- Docente: Marilena Pillati
- Crediti formativi: 5
- SSD: SECS-S/01
- Lingua di insegnamento: Italiano
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
- Corso: Laurea in Scienze statistiche (cod. 8054)
Conoscenze e abilità da conseguire
Al termine del corso lo studente conosce i fondamenti metodologici di alcune delle principali tecniche statistiche per l'analisi di dati caratterizzati da una particolare struttura di dipendenza propria delle osservazioni ripetute nel tempo. In particolare lo studente è in grado di: - effettuare analisi di dati reali in modo critico - affrontare corsi avanzati di analisi di serie storiche
Contenuti
Introduzione - Definizione intuitiva e formale di serie storica.
Processi stocastici - Definizione, caratterizzazione e proprietà: stazionarietà, invertibilità ed ergodicità. Processi lineari e teorema di Wold. Operatore ritardo, operatore differenza, polinomi nell'operatore ritardo. Rappresentazione AutoRegressiva (AR) di ordine infinito e Media Mobile (MA) di ordine infinito di processi stocastici lineari. Funzioni di autocovarianza e autocorrelazione globale e parziale.
Modellistica - Approssimazione finita di processi AR e MA di ordine infinito: AR(p), MA(q), ARMA(p,q). Modelli ARIMA(p,d,q) per processi lineari non stazionari omogenei. Modelli ARIMA(p,d,q)(P,D,Q) stagionali per processi lineari stagionali non stazionari omogenei. Procedura Box-Jenkins per identificazione, stima e verifica di un modello ARIMA stagionale. Analisi di serie storiche reali.
Scomposizione di una serie storica - Identificazione e stima delle componenti tendenza-ciclo, stagionalità, componente irregolare. Modelli deterministici e stocastici. Metodi parametrici e non parametrici.
Testi/Bibliografia
E.B. Dagum, Analisi delle serie storiche. Modellistica, previsione e scomposizione. Springer-Verlag Italia, Milano, 2001.
Metodi didattici
Lezioni teoriche in aula, nel corso delle quali saranno illustrate gli aspetti metodologici delle diverse tecniche, ed esercitazioni in laboratorio, durante le quali verranno presentati e discussi esempi di analisi di dati reali realizzate mediante diversi software.
Modalità di verifica e valutazione dell'apprendimento
L'accertamento dell'apprendimento si articola in una prova scritta e una prova orale.
Orario di ricevimento
Consulta il sito web di Marilena Pillati