Statistica economica (6 CFU)

Slides:



Advertisements
Presentazioni simili
PROCESSO DI CARICA E SCARICA DI UN CONDENSATORE
Advertisements

MATEMATICA FINANZIARIA
Metodi Quantitativi per Economia, Finanza e Management Lezione n°6.
Processi Aleatori : Introduzione – Parte II
Classe V A A.s – 2013 Programma di Informatica 5 ore (3 laboratorio) Docenti –Prof. Alberto Ferrari –Prof. Alberto Paganuzzi.
DISEQUAZIONI IRRAZIONALI
Facoltà di Psicologia a.a.2011/2012 A cura di Tiziana Fusaro e Lucia Marchesi Guida pratica per gli studenti.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°6
Metodi Quantitativi per Economia, Finanza e Management Lezione n°6.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°5 Test statistici: il test Chi-Quadro, il test F e il test t.
Velocità media e velocità istantanea
Università degli Studi di Roma La Sapienza
Corso di Tecniche e Sistemi di trasmissione Fissi e Mobili
Statistica per le decisioni aziendali ed analisi dei costi
Analisi Statistica del Reddito e delle Condizioni di Vita
Statistica per le decisioni aziendali ed analisi dei costi
MODELLI DI SERIE STORICHE Approccio Classico
Laboratorio del 29/09/05 Processi AR
Processi Aleatori : Introduzione – Parte I
EQUAZIONI E SISTEMI D’EQUAZIONI DIFFERENZIALI LINEARI A COEFFICIENTI
EQUAZIONI DIFFERENZIALI LINEARI A COEFFICIENTI COSTANTI.
Ugo Cardamone/Laura Deldossi STMicroelectronics
Statistica sociale Modulo B A.A Prof.ssa Barbara Baldazzi Dottore Mario Mastrangelo Corso di Laurea PROGEST Facoltà di Lettere e Filosofia Università
Statistica sociale Modulo A
MOTO ARMONICO SMORZATO PER ATTRITO (COULOMB DUMPING)
Seconda Università degli studi di Napoli Facoltà di Architettura Corsi di Laurea in Design e Comunicazione – 3°anno CORSO DI MARKETING Codice A0275 Prof.
Propagazione degli errori
Elementi di programmazione ad oggetti a. a. 2009/2010 Corso di Laurea Magistrale in Ingegneria Elettronica Docente: Mauro Mazzieri, Dipartimento di Ingegneria.
Statistica economica (6 CFU)
Statistica economica (6 CFU)
LA SCOMPOSIZIONE DI POLINOMI IN FATTORI
Statistica economica (6 CFU)
Statistica economica (6 CFU)
Statistica economica (6 CFU) Corso di Laurea in Economia e Commercio a.a Docente: Lucia Buzzigoli Lezione 4 1.
Statistica economica (6 CFU)
“Analisi delle serie storiche e applicazioni”
Statistica economica (6 CFU)
Statistica economica (6 CFU)
Statistica economica (6 CFU) Corso di Laurea in Economia e Commercio a.a Docente: Lucia Buzzigoli Lezione 13 1.
Statistica economica (6 CFU) Corso di Laurea in Economia e Commercio a.a Docente: Lucia Buzzigoli Lezione 5 1.
Corso di POPOLAZIONE TERRITORIO E SOCIETA’ 1 AA
Statistica economica (6 CFU)
Corso di Formazione per docenti di Scuola Superiore: Il calcolo infinitesimale nei licei non scientifici Febbraio-Marzo 2013 LaboratorioDidattico effediesse.
Università del Salento Facoltà di Ingegneria Corso di Basi di dati I a.a
Statistica economica (6 CFU)
Statistica economica (6 CFU)
Statistica economica (6 CFU) Corso di Laurea in Economia e Commercio a.a Docente: Lucia Buzzigoli Esercitazione 18 1.
Statistica economica (6 CFU)
Corso di Formazione per docenti di Scuola Superiore: Il calcolo infinitesimale nei licei Marzo-Aprile 2012 LaboratorioDidattico effediesse Dipartimento.
Docente: Dott. Stefano Bonnini
PROGETTO a.s
Recapiti docente
Corso di Formazione per docenti di Scuola Superiore: Il calcolo infinitesimale nei licei non scientifici Marzo-Aprile 2014 LaboratorioDidattico effediesse.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°5 Analisi Bivariata I° Parte.
Il calcolo dei limiti nelle funzioni razionali Seconda parte: la frontiera.
Osservatorio della Didattica Relazione Operazione svolta nel 2009 Obiettivi: –fornire alcuni dati in primo luogo ai CS – speriamo che loro possano.
University of Perugia Corso di Laurea Magistrale Interclasse in Ingegneria Elettronica e delle Telecomunicazioni Corso di Laurea Magistrale in Ingegneria.
Appunti conclusioni simulazione lancio dadi
Probabilità. Un percorso didattico esperimenti e simulazioni L. Cappello 9 Maggio Didattica probabilità e statistica PAS 2014.
CONFERENZA SULLA DIDATTICA 22 gennaio 2007 LA PAGINA WEB COME RISORSA AGGIUNTIVA RISPETTO AGLI STRUMENTI DIDATTICI TRADIZIONALI UNIVERSITÀ DEGLI STUDI.
Ingegneria del software Modulo 1 -Introduzione al processo software Unità didattica 3 -Modelli di fase d’analisi Ernesto Damiani Università degli Studi.
Elementi di statistica Le cifre significative
1 “ PattiChiari con l’economia” a.s Come iscriversi al programma.
Lezione XXIIII Rumore nei circuiti elettronici. Introduzione  Il rumore limita il minimo segnale che un circuito può elaborare mantenendo una qualità.
Analisi Statistica del Reddito e delle Condizioni di Vita Corso di Laurea Magistrale in: Scienze Statistiche per le Indagini Campionarie Docente Prof.
Autocorrelazione dei residui
Osserva attentamente il grafico della funzione seguente e sviluppane le richieste in modo esaustivo. Vai direttamente all’esercizio:
Modelli stocastici o di Box-Jenkins (approccio moderno post 1925)
Transcript della presentazione:

