell`ioesi i ieificazioe el moello. ) Dai el io ime-series: La siuazioe ora è molo iversa a quella escria el caso receee; er la valiià el eorema el limie cerale si ovrao fare ioesi molo resriive. Per esemio richieere che il rocesso {, } y x sia sreamee sazioario e ergoico (ioesi che assicura la valiia` ella legge ei grai umeri er il rocesso { xx }, ma che er mole imeseries o soo valie) ( ) 9 e il rocesso { u } x sia ua iffereza marigala ( ) o verifichi ua qualche oorua ioesi i ebole ieeza (vei eorema e 3 i 3-). o 3-4 Simaore cosisee ella variaza asioica i ˆβ : Lo simaore i Whie Dalla rareseazioe i Avar( βˆ ), segue che u suo simaore cosisee sara` isoibile o aea si cosruisce uo simaore cosisee i Avar( x u). A al fie si esamiao searaamee i seguei re casi; ei rimi ue la raazioe e` esauriee, el erzo qualche alro eaglio e` ao ell aeice 3.9. Si segala che le cosierazioi ei rimi ue casi soo valie sia er ai cross-secio che er ime-series, mere quelle resei ella iscussioe el erzo caso soo riferie esclusivamee alle ime-series. a) Il rocesso { u } x e` ua iffereza marigala (i aricolare iieee) e gli errori (coizioai) soo omoscheasici, (cioè E( u )( var( u )) E( u ) = σ ). Ω = Ω = σ, a cui segue che 9 Come gia` eo ale ioesi soo molo resriive, erao soo ochi i rocessi che le verificao. L aalisi relimiare ei ai (lo, auocorrelazioe emirica, ) uo` coseire i escluere co ragioevole cerezza la loro valiia` (maggiori eagli si rovao egli esercizi). A queso uo, e` imorae segalare che alcue rasformazioi sui rocessi coseoo i elimiare quelle aomalie che orao a escluere che il rocesso ossa essere sazioario e ergoico; alcue i quese soo Δ x = x x (il iffereziale) e Δ log x = log x log x (il iffereziale logarimico), ques ulima ha u ieressae sigificao ecoomico come iu` vole sara` evieziao egli esercizi. Ua coizioe sufficiee, che ha u semlice sigificao ecoomico, è E( u u, u,, x, x, ) = e i aricolare la coizioe gli errori soo iovazioi cioe` gli errori soo a meia ulla, ra loro iieei e e` iieee a er ogi. Ω Dimosrazioe: E [( ux) ( u x ),( u x ), ] E[ E(( ux) u, u,, x, x, ) ( u x ),( u x ), ] (ci soo ifai iù iformazioi i ( u, u,, x, x, ) che i (( u x ),( u x ), ) = E[ x E( u u, u,, x, x, ) ( u x ),( u x ), ] =. = = 7 u

8 3-Ecoomeria, a.a. 4-5 b) Il rocesso { u } x e` ua iffereza marigala (i aricolare iieee) e gli errori (coizioai) soo eeroscheasici (cioe` E( ) u Ω o e` cosae e erao, seza uleriori iformazioi, orebbe ieere a, a x ma ache a alro; i ogi caso o e` escluso che E( u ) sia cosae, circosaza che ceramee si verifica quao i reseza i ime series si assume che il rocesso { y, x } e` sazioario). c) Il rocesso { u } x e` auocorrelao (geeralmee cosegueza ella reseza i auocorrelazioe el rocesso egli errori; si osservi che ella coizioe i oa 9 o si ice ulla sulla reseza o meo i auocorrelazioe el rocesso { x }). Caso a): Si osserva che: esseo E( u x ) = e E( u x ) = σ si ha x x x x x x x x x var( u) = E( u ) = E E( u ) = E E( u ) = σ E( xx ) (i aleraiva si sarebbe ouo osservare che le variabili u e xx soo o correlae); esseo il rocesso { u } x o auocorrelao, alla legge ei grai umeri segue Avar( xu) = lim var( u) lim E( u ) lim σ x = xx = xx = = ; = lim uˆ lim ˆ = u σ = (cfr. oa i basso ( ) ) (e quii ˆ σ = uˆ = S = = = e`, come S, uo simaore cosisee i σ ). Dalle receei osservazioi e alla rareseazioe i Avar( βˆ ) ˆ Avar( β) = ˆ u = xx = xx = = Caso b): Esseo le variabili el rocesso { u } x o correlae, si ha: segue che u suo simarore e` Avar( xu) = lim var( u) lim E( u ) lim x = xx u = xx = = ; = e co argomei el uo simili a quelli resei ella oa, si ha lim ( uˆ ) lim u xx = xx =. = Dall uguagliaza ( ) ( ) ˆ uˆ = ( uˆ u ) + u = (( uˆ u ) + u u ( uˆ u ) = u + x ( β β) ux ( βˆ β), sommao riseo a, ivieo er e assao al limie (i robabilià) er, si ha lim uˆ = lim u = σ. 8 S = =

9 3-Ecoomeria, a.a. 4-5 Dalle receei segue immeiaamee che ˆ Avar( ) = ˆ u = = = β xx xx xx. Lo simaore ora cosruio e` eomiao iiffereemee simaore i Whie o robuso all eeroscheasicià (HC); alcue sue o sosaziali variai, qui o segalae, soo iicae co HC, HC, HC 3. Caso c): Le variabili el rocesso { x u } soo ebolmee correlae e allora la variaza asioica i x u ha ua rareseazioe che coivolge ache le covariaze elle variabili el rocesso (vei eorema 3 i 3-). U simaore cosisee i Avar( βˆ ) è sao cosruio a Newey-Wes; qualche eaglio sulla sua cosruzioe si rova i 3-9. Nei sofware ecoomerici è iicao co il ome egli auori oure co la sigla HAC (heeroseasiciy a auocorrelaio cosise). Osservazioe : La cosruzioe ello simaore i Whie o richiee alcua iformazioe su E( u Ω ), e` allora ragioevole, e se e avrà coferma iù avai, che, i reseza i oorue iformazioi sulla eeroscheasicia`, i meoi geerali er la cosruzioe egli simaori (fio a queso momeo il meoo OLS che coicie co il meoo ei momei) ossao essere aaai er oeere simaori iù efficiei. A queso uo erò è ache abbasaza aurale orre il roblema ella ricerca i buoi moelli er E( ) u Ω. L argomeo, ell ambio elle serie emorali, ha avuo receemee aricolare aezioe a are egli ecoomerisi, orao a risulai ieressai sia al uo i visa eorico che a quello alicaivo. o 3-5 Aeice: Covergeza elle successioi i variabili aleaorie e il eorema el ela meoo Il riciale risulao i queso aragrafo e` il eorema el ela meoo; il reso el aragrafo e` eicao al richiamo i alcue roriea` (seza imosrazioe ) elle successioi i variabili aleaorie covergei. Proosizioe Sia a () ua fuzioe a valori veoriali coiua. Allora ( ) ( ) a) z α a z a α ; b) z z a z a z. ( ) ( ) Ua immeiaa cosegueza ella a) ella receee roosizioe è la sabilià ella covergeza i robabilià soo le usuali oerazioi arimeiche. Più recisamee 9

10 3-Ecoomeria, a.a. 4-5 x + yβ + γ x β i) xβ, yγ urchè γ y γ x y β γ ii) Y Γ, Γ marice iveribile Y Γ. U risulao aalogo, uilizzao il uo b), si ha er la covergeza i isribuzioe. Teorema (i Slusy) Siao α e A riseivamee u veore e ua marice i umeri reali. a) xx, yα x + yx + α ; b) xx, y yx; c),, iolre se x x A A A x Ax x N ( ; Σ) allora ( ; ) Ax N AΣA ; ) xx, AA, A è iveribile x A xxa ; iolre se allora x x N ( ; A ) χ xa x esseo la imesioe i x. Proosizioe 3 Se x x e { z } è ua sequeza i variabili aleaorie ale che x z (o equivaleemee z = x () + o ; quao cio` accae si ice che le ue sequeze i variabili soo ( ( ) ) asioicamee equivalei) allora z = z x + x x. Teorema 4 (el ela meoo ) Sia z N ( ; Σ) e { x } ua sequeza i veori aleaori i R ali che ( ) x β e x β z. Sia iolre a(): R R r co r, ua fuzioe coiua co le sue erivae e sia A( β) ( r ) a = ( β ) i rago massimo β r. Allora si ha ( ( )) ( ax aβ ) A( β) z N A( β) ΣA( β) ( ) ( ) ; '. Dimosrazioe. Iao al eorema i Lagrage er ogi esise y aareee al segmeo cogiugee x e β ale che

