Codice: Course code: |
8907 | |||||||||||||||||||||||||||||||||||
Anno accademico: Academic year: |
2004-2005 | |||||||||||||||||||||||||||||||||||
Titolo del corso: Course title: |
Statistica II (modelli dinamici e prev. Statist) | |||||||||||||||||||||||||||||||||||
Modulo: Module: |
Unico | |||||||||||||||||||||||||||||||||||
Docente 1: Teacher 1: |
COLOMBI Roberto | |||||||||||||||||||||||||||||||||||
Ruolo Docente 1: Teacher 1: |
||||||||||||||||||||||||||||||||||||
Modalità 1: Type 1: |
Convenzionale | |||||||||||||||||||||||||||||||||||
Settore scientifico-disciplinare: Reference sector: |
SECS-S/02 Statistica per la ricerca sperimentale e tecnologica | |||||||||||||||||||||||||||||||||||
Anno di corso: Year of degree course: |
primo | |||||||||||||||||||||||||||||||||||
Facoltà: Faculty: |
Ingegneria | |||||||||||||||||||||||||||||||||||
Modalità di frequenza: Type: |
Non obbligatoria | |||||||||||||||||||||||||||||||||||
Semestre: Semester: |
2 | |||||||||||||||||||||||||||||||||||
Sottoperiodo: Sub period: |
0° | |||||||||||||||||||||||||||||||||||
Numero totale di crediti: Total credits: |
5.0 | |||||||||||||||||||||||||||||||||||
Carico di lavoro Workload |
|
|||||||||||||||||||||||||||||||||||
Prerequisiti: Prerequisites: |
||||||||||||||||||||||||||||||||||||
Obiettivi formativi: Educational goals: |
Il problema della previsione è centrale nelle applicazioni economiche, gestionali, finanziarie e in molte altre applicazioni tecnologiche. Il corso intende fornire le conoscenze inerenti le metodologie di analisi delle serie storiche e di previsione statistica utili per descrivere la dinamica temporale e prevedere il comportamento futuro di fenomeni aziendali o finanziari o inerenti il processo produttivo. Particolare attenzione verrà data a quei metodi che a partire dalla modellizzazione della dinamica temporale di un fenomeno osservato nel passato forniscono regole per prevederne il comportamento futuro. L'importanza della previsione statistica viene esemplificata in contesti aziendali finaziari e di controllo dei processi produttivi. | |||||||||||||||||||||||||||||||||||
Contenuto del corso: Course contents: |
Il modello di regressione classico: le ipotesi del modello di regressione classico, stima con il metodi dei minimi quadrati e di massima verosimiglianza, teorema di Gauss-Markov, verifica di ipotesi e test di specificazione e adattamento nel modello di regressione classico. Il modello di regressione con errori autocorrelati eo eteroschedastici: modelli con errori autoregressivi, modelli con errori autoregressivi e variabili ritardate, modelli con errori incorrelati ma eteroschedastici. Test di ipotesi, test di adattamento, test di specificazione e test diagnostici per modelli di regressione: test di incorrelazione dei residui, test di omoschedasticità, test di normalità, test di ipotesi sui parametri di regressione, test di adattamento. Modelli autoregressivi e con errori a media mobile: modelli AR, MA, ARMA e ARMAX, funzione di autocorrelazione, stazionarietà e invertibilità dei modelli ARMA, stima dei parametri, problemi di selezione del modello più adatto a descrivere i dati. Il problema di previsione nei modelli di regressione, nei modelli autoregressivi e a media mobile: previsione puntuale e intervallare, previsioni a passo uno e a passo maggiore di uno, aggiornamento della previsione, confronto della capacità previsiva di differenti modelli. I modelli spazio degli stati: equazioni di stato, equazioni di misura, componenti stocastiche gaussiane, stazionarietà, ergodigità, controllabilità, osservabilità, filtro di Kalman, filtraggio, previsione e smoothing, il problema dei valori iniziali, stima dei parametri incogniti discussione dei casi più rilevanti ( modelli di regressione a parametri variabili, serie storiche strutturali, componenti di trend, stagionalità e ciclo, modelli ARMA e ARIMAX in forma spazio degli stati, modelli di regressione con errori ARMA in forma spazio degli stati, stima e previsione in presenza di dati mancanti. Illustrazione di software specialistico negli ambienti Matlab R e Gauss. | |||||||||||||||||||||||||||||||||||
Testo di riferimento 1: Course text 1: |
Hamilton (1995), Econometria delle serie storiche, Monduzzi | |||||||||||||||||||||||||||||||||||
Testo di riferimento 2: Course text 2: |
P.H. Hans Franses-D. van Dijk (2000), Non-linear time series models in empirical finance, cambridge University Press. | |||||||||||||||||||||||||||||||||||
Testo di riferimento 3: Course text 3: |
R. S. Tsay (2002), Analysis of Financial Time Series, Wiley. | |||||||||||||||||||||||||||||||||||
Metodi didattici: Teaching activities: |
lezioni frontali, esercitazione | |||||||||||||||||||||||||||||||||||
Struttura della verifica del
profitto: Assessment: |
scritto + orale
written + oral |
|||||||||||||||||||||||||||||||||||
Descrizione verifica del profitto: |
||||||||||||||||||||||||||||||||||||
Lingua di insegnamento: Teaching language: |
italiano | |||||||||||||||||||||||||||||||||||
Altre informazioni: Other information: |
||||||||||||||||||||||||||||||||||||