MODELLI DI DOMANDA E UTILITÀ ALEATORIA



Documenti analoghi
Richiami di modelli di utilità aleatoria

MODELLI DI UTILITÀ ALEATORIA

Domanda merci interregionale

Modelli di utilità aleatoria

Domanda merci interregionale Scelta della Modalità di Trasporto

CORSO DI LOGISTICA TERRITORIALE A. A

Vincolo di bilancio e Preferenze del consumatore

Modelli di scelta del percorso Modelli di assegnazione

Stima dei parametri. La v.c. multipla (X 1, X 2,.., X n ) ha probabilità (o densità): Le f( ) sono uguali per tutte le v.c.

Modelli di utilità aleatoria

Modelli di scelta del percorso (cenni)

LA STIMA DELLA DOMANDA DI TRASPORTO

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

Figura Area di Studio

Modelli Decisionali per la Stima della Domanda di Mobilità

PIANIFICAZIONE DEI TRASPORTI

Modelli fisici (usati in architettura, nella meccanica dei fluidi, etc.) Modelli astratti (mentali, matematici, etc.)

Modelli di utilità aleatoria

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

Dalla dinamica alla normativa sismica

Seminario Modelli di Scelta Discreta

MODELLI DI DOMANDA. Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa.

La codifica delle immagini

Corso di TEORIA DEI SISTEMI DI TRASPORTO. Prof. Ing. Umberto Crisalli

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

Modelli di domanda e utilità aleatoria

Richiami di TEORIA DELLE PROBABILITÀ

Richiami di Teoria della probabilità (I)

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

CALIBRAZIONE DISAGGREGATA

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA

Statistica Applicata all edilizia: Stime e stimatori

Gli indici tensoriali in corsivo (i, j, k, ) hanno il range (1,2,3). L insieme dei numeri reali

X n = αx n 1 + Y n. Si dimostri che. Usando la precedente relazione si dimostri che. e che. e si determini il limite di media e varianza quando n +.

Random Utility Models

Corso di Fondamenti di Telecomunicazioni

Introduzione al modello Uniforme

Calibrazione disaggregata

La regressione lineare semplice

1 Prova scritta del svolgimento

Correlazione e regressione

DEFINIZIONI. CORSA connessione spazio-temporale data da una sequenza di fermate con determinati orari di partenza/arrivo.

POLITECNICO DI TORINO - III FACOLT A DI INGEGNERIA - sede di MONDOVI ESAME DI: PROVA DEL: Esercizio

Università di Pavia Econometria. Richiami di Statistica. Eduardo Rossi

Fire Monitoring System

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

Elemento asta. Identificazione della adatta formulazione dell elemento

Politecnico di Milano Fondamenti di Fisica Sperimentale a.a Facoltà di Ingegneria Industriale - Ind. Energetica-Meccanica- Aerospaziale

Università di Pavia Econometria. Richiami di teoria delle distribuzioni statistiche. Eduardo Rossi

Stazionarietà. IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 3: Processi Stocastici 3-1

2. ANALISI DELLA DEFORMAZIONE

4. MODELLI DI SCELTA DEL PERCORSO

Richiami di Statistica

Sia dato il sistema LTI descritto dalla seguente funzione di trasferimento: 31250(s + 4) d u. K c +

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

Le onde elastiche stazionarie

TEORIA DEI SISTEMI DI TRASPORTO

Regressione lineare semplice

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 6: Combinazioni di variabili aleatorie

ELEMENTI DI MECCANICA. 1 Nozioni fondamentali

VINCENZO AIETA Spazi vettoriali

4. MODELLI DI SCELTA DEL PERCORSO

Teoria dei Fenomeni Aleatori AA 2012/13

Domanda merci internazionale Import-Export

Gianni Michele De Gaetanis

BREVE TRATTATO SULLA LINEA ELETTRICA DI TRASMISSIONE

Lab 2: Progettazione di controllori PID e con retroazione stato per un motore elettrico

Università di Siena. Corso di STATISTICA. Parte seconda: Teoria della stima. Andrea Garulli, Antonello Giannitrapani, Simone Paoletti

DISTRIBUZIONE ESPONENZIALE Nella forma più usuale la distribuzione esponenziale assume la forma: Le relazioni teoriche dei momenti sono:

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prima prova in itinere

Dalla dinamica alla normativa sismica

Spazi vettoriali e spazi di funzioni

Dalla dinamica alla normativa sismica

Lezione 28. Sistemi dinamici a tempo discreto (approccio in variabili di stato) F.Previdi - Fondamenti di Automatica - Lez. 28

Variabili Aleatorie Multiple

MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai processi di scelta discreta in condizioni di rischio

COGNOME.NOME...MATR..

Statistica Applicata all edilizia: il modello di regressione

Teoria delle decisioni

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

Compitino di Meccanica dei Fluidi, 18/6/2019

Test delle Ipotesi Parte I

28 giugno 2018, es.1) Programmazione lineare

I modelli probabilistici

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

Rappresentazione geometrica

Elementi di Algebra Lineare. Spazio Vettoriale (lineare)

CP410: Esame 2, 30 gennaio Testo e soluzione

ARGOMENTI TRATTATI NEL CORSO DI ANALISI II

Corso di Statistica Industriale

LA DISTRIBUZIONE NORMALE o DI GAUSS

Teoria dei Fenomeni Aleatori AA 2012/13

Computazione per l interazione naturale: Regressione probabilistica

Identificazione di un modello di motore elettrico e controllo in catena chiusa del dispositivo

o Si sceglie il modello che meglio si adatta alla realtà osservata, cioè quello per il quale risulta più probabile la realtà osservata.

Equilibrio e stabilità di sistemi dinamici. Linearizzazione di sistemi dinamici

Old Faithful, Yellowstone Park. Statistica e biometria. D. Bertacchi. Dati congiunti. Tabella. Scatterplot. Covarianza. Correlazione.

Transcript:

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

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

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

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

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

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

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

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

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

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

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

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