11 3-Ecoomeria, a.a. 4-5 Ora esseo ( )( ) ax ( ) aβ ( ) = A y x β. ( ) i) y β, (i quao { x } coverge i robabilia a β e aariee al segmeo cogiugee e β ); x ( ) ( ) ii) A y A β ; (esseo la fuzioe A coiua); alla c) i eorema, si ha ( ( ) ( )) ax aβ A β z ( ). y 3-6 Tes sulle ioesi: il es i Wal o Il aragrafo e` eicao ieramee alla cosruzioe (ella classe) ei es i Wal, su ioesi lieari o olieari sul aramero β, che come e` aurale hao solao valiià` asioica. Gli argomei a cui si e` fao ceo i -5 ossoo essere uilizzai er cosruire alri es (LM ( 3 ) e LR), la cui reseazioe e` riviaa. Al momeo, quesi ulimi ossoo aarire meo vaaggiosi i quao, mere i es i Wal uilizzao solao il moello o vicolao, che e` ceramee lieare, gli alri ue uilizzao il moello vicolao (il rimo solao quello, il secoo erambi) che i reseza i ioesi o lieari e` o lieare. Il es i Wal o e` comuque esee a icoveiei, uo e` segalao ella osservazioe alla fie el aragrafo. Il coeso i cui la classe i es i Wal e` uilizzabile, e` molo iu` geerale i quello ei moelli lieare, come risula chiaro a quao verra` esoso. Sia ˆβ uo simaore el aramero β (qui o e` ecessario che β sia il aramero i u moello lieare) ale che i) ( βˆ β) N(,Avar( β)), ˆ ii) e` isoibile Avar( ˆ β ) uo simaore cosisee er Avar( βˆ ), Il eorema i Lagrage vale er fuzioi a valori reali, erao è ifferee er ciascua cooriaa ella fuzioe a(), ma ciò è irrilevae; ciò che coa è che ciascu y aariee al segmeo cogiugee x e β. 3 Daa la semlicia` i realizzazioe, si escrive il es LM el caso i ioesi el io H, er il moello : β = lieare co iercea e errori omoscheasici y = x β + u e β = ( β, β ), seza forire alcua giusificazioe. Primo u la sequeza ei resiui. Secoo asso: Si sima co il meoo OLS il moello asso: Si sima il moello e sia { } ˆ ausiliario u = x γ + error e si cosiera il coefficiee i eermiazioe. Terzo asso: Si rifiua l ioesi ulla se R ˆ c, α > χ, esseo la imesioe i β. y R c

12 3-Ecoomeria, a.a. 4-5 e si cosierao le seguei ue ioesi saisiche sul aramero β : { ) (Ioesi lieari) H : Rβ = b, H : Rβ b, esseo R ua marice i orie r, co r e i rago massimo. r ) (Ioesi o lieari)) { H : a( β) =, H : a( β), esseo a: R R ( r ) c la marice a( β) A( β) = ha rago massimo. ( r ) β Cosruzioe el es i Wal co livello i sigificaivia` α : Caso Si cosiera la saisica Avar( βˆ ) R ( ˆ ) ( ˆ R W = Rβ b) Rβ b (4), eomiaa la saisica i Wal er l ioesi H (essa misura la isaza esaa i Rβˆ a b(= Rβ) quao H e` vera, co eso ari all iversa ella sima ella variaza) e er essa si ha ( Rβˆ b) N (, RAvar( βˆ) R ), Avar( ˆ β) Avar( β ˆ ) e R β ha imesioe r. Da ques ulima roriea`, alla efiizioe i W e alla roriea` ) el eorema i -5, segue che, W χ r e erao il es co livello i sigificaivià α, valio er camioi sufficieemee grai, e` Si rifiua l ioesi H se W χr, α >. Caso I queso caso, esseo ( ˆ ) a( β) a( β ) N( Aβ, ( )Avar( βˆ ) A( β )) (segue al eorema el ela meoo ); A( βˆ ) A( β) ; Avar( ˆ β) Avar( β ˆ ) ; la saisica i Wal er l ioesi H (cioe` la isaza esaa i a( βˆ ) a ) ha la seguee rareseazioe W β A β ( ˆ ) ˆ ˆ ˆ ( ˆ A( β)(avar( )) ( ) = a( β) ) a( β), 4 Nella cosruzioe i es su ioesi, sui arameri i u moello co errori eeroscheasici, grel eoa acora co F la saisica es, ma i queso caso essa e efiia all uguagliaza F = W / r..

13 3-Ecoomeria, a.a. 4-5 iolre, ell ioesi, acora alla ) i eorema i -5, segue che H, W χ r che cosee, come rima, la cosruzioe el es co valiia` asioica e co livello i sigificaivia` α. Osservazioe: E ooruo ricorare che, quao gli errori soo omoscheasici, la saisica i Wal (er ( ) ioesi lieari) coicie co rf, esseo F la saisica i Fisher, 5 mere quao gli errori soo eeroschasici la saisica F o ha l usuale sigificao, ma e` efiia come W / r. La saisica i Wal er ioesi o lieari resea il grosso icoveiee i o essere ivariae riseo alla rareseazioe ella ioesi ; i realà i valori assui alla saisica ello sesso camioe ossoo essere molo iversi i reseza i ifferei, ma equivalei rareseazioi (.es. H A B H : ββ = e H : β = er il moello y = β + βx + βx + u ). β Osservazioe (come remessa a qualche geeralizzazioe, cfr. ca. 4): Ua leura suerficiale el coeuo i queso caiolo uo` far esare che la rareseazioe aaliica ello simaore el aramero β abbia u ruolo i rimaria imoraza (come eralro accae el caio ). I reala` e` ecessario solao che lo simaore esisa er grae (ieificabilia` al fiio); le roriea` (forse) orebbero essere sabilie seza uilizzare la rareseazioe (er uo suee i maemaica ale ircosaza o ovrebbe sembrare sraa), mera la sima, i quao miimo i ua fuzioe obieivo, e` iiviuabile co meoi umerici. o 3-7 Tes sulle ioesi: Il Meoo Boosra Nella cosruzioe ei es, il roblema riciale e` quello i iiviuare la isribuzioe i robabilià, ell ioesi H, ella saisica che iiviua la classe ei es (ea brevemee saisica es ). Il roblema ciao o e` ero` i facile soluzioe. I risulai oeui ei aragrafi receei, o soo cero soisfacei er varie ragioi, ra le alre soo er il momeo valii i moelli molo semlici, hao solao valiia` asioica e allora lasciao semre seza risosa la omaa: il camioe a isosizioe e` realmee grae? Il riciio che sara` euciao iu` avai cosee i affroare il roblema a u alra 5 [( )/ ]/[ /( )] F = RSSR USSR r U SSR (cfr.-4). 3

14 3-Ecoomeria, a.a. 4-5 agolazioe e i oeere risose, quao o ci soo alre roceure e alvola ache migliori quao ci soo. La sua alicabilia` o e` limiaa alla sola cosruzioe i es, come orebbe aarire alla leura i queso aragrafo.. Defiizioe Se M e` u moello (uque u isieme i sruure) er ua oolazioe o equivaleemee er u DGP (Daa Geeraig Process) e M e` la (vera) sruura che ha geerao i ai a isosizioe (il camioe ella oolazioe), ua eveuale sruura (o DGP) ˆM el moello, iiviuaa (co meoi saisici) araverso i ai e` ea DGP-Boosra. Osservazioe: No si eve cofoere il moello M ella efiizioe co il moello ( M ( θ)) sul quale si eve fare ifereza. E abbasaza ragioevole rieere che il rimo ebba coeere il secoo, er il reso o ci soo alre limiazioi; o e ecessaria eure ua sua rareseazioe, serve solao iiviuare (i qualche moo) quello che ella efiizioe è eomiao DGP-Boosra. Solao se il moello sul quale si fa ifereza è comleamee secificao la ricerca el DGP- Boosra è i qualche seso saar; ifai se M ( θ) e la sruura caraerizzaa al aramero θ, sarà sufficiee cosierare M ( θˆ ) co ˆθ sima i θ. I ui gli alri casi si ovrao uilizzare roceure a hoc er iiviuare ˆM e o è eo che esso ebba essere ua sruura el moello sul quale si fa ifereza (vei l ulimo esemio i queso aragrafo). Il riciio el boosra ( 6 ) : Nei roblemi i ifereza, il moo reale (evieemee o oo) rareseao alla sruura M (i u moello M ) uo` essere sosiuio al moo boosra θ (oo e quii simulabile) rareseao alla sruura ˆM. ( 7) Osservazioe: Le risose ai roblemi i ifereza, oeue uilizzao il riciio el boosra, o orao che essere arossimae. Si richiama l aezioe sul ermie arossimao che o ha alcu sigificao, se o accomagao a alre iformazioi. I u file i commei alla lezioe el 9--4 e` sao escrio il meoo boosra er la cosruzioe i sime i iervallo; basa oco er covicersi che ach esso si basa sullo sesso riciio. 6 Il riciio el boosra fu formulao a Efro el Si segala che come ui i ricii, quello ora euciao e` uilizzao frequeemee seza orsi ai roblemi, (come er esemio se ci soo le coizioi er la sua valiia` e qual e` la qualia` ell arossimazioe; i risulai su ali quesioi soo comlicai e o esauriei) secialmee ei casi i cui o ci soo meoi aleraivi. Nauralmee quao si uilizzao quese roceure seza u miimo i suoro eorico, orebbe accaere che le risose siao comleamee errae. 4

15 3-Ecoomeria, a.a. 4-5 Si reseao ora alcue semlici alicazioi el riciio el boosra ella cosruzioe ei es, forse i grao i chiarire i ui rimasi oscuri ella breve irouzioe. Nella are fiale el aragrafo, si esamia u caso i cui la cosruzioe el es co il meoo boosra richiee qualche accorgimeo o el uo ovvio. Nel iolo el rimo esemio, si usa l esressioe Moe Carlo (e o boosra); i quao ella iscussioe o si uilizza il riciio el boosra, ma si eseguoo solao simulazioi. Cio` e` reso ossibile al fao che il moello aramerico M ( θ) sul quale si fa ifereza e` comleamee secificao (e uque, come segalao i ua receee osservazioe il moo boosra è la sruura M ( θˆ )); come moo-boosra si uo` erò reere u qualuque M ( θ) (o ecessariamee M ( θˆ )), ache se elle alicazioi er ragioi umeriche, e` referibile usare M ( θˆ ). L esemio comuque forisce sui su come il riciio el boosra uo` essere uilizzao.. La efiizioe che segue iiviua ue classi i es; er la rima si uo` usare il meoo i Moe Carlo (e quii solo simulazioi), er la secoa il riciio el boosra e` ceramee e efficacemee uilizzabile (la moivazioe i ques ulima affermazioe o e` rioraa, er le ragioi ee ella oa 7). Defiizioe : U es saisico si ice ivoale se, ell ioesi H, la isribuzioe ella saisica che lo efiisce è la sessa quale che sia il DGP (er ua fissaa lughezza el camioe e er assegai valori elle variabili esogee) el moello. U es si ice asioicamee ivoale se a resare ivariaa è solao la isribuzioe asioica. Osseravzioe: I es cosruii el caiolo soo ivoali, quelli cosruii el aragrafo 3.6 soo asioicamee ivoali. Il Meoo i Moe Carlo (er il calcolo el valore i u es ivoale) ( 8 ) : I queso caso si richiee ache che il moello M ( θ) sia comleamee secificao. Sia T la saisica che si uilizza er la cosruzioe el es, sia ˆ τ il valore assuo a T el camioe i lughezza a isosizioe e si suoga che la classe ei es sull ioesi sia el io Si rifiua H se T > c. Esseo il es saisico ivoale, la isribuzioe ella saisica che lo efiisce (che orebbe 8 La escrizioe el meoo uo` (forse) risulare iu` semlice se si fa riferimeo al moello lieare classico y = α + βx + γz + co u N(, σ I ) e all ioesi H γ =, er la quale il be oo es e` ivoale. Qui la classe ei es e` Si rifiua H se T u : > c co T = ˆ γ / ES..( ˆ γ ). 5

