Persone e Insegnamenti
      

Statistica II (modelli dinamici e prev. statistica) (6 crediti)

Pagina del corso: 37010 - Statistica II (modelli dinamici e prev. statistica) (6 crediti)
Docente/i: Alessandro Fass˛

Note sul corso
0.6 Statistica II (modelli dinamici e previsione statistica)
Ing. Gestionale e Meccanica
Prof. Roberto Colombi
Colombi@unibg.it



OBIETTIVI DEL CORSO

Il problema della previsione Ŕ 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 verrÓ 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.
Il corso verterÓ principalmente sui problemi applicativi e operativi inerenti l?utilizzo dei metodi di previsione limitando la trattazione formale allo stretto necessario per un utilizzo consapevole delle metodologie presentate. Esercitazioni ed esemplificazioni svolte in ambiente Matlab o R attingeranno a problemi aziendali di gestione, finanziari e di controllo di processo.

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 e\o 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 omoschedasticitÓ, test di normalitÓ, 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, stazionarietÓ e invertibilitÓ dei modelli ARMA, stima dei parametri, problemi di selezione del modello pi¨ 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 capacitÓ previsiva di differenti modelli.
I modelli spazio degli stati: equazioni di stato, equazioni di misura, componenti stocastiche gaussiane, stazionarietÓ, ergodigitÓ, controllabilitÓ, osservabilitÓ, filtro di Kalman, filtraggio, previsione e smoothing, il problema dei valori iniziali, stima dei parametri incogniti discussione dei casi pi¨ rilevanti ( modelli di regressione a parametri variabili, serie storiche strutturali, componenti di trend, stagionalitÓ 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.

BIBLIOGRAFIA

Faraway J. (2002), Practical Regression and Anova using R (PDF scaricabile da http://cran.r-project.org/doc/contrib/Faraway-PRA.pdf)

Hamilton J. (1995), Econometria delle serie storiche, Monduzzi.

Lutkepohl H. (2004), Applied Time Series, Cambridge University Press.

Janacek G. (2001), Practical Time Series, Arnold.

NOTA: materiale didattico informazioni su software gratuito e banche dati su cui esercitarsi saranno fornite durante il corso.



Bacheche del corso
Cartella principaleRisultati esami

Programmi del corso
  Anno accademico : 2019-2020
  Programma
 
  Anno accademico : 2018-2019
  Programma
 
  Anno accademico : 2017-2018
  Programma [agg. 10/07/2017]
 
  Anno accademico : 2016-2017
  Programma [agg. 27/06/2016]
 
  Anno accademico : 2015-2016
  Programma [agg. 13/07/2016]
 
  Anno accademico : 2014-2015
  Programma [agg. 10/06/2014]
 
  Anno accademico : 2013-2014
  Programma [agg. 30/05/2013]
 
  Anno accademico : 2012-2013
  Programma [agg. 23/10/2012]
 

Informazioni e materiali didattici del corso


Cartella principale Pubblicazione
prova finale 2019-2020
Le modalitÓ di consegna sono riportate nel testo della prova Il file.zip allegato contiene un file .pdf con il testo della prova e due files .txt con i dati. Il file va aperto con WinRAR.
09/12/2019
beginner 2019 2020
esercitazioni R 2019 2020 aggiornata 14-12-2019
30/09/2019
Materialedidattico
link per consultare FORECASTING: PRINCIPLES AND PRACTICE R.J. Hyndman, G. Athanasopoulos Fanno parte del corso i capitoli 1,2,5,8,9
10/09/2019
measures of forecast accuracy 08/11/2017
Materiale didattico: link per scaricare appunti su modelli SS 18/09/2016
IL SITO DI R
download-manuali-documentazione

Risultati esami Pubblicazione
Esiti prova finale appello 31 gennaio 2020
Inviare mail accettazione risultato quanto prima Presentarsi per firmare Martedý ore 14-17
31/01/2020

Testi consultabili in Biblioteca