MODELLO DI SCELTA DEL PIANO TELEFONICO FISSO  Giulia Bravo  Valeria Carloni  Andrea Coralli  Elena Santi.

Slides:



Advertisements
Presentazioni simili
MODELLISTICA DEI SISTEMI DI TRASPORTO
Advertisements

ITIS “G.Galilei” – Crema Lab. Calcolo e Statistica
Come organizzare i dati per un'analisi statistica al computer?
____________________
LA VARIABILITA’ IV lezione di Statistica Medica.
Proprietà degli stimatori
Tecniche di analisi dei dati e impostazione dellattività sperimentale Relazioni tra variabili: Correlazione e Regressione.
Variabili casuali a più dimensioni
Regressione lineare Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°10.
Regressione logistica
Test Statistici Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°5.
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°7.
Regressione lineare Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°8.
Popolazione, campione, parametri e stimatori
Ipotesi e proprietà dello stimatore Ordinary Least Squares (OLS)
ALCUNI METODI STATISTICI PER LA SELEZIONE DELLE VARIABILI NELL’ANALISI DISCRIMINANTE Eliminazione di variabili con contributo discriminatorio statisticamente.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA (parte 1)
CAMPIONAMENTO Estratto dal Cap. 5 di:
RedditoAnni di istr 20,512 31,516 47,718 26, , ,816 17,212 19,910 9, ,816 25, ,516 15,110 28,518 21,416 17,720 6, ,916.
ANALISI DEGLI EFFETTI COMPETITIVI TRA MARCHE
Le funzioni di Engel Presentazione a cura di : Giulia Bravo
La regressione logistica binomiale
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 9.
Corso di biomatematica lezione 7: Test di significatività
Valutazione della stima: gli intervalli di confidenza
Analisi bivariata Passiamo allo studio delle relazioni tra variabili
Modello di regressione lineare semplice
Lezione 8 Numerosità del campione
Lezione 8 Numerosità del campione
Num / 36 Lezione 9 Numerosità del campione.
Lo stimatore per quoziente è asintoticamente corretto
STATISTICA PER LE DECISIONI DI MARKETING
Regressione Logistica
Esperimento di statistica Palmo Fuoco – Giuseppe Valerio.
Le distribuzioni campionarie
STATISTICA PER LE DECISIONI DI MARKETING
STATISTICA PER LE DECISIONI DI MARKETING
La ricerca delle relazioni tra fenomeni
STATISTICA PER LE DECISIONI DI MARKETING
Modelli di analisi della domanda
Modelli di analisi della domanda
STATISTICA PER LE DECISIONI DI MARKETING
Sintesi della lezione Il concetto di variabilità Campo di variazione Differenza interquartile La varianza La deviazione standard Scostamenti medi VARIABILITA’
Distribuzioni di frequenza
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
Analisi Bivariata: Test Statistici
Domande riepilogative per l’esame
redditività var. continua classi di redditività ( < 0 ; >= 0)
Metodi Quantitativi per Economia, Finanza e Management Lezione n°10 Regressione lineare multipla: la valutazione del modello, metodi automatici di selezione.
Esercizio Regressione logistica
Analisi discriminante lineare - contesto
Dipartimento di Scienze Statistiche, ALMA MATER STUDIORUM – Università di Bologna1 MODELLO RAZIONALE DI SCELTA TRA MARCHE PRESENTAZIONE A CURA DI: Chiara.
Regressione lineare Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°7.
REGRESSIONE LINEARE Relazione tra una o più variabili risposta e una o più variabili esplicative, al fine di costruire una regola decisionale che permetta.
Dipartimento di Scienze Statistiche, ALMA MATER STUDIORUM – Università di Bologna Modello di scelta tra marche: il caso dei piani tariffari Di: Lucia.
Modelli di scelta del piano telefonico
Università degli Studi di Bologna FACOLTÀ DI INGEGNERIA Corso di Laurea in Ingegneria Gestionale Ricerca Operativa MODELLI PER L’OTTIMIZZAZIONE DELL’OFFERTA.
Dipartimento di Scienze Statistiche, ALMA MATER STUDIORUM – Università di Bologna Un’applicazione dei Modelli di Risposta delle Quote di Mercato di Giulia.
Regressione lineare Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°8.
Un’applicazione della segmentazione a priori: l’algoritmo CHAID
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.
Elaborazione dei valori di fondo nelle acque sotterranee del SIN laguna di Marano e Grado Dr. A. Felluga ARPA FVG - Laboratorio di Udine 27 giugno 2013.
TRATTAMENTO STATISTICO DEI DATI ANALITICI
Il carsharing nel FVG: esiste una domanda potenziale? Romeo Danielis, Lucia Rotaris, Andrea Rusich, Eva Valeri DEAMS, Università degli Studi di Trieste.
Analisi delle osservazioni
Transcript della presentazione:

MODELLO DI SCELTA DEL PIANO TELEFONICO FISSO  Giulia Bravo  Valeria Carloni  Andrea Coralli  Elena Santi

OBIETTIVO stimare le probabilità di scelta di diversi piani telefonici fissi presenti sul mercato, a partire dal comportamento di un campione di famiglie