16 3-Ecoomeria, a.a. 4-5 eveualmee ieere alle variabili esogee resei el moello), rimae la sessa quale che sia il DGP el moello che verifica l ioesi H. Si escrivoo i assi che coseoo i cosruire la isribuzioe emirica i T (quao l ioesi H e` vera), e il -valore el camioe. Sarà omessa la cosruzioe el valore criico er u fissao livello i sigificaivia`, che er la veria` o resea aricolari ifficolà aggiuive. Se Si sima il moello uilizzao i ai a isosizioe e si calcola il valore ˆ τ ella saisica T el camioe. Se Si fissa ua (qualuque) sruura M ( θ) che verifica l ioesi H, ea DGP-Moe Carlo ( 9 ). Se 3 Cosruzioe i ( τ,, τ B ), B simulazioi ella variabile T, co B u fissao iero. ( ) E` sufficiee escrivere la cosruzioe i τ : Si cosierao simulazioi el DGP-Moe Carlo (o imeicare che il moello e` comleamee secificao), co esse si sima il moello M ( θ) e si calcola τ (il valore ella saisica T el camioe uilizzao ella sima). Qualche uleriore eaglio è forio ella oa i basso ( ). Se 4 (calcolo el -valore ) Per la classe i es cosierai, il -valore (relaivo al camioe a siosizioe) o è alro che PT ( ˆ τ H), allora ua sua sima è aa al suo valore emirico e uque alla frazioe ei τ che soo maggiori i ˆ τ ; i simboli ˆ- valore = I( > ) = I( B B B τ ˆ τ τ = B = τ ˆ), ove è I( τ ˆ τ) = quao τ ˆ τ, alrimei è uguale a. 9 Se si fa riferimeo al moello e all ioesi ella receee oa, baserà cosierare ua sruura el moello che ha γ = e valori arbirari er gli alri arameri α, β e σ ; er esemio α =, β = e σ =. I realà, qualche recauzioe ella scela ei valori ei arameri va resa, er eviare roblemi i caraere umerico; orebbe allora essere coveiee cosierare le sime OLS ˆ, α ˆ β e ˆ σ cosruie i se (o valori a a essi umericamee vicii); i al caso si oiee quello che e` sao eomiao DGP-Boosra.. Sulla scela i B, al uo i visa eorico, è richieso solao che sia sufficieemee grae. Dal uo i visa umerico si rova che er eviare uleriori arossimazioi, er es co livelli i sigificaivià saar, buoe scele soo 99, 99, 99,.; e` ooruo che ( B + ) α sia u iero. Daviso e MacKio suggeriscoo i rieere la roceura er iversi valori i B crescei e i fermarsi quao er il fissao livello i sigificaivià la ecisioe suggeria al es è chiara. Cosruzioe i simulazioi el DGP-Moe Carlo: Si effeuao simulazioi i ua ormale co meia e variaza ˆ σ, siao ( u, e si oe er,, u ) y α β x u = ˆ + ˆ + =,,. Calcolo i τ : Co il camioe ( y, x, z) er =,, si sima il moello o risreo y = α + βx + γz + u e si eoa co τ il valore ella saisica T el camioe. 6

17 3-Ecoomeria, a.a. 4-5 Il meoo boosra (o Boosraig) (er u es o ivoale): Ora la saisica es orebbe essere, oure o, asioicamee ivoale (come già segala, el caso la saisica sia asioicamee ivoale ci soo alcui risulai eorici sulla qualia` ell arossimazioe), iolre il moello orebbe essere a) comleamee secificao (il geerico DGP (o sruura) el moello è caraerizzao solao a arameri reali); b) arzialmee secificao (i arameri el moello o caraerizzao il geerico DGP). Nell alicazioe el ricio el boosra o ci soo roceure saar, e allora o si ora` che roceere co egli esemi. Iizialmee si cosierao ue semlici moelli lieari, successivamee si cosiera u moello leggermee iu` comlesso, ove l alicazioe el meoo richiee qualche aricolare accorgimeo. Il Meoo Boosra el caso i moelli comleamee secificai: Si cosiera il moello y x β z γ δ y u u i σ (co β R, γ R, = + ) = + + +,.. (, ) e l ioesi saisica H γ =. : Si osserva relimiarmee: y La reseza i ra i regressori ree il veore ei regressori o sreamee esogeo (ma solao reeermiao o esogeo); Le sime OLS ei arameri soo cosisei e la saisica W( F) cosruzioe el es e` asioicamee ivoale; W ha isribuzioe asioica χ ; Nella roceura i sima la rima osservazioe (,, ) moello i ; y = che si uilizza er la y x z è iuilizzabile er la reseza el Se l ioesi H è vera (uque γ = ), e si eoa y = x β + δ y + u, u i.. (, σ ) co M ( θ) ; il moo reale e` allora M ( θ ), aveo eoao co il veore ei valori veri ei arameri. Cosruzioe el es-boosra: Se Si sima il moello origiario (o risreo) e sia ˆϕ il valore ella saisica ( SSR SSR) F = R U USSR /( ( + )) uilizzabile la rima osservazioe. / el camioe a isosizioe i imesioe θ ; ricorare che o e` Se (Cosruzioe el DGP-Boosra o moo boosra) Si sima (co il meoo OLS) il 7

18 3-Ecoomeria, a.a. 4-5 moello M ( θ) (cioe` = + + x β ) uilizzao i ai isoibili { y,, } =,, y δ y u x z ; siao β,δ e σ la sima ei arameri. Il DGP-Boosra (moo boosra) ˆM e` allora la sruura M ( θ ): y = x β + y + u u i, co coizioe iiziale. δ,.. (, σ ) I successivi ue se riroucoo esaamee gli Se 3 e 4 escrii receeemee; il DGP- Moe Carlo è qui sosiuio al DGP-Boosra. Se 3 Cosruzioe i ( ϕ,, ϕ ), camioe-boosra ella saisica F ( ), i imesioe B. Proceura er il calcolo i ϕ : B Si cosiera u camioe ( u,, u ) i lughezza a ua isribuzioe cosruiscoo (er ricorreza) le y ( = y ) ; y = osservazioi ( ),, y =,, y N(, σ ) e si al DGP y = x β + δ y +, Si cosiera il camioe (, x, z ), eomiao camioe-boosra, e sia ella saisica F i esso. u ϕ il valore Se 4 (il calcolo el -valore ) Si rocee come i se 4 ella escrizioe el Meoo i Moe Carlo. Osservazioe: Il meoo boosra ora escrio si ice aramerico, i quao la cosruzioe el DGP-boosra e` faa uilizzao solao sime arameriche Il Meoo Boosra el caso i moelli arzialmee secificai: Si fa acora riferimeo al receee moello y = x β + z γ + δ y + u, ma ora si suoe che...(, ) e si u ii σ cosiera acora l ioesi H : γ =. Gli se er la cosruzioe el camioe boosra i F soo esaamee gli sessi escrii receeemee, si eve solao sosiuire i Se 3 l esressioe co Si cosiera u camioe Si cosiera u camioe i lughezza ( u,, u ) i lughezza a ua isribuzioe alla oolazioe { u u },, N(, σ ) ove ( ) u =,, soo i resiui ella sima OLS i se. (Per realizzare la roceura ora escria co grel vei User s guie all Hel, ag. 34, esemio 5.). Osservazioe: i) Il meoo boosra ora escrio si ice o aramerico, i quao ella cosruzioe el Qui si simula la isribuzioe che ha la saisica F el moo boosra, mere el receee esemio si simula la isribuzioe che ha la saisica F i u qualuque moo e quii ache i quello reale. 8

