DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso

Slides:



Advertisements
Presentazioni simili
Tecniche di analisi dei dati e impostazione dell’attività sperimentale
Advertisements

Come organizzare i dati per un'analisi statistica al computer?
Tecniche di analisi dei dati e impostazione dellattività sperimentale Relazioni tra variabili: Correlazione e Regressione.
La regressione lineare trivariata
Regressione lineare Esercitazione 24/01/04.
ANALISI DELLA COVARIANZA
Regressione lineare Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°10.
Regressione logistica
Metodi Quantitativi per Economia, Finanza e Management Lezione n°8
Metodi Quantitativi per Economia, Finanza e Management Lezione n°9.
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 11.
redditività var. continua classi di redditività ( < 0 ; >= 0)
Regressione lineare Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°8.
STATISTICA A – K (60 ore) Marco Riani
MODELLO DI REGRESSIONE LINEARE MULTIPLA: USO DELLE VARIABILI DUMMY (parte 2) In alcune circostanze è opportuno inserire, come variabili esplicative, delle.
IL MODELLO DI REGRESSIONE MULTIPLA
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA: test sui parametri e scelta del modello (parte 3) Per effettuare test di qualsiasi natura è necessaria.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA (parte 1)
La distribuzione del reddito
MODELLO DI REGRESSIONE LINEARE MULTIPLA
La logica della regressione
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 9.
Corso di biomatematica lezione 7-2: Test di significatività
Modello di regressione lineare semplice
Dall’analisi Fattoriale alla regressione lineare
STATISTICA PER LE DECISIONI DI MARKETING
Statistica economica (6 CFU)
Regressione logistica
STATISTICA PER LE DECISIONI DI MARKETING
STATISTICA PER LE DECISIONI DI MARKETING
STATISTICA PER LE DECISIONI DI MARKETING
STATISTICA PER LE DECISIONI DI MARKETING
La ricerca delle relazioni tra fenomeni
STATISTICA PER LE DECISIONI DI MARKETING
Statistica economica (6 CFU)
STATISTICA PER LE DECISIONI DI MARKETING
Esercizio Regressione DATI Per un campione casuale di 82 clienti di un'insegna della GDO, sono disponibili le seguenti variabili, riferite ad un mese di.
STATISTICA PER LE DECISIONI DI MARKETING Andrea Cerioli Sito web del corso IL MODELLO DI REGRESSIONE LINEARE MULTIPLA Selezione.
DATA MINING PER IL MARKETING
DATA MINING PER IL MARKETING
Cap. 13 Regressione 1. Modello statistico Un modello statistico è una formula che interpreta e sintetizza matematicamente il comportamento congiunto di.
DATA MINING PER IL MARKETING
LABORATORIO DI ANALISI AVANZATA DEI DATI Andrea Cerioli Sito web del corso IL MODELLO DI REGRESSIONE LINEARE MULTIPLA Esempio (d)istruttivo.
Scomposizione della devianza
DATA MINING PER IL MARKETING
LABORATORIO DI ANALISI AVANZATA DEI DATI Andrea Cerioli Sito web del corso ESTENSIONI DEL MODELLO DI REGRESSIONE LINEARE MULTIPLA.
DATA MINING PER IL MARKETING
La regressione II Cristina Zogmaister.
Domande riepilogative per l’esame
Lezione B.10 Regressione e inferenza: il modello lineare
DATA MINING PER IL MARKETING
Un insieme limitato di misure permette di calcolare soltanto i valori di media e deviazione standard del campione, ed s. E’ però possibile valutare.
Il residuo nella predizione
Metodi Quantitativi per Economia, Finanza e Management Lezione n°10 Regressione lineare multipla: la valutazione del modello, metodi automatici di selezione.
REGRESSIONE LINEARE Relazione tra una o più variabili risposta e una o più variabili esplicative, al fine di costruire una regola decisionale che permetta.
Regressione logistica Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°10.
Regressione lineare Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°8.
Esercizio Regressione DATI Per un campione casuale di 82 clienti di un'insegna della GDO, sono disponibili le seguenti variabili, riferite ad un mese di.
Altri concetti sulla regressione. Multicollinearità Varianza comune fra le VI: se è molto elevata produce stime instabili. Ci sono degli indici per indicare.
Dalmine, 26 Maggio 2004 Esercitazioni di Statistica con Matlab Dott. Orietta Nicolis fttp:\ingegneria.unibg.it.
Esercitazioni di Statistica con Matlab Dott
TRATTAMENTO STATISTICO DEI DATI ANALITICI
analisi bidimensionale #2
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
Regressione semplice e multipla in forma matriciale Metodo dei minimi quadrati Stima di beta Regressione semplice Regressione multipla con 2 predittori.
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE
Regressione: approccio matriciale Esempio: Su 25 unità sono stati rilevati i seguenti caratteri Y: libbre di vapore utilizzate in un mese X 1: temperatura.
MODELLO DI REGRESSIONE LINEARE MULTIPLA
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
Transcript della presentazione:

DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso

Casi particolari R=(0, …, 0, 1, 0. …0) e r=0

Relazione con il test t per testare β i =0 L’equazione non è altro che il quadrato del test t

Relazione con il test t

Set di variabili esplicative non rilevanti

Procedura

In questo esempio cos’è e’ r e r ? cos’è e’e?

e’ r e r = Devianza totale e’e = Devianza residua

Output della funzione REGR.LIN Test F

Output del componente aggiuntivo analisi dati ANALISI VARIANZA gdlSQMQFSignificatività F Regressione E-08 Residuo Totale

Sessione al computer: verificare Verificare

Verifica della bontà di adattamento del modello Analisi dei residui

Diverse tipologie di residui

Come si trova s(i)

Quali sono le osservazioni più importanti nella stima di beta cappello? Punto di partenza. Un intervallo di confidenza al livello (1- gamma) per il vettore beta è dato da:

Quali sono sono più importanti nella stima di beta cappello? La distanza di Cook

Con semplici passaggi Distanza di Cook modificata (Atkinson, 1985)

Intervallo di confidenza del valore y0 associato ad uno specifico insieme di valori delle variabili esplicative

Es. investimenti PIL e trend

Strategia Passiamo attraverso e 0 e poi esplicitiamo y 0

Troviamo E(e 0 ) e var(e 0 )

Var(e 0 )

Ob. trovare intervallo di conf. per y 0

Es. investimenti PIL e trend

Intervallo di confidenza per y 0

Sessione al computer: calcolare l’intervallo di confidenza per y 0

Regressione con variabili categoriche

Es. consumo e reddito Reddito Consumo

Aggiunta di una variabile dummy

Risultati del modello di regr. linere multiplo

Rappresentazione grafica dell’effetto della variabilie dummy = diminuire la stima teorica dell’ammontare dei consumi di un ammontare pari a Reddito Consumo

Confronto (con e senza dummy)