IL CALCOLO DELLA DOMANDA DI TRASPORTO (Capitolo 4)

Documenti analoghi
Quale retta? La retta migliore è quella che più si avvicina all insieme dei 115

MEDIA DI Y (ALTEZZA):

LA FUNZIONE DI VEROSIMIGLIANZA

Caso studio 12. Regressione. Esempio

Esercitazione 6 del corso di Statistica (parte 1)

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

Regressione e Correlazione

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza

exp("# (al posto di n) var Ca Coefficiente di asimmetria, indipendente dal valore dei parametri. f X DISTRIBUZIONE EV1 o DI GUMBEL.

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica).

Istogrammi e confronto con la distribuzione normale

LA REGRESSIONE LINEARE SEMPLICE

Variabilità = Informazione

Seconda Prova Parziale di STATISTICA Modalità A

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d;

12/11/2015 STATISTICA 1. Esercitazione 4. Dott.ssa Vera Gurtovaya

Compito A1- Soluzioni

Lezione 4. La Variabilità. Lezione 4 1

Analisi dei Dati. La statistica è facile!!! Correlazione

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV

LEZIONI DI STATISTICA MEDICA

CORSO DI STATISTICA I (Prof.ssa S. Terzi)

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE

La media aritmetica. La sua individuazione si basa sulla logica della trasferibilità di un carattere. Se la funzione f( ) corrisponde alla somma:

ρ XY risponde alla domanda esiste un associazione lineare tra le variabili X e Y?

Caso studio 10. Dipendenza in media. Esempio

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

DATA MINING PER IL MARKETING (63 ore)

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso

Il campionamento e l inferenza

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Soluzione degli esercizi del capitolo 11

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13

Statistica descrittiva per l Estimo

Var iabili aleatorie continue

DI IDROLOGIA TECNICA PARTE II

Dott.ssa Marta Di Nicola

Lezione 4. Metodi statistici per il miglioramento della Qualità

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE

INDICI DI VARIABILITA

I percentili e i quartili

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini e Leonardo Bertini. Lezione 2:

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo.

Caso studio 2. Le medie. Esercizio. La media aritmetica. Esempio

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti

Classi di reddito % famiglie Fino a Oltre Totale 100

LA REGRESSIONE LINEARE SEMPLICE

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che:

ESERCIZI DI STATISTICA

Il modello di regressione multipla

IL MODELLO DI REGRESSIONE LINEARE MULTIPLA

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi

Contenuti. Facoltà di Economia. Scatterplot o diagramma a dispersione Analisi grafica della relazione tra due. francesco mola.

Capitolo 13 Il modello di regressione lineare

corrispondenza della generica i-esima modalità. Indicando con #(.) la cardinalità di un insieme, per esse si ha, rispettivamente:

4 CAMPIONE DI n UNITA STATISTICHE (lettere latine)

III Esercitazione: Sintesi delle distribuzioni semplici secondo un carattere qualitativo ordinale.

Matematica elementare art.1 di Raimondo Valeri

Formulario e tavole. Complementi per il corso di Statistica Medica

La Regressione. Y = f ( X ) Le motivazioni che ci spingono alla ricerca di f essenzialmente due: la Previsione ed il Controllo.

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

Associazione tra due variabili quantitative

TRATTAMENTO STATISTICO DEI DATI ANALITICI

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in

Statistica per le ricerche di mercato. 10. La regressione lineare semplice

Modelli di accumulo del danno dovuto a carichi ciclici

Daniela Tondini

Statistica per le ricerche di mercato. 13. La regressione lineare semplice

La media aritmetica. Le medie. Esempio. Esempio. Media aritmetica Mediana. Medie analitiche Medie di posizione. x 1

LE MEDIE. Le Medie. Medie razionali. Medie di posizione

UNIVERSITA DEGLI STUDI MEDITERRANEA DI REGGIO CALABRIA

CAP. 5 MODELLO STATISTICO LINEARE

2 si da eguale peso alle misure senza tener conto dell incertezza, che in generale possono essere diverse.

Esercitazioni di Calcolo delle Probabilità (16/12/2011) Soluzioni

Capitolo 6 Gli indici di variabilità

Lezione 13. Anelli ed ideali.