19 3-Ecoomeria, a.a. 4-5 DGP-boosra si uilizza la isribuzioe emirica ei resiui. ii) Per ua giusificazioe iformale ell uilizzo ella isribuzioe emirica ei resiui, si osserva che er ua variabile aleaoria la cui isribuzioe o è oa (el caso i esame la variabile errore (u )) se soo isoibili sue osservazioi, ua simulazioe ella sua isribuzioe emirica si oiee effeuao esrazioi co resiuzioe alle osservazioi; esseo le sime OLS cosisei, le osservazioi ella variabile u che o soo isoibili ossoo essere sosiuie ai resiui. Alre roceure Boosra: Nei receei esemi sembra esseziale l ioesi i omoscheasicia` egli errori el moello. Se cosi` fosse il meoo avrebbe avuo u limiao camo i alicazioe (i ecoomeria e` molo resriiva l ioesi i omoscheasicia`), ma o e` cosi; i leeraura si rovao vari meoi che coseoo la reseza egli errori ella eeroscheasicia` e/o ella auocorrelazioe. Qui e` cosruio u es boosra, rooso a Freema el 98, su u ioesi lieare er u moello i regressioe lieare co errori eeroscheasici e co ai el io cross-secio. Siao (, x, z ) ai el io cross-secio, y = x β + z γ + u, E( u x, z ) = u moello y =,, (er i ai a isosizioe) correamee secificao e ieificao co errori eveualmee eeroscheasici. Cosruzioe el es boosra (calcolo el -value) er l ioesi saisica { H γ =. Se Si sima il moello co errori eeroscheasici co il meoo OLS, siao ˆβ e ˆγ le sime ei arameri e sia il valore ella saisica W (i Wal) er l ioesi H, el camioe; ŵ ( 3) y =,, Se (Cosruzioe el DGP-boosra) Si cosiera come moo boosra (o DGPboosra) la oolazioe (fiia) ei ai (, x, z ). Osservazioe: Si aicia che le iverse le i simulazioi el moo boosra o verificherao l ioesi (come ivece sembra che sia ecessario, se si guarai i receei esemi), sara` erao ecessario qualche aggiusameo alle receei roceure che oevao sembrare saar. H Se 3 Cosruzioe i ( w,, w B ), camioe-boosra ella saisica W, i imesioe B. Proceura er il calcolo i w : : 3 Noare che ache i queso caso, la scela faa è coeree co la efiizioe, si è cosierao come moello quello baale cosiuio alla oalià elle sruure 9 M

20 3-Ecoomeria, a.a. 4-5 Per cosruire osservazioi (, x, z ) al DGP-boosra, si effeuao esrazioi y =,, co resiuzioe all isieme {,, }, siao ( i,, i ) e si oe ( y, x, z) = ( yi, xi, zi ) er =,,. Come gia` osservao il camioe boosra (, x, z ) o verifica l ioesi H e allora si y =,, usa il seguee accorgimeo: si cosiera w, il valore ella saisica (i Wal) W er l ioesi { H ˆ : γ = γ, ove ˆγ e` la sima i γ oeua i se. Se 4 (il calcolo el -valore er il es sull ioesi { H : γ = ) Si rocee come ei casi receei uilizzao il valore ella saisica ŵ e il camioe boosra ( w,, w B ) er W. Osservazioe: I u aricolo el 999, Flachaire roose la seguee moifica al receee se : Se (Cosruzioe el DGP-boosra) Sia ( u ˆ ),, = il veore ei resiui ella sima OLS el moello o risreo e β la sima OLS el moello risreo (alla coizioe γ = ). Allora il DGP-boosra e` ao alla oolazioe fiia (, x, z ) co y = x β + ˆ e verifica ovviamee l ioesi ulla. y =,, Gli alri assi rimagoo ialerai, co la sola moifica che quesa vola DGP-boosra verifica l ioesi H u 3-8 Aeice: Efficieza asioica egli simaori OLS o Lo scoo eslicio i queso aragrafo è quello i rovare l asioica efficieza (il cui sigificao sarà chiario el eorema che segue) egli simaori OLS ei moelli lieari co errori omoscheasici. I reala` l aseo iu` ieressae e` mosrare come cosruire alri simaori i β che o richieoo l aareeza i x a Ω. Maggiori eegli su queso aseo si rovao el caiolo 7. Si fa semre riferimeo al moello lieare resee all iizio el caiolo e si suoe che sussisao le ioesi che reao lo simaore ˆ( = ˆOLS ) β β asioicamee ormale. La classe egli simaori cosruii co il meoo ei momei. Il meoo ei momei escrio el caiolo suggerisce la seguee roceura er la cosruzioe i alri simaori i β. Sia ifai { w } u rocesso i imesioe ale che i) w Ω er ogi (e quii E( w u ) = ),

21 3-Ecoomeria, a.a. 4-5 ii) Il rocesso {,, } orie, y x w e` sreamee sazioario e ergoico e iolre la marice quaraa i ef Σ E( ) lim wx = wx = wx, e` iveribile, ( ) = iii) Il rocesso { u } w e` ua iffereza marigala, allora, cosierao la versioe emirica ell`uguagliaza i i), si oiee l`equazioe (veoriale) che er la ii) ha u`uica soluzioe (er β ˆ w e` eo simaore i esogee). Prorieà e osservazioi: wu ( y ) = w xβ = =, = gae) ˆ β y w = wx u w = β + = wx = w ; = = β co il meoo ei momei relaivo a { w } (rocesso elle variabili ) Solao er ragioi i semlicià formale si fa riferimeo a rocessi el io ime-series, ma quao si ira` e valio ache er ai el io cross secio. Nauralmee si assume che siao valii (quao ecessario) la legge ei grai umeri e il eorema el limie cerale. ) La cosruzioe i ˆ w o richiee l esogeeià el rocesso β { x } legame ra w e x che assicuri l iveribilià i E( wx ) ; 3) βˆ w e` uo simaore cosisee i β ; 4) ( ˆ ) N(,Avar( ˆ β β β )) co ˆ = ( ) ( ) w w Avar( βw) Σwx Σuw Σ wx, ove Σu lim var u E( u ) lim u w = w = w w = w = w =., ma solao u qualche Per la valiia` elle seguei roriea` 5) e 6) si eve suorre che gli errori el moello siao omoscheasici, cioe` E( u Ω ) = σ. ef 5) Σu E( u ) σ E( w = ww = ww ) = σ Σw co Σ lim w = ww, = W ( ) 6) Per ogi, eoaa co la marice elle osservazioi i elle osservazioi i ( x ) ( ), si ha WX WW Σ wx = lim, w = lim w e co X la marice Σ Avar( βˆ ) = σ lim ( WX ) ( WW )( XW ) w

22 3-Ecoomeria, a.a ) Per ogi si ha WX WW XW XX o equivaleemee (cfr. iv) i -3) ( ) ( )( ) ( ) ( ( W ) ) ( )( ) ( ) ( ) ( I P ) XW WW WX XX X X. W L ulima isuguagliaza, cioè che la marice X ( I P ) X è semiefiia osiiva, si rova immeiaamee. Ifai esseo ( I P W ) ua roiezioe orogoale si ha ( ) = ( ) quii er ogi z R, si ha z X Xz z X Xz Xz. ( I P ) = ( I P ) ( I P ) = ( I P ) W W W W Dalle receei segue immeiaamee I P I P e W W Teorema: Se il rocesso { w } verifica le receei coizioi i), ii) e iii) e gli errori soo omoscheasici, allora si ha ( ˆ OLS ) Avar( βˆ) = Avar( β ) Avar( β ˆ w ). Il coeuo el eorema si uò riassumere brevemee el moo seguee: I reseza i omoscheasicià egli errori, lo simaore ra ui gli simaori cosruii co il meoo ei momei. OLS è il iù efficiee (asioicamee) 3-9 Aeice: Lo simaore i Newey-Wes (o HAC) Si remee il seguee semlice risulao sulle successioi umeriche, che sara` uilizzao er forire ua rareseazioe ella variaza asioica ella meia arimeica i u rocesso socasico auocorrelao. Lemma : Sia ( a ) ua successioe umerica. i) a a, = ii) = a coverge a. = Dimosrazioe ii) Iao sussisoo le seguei: a) a = a+ a + + a = ( a+ + a) + + ( a + a) + a = a, = = = b) er N fissao, N si ha N a = a a + a = = = = = = N+ =. Ora si osserva che alla covergeza ella serie seguoo le seguei ue rorieà

23 3-Ecoomeria, a.a. 4-5 c) Esise M > ale che covergei) a a + a M er ogi, (limiaezza elle serie = = = ) Fissao ε > esise N ale che m a < ε er N l m = l < < (crierio i Cauchy), ha I efiiiva a b), c) e ) segue che er u fissao ε e u fissao N come i ) e er > N si NM ( N )ε a + = e quii l assero. Dimosrazioe i i): Si rocee sosazialmee come ella rova i ii) (uilizzao la ovvia isuguagliaza N a a + a ). = = = N+ Proosizioe Sia { x } u rocesso veoriale (ebolmee) sazioario. Poso se la serie Γ = cov( x, x ) = E( xx ) = E( ) x x =Γ er ogi Z, + + Γ e` covergee, allora si ha Avar( x) ( = lim var( x ) = Γ. = = Dimosrazioe: Iao si ha var( x) = var( x+ + x) = cov [( x+ + x),( x+ + x) ] = = ( ) ( ) ( Γ + +Γ + + Γ +Γ + +Γ Γ + +Γ ) = = Γ = Γ Γ. = + = + = + L assero segue alla ii) el lemma, o aea si assa al limie er. Lo simaore i Newey-Wes. Dalla receee roosizioe, oso Γ = cov( ux, u x ) = E( uu x x ), si ha + Avar( x u) = Γ =Γ + ( Γ +Γ ), = = iolre uo simaore cosisee i Γ e` evieemee ˆ Γ = uu ˆˆ xx (er ogi ); si oi = + che er ale cosruzioe soo uilizzae solao osservazioi. 3

