Statistica economica (6 CFU)

Slides:



Advertisements
Presentazioni simili
Metodi Quantitativi per Economia, Finanza e Management Lezione n°6.
Advertisements

Dipartimento di Economia
Processi Aleatori : Introduzione – Parte II
Particella in una buca di potenziale
Predizioni Previsioni informate su cosa accadrà durante l'investigazione –Basate su conoscenze pregresse (osservazioni, ricerca di background, ecc)
Analisi dei dati per i disegni ad un fattore
Dipartimento di Economia
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.
Quantità di moto quantità di moto di una particella di massa m che si muove con velocità v: è un vettore la cui direzione e il cui verso sono quelli del.
Corso di Tecniche e Sistemi di trasmissione Fissi e Mobili
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)
MODELLI DI SERIE STORICHE Approccio Classico
E(’)= Riassumendo: ipotesi per OLS Modello lineare
Processi Aleatori : Introduzione – Parte I
Corso di biomatematica lezione 10: test di Student e test F
Il moto armonico Altro esempio interessante di moto è quello armonico caratterizzato dal fatto che l’accelerazione è proporzionale all’opposto della posizione:
Corso di biomatematica lezione 7-2: Test di significatività
ESERCITAZIONE 2.
Inflazione e Disoccupazione
Ugo Cardamone/Laura Deldossi STMicroelectronics
1 Esempio : Utile per considerare limportanza delle ALTE FREQUENZE nella ricostruzione del segnale, in particolare dei FRONTI di SALITA e di DISCESA (trailing.
ANALISI DEL MECCANISMO DI STERZO
Statistica economica (6 CFU)
Statistica economica (6 CFU)
Un buon latinista è anche un bravo matematico? I.S. Artemisia Gentileschi - NAPOLI Convegno finale Progetto Lauree Scientifiche – Matematica Università
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 PER LE DECISIONI DI MARKETING
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
Le distribuzioni campionarie
Statistica economica (6 CFU)
La congrua remunerazione
Istituzioni di Economia Politica II
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)
Presentazione di una ricerca: Fetal Alcohol Syndrome - Kristina Gummel - I parte: presentazione del disegno di ricerca e della metodologia utilizzata II.
Dominio di funzioni Irrazionali e fratte.
Scomposizione (unica) di un
Estrazione con solvente
Test parametrici I test studiati nelle lezioni precedenti (test- t, test-z) consentono la verifica di ipotesi relative al valore di specifici parametri.
Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The.
La regressione II Cristina Zogmaister.
Prof. Maurizio Pugno Prodotto, Occupazione, Inflazione Laboratorio di Statistica ed Economia Applicata A.A Corso di Laurea in Economia e Commercio.
Lezione B.10 Regressione e inferenza: il modello lineare
Strumenti statistici in Excell
Analisi Multivariata dei Dati
Riassumendo: ipotesi per OLS 1.Modello lineare 2.X e Y sono frutto di osservazioni indipendenti 3.X è di rango pieno 4.I residui hanno media = 0 5.I residui.
STATISTICA DEI MERCATI FINANZIARI a.a 2006/07
Andamento di RTT Modulo 2 - U.D. 5 - Lez. 7
“La cassetta degli arnesi”
Accademia europea dei pazienti sull'innovazione terapeutica Lo scopo e i fondamenti della statistica negli studi clinici.
La covarianza.
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
L’analisi di regressione e correlazione Prof. Luigi Piemontese.
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
Dipartimento di Economia, Management e Istituzioni APPPLICAZIONI AZIENDALI MEDIANTE FOGLIO ELETTRONICO 4° modulo: Calcoli statistici, Regressione Prof.
Lezione n° 5: Esercitazione
LEZIONE 6: LE CORRENTI VEICOLARI
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 8

Per poter applicare i modelli MA, AR e ARMA alle serie storiche reali è utile analizzarne le caratteristiche. In particolare dobbiamo verificare quando tali strutture sono coerenti con le ipotesi di stazionarietà e invertibilità e con quali strutture di dipendenza lineare sono compatibili.

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

MEDIA MOMENTI DI UN MA(1)  = E(Zt)= E(c+ at - 1at-1) = E(c) + E(at) – E(1at-1) = c + 0 – 1 0 = c La costante coincide con il valore atteso. La media non dipende da t.