Università della Calabria

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek

Analisi di regressione con SAS. Ci interessa. Matrice di covarianza. Esempio: due test su 31 individui PROC CORR PROC GPLOT PROC REG

TEST CHI DI INDIPENDENZA STOCASTICA

IL MODELLO DI REGRESSIONE

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità

Indici di asimmetria. Elementi di Statistica descrittiva Parte IV. Simmetria di una distribuzione di frequenze. Primo indice di asimmetria (1/3)

valido se i dati E dato da max(x i )-min(x i )

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Unità 11. Studio di più variabili. Interpolazione. Regressione. Correlazione. Notazione matriciale

Calcolo delle Probabilità: esercitazione 4

Variabili casuali ( ) 1 2 n

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso

Transcript:

Facoltà d Igegera - Uverstà d Bologa Ao Accademco: 00/ TECNICA ED ECONOMIA DEI TRASPORTI Docete: Maro Lup IL CALCOLO DELLA DOMANDA DI TRASPORTO (Captolo 4)

Modello descrttvo per l calcolo della domada d trasporto aereo fra due cttà ( PP ) l F l d β + β l + β3 Facco l seguete espermeto: - Itroduco el membro d destra valor delle varabl esplcatve osservate u certo ao, le dco co: l P, P,l F, - Itroduco el membro d sstra l valore l d della domada verfcatos quell ao Scarto aleatoro l d [ β + β l P P + β3 lf e dovuto agl attrbut trascurat e semplfcazo trodotte el modello M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa

l 3 d β + P P + Fˆ β l β l + e y x x x + e c β c + β c + β3 c3 c I geerale ho T equazo: y βx y βx...... yc βxc...... yt βx T +... + β x +... + β x K K K K +... + β x......... K K............... ck +... + β x + TK + e + M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 3 e e + c e T

I forma compatta scrvo: y Xβ + e X( T K) : y( T ) : matrce delle varabl esplcatve od dpedet, gl elemet d X soo quattà determstche. è l vettore aleatoro de dat campoar. β( K ) : è l vettore de coeffcet (parametr) del modello (soo quattà determstche). e( T ) : è l vettore aleatoro degl error. I fase d calbrazoe del modello l vettore y e la matrce soo quattà ote. Le quattà o ote soo: β : vettore de coeffcet da stmare (quattà determstche). e : vettore d varabl aleatore o osservabl. X M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 4

Ipotes base del modello d regressoe leare potes ( yc ) β xc + βxc +... + β K xck y Xβ + E( e c ) 0 E c potes e var( e c 3 potes ) var( yc ) σ I base a questa potes l modello s dce omoscedastco Le varabl y c, come le varabl e c, soo dpedet ( y, y ) 0 c, ' cov ( e, e ') 0 c, c' cov ' c c c 4 potes La matrce X (TxK) è composta da varabl determstche ed ha peo rago coloa. c M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 5 c

Queste soo le potes fodametal del modello d regressoe leare omoscedastco: 5 potes (questa potes o è ecessara sede d calbrazoe, lo sarà vece ella fase d corroborazoe). e c Per la varable aleatora, "errore", s fa l potes che sa dstrbuta secodo ua varable aleatora ormale. Ifatt e c è l'effetto rsultate della somma d umeros fattor o specfcat el modello, pertato, basados sul teorema del lmte cetrale s potzza che sa dstrbuta secodo ua ormale. (Teorema del Lmte Cetrale: la somma d varabl aleatore, fra loro dpedet, al crescere d, tede ad ua varable aleatora ormale), Se le varabl aleatore soo dstrbute modo ormale ache le soo varabl aleatore ormal. y c e c 6

Caso d u uca varable dpedete e d u uca varable dpedete (c permette d llustrare l modello) y c β + βxc + ec Itercetta y e c y (ordata c all orge) y β β + β x c β Ho T equazo: y β + βx + e y β + βx + e......... yc β + βxc + ec......... yt β + βxt + e T x x c T T y Xβ + T La prma coloa della matrce X è costtuta da tutt. x e Coeffcete agolare 7

Idco co b la stma del vettore β. Determo quel vettore b tale che sa mma la sommatora del quadrato degl scart fra quello che dà l modello ed l dato spermetale (cosdero l quadrato per evtare che gl scart postv e egatv s compeso): M M T [ ] y ( b x + b x +... + b x ( y Xb)( ' y Xb) ( T ) ( T ) K K ) b ( X' X) X' y b è l estmatore de mm quadrat (ordaro). ( Ordary Least Squared Estmator, OLSE). 8

b K ( ) X ' X X' y k T T K K T T K K b è u vettore aleatoro perché è fuzoe d y che è u vettore aleatoro Propretà dell estmatore de mm quadrat y Xβ + e E E [( ) ] [( ) ( ) ] ( b) E X' X X' y E X' X X' Xβ + X' X X' e [ β + ( X X) X e] β + [( X X) X e] ' ' E ' ' β + ( X' X) X' E[ e] β E è u operatore leare 0 ( potes del modello) E[ b ] β L estmatore de mm quadrat è u estmatore corretto 9