24 3-Ecoomeria, a.a. 4-5 La ifficolà ella cosruzioe ella sima cosisee i Avar( x u) sembra ieere alla sua rareseazioe come somma i ua serie. La ifficolà erò è solo aaree el caso i cui sia oo che esise q > ale che Γ = er > q ; i queso caso evieemee si ha Avar( x u) = Γ ˆ ˆ + ( Γ +Γˆ ). q = Per affroare il caso geerale, uo` sembrare ragioevole riurre la somma ella serie a ua somma fiia (la successioe Γ e` ifiiesima e quii i Γ soo umericamee rascurabili a u cero iice i oi), ma si e` osservao che co quesa roceura sesso si oiee ua sima i Avar( x u) che o e` efiia osiiva (circosaza che crea umerosi icoveiei). Newey-Wes esaroo allora o solo i riurre la serie a ua somma fiia, ma i esare i vari aei, ao maggior eso a quelli la cui sima uilizza iu` osservazioi. Piu` recisamee essi rovaroo che er ua oorua scela i q( = q( ) ) (che qui o e` rioraa, comuque crescee co ) + + q Avar( x ˆ ) ˆ ˆ ˆ u =Γ ˆ + ( Γ +Γ ) =Γ + ( Γ ˆ +Γ) = q = q. e` uo simaore cosisee i Avar( x u), la cui cosruzioe o resea aricolari roblemi i aura umerica e è resee i ui i sofware ecoomerici. Per cocluere si segala che oo Newey-Wes soo sai uilizzai alri esi ella cosruzioe ello simaore i Avar( x u). o 4

o in forma matriciale, con l evidente significato dei simboli,

o in forma matriciale, con l evidente significato dei simboli, 5-Ecoomeria, a.a. - Lezioe 5 Prorieà asioiche egli simaori OLS Ua caraerisica ei ai ecoomici è quella i essere (geeralmee) molo umerosi, erao i ecoomeria assumoo grae rilievo i risulai asioici e i quesi

Dettagli

Lezione 6 Modelli di Regressione Non Lineare In questo capitolo si considerano modelli econometrici non lineari del tipo. y t

Lezione 6 Modelli di Regressione Non Lineare In questo capitolo si considerano modelli econometrici non lineari del tipo. y t 6-Ecoomeria, a.a. -. Regressioe o lieare Lezioe 6 Moelli i Regressioe No Lieare I queso caiolo si cosierao moelli ecoomerici o lieari el io y = f( x, ) + u co E( u x ) = ; quii si sa assumeo che la variabile

Dettagli

Lezione 3 Proprietà statistiche degli stimatori OLS - 1. Anche in questo capitolo si considera il modello di regressione lineare.

Lezione 3 Proprietà statistiche degli stimatori OLS - 1. Anche in questo capitolo si considera il modello di regressione lineare. Lezioe 3 Proprieà saisiche degli simaori OLS - Ache i queso capiolo si cosidera il modello di regressioe lieare y x β + u co E( u Ω ) 0, x appariee a Ω per,,, e si assume che sia assegao il processo (fiio)

Dettagli

Capitolo 4. denota il complesso di informazioni disponibili all istante t (risp. nell unita` sezionale

Capitolo 4. denota il complesso di informazioni disponibili all istante t (risp. nell unita` sezionale 4-Ecoomeria, a.a. 4-5 Caiolo 4 4- Modelli di regressioe o lieare 4- Meodi di sima: Il meodo dei momei e quello dei miimi quadrai (NLS) 4-3 Prorieà asioiche delle sime NLS: Cosiseza e asioica ormalia` 4-4

Dettagli

Lezione 7. Il Metodo GLS (Minimi Quadrati Generalizzati) e FGLS

Lezione 7. Il Metodo GLS (Minimi Quadrati Generalizzati) e FGLS Lezioe 7 Il Meodo (Miimi Quadrai Geeralizzai) e F Nei meodi di sima OLS e NLS, reseai ei recedei caioli, l eveuale reseza di eeroschedasicià egli errori (ed ache la reseza di auocorrelazioe) iflueza solao

Dettagli

1-Econometria, a.a Breve introduzione

1-Econometria, a.a Breve introduzione -Ecoomeria, a.a. 0-. Breve iroduzioe Lezioe Breve Iroduzioe. L Ecoomeria e ua disciplia che uilizza i meodi saisici per dare risposa a problemi di aura ecoomica.. I dai ecoomici o soo di aura sperimeale.

Dettagli

STATISTICA INFERENZIALE: TRE FILE PDF

STATISTICA INFERENZIALE: TRE FILE PDF Uiversià C. Caaeo, Corso di STATISTICA. AA 008-9, Robero D Agiò STATISTICA INFERENZIALE: TRE FILE PDF Il file PDF Saisica Ifereziale (I) è il rimo dei seguei re file scaricabili dal Maeriale Didaico (soo

Dettagli

Successioni di variabili aleatorie

Successioni di variabili aleatorie 0 Caitolo 5 Successioi i variabili aleatorie 5. Covergeza i istribuzioe e teorema cetrale i covergeza Sia {X } = (X,..., X,... ua successioe ifiita i variabili aleatorie e X u ulteriore variabile aleatoria.

Dettagli

0 per x / ( 1, ). i) (4 p) Trovare per quali valori di α la funzione f è una densità di probabilità (non si chiede di calcolare C α ).

0 per x / ( 1, ). i) (4 p) Trovare per quali valori di α la funzione f è una densità di probabilità (non si chiede di calcolare C α ). Corsi di Probabilià, Saisica e Processi socasici per Ig dell Auomazioe, Iformaica e If Ges Azieda /5/ Esercizio U sisema di preallarme su u velivolo segala ua A allarme oppure ua N o allarme ogi dieci

Dettagli

0 t }, allora il modello

0 t }, allora il modello 9-Ecoomeria, a.a. -. Variabili Srumeali Lezioe 9 Il Meodo (di sima) delle Variabili Srumeali U ruolo fodameale ei meodi di sima fiora preseai, è la codizioe sugli errori del modello (preseaa ella forma

Dettagli

Esercitazione del 25/11/2011 Calcolo delle probabilità

Esercitazione del 25/11/2011 Calcolo delle probabilità Esercitazioe el 25//20 Calcolo elle robabilità Covergeza i istribuzioe. Sia {X } N ua successioe i variabili aleatorie reali. Sia X u ulteriore variabile aleatoria reale. Defiizioe. Diremo che la successioe

Dettagli

1-Econometria, a.a Capitolo 1

1-Econometria, a.a Capitolo 1 -Ecoomeria, a.a. 04-5 Capiolo - Breve Iroduzioe - Modello di regressioe lieare -3 Due meodi di sima: Il Meodo dei Momei e il Meodo dei Miimi Quadrai -4 Proprieà geomeriche delle sime OLS -5 Le sime OLS

Dettagli

Capitolo Modelli econometrici con variabili endogene (tra le variabili indipendenti)

Capitolo Modelli econometrici con variabili endogene (tra le variabili indipendenti) 7-Ecoomeria, aa 04-5 Capiolo 7 7- Modelli ecoomerici co variabili edogee (ra le variabili idipedei 7- Il meodo (di sima delle variabili srumeali 7-3 Lo simaore SLS 7-4 Tes sulle ipoesi: il modello IVGNR

Dettagli

Detta H(ω) la funzione di trasferimento del filtro a parametri costanti, per sbiancare il rumore occorre un filtro che abbia

Detta H(ω) la funzione di trasferimento del filtro a parametri costanti, per sbiancare il rumore occorre un filtro che abbia esori egali Rumore - Prof.. Cova - aello 4/0/0 - P ag. PROBLEMA uadro dei dai Imulso di corree del rivelaore I s ( s / s ) () ex(-/ s ) s µs Preamlificaore Limie di bada Resiseza di igresso Caacià all

Dettagli

Alcune proprietà fenomenologiche dei semiconduttori

Alcune proprietà fenomenologiche dei semiconduttori Alce rorieà feomeologiche ei semicoori. oo caraerizzai a a baa i eergia roibia (eergy ga) che vale arossimaivamee,7 e er il e,, e er il ilicio,,43 er il aas er ciare i re semicoori iù imorai al o i visa

Dettagli

Teoria delle distribuzioni Parte quinta Limiti nel senso delle distribuzioni

Teoria delle distribuzioni Parte quinta Limiti nel senso delle distribuzioni ezioi di Maemaica e disribuzioi pare 5 Teoria delle disribuzioi Pare quia imii el seso delle disribuzioi operazioe di limie i seso disribuzioale Passiamo a raare, araverso ua serie di esempi precedui da

Dettagli

Università di Roma Tor Vergata - Corso di Laurea in Ingegneria Analisi Matematica I - Prova scritta del 30 Gennaio 2019

Università di Roma Tor Vergata - Corso di Laurea in Ingegneria Analisi Matematica I - Prova scritta del 30 Gennaio 2019 Uiversià di Roma Tor Vergaa - Corso di Laurea i Igegeria Aalisi Maemaica I - Prova scria del 3 Geaio 9 Esercizio. [5 pui] Calcolare lo sviluppo di Taylor dell ordie = 5 el puo x = per la seguee fuzioe:

Dettagli

Tecnica delle misurazioni applicate Esame del 7 gennaio 2008

Tecnica delle misurazioni applicate Esame del 7 gennaio 2008 Tecica delle misurazioi applicae Esame del 7 geaio 008 Problema 1. La Beloiglio rl è u impresa che alleva idusrialmee coigli e da lugo empo uilizza il magime ProRabbi 10% che ha sempre garaio, i u presabilio

Dettagli

CENTRO DI TAGLIO E TORSIONE SPURIA IN TRAVI A PARETE SOTTILE ESERCIZIO

CENTRO DI TAGLIO E TORSIONE SPURIA IN TRAVI A PARETE SOTTILE ESERCIZIO CENR DI AGLI E RSINE SPURIA IN RAVI A PAREE SILE ESERCIZI La sezioe di figura, sierica riseo ad u asse orizzoale assae er, è soggea all azioe di aglio agee i direzioe vericale e assae er il uo. Deermiare:

Dettagli

Tab. 1 - Studenti presenti alla lezione di statistica del per voto alla maturità

Tab. 1 - Studenti presenti alla lezione di statistica del per voto alla maturità 53 Idici di variabilià 531 Iervalli di variazioe Sosiuire ua disribuzioe co u valore medio, per quao esso possa essere rappreseaivo, causa comuque ua fore perdia di iformazioe Divea perciò ecessario rovare