DATI 434 famiglie residenti in Pennsylvania (USA), suddivise in 5 aree urbane :434 famiglie residenti in Pennsylvania (USA), suddivise in 5 aree urbane : »Suburbana »Metropolitana »Perimetrale con servizio esteso »Perimetrale senza servizio esteso »Non metropolitana Variabile dipendente (CHOICE-piani telefonici):Variabile dipendente (CHOICE-piani telefonici): »BM a misura fissa »SM a misura variabile »LF tariffa locale »EF tariffa estesa »MF tariffa metropolitana Variabili esplicative (COST):Variabili esplicative (COST): costo mensile del piano telefonico in $

Frequenze d’uso dei piani telefonici effettivamente osservate nel campione La maggior parte degli intervistati utilizza il piano ‘LF’ Solo l’1% del campione utilizza ‘EF’

Tabella di name_choice per area name_choice area(area) Totale bm ef lf mf sm Totale Distribuzione per area di residenza dei piani telefonici

ANALISI EFFETTUATE Multinomial LogitStima del modello Multinomial Logit per ogni famiglia, rispetto a ciascun piano telefonico disponibile Suddivisione del dataset in due parti,basandosi sui valori assunti dalla variabile choice: Nested Logit –Stima del modello Nested Logit per piani distinti –BM Dataset ‘Minute’ –SM –LF –EF Dataset ‘Flat’ –MF

1.MULTINOMIAL LOGIT V BM = b BM + b C ln (costo BM ) V SM = b SM + b C ln (costo SM ) V LF = b LF + b C ln (costo LF ) V EF = b EF + b C ln (costo EF ) V MF = b C ln (costo MF ) i=1,2,3,…,434 famiglie j  C piani tariffari

Stime modello Multinomial Logit TEST DEL RAPPORTO DI VEROSIMIGLIANZA SIGNIFICATIVITA’ DEI PARAMETRI I parametri sono tutti significativi tranne quello riferito al piano ‘EF’

Stime modello Multinomial Logit BONTA’ DI ADATTAMENTO DEL MODELLO :  2 =0,15  2 =0,15 A partire dalla variazione della stima della massima verosimiglianza tra la prima e l’ultima iterazione si calcola la

2.MODELLO NESTED LOGIT Probabilità per la famiglia i-esima di scegliere MinuteFlatinclusive value i piani Minute (M) e Flat (F), con rispettivi inclusive value (valori complessivi per le alternative annidate)

1.MULTINOMIAL LOGIT – probabilità di scelta dei rispettivi piani tariffari Probabilità calcolate sul totale delle famiglie appartenenti al campione Il piano telefonico con maggiore probabilità di scelta è l’LF

Stime modello Nested Logit – piano Minute TEST DEL RAPPORTO DI VEROSIMIGLIANZA SIGNIFICATIVITA’ DEI PARAMETRI I parametri sono tutti significativi

Stime modello Nested Logit – piano Minute BONTA’ DI ADATTAMENTO DEL MODELLO :  2 =0,14  2 =0,14

2.MODELLO NESTED LOGIT – probabilità di scelta piani Minute Probabilità calcolate sul totale delle famiglie appartenenti al campione Il modello Nested Logit attribuisce,all’interno dei piani tariffari ‘a minuto’,una maggiore probabilità di scelta ad ‘SM’

Stime modello Nested Logit – piano Flat TEST DEL RAPPORTO DI VEROSIMIGLIANZA SIGNIFICATIVITA’ DEI PARAMETRI I parametri sono tutti significativi tranne quello riferito al piano ‘EF’

Stime modello Nested Logit – piano Flat BONTA’ DI ADATTAMENTO DEL MODELLO :  2 =0,39  2 =0,39 Tra tutti i modelli stimati, il Nested Logiot per i piani ‘a Tariffa’ è quello che si adatta meglio ai dati disponibili

2.MODELLO NESTED LOGIT – probabilità di scelta piani Flat Probabilità calcolate sul totale delle famiglie appartenenti al campione Il modello Nested Logit attribuisce,all’interno dei piani tariffari ‘a tariffa’,una maggiore probabilità di scelta ad ‘LF’

3.MODELLO PER L’ALTERNATIVA TIPO DI PIANO Stima delle seguenti probabilità di scelta: Probabilità di scelta del piano Minute Probabilità di scelta del piano Flat VM= b M +  I M VF =  I F dove: I M ed I F sono gli IN CLUSIVE VALUE per Minute e Flat con stima  compresa tra 0 e 1

Stima modello per tipo di piano TEST DEL RAPPORTO DI VEROSIMIGLIANZA SIGNIFICATIVITA’ DEI PARAMETRI I parametri sono tutti significativi

Stima modello per tipo di piano BONTA’ DI ADATTAMENTO DEL MODELLO :  2 =0,07  2 =0,07

3.MODELLO PER L’ALTERNATIVA TIPO DI PIANO – probabilità di scelta Minute/Flat Probabilità calcolate sul totale delle famiglie appartenenti al campione Il modello attribuisce una maggiore probabilità di scelta ai piani telefonici ‘a Tariffa’ anche se la differenza tra i due valori rilevati non è elevata

Confronto tra modelli Tutti i modelli stimati presentano un indicatore di bontà molto basso, probabilmente dovuto al fatto che la variabile ‘cost’ utilizzata non è sufficientemente esplicativa del fenomeno analizzato.

fine