Statistica economica (6 CFU) Corso di Laurea in Economia e Commercio a.a. 2012-2013 Docente: Lucia Buzzigoli Lezione 9

Memoria di un MA(1) Al tempo t l’innovazione at entra nel modello: Zt = at - 1at-1 In t+1 si ha: Zt+1 = at+1 - 1at  at agisce anche su Zt+1 In t+2 si ha: Zt+2 = at+2 - 1at+1  at non influisce su Zt+2 (né su Zt+3 , Zt+4 , ecc.) La memoria del modello MA(1) si limita ad un lag (cfr. acf).

MODELLO MA(q) Zt = ( 1 - 1B - … - qBq )at at  WN(0, 2a) Sempre stazionario Invertibile se tutte le radici del polinomio caratteristico (B)= 1 - 1B - … - qBq sono in modulo maggiori di 1: |Bi|>1 i=1, 2, …, q La f.a.c. si tronca per k>q La f.a.c.p. non si annulla mai ma tende velocemente a 0 Se le condizioni di invertibilità sono soddisfatte MA(q)  AR()

QUALI CARATTERISTICHE HA MODELLO AR(1) (B) = 1 - 1B Zt ( 1 - 1B ) = at Zt = 1 Zt-1 + at at  WN(0, 2a) Con la costante il modello diviene più generale: Zt = c+ 1 Zt-1 + at QUALI CARATTERISTICHE HA UN MODELLO AR(1) ? è stazionario? è invertibile?

INVERTIBILITÀ STAZIONARIETÀ Il modello AR(1) è invertibile per definizione. STAZIONARIETÀ La condizione di stazionarietà è soddisfatta solo quando |1| < 1 (non lo dimostriamo). Analogamente al caso delle condizioni di invertibilità dell’MA(1), anche qui conviene esprimere la condizione di stazionarietà con la radice del polinomio caratteristico: |B| > 1.

MOMENTI DI UN AR(1) (ricavati sotto l’ipotesi di stazionarietà) MEDIA  = E(Zt)= E(c+ 1 Zt-1 + at) = E(c) + 1 E(Zt-1) + E(at) = c + 1 E(Zt) + 0 E(Zt)= c + 1 E(Zt)  E(Zt) - 1 E(Zt) = c (1- 1) E(Zt) = c E(Zt) = c/(1- 1) N.B.: E(Zt-1)= E(Zt)=  per la stazionarietà

VARIANZA Var(Zt) = E(Zt- )2 Dato che  = c/(1- 1)  c= (1- 1) si ha Zt = c+ 1 Zt-1 + at  Zt = (1- 1) + 1 Zt-1 + at da cui: Zt -  = 1 (Zt-1- ) + at  (Zt - )2 = 21 (Zt-1- )2 + a2t + 2 1(Zt-1- )at Di conseguenza: E (Zt - )2 = 21 E(Zt-1- ) 2 + E(a2t)+ 2 1E[(Zt-1- ) at] (1- 21) E (Zt - )2 = 2a + 0 var(Zt) = 0 = 2a / (1- 21) N.B.: E(Zt - )2 = E(Zt-1- )2= var(Zt) per la stazionarietà