Dettagli

Il modello di Black e Scholes come limite del modello binomiale multiperiodale

Il modello di Black e Scholes come limite del modello binomiale multiperiodale Capiolo Il modello di Blac e Scholes come limie del modello biomiale muliperiodale. Il Modello Biomiale Muliperiodale Ricordiamo brevemee il Modello Biomiale Muliperiodale o Cox-Ross-Rubisei.. Ipoesi e

Dettagli

Algebra delle matrici

Algebra delle matrici Algebra delle matrici Vettori riga, vettori coloa Sia u itero ositivo fissato Ciascu vettore di R uo essere esato come ua matrice riga oure come ua matrice coloa (co elemeti) Per covezioe, idetifichiamo

Dettagli

Nozioni elementari di Analisi Matematica applicate alla Fisica Generale

Nozioni elementari di Analisi Matematica applicate alla Fisica Generale Nozioi elemeari di alisi Maemaica applicae alla Fisica Geerale Nozioe di iegrale ideiio La derivazioe può essere ierpreaa come ua regola che, per ogi uzioe assegaa (primiiva), ci permee di deermiare u

Dettagli

2. Moto browniano: prime proprietà Il moto browniano Processi stocastici gaussiani

2. Moto browniano: prime proprietà Il moto browniano Processi stocastici gaussiani 6. MOTO BROWNIANO: PRIME PROPRIETÀ. Moo browiao: prime proprieà I queso capiolo sviluppiamo la raazioe maemaica del moo browiao. Queso processo prede il ome dal boaico scozzese Rober Brow, che el 87 descrisse

Dettagli

Programma lezione XIII

Programma lezione XIII Programma lezioe X /6 erfereza Diffrazioe Polarizzazioe Birifrageza Polarizzazioe circolare erfereza /6 si r r liea ei veri i e s i à Lo sfasameo ra le ue oe, ipee alla iffereza i cammio oico si e è pari

Dettagli

2.4 Criteri di convergenza per le serie

2.4 Criteri di convergenza per le serie 2.4 Criteri di covergeza per le serie Come si è già acceato i precedeza, spesso è facile accertare la covergeza di ua serie seza cooscere la somma. Ciò è reso possibile da alcui comodi criteri che foriscoo

Dettagli

Equazioni differenziali: formule

Equazioni differenziali: formule Equazioi differeziali: formule Equazioi a variabili separabili y ' A B y Vale eorema esiseza e uicià locale y ' dy Ad B y y y ' A B y y Si applicao le codizioi alla fie dei due iegrali idefiii, oppure

Dettagli

Modelli stocastici per i rendimenti finanziari

Modelli stocastici per i rendimenti finanziari Modelli socasici er i rendimeni finanziari Alcuni rocessi socasici lineari Y Processo MA() μ con ε ~ WN(0, σ ε ) = + ε + θε. Esemio di generazione di un MA() e sima con R Caraerisiche di un rocesso MA()

Dettagli

( ) 2π 2π 2π. Re z ( t) t dt. = t dt. = = ɺ z. T=2π/ω z. = ω t

( ) 2π 2π 2π. Re z ( t) t dt. = t dt. = = ɺ z. T=2π/ω z. = ω t G. Perucci Leioi di Cosruioe di Macchie A. Prorieà dei segali el domiio della frequea U segale siusoidale del io x(=a cos(ω uò essere oeuo come la are reale (o la roieioe sull asse reale di u veore ( di

Dettagli

ALTRI ESERCIZI SULL INTEGRALE DI LEBESGUE. A. Figà Talamanca

ALTRI ESERCIZI SULL INTEGRALE DI LEBESGUE. A. Figà Talamanca ALTRI SRCIZI SULL INTGRAL DI LBSGU A. Figà Talamaca 29 ottobre 2006 2 L itegrale di Lebesgue che abbiamo defiito per le fuzioi misurabili, limitate defiite su u isieme misurabile di misura fiita, può essere

Dettagli

Ammortamento di un debito

Ammortamento di un debito Ammorameo di u debio /35 Ammorameo di u debio Che cosa si iede per ammorameo? Ammorameo coabile La quoa di ammorameo cosiuisce la pare del coso di u bee maeriale o immaeriale di ivesimeo da aribuire all

Dettagli

4 I MINIMI QUADRATI GENERALIZZATI

4 I MINIMI QUADRATI GENERALIZZATI F. Carlucci Traccia per u corso di Ecoomeria Modulo II Miimi quadrai 4 I MINIMI QUADRATI GENERALIZZATI Idice del capiolo 4. L ipoesi di sfericià dei residui... 4. Lo simaore dei miimi quadrai geeralizzai...

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE Indirizzo Piano Nazionale Informatica Tema di: MATEMATICA a. s

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE Indirizzo Piano Nazionale Informatica Tema di: MATEMATICA a. s WWWMATEMATICAMENTEIT Corso serimeale - Sessioe ordiaria - as 9- ESAME DI STATO DI LICEO SCIENTIFICO CORSO SERIMENTALE Idirizzo iao Nazioale Iformaica Tema di: MATEMATICA a s 9- Il cadidao risolva uo dei

Dettagli

Tema n. 3 Una data linea produttiva riceve in ingresso dei componenti grezzi in acciaio C10 ottenuti tramite un processo di fusione.

Tema n. 3 Una data linea produttiva riceve in ingresso dei componenti grezzi in acciaio C10 ottenuti tramite un processo di fusione. Tema. 3 Ua ata liea routtiva riceve i igresso ei comoeti grezzi i acciaio C10 otteuti tramite u rocesso i fusioe. 1) Descrivere le fasi i u ciclo i rouzioe i u getto meiate fusioe i terra: imesioameto

Dettagli

ESERCITAZIONE: FEM. Consideriamo un elemento triangolare. y 3

ESERCITAZIONE: FEM. Consideriamo un elemento triangolare. y 3 ESERCITAZIONE: FEM L aalisi agli elemei fiii è u ipo di aalisi che si rifà alla meccaica dei solidi e rasforma il coiuo i u discreo composo da umerosi elemei dei quali se e cooscoo le proprieà. Le relazioi

Dettagli

TEST #1 Corso di Telecomunicazioni C. Prati. Operazioni elementari sui segnali, impulsi, esponenziali complessi e serie di Fourier

TEST #1 Corso di Telecomunicazioni C. Prati. Operazioni elementari sui segnali, impulsi, esponenziali complessi e serie di Fourier ES # Corso di elecomuicazioi C. Prai Operazioi elemeari sui segali, impulsi, espoeziali complessi e serie di Fourier Esercizi di veriica degli argomei svoli el primo capiolo del eso Segali e Sisemi per

Dettagli

R chi h ami m sul u cana n le di d com o u m n u i n cazion o e n radi d o

R chi h ami m sul u cana n le di d com o u m n u i n cazion o e n radi d o Richiami sul caale di comuicazioe radio 1 Fadig leo shadowig è causao da osacoli di gradi dimesioi palazzi ra TX e RX Il pah loss è proporzioale a r α, dove α è i geere ra 2.5 e 5 i ambiee urbao Erambi

Dettagli

2.5 Convergenza assoluta e non

2.5 Convergenza assoluta e non .5 Covergeza assoluta e o Per le serie a termii complessi, o a termii reali di sego o costate, i criteri di covergeza si qui visti o soo applicabili. L uico criterio geerale, rozzo ma efficace, è quello

Dettagli

Modelli stocastici per i rendimenti finanziari

Modelli stocastici per i rendimenti finanziari 6/4/9 Modelli socasici er i rendimeni finanziari Alcuni rocessi socasici lineari Processo MA() μ con ~ WN(, ). semio di generazione di un MA() e sima con R 6/4/9 Momeni di un MA(). μ ( ) ( ),,, > ρ ) (

Dettagli

Rischio di interesse: Il modello del clumping. Prof. Ugo Pomante Università di Roma Tor Vergata

Rischio di interesse: Il modello del clumping. Prof. Ugo Pomante Università di Roma Tor Vergata Rischio di ieresse: Il modello del clumpig Prof. Ugo Pomae Uiversià di Roma Tor Vergaa Problemi dei modelli precedei Repricig gap e duraio gap Ipoesi variazioe uiforme dei assi di ieresse delle diverse

Dettagli

Università di Camerino Corso di Laurea in Fisica: indirizzo Tecnologie per l Innovazione Appunti di Calcolo Prof. Angelo Angeletti

Università di Camerino Corso di Laurea in Fisica: indirizzo Tecnologie per l Innovazione Appunti di Calcolo Prof. Angelo Angeletti Iegrali idefiii Geeralià Si è viso come, daa ua fuzioe di equazioe y = f(), si possa rovare la sua derivaa prima f (). Si è ache osservao che esise ua codizioe ecessaria, ma o sufficiee, affiché ua fuzioe

Dettagli

TRASFORMATA DI FOURIER. A.1 Segnali analogici, deterministici ed aleatori. A p p e n d i c e A

TRASFORMATA DI FOURIER. A.1 Segnali analogici, deterministici ed aleatori. A p p e n d i c e A A p p e d i c e A RASFORMAA DI FOURIER Uo degli aspei più imporai di uo il seore dell igegeria è sicuramee l aalisi di segali el domiio del empo e della frequeza. I segali aalogici si disiguoo i segali

Dettagli

2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica

2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica . FUNZIONE D ONDA OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli srumei della Meccaica Quaisica Sisema di ieresse (cosiderao come isolao: aomo/molecola Cofigurazioe del sisema: isieme

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO Corso Sperimentale P.N.I. Tema di MATEMATICA - 23 giugno 2005

ESAME DI STATO DI LICEO SCIENTIFICO Corso Sperimentale P.N.I. Tema di MATEMATICA - 23 giugno 2005 ESAME DI STATO DI LICEO SCIENTIFICO -5 Corso Sperimeale PNI Tema di MATEMATICA - giugo 5 Svolgimeo a cura della profssa Sadra Berecoli e del prof Luigi Tomasi (luigiomasi@liberoi) RISPOSTE AI QUESITI DEL

Dettagli

Studio matematico dei sistemi di controllo

Studio matematico dei sistemi di controllo Studio matematico dei sistemi di cotrollo Studio di u sistema fisico x(t segale di igresso (eccitazioe SISTEMA FISIO y(t segale di uscita (risosta y(t è legata a x(t da u equazioe differeziale che diede

Dettagli

Marco Listanti. Parte 2 Rappresentazione dei segnali e teorema del campionamento. DIET Dept

Marco Listanti. Parte 2 Rappresentazione dei segnali e teorema del campionamento. DIET Dept 1 Marco Lisai Lo srao Fisico Pare Rappreseazioe dei segali e eorema del campioameo elecomuicazioi (Caale - Prof. Marco Lisai - A.A. 017/018 DIE Dep Segale aalogico Segale empo-coiuo adameo el empo di ua

Dettagli

Le successioni: intro

Le successioni: intro Le successioi: itro Si cosideri la seguete sequeza di umeri:,, 2, 3, 5, 8, 3, 2, 34, 55, 89, 44, 233, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi 2 mesi i u allevameto!