θˆ è u estmatore corretto d θ θˆ è u estmatore dstorto d θ M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 0

b è u vettore aleatoro, vece d parlare d varaza come el caso d uo scalare parlo d matrce d covaraza (detta ache matrce d varaza-covaraza). Nel caso d u vettore geerco z: [ ] V z [ ] σ V b var( z) cov( zz )... cov( zz K ) cov( zz) var( z)... cov( zzk )...... cov( zk z) cov( zk z)... var( zk ) Nel caso del vettore b: ' X X T T K K K K Matrce d covaraza dell estmatore de mm quadrat b (dmostrazoe sulle dspese)

Rassumamo le propretà dell estmatore de mm quadrat b b ( X' X) X' y E u estmatore leare: ossa otteuto co ua trasformazoe leare del vettore aleatoro y ( b Ay dove A ( X' X) X' ) E[ b ] β V [ b] σ ( ) X'X E u estmatore corretto: la meda cocde co l vettore de parametr da stmare. β La matrce d covaraza ha questa espressoe - Teorema d Gauss-Markov L estmatore de mm quadrat b è l mglore estmatore leare corretto d β. M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa

- Classe degl estmator lear, ossa del tpo: β ˆ Ay (Nel caso dell estmatore de mm quadrat ordaro b : A ( X' X) X' ) - Classe degl estmator corrett: [ ] Eβ ˆ β Nell ambto della classe degl estmator lear corrett b è l mglore el seso che: Og altro estmatore b ˆ leare corretto ha ua var( ) var( β ) varaza maggore, al pù uguale, a quella dell estmatore de mm quadrat, ma ma more. M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 3

θˆ è u estmatore pù effcete d θˆ ( θˆ e θˆ soo etramb estmator corrett d θ ) M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 4

Il teorema d Gauss- Markov (rsultato teorco rgorosamete dmostrato) seme alla ragoevolezza dell approcco, mmzzo l quadrato degl scart fra modello e dat spermetal, oltre al collaudato utlzzo, spegao l dffuso utlzzo dell estmatore de mm quadrat. σ s stma attraverso l estmatore: ˆ σ dove eˆ + eˆ + + eˆ... T K eˆ y Xb T eˆ 'eˆ T K è l vettore de resdu σˆ è u estmatore corretto d σ quato (s dmostra che): E [ ] eˆ + eˆ +... + eˆ T ˆ σ E σ T K 5

Le fas d messa a puto d u modello d domada soo tre: - Specfcazoe - Calbrazoe - Corroborazoe Fase d corroborazoe el caso d u modello d regressoe leare y Xβ + e Ua volta stmato l vettore de parametr del modello co l vettore de mm quadrat : b β Calcolo l coeffcete d determazoe: R M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 6

T ( y y) Msura della varazoe d y (dat y spermetal) ( y è la meda degl y ) T y ˆ Xb estmatore d y Xβ T ( yˆ yˆ) Msura della varazoe d ŷ yˆ ( yˆ è la meda degl ŷ ) T (valor fort dal modello ) M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 7

R R y varazoe spegata dal modello varazoe totale T T ( yˆ y) ( y y) Coeffcete d determazoe y ê y ŷ x x M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 8

0 R Se R 0 Se R Il modello o fuzoa perché la varazoe spegata dal modello è bassa rspetto alla varazoe totale. Il modello (da questo puto d vsta) va bee perché la varazoe spegata dal modello è crca uguale alla varazoe totale. y y y eˆ y yˆ y ˆ y yˆ y R << x x 9

y y R x x M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 0

Esempo- Domada d trasporto aereo fra due cttà [ β + β ( ) ] l PP + T e l d 3 l + β Dopo calbrazoe cosderado 35 coppe d cttà (dat campoar, o sere storca) l d 4,568 + 0,95 l ( PP ) 0,767 lt R 0,774 Nel modello (macromodello) che avevamo vsto a proposto del traffco d vecol pesat autostrada: l d 3,6 +,99 l IPI 0, 76T vp t R 0,97 t t M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa

Il coeffcete d determazoe R è u dce d corroborazoe globale del modello. Serve però ache u dce putuale: che c dca se cascua varable dpedete (attrbuto) spega ( e quale msura) la varable dpedete (domada). b ( β, σ ( X' X) ) ( ) y b X' X X' è u vettore ormale multvarato (5 potes del modello d regressoe leare). b ( X' X) N ( β,σ ) Elemeto della matrce σ ( X ' X) Ossa la geerca compoete -esma, b, d b è ua varable ormale