VARIANZA Var (Zt ) = E(Zt -  )2= E(Zt - c )2 = E(at - 1at-1 ) 2 = E(a2t + 21a 2t-1 – 21at at-1 ) = E(a2t )+ 21 E(a 2t-1) – 21E(at at-1 ) = 2a + 21 2a – 210 = 2a (1+ 21 ) La varianza non dipende da t . N.B. : 1) Zt = c+ at - 1at-1 Zt – c = at - 1at-1 2) E(a2t ) = E(a 2t-1) = 2a 3) E(at at-1 )=0 perché at è incorrelato

AUTOCOVARIANZA AL LAG 1  1 = acov(Zt , Zt-1 ) = E(Zt -  )(Zt-1 - )= E(Zt - c ) )(Zt-1 - c) = E(at - 1at-1 ) (at-1 - 1at-2 ) = E(at at-1 - 1a 2t-1 – 1at at-2 + 21at-1at-2 ) = E(at at-1 )- 1 E(a 2t-1) – 1E(at at-2 )+21E(at-1 at-2 ) = 0 - 1 2a – 10 + 210 = - 1 2a L’autocovarianza non dipende da t, ma solo dal parametro 1 e dalla varianza di at N.B. : Zt – c = at - 1at-1 Zt-1 – c = at-1 - 1at-2

AUTOCORRELAZIONE AL LAG 1 1 =  1 /  0 = [- 1 2a ] / [2a (1+ 21 ) ] = - 1 / (1+ 21 ) L’ autocorrelazione non dipende da t, ma solo dal parametro 1 .

AUTOCOVARIANZA AL LAG 2  2 = acov(Zt , Zt-2 ) = E(Zt -  )(Zt-2 - )= = E(Zt - c ) )(Zt-2 - c) = E(at - 1at-1 ) (at-2 - 1at-3 ) = E(at at-2 – 1a t-1 at-2– 1at at-3 + 21 at-1at-3 ) = E(at at-1 )- 1 E(a t-1 at-2) – 1E(at at-3 ) + 21 E(at-1 at-3 ) = 0 – 10 – 10 + 210 = 0 In generale, l’autocovarianza (autocorrelazione) sarà nulla per k > 1 . Anche questa autocovarianza non dipende da t Nell’MA(1) il valore dell’autocovarianza dipende dal lag k e non da t.

CORRELOGRAMMA DI UN MA(1) Il correlogramma di un MA(1) ha due soli andamenti possibili 1>0 1 <0

AUTOCORRELAZIONE PARZIALE Il correlogramma di un MA(1) ha due soli andamenti possibili: in entrambi i casi decade a 0 in termini esponenziali 1>0 1 <0

In conclusione: Il modello MA(1) è coerente con l’ipotesi di stazionarietà: Media, varianza, autocovarianza e autocorrelazione non dipendono dal tempo Le funzioni di autocovarianza e di autocorrelazione dipendono da k e, in particolare, si troncano per k > 1

INVERTIBILITÀ DI UN MA(1) Zt = c+ at - 1at-1 at  WN(0, 2a) Invertibilità richiede di poter riscrivere Zt in funzione del suo passato e di at Zt = at - 1at-1  at = Zt + 1at-1  at-1 = Zt-1 + 1at-2 at-2 = Zt-2 + 1at-3 ecc. Ne segue: Zt = at - 1(Zt-1 + 1at-2) = at - 1Zt-1 - 21 at-2 = at - 1Zt-1 - 21 (Zt-2 + 1at-3) = at - 1Zt-1 - 21 Zt-2 - 31at-3 = … = - 1Zt-1 - 21 Zt-2 - … - h1at-h Per ||<1 il termine h1at-h tende a 0 per h   e Zt risulta invertibile. N.B.: un modello MA(1) invertibile può essere scritto come un modello AR()

INVERTIBILITÀ DI UN MA(1) Consideriamo i due modelli Zt = c+ at - 1at-1 e Zt = c+ at – (1/1) at-1 Essi hanno la stessa funzione di autocorrelazione. Quindi, nei modelli MA(1) non c’è corrispondenza biunivoca tra modello e funzione di autocorrelazione. Tuttavia: tra i due modelli, uno solo è invertibile. Infatti, se |1|<1 si avrà |1/1|>1, e viceversa. Per i modelli MA(1) invertibili c’è corrispondenza biunivoca tra modello e funzione di autocorrelazione.

CONDIZIONE DI INVERTIBILITÀ La condizione di invertibilità di un MA(1) può essere espressa su 1 oppure sulla radice del polinomio caratteristico (B) = 1 - 1B 1 - 1B = 0  B = 1/1 Ne segue: |1|< 1  |B| > 1 Nei modelli di ordine superiore a 1 la condizione di invertibilità viene SEMPRE espressa sulle radici del polinomio caratteristico.

MODELLO MA(q) Zt = ( 1 - 1B - … - qBq )at at  WN(0, 2a) Sempre stazionario Invertibile se le radici del polinomio caratteristico (B)= 1 - 1B - … - qBq sono in modulo maggiori di 1 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()