Dettagli

n 1 = n b) {( 1) n } = c) {n!} In questo caso la successione è definita per ricorrenza: a 0 = 1, a n = n a n 1 per ogni n 1.

n 1 = n b) {( 1) n } = c) {n!} In questo caso la successione è definita per ricorrenza: a 0 = 1, a n = n a n 1 per ogni n 1. Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 0: Riferimeti: R.Adams, Calcolo Differeziale - Si cosiglia vivamete di fare gli esercizi del testo. Successioi umeriche:

Dettagli

Esercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli

Esercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli Esercitazioi del Corso di Probabilitá e Statistica Lezioe 6: Stime di parametri putuali e per itervalli Stefao Patti 1 19 geaio 005 Defiizioe 1 Ua famiglia di desitá f(, θ) ad u parametro (uidimesioale)

Dettagli

Lezione 3: Segnali periodici

Lezione 3: Segnali periodici eoria dei segali Segali a poteza media fiita e coversioe A/D Lezioe 3: Aalisi i frequeza Esempio di calcolo 005 Politecico di orio eoria dei segali aalisi i frequeza Poteza media Sia dato u segale (t)

Dettagli

Intervalli di Fiducia

Intervalli di Fiducia di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica

Dettagli

****** FUNZIONI MISURABILI E INTEGRAZIONE ******

****** FUNZIONI MISURABILI E INTEGRAZIONE ****** ****** FUNZIONI MISURABILI E INTEGRAZIONE ****** 1 2 1. Fuzioi misurabili. I questo umero estediamo la ozioe di misurabilità alle fuzioi. Defiizioe 1. Siao u isieme o vuoto, Y uo spazio topologico e µ

Dettagli

SUCCESSIONI DI FUNZIONI

SUCCESSIONI DI FUNZIONI SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe

Dettagli

Moto browniano e analisi stocastica

Moto browniano e analisi stocastica Moo browiao e aalisi socasica Versioe 3.3 Ulima modifica: 9 giugo 11. FRANCESCO CARAVENNA fracesco.caravea@uimib.i hp://www.maapp.uimib.i/~fcarave DIPARIMENO DI MAEMAICA E APPLICAZIONI UNIVERSIÀ DEGLI

Dettagli

LA TRASMISSIONE NUMERICA IN BANDA BASE

LA TRASMISSIONE NUMERICA IN BANDA BASE Capiolo I LA RASMISSIONE NUMERICA IN BANDA BASE I. - Geeralià. Nella rasmissioe umerica biaria il messaggio iviao alla sorgee è cosiuio a ua sequeza oriaa i cifre:,,,.,, appareei all alfabeo biario i cui

Dettagli

Matematica con elementi di Informatica

Matematica con elementi di Informatica La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche

Dettagli

LEGGE DEI GRANDI NUMERI

LEGGE DEI GRANDI NUMERI LEGGE DEI GRANDI NUMERI E. DI NARDO 1. Legge empirica del caso e il teorema di Beroulli I diverse occasioi, abbiamo mezioato che la ozioe ituitiva di probabilità si basa sulla seguete assuzioe: se i sperimetazioi

Dettagli

Appunti sui modelli lineari

Appunti sui modelli lineari Uiversità degli Studi di Bologa Facoltà di Scieze Statistiche Auti sui modelli lieari Agela Motaari ANNO ACCADEMICO 2004-2005 . INRODUZI ONE AI DAI MUL IVARI AI Esemio (Fote: Quattroruote, Marzo 996 =

Dettagli

Def. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii)

Def. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii) Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi : Riferimeti: R.Adams, Calcolo Differeziale. -Si cosiglia vivamate di fare gli esercizi del testo. Cap. 9.5 - Serie di poteze,

Dettagli

Corso di laurea in Matematica Corso di Analisi Matematica 1-2 AA Dott.ssa Sandra Lucente Successioni numeriche

Corso di laurea in Matematica Corso di Analisi Matematica 1-2 AA Dott.ssa Sandra Lucente Successioni numeriche Corso di laurea i Matematica Corso di Aalisi Matematica -2 AA. 0809.. Cooscere. Dott.ssa Sadra Lucete. Successioi umeriche Defiizioe di successioe, isieme degli elemeti della successioe, successioe defiita

Dettagli

Impianti Industriali. La previsione della domanda. Metodi di estrapolazione. Ing. Lorenzo Tiacci

Impianti Industriali. La previsione della domanda. Metodi di estrapolazione. Ing. Lorenzo Tiacci Impiai Idusriali a previsioe della domada Meodi di esrapolazioe Ig. orezo Tiacci e compoei della domada Tred Cogiuurale Sagioale Casuale Tedeziali (red) a caraere geeralmee crescee e decrescee Sisemaiche

Dettagli

Matematica I, Limiti di successioni (II).

Matematica I, Limiti di successioni (II). Matematica I, 05102012 Limiti di successioi II) 1 Le successioi elemetari, cioe α, = 0, 1, 2, α R), b, = 0, 1, 2, b R), log b, = 1, 2, b > 0, b 1), si, = 0, 1, 2,, cos, = 0, 1, 2,, per + hao il seguete

Dettagli

2 Criteri di convergenza per serie a termini positivi

2 Criteri di convergenza per serie a termini positivi Uiversità Roma Tre L. Chierchia 65 (29//7) 2 Criteri di covergeza per serie a termii positivi I questo paragrafo cosideriamo serie a termii positivi ossia serie a co a > 0. Si ricordi che ua serie a termii

Dettagli

STIMA DI MODELLI DI SOPRAVVIVENZA PARAMETRICI

STIMA DI MODELLI DI SOPRAVVIVENZA PARAMETRICI IMA I MOEI I OPRAVVIVENZA PARAMERICI ma moell soravvvea aramerc usce er more e alra causa Moell soravvvea aramerc co comoe regressoe ma moell soravvvea aramerc usce er more e er alra causa IMA I MOEI I

Dettagli

UN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI

UN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI UN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI Il piu semplice problema (saico) di ifereza saisica paramerica e quello i cui la disribuzioe di probabilia comue a ui i umeri aleaori (a) osservabili

Dettagli

Esponenziale complesso

Esponenziale complesso Espoeziale complesso P.Rubbioi 1 Serie el campo complesso Per forire il cocetto di serie el campo complesso abbiamo bisogo di itrodurre la defiizioe di limite per successioi di umeri complessi. Defiizioe

Dettagli

AFFIDABILITA DEI SISTEMI STOCASTICI (complessi)

AFFIDABILITA DEI SISTEMI STOCASTICI (complessi) AFFIDABILITA DEI SISTEMI STOCASTICI (complessi) 1 No ecessariamee il verificarsi di u guaso provoca la more del sisema. A vole soo ecessari più guasi el empo, affiché il sisema collassi. Fissao u empo

Dettagli

Algebra delle matrici

Algebra delle matrici Algebra delle matrici Prodotto di ua matrice per uo scalare Data ua matrice A di tipo m, e dato uo scalare r R, moltiplicado r per ciascu elemeto di A si ottiee ua uova matrice di tipo m, detta matrice

Dettagli

( ) che include le rilevazioni sulle variabili effettuate sulla i-esima unità. Di tali vettori

( ) che include le rilevazioni sulle variabili effettuate sulla i-esima unità. Di tali vettori Rappreseazioe geomerica dei dai mulidimesioali l veore è ua m-upla ordiaa di umeri reali che esprime u blocco di iformazioi: x i,x i,,x im se e usao (umero di uià rilevae). L isieme delle rilevazioi forma

Dettagli

1 α. Corso di Statistica Facoltà di Economia. θ θ. X σ. Lezione n 24. Francesco Mola INTERVALLI DI CONFIDENZA. Stime puntuali Stime intervallari

1 α. Corso di Statistica Facoltà di Economia. θ θ. X σ. Lezione n 24. Francesco Mola INTERVALLI DI CONFIDENZA. Stime puntuali Stime intervallari Corso di aisia Faolà di Eoomia Leioe 4 INTERVALLI DI CONFIDENZA ime uuali ime iervallari aa 000-00 00 Fraeso Mola θ θ θ θ 3 θ 4 aa 000-00 saisia-fraeso mola Iervalli di ofidea Livello di ofidea o Livello

Dettagli

Facoltà di Scienze MM.FF.NN. Corso di Laurea in Matematica - A.A Prova scritta di Analisi Matematica I del c.1.

Facoltà di Scienze MM.FF.NN. Corso di Laurea in Matematica - A.A Prova scritta di Analisi Matematica I del c.1. Prova scritta di Aalisi Matematica I del 25-5-1998 - c.1 1) Per ogi umero N, 2, siao dati 2 umeri reali positivi a 1, a 2,...a, b 1, b 2,...b. Provare, usado il Pricipio di Iduzioe, che a 1 + a 2 +...