AUTOCOVARIANZA 1 = E(Zt- ) (Zt-1- ) Per quanto visto prima Zt -  = 1 (Zt-1- ) + at Di conseguenza, per k0: 1 = E [1 (Zt-1- ) + at ] (Zt-1- ) = =1 E[(Zt-1- ) (Zt-1- )] + E[ (Zt-1- ) at] = 1E(Zt-1- )2 + 0  1 = 1 0  1 = 1 2 / (1- 21)

In generale: k = E(Zt- ) (Zt-k- ) = E [1 (Zt-1- ) + at ](Zt-k- ) = = E [1 (Zt-1- )(Zt-k- )]+ E [at(Zt-k- )] + = 1 E[(Zt-1- )(Zt-k- )]+ 0 = 1 k-1  k = 1 k-1 = 1(1 k-2) = … = 1k 0

AUTOCORRELAZIONE ρ1 = 1/ 0 = 1 0 / 0 = 1 ρ1 = 1/ 0 = 1 0 / 0 = 1 ρk = k / 0 = (1  k-1 )/ 0 = 1 ρk-1= 1 (1 ρk-2 )=…= 1k Dato che |1 |<1 (per la stazionarietà) la funzione di autocorrelazione non si annulla mai, ma decade esponenzialmente a 0. L’andamento del correlogramma di un AR(1) può presentare soltanto due tipi di andamento, a seconda del segno di 1 . La f. di a.c. parziale si tronca per k >1 .

0< 1 <1 -1 < 1 <0

Memoria di un AR(1) Al tempo t l’innovazione at entra nel modello: Zt = 1 Zt-1 + at In t+1 si ha: Zt+1 = 1 Zt +at+1  Zt+1 = 1 (1 Zt-1 + at )+at+1 = 12 Zt-1 + 1 at +at+1 at agisce anche su Zt+1 (con peso 1) In t+2 si ha: Zt+2 = 1 Zt+1 +at+2 Zt+2 = 1 (12 Zt-1 + 1 at +at+1 )+at+2 = 13 Zt-1 + 12 at + 1 at+1 +at+2 at influisce su Zt+2 (con peso 12 ) e anche su Zt+3 , Zt+4 , ecc. La memoria del modello AR(1) non si esaurisce mai, ma segue la struttura dell’acf.

MODELLO AR(p) ( 1 -  1B - … -  pBp ) Zt =at at  WN(0, 2a) Sempre invertibile Stazionario se tutte le radici del polinomio caratteristico (B)= 1 -  1B - … -  pBp sono in modulo maggiori di 1: |Bi|>1 i=1, 2, …, p La f.a.c. non si annulla mai ma tende velocemente a 0 La f.a.c. si tronca per k>p Se le condizioni di stazionarietà sono soddisfatte AR(p)  MA()

MODELLO ARMA(p,q) (B)  (B)/ (B) (B) = 1 - 1B - 2B2 - … qBq (B) = 1 - 1B - 2B2 - … pBp (p,q) = ordine del modello. Zt = [(B)/ (B)] at (B) Zt = (B) at Zt - 1 Zt-1 - … p Zt-p = at - 1at-1 - … qat-q

MODELLO ARMA(p,q) Invertibile se tutte le radici del polinomio caratteristico (B)= 1 - 1B - … - qBq sono in modulo maggiori di 1: |Bi|>1 i=1, 2, …, q Stazionario se tutte le radici del polinomio caratteristico (B)= 1 -  1B - … -  pBp sono in modulo maggiori di 1: |Bi|>1 i=1, 2, …, p La f.a.c. non si annulla mai ma tende velocemente a 0 Se le condizioni di invertibilità sono soddisfatte ARMA(p,q)  AR() Se le condizioni di stazionarietà sono soddisfatte ARMA(p,q)  MA()

All’aumentare dell’ordine i possibili andamenti dei correlogrammi diventano numerosi. Per avere un’idea delle varie tipologie di correlogrammi totali e parziali nei casi più semplici di modelli MA, AR e ARMA si consultino le prime pagine della dispensa dal titolo «Correlogrammi teorici di particolari modelli ARMA e ARIMA» disponibile alla pagina web http://local.disia.unifi.it/buzzigoli/statistica-economica1/materiale-didattico-SE1.htm

DUALITÀ MA/AR le condizioni di stazionarietà di un MA sono equivalenti a quelle di invertibilità di un AR le condizioni di invertibilità di un MA sono equivalenti a quelle di stazionarietà di un AR I coefficienti di acorr di un MA(r) si comportano come i coefficienti di accor parziale di un AR(r) I coefficienti di acorr parziale di un MA(r) si comportano come i coefficienti di accor di un AR(r) Un AR(p) stazionario può essere espresso come un MA() Un MA(q) invertibile può essere espresso come un AR()