ˆ σ b β σ X X ( ' ) eˆ Se pogo al posto d + eˆ + + eˆ... T K N(0,) T σ σ eˆ 'eˆ T K o lo coosco, ma lo posso stmare la sua stma: ottego ua varable t d Studet co T-K grad d lbertà: b σˆ β ( X' X) b β ( s è la stma della devazoe stadard d b ) s è ua varable t d Studet co T-K grad d lbertà (ua varable t d Studet, co DF grad d lbertà, è ua varable aleatora, a meda ulla, che assomgla tato pù ad ua ormale stadard quato pù è alto l umero d grad d lbertà)

Test d potes su parametr del modello β β 0 0 IPOTESI NULLA (la varable esplcatva -esma o pesa ello spegare la varable dpedete) IPOTESI ALTERNATIVA (la varable esplcatva - esma pesa ello spegare la varable dpedete) Per esempo el caso ˆ y b x + b x +... + b K Secoda coloa della matrce x K Es. x l PIL l PIL... l PIL T M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 4

b β s È la statstca del test (come è stato detto è ua t d Studet co T-K grad d lbertà) Se l potes ulla è vera (ossa x o è statstcamete sgfcatva ello spegare la y) b s è ua t d Studet co T-K grad d lbertà. (Se per esempo el modello ho 0 equazo e tre parametr da stmare T-K0-37 grad d lbertà) M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 5

Fsso ua dmesoe del test. Per esempo α 0,05, oppure α 0, 0 t ˆ T K b s Calcolo l valore della t d Studet co T-K grad d lbertà corrspodeza de me dat. Cosdero la t d Studet co T-K grad d lbertà (è smle ad ua ormale stadard) Area uguale a 0,05 α / tt K Area uguale a 0,05 α / 0,05 (Se α 0,05 e T-K7 t t,) T K L evdeza campoara m fa respgere l potes ulla: la varable è statstcamete sgfcatva per spegare y. x 7 ˆ tt K 6

Area uguale a 0,05 α / tt K Area uguale a 0,05 tt K Se β 0 l eveto è possble, ma mprobable Se vece s verfca questo caso accetto l potes ulla d o sgfcatvtà statstca della varable x ˆ Area uguale a 0,05 α / tt K Area uguale a 0,05 ˆ tt K 7

Area uguale a 0,05 α / tt K Area uguale a 0,05 t ˆ T K L aalsta spera che s verfch questo caso: l potes ulla vee respta co forza; la varable è statstcamete sgfcatva ello spegare la varable dpedete ( la domada). I questo caso vuol dre che è stata scelta bee la varable esplcatva (dpedete) -esma. Il test t d Studet su parametr del modello m permette d selezoare le varabl esplcatve ad ua ad ua. Ivece co l coeffcete R le promuovo, o le bocco, blocco (l coeffcete d determazoe è ua msura sulla botà globale del modello). 8

Traffco autostradale talao 983/000 (vecol pesat) l d 3,6 +,99 l IPI 0, 76T vp t t t R 0,97 ˆl IPI T t t 3,4 t t ˆ5 3, 88 t 0, 5, 3 5 Itala A: 970-99 - Traffco aereo tero ˆ 05 l d t 7, +,89 l SE t 0,67 lt t R 0,96 d passegger mbarcat u ao/popolazoe t SEt Tt prodotto tero lordo pro capte ell ao (espresso lre 99) rapporto fra gl cass total e pass-km realzzat (espresso cets/pass-km co valore 99) ˆl SE t t 0,55 ˆl T t t, 33 t 0, 9, 093 9 9 ˆ 05 9

Metod utlzzat per la calbrazoe d u modello d domada Modell descrttv Estmatore de mm quadrat Modell comportametal Estmatore d massma verosmglaza V ( X ) K β x Vettore degl attrbut dell -esma alteratva per l -esmo utete (K compoet) M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 30

Calbrare l modello Determare l vettore de parametr cogt β (stmare parametr cogt) Metodo della massma verosmglaza Itervsto N utet Per og utete ho u vettore d attrbut (che coosco facedo le tervste) X I Og utete scegle u uca alteratva Itroduco la varable y 0 se l utete o scegl se l utete scegl M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 3

Ammettamo che: I aereo treo auto Ammettamo che l utete scegl l alteratva aereo, sarà: y y 0 0 aereo treo y auto La probabltà d scelta dell alteratva aereo (alteratva effettvamete scelta dall utete) secodo l modello la posso scrvere così: ( ) ( ) ( ) ( ) ( ) 0 0 y aereo y treo ( ) yauto p p p p p p aereo treo auto aereo treo auto p I ( ) y Forma compatta 3

N ( p ) I y Nel caso d u modello logt L p Probabltà coguta d osservare le scelte campoare p e I ' β X e ' β X dpede dal vettore β da stmare ( ) ( β, β β p ),... K N I y Fuzoe d verosmglaza (lkelhood). Esprme la probabltà coguta d osservare le scelte campoare E ua fuzoe che ha come varabl dpedet le compoet del vettore. β Il metodo della massma verosmglaza cosste ell assumere come stma d β quel vettore de parametr βˆ che massmzza la fuzoe d verosmglaza. 33

Per semplfcare calcol, vece d massmzzare la fuzoe d verosmglaza ( lkelhood ) massmzzo l suo logartmo (fuzoe deomata log-lkelhood ). L ( β, β,... β ) l L( β, β β ) K,... Essedo la fuzoe logartmo ua fuzoe strettamete crescete due put d massmo (della fuzoe d lkelhood e loglkelhood ) cocdoo. L N ( β) I y l p K Ho ua sommatora, vece d avere ua produttora come ella fuzoe d lkelhood. M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 34

L estmatore d massma verosmglaza gode d buoe propretà astotche: ossa valgoo rgorosamete quado l ampezza campoara N, pratca (per u gegere) basta che N sa grade. - L estmatore d massma verosmglaza è u estmatore cosstete : all aumetare dell ampezza campoara, N, s dstrbusce co varaza sempre pù bassa toro al parametro da stmare. - L estmatore d massma verosmglaza è u estmatore effcete (mma varaza). - L estmatore d massma verosmglaza è dstrbuto modo ormale. M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 35

Nel caso dell estmatore de mm quadrat resco ad esplctare l estmatore: b ( X' X) X' y. Nel caso dell estmatore d massma verosmglaza o resco ad arrvare ad ua formula esplcta dell estmatore Devo rsolvere l problema l seguete problema d massmo ( l problema della stma d massma verosmglaza s rduce a rsolvere u problema d massmo, o vcolato, d ua fuzoe a pù varabl): βˆ arg max L ( β) arg max N I y l p La fuzoe è strettamete cocava (oltre o ho vcol su parametr ). β Esstoo de procedmet teratv per rsolvere l suddetto problema d massmo. 36

Corroborazoe d u modello d utltà aleatora Calcolo la statstca ρ (è aaloga a R del modello d regressoe leare) ( β) L ˆ ρ L 0 ρ ( 0) ρ 0 L ( βˆ ) L( 0) I parametr soo tutt ull p e ' β X e ' β X + +... +. alteratve I Il modello o forsce essua ulterore formazoe rspetto ad ua potes d equprobabltà delle alteratve. M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 37

aereo I treo auto Se vece: p aereo 3 ˆ ( ) ρ Lβ 0 p treo ( ) y l p l p 0 Lβ N I N 3 p auto 3 : alteratva effettvamete scelta dall utete N y 0 l p per le alteratve o scelte dall utete 0 p Il modello prevede (per og utete) ua probabltà d scelta par ad per l alteratva effettvamete scelta dall utete: modello perfetto. Quato pù ρ tato pù l modello fuzoa. 38

- Test t d Studet su parametr del modello Verfca putuale su parametr d u modello Voglo verfcare la sgfcatvtà dell attrbuto ello spegare le scelte effettuate dagl utet. Facco u test d potes sul parametro β (aalogo a quello utlzzato ella fase d corroborazoe d u modello d regressoe leare) X β β 0 0 IPOTESI NULLA (la varable esplcatva -esma o pesa ello spegare le scelte degl utet) IPOTESI ALTERNATIVA (la varable esplcatva - esma pesa ello spegare le scelte degl utet) M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 39

ˆ (, N β σ β β ˆ ) La matrce d covaraza Ω dell estmatore d massma verosmglaza s stma co: Ωˆ [ ] H(βˆ ) La stma è valda term astotc ( pratca per N, ampezza campoara, grade ) ˆ β ˆ σ ˆ β 0 E ua t d Studet co N-K grad d lbertà ( pratca, dato l alto umero d grad d lbertà, è ua varable aleatora ormale stadard). M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 40

Dmesoe del test 0,05 Area uguale a 0,05 α / t T K,96 Area uguale a 0,05 Rfuto l potes ulla ˆ β ˆ σ ˆ β Area uguale a 0,05 α / t T K,96 Area uguale a 0,05 Accetto l potes ulla ˆ β ˆ σ ˆ β 4

4