Dettagli

Le successioni: intro

Le successioni: intro Le successioi: itro Si cosideri la seguete sequeza di umeri:,,, 3, 5, 8, 3,, 34, 55, 89, 44, 33, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi mesi i u allevameto! Si

Dettagli

Riassunto delle Esercitazioni di Analisi Matematica II

Riassunto delle Esercitazioni di Analisi Matematica II Riassuto delle Esercitazioi di Aalisi Matematica II C.d.L. i Matematica e Matematica per le Applicazioi - A. A. 2006-2007 Prof. Kevi R. Paye e Dott. Libor Vesely 1 Serie Numeriche - Mer. 28 marzo - due

Dettagli

Reti di Telecomunicazione

Reti di Telecomunicazione Uiversià di Bergamo Diarimeo di Igegeria dell Iformazioe e Meodi Maemaici Rei di Telecomuicazioe Prof. Fabio Marigo Uiversià di Bergamo Diarimeo di Igegeria dell Iformazioe e Meodi Maemaici Sisemi a Coda

Dettagli

Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018

Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018 Primo appello di Calcolo delle probabilità Laurea Trieale i Matematica 22/0/20 COGNOME e NOME... N. MATRICOLA... Esercizio. Siao X e Y due variabili aleatorie idipedeti, co le segueti distribuzioi: X Uif(0,

Dettagli

Esempi di distribuzione binomiale.

Esempi di distribuzione binomiale. Esei i istribuzioe bioiale. Suoiaoi laciare 5 oete e i chieerci ual e la robabilita i otteere teste T e croci C. Ogi oeta uo are testa o croce co uguale robabilita. I casi ossibili soo 5 casi er la ria

Dettagli

Simmetrie e Leggi di Conservazione II Isospin, Stranezza, G-parità

Simmetrie e Leggi di Conservazione II Isospin, Stranezza, G-parità immetrie e Leggi di Coservazioe sosi traezza G-arità Elemeti di Fisica delle Particelle Elemetari Diego Bettoi Ao Accademico 4-5 ommario sosi Defiizioe coservazioe sosi el sistema N traezza G-arità sosi

Dettagli

Insieme dei numeri razionali

Insieme dei numeri razionali Isieme ei umeri razioali Q - 1 Isieme ei umeri razioali Per iicare il quoziete fra ue umeri e, si scrive ua frazioe che ha come umeratore il ivieo e per eomiatore il ivisore ella ivisioe. Qualsiasi ivisioe

Dettagli

Definizione 1. Data una successione (a n ) alla scrittura formale. 1) a 1 + a a n +, si dà il nome di serie.

Definizione 1. Data una successione (a n ) alla scrittura formale. 1) a 1 + a a n +, si dà il nome di serie. SERIE NUMERICHE Defiizioe. Data ua successioe (a ) alla scrittura formale ) a + a 2 + + a +, si dà il ome di serie. I umeri a, a 2,, a, rappresetao i termii della serie, i particolare a è il termie geerale

Dettagli

INTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI

INTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI Adolfo Scimoe FORMULE INTEGRAZIONE Pag INTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI Iegrazioe delle fuzioi razioali frae Se la frazioe è impropria, cioè il grado del umeraore è maggiore o uguale

Dettagli

Sistemi dinamici lineari e invarianti (sistemi LTI) Fondamenti di Automatica Prof. Silvia Strada 1

Sistemi dinamici lineari e invarianti (sistemi LTI) Fondamenti di Automatica Prof. Silvia Strada 1 Sisemi diamici lieari e ivariai sisemi LTI Fodamei di Aomaica Pro. Silvia Srada Sisemi diamici lieari e ivariai LTI Boa are della eoria dei sisemi e del corollo i qeso corso a rierimeo ai sisemi diamici

Dettagli

Esercizi di Analisi II

Esercizi di Analisi II Esercizi di Aalisi II Ao Accademico 008-009 Successioi e serie di fuzioi. Serie di poteze. Studiare la covergeza della successioe di fuzioi (f ) N, dove f : [, ] R è defiita poedo f (x) := x +.. Studiare

Dettagli

LE EQUAZIONI IRRAZIONALI

LE EQUAZIONI IRRAZIONALI LE EQUAZIONI IRRAZIONALI Per ricordare H Data ua qualsiasi equazioe A B, saiamo che ad essa si ossoo alicare i ricii di equivaleza che cosetoo di aggiugere o togliere esressioi ai due membri oure moltilicare

Dettagli

Proprietà asintotiche stimatori OLS e statistiche collegate

Proprietà asintotiche stimatori OLS e statistiche collegate Proprietà asitotiche stimatori OLS e statistiche collegate Eduardo Rossi 2 2 Uiversità di Pavia (Italy) Maggio 2014 Rossi Proprietà asitotiche Ecoometria - 2014 1 / 30 Sommario Risultati prelimiari Distribuzioe

Dettagli

Corso di Intermediari Finanziari e Microcredito

Corso di Intermediari Finanziari e Microcredito Idice Corso di Iermediari iaziari e Microcredio Iroduzioe I crieri radizioali di valuazioe dei progei di ivesimeo; La valuazioe dei progei di ivesimeo I crieri fiaziari di valuazioe dei progei d ivesimeo

Dettagli

Distribuzioni di probabilità

Distribuzioni di probabilità Itroduzioe Distribuzioi di robabilità Fio ad ora abbiamo studiato ua secifica fuzioe desità di robabilità, la fuzioe di Gauss, che descrive variabili date dalla somma di molti termii idiedeti es. ua misura

Dettagli

Esercizi sulle Serie numeriche

Esercizi sulle Serie numeriche AM0 - A.A. 03/4 ALFONSO SORRENTINO Esercizi sulle Serie umeriche Esercizio svolto. Discutere il comportameto delle segueti serie umeriche: a +! b [ ] log c log+ d log + e arcta f g h i l log log! 3! 4

Dettagli

Stima della media di una variabile X definita su una popolazione finita

Stima della media di una variabile X definita su una popolazione finita Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe

Dettagli

REGIME DELLA CAPITALIZZAZIONE COMPOSTA E SCONTO COMPOSTO

REGIME DELLA CAPITALIZZAZIONE COMPOSTA E SCONTO COMPOSTO Regie della capializzazioe coposa e scoo coposo REGME DELLA CAPTALZZAZONE COMPOSTA E SCONTO COMPOSTO Cosideriao l ipiego del capiale C per ua duraa di (uero iero) ai e suppoiao che gli ieressi siao capializzai

Dettagli

DISTRIBUZIONE NORMALE MULTIVARIATA

DISTRIBUZIONE NORMALE MULTIVARIATA Distribuzioe ormale uivariata DISTRIBUZIONE NORMALE MULTIVARIATA ANALISI MULTIVARIATA A.A. 00/ CORSO DI LAUREA IN STATISTICA Carla Rampichii Desità Normale μ, σ Normale stadardizzata: μ=0, σ= Distribuzioe

Dettagli

1 Catene di Markov a stati continui

1 Catene di Markov a stati continui Caene di Markov a sai coninui In queso caso abbiamo ancora una successione di variabili casuali X 0, X, X,... ma lo spazio degli sai è un insieme più che numerabile. Nel seguio supporremo che lo spazio

Dettagli

k=0 f k(x). Un altro tipo di convergenza per le serie è la convergenza totale e si dice che la serie (0.1) converge totalmente in J I se

k=0 f k(x). Un altro tipo di convergenza per le serie è la convergenza totale e si dice che la serie (0.1) converge totalmente in J I se Serie di fuzioi Sia I R, per ogi k N, data la successioe di fuzioi (f k ) k co f k : I R, cosideriamo la serie di fuzioi (0.) f k () k=0 e defiiamo la successioe delle somme parziali s () = k=0 f k().

Dettagli

Paolo Perfetti, Dipartimento di matematica, II Università degli Studi di Roma, facoltà di Ingegneria

Paolo Perfetti, Dipartimento di matematica, II Università degli Studi di Roma, facoltà di Ingegneria Esercizi svolti a lezioe e o proveieti dal Marcellii Sbordoe La preseza della lettera C idica u esercizio da fare a casa. La capacità di svolgere tali esercizi è parte del bagaglio ecessario i sede di

Dettagli

Analisi Matematica Soluzioni prova scritta parziale n. 1

Analisi Matematica Soluzioni prova scritta parziale n. 1 Aalisi Matematica Soluzioi prova scritta parziale. 1 Corso di laurea i Fisica, 018-019 3 dicembre 018 1. Dire per quali valori dei parametri α R, β R, α > 0, β > 0 coverge la serie + (!) α β. ( )! =1 Soluzioe.

Dettagli

Convertitoriditipospot (convertono, idealmente, il valore istantaneo del segnale); V ts

Convertitoriditipospot (convertono, idealmente, il valore istantaneo del segnale); V ts Pare II (Coversioe D/A e A/D) La coversioe A/D I coveriori A/D si dividoo i: Coverioridiipospo (coveroo, idealmee, il valore isaaeo del segale); s s Si raa di disposiivi veloci ma sesibili al rumore di

Dettagli

Modelli ARMA, regressione spuria e cointegrazione Amedeo Argentiero

Modelli 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:

Dettagli

Trasmissione del calore con applicazioni numeriche: informatica applicata

Trasmissione del calore con applicazioni numeriche: informatica applicata Corsi di Laurea i Igegeria Meccaica Trasmissioe del calore co applicazioi umerice: iformatica applicata a.a. 5/6 Teoria Parte IV Ig. Nicola Forgioe Dipartimeto di Igegeria Civile e Idustriale E-mail: icola.forgioe@ig.uipi.it;

